ABOUT THE SPEAKER
Albert-László Barabási - Network scientist
A pioneer in network science, Albert-László Barabási uncovers the hidden order behind complex systems.

Why you should listen

Albert-László Barabási is fascinated by a wide range of topics, from the structure of the brain and treating diseases with network medicine to the emergence of success in art and how science really works. His work uses the quantitative tools of network science, a research field that he pioneered, and led to the discovery of scale-free networks, helping explain the emergence of many natural, technological and social networks.

Barabási is the Robert Gray Dodge Professor of Network Science at Northeastern University and holds an appointment in the Department of Medicine at Harvard Medical School. He splits his time with Budapest, where he runs a European Research Council project at Central European University. A Hungarian born native of Transylvania, Romania, he received his masters in theoretical physics at the Eötvös University in Budapest, Hungary and his PhD three years later at Boston University.

Barabási’s latest book is The Formula: The Universal Laws of Success. He is also the author of Network ScienceLinked and Bursts. He co-edited Network Medicine and The Structure and Dynamics of Networks. His books have been translated into over twenty languages.

More profile about the speaker
Albert-László Barabási | Speaker | TED.com
TEDxMidAtlantic

Albert-László Barabási: The real relationship between your age and your chance of success

Albert-László Barabási: La verdadera relación entre la edad y las oportunidades de éxito

Filmed:
2,762,222 views

El teórico en redes Albert-László Barabási, respaldado por un análisis matemático, explora los mecanismos ocultos que nos llevan al éxito, sin importar el campo, y revela una interesante relación entre nuestra edad y las oportunidades de triunfar en grande.
- Network scientist
A pioneer in network science, Albert-László Barabási uncovers the hidden order behind complex systems. Full bio

Double-click the English transcript below to play the video.

00:12
TodayHoy, actuallyactualmente, is
a very specialespecial day for me,
0
249
2266
El día de hoy es muy especial para mí
porque es mi cumpleaños.
00:14
because it is my birthdaycumpleaños.
1
2539
2121
00:16
(ApplauseAplausos)
2
4684
3973
(Aplausos)
00:20
And so, thanksGracias to all of you
for joiningunión the partyfiesta.
3
8681
3441
Así que gracias por venir a la fiesta.
00:24
(LaughterRisa)
4
12146
1167
(Risas)
00:25
But everycada time you throwlanzar a partyfiesta,
there's someonealguien there to spoilmimar it. Right?
5
13337
4786
Pero cada vez que organizamos una fiesta
siempre alguien la arruina, ¿verdad?
00:30
(LaughterRisa)
6
18147
1072
(Risas)
00:31
And I'm a physicistfísico,
7
19243
1359
Yo soy físico,
00:32
and this time I broughttrajo
anotherotro physicistfísico alonga lo largo to do so.
8
20626
4157
y esta vez invité a otro físico
para que se encargara de eso.
00:36
His namenombre is AlbertAlbert EinsteinEinstein --
alsoademás AlbertAlbert -- and he's the one who said
9
24807
4562
Su nombre es Albert Einstein,
también Albert, y él fue quien dijo
00:41
that the personpersona who has not madehecho
his great contributionscontribuciones to scienceciencia
10
29393
4830
que quien no haya hecho
grandes contribuciones a la ciencia
00:46
by the ageaños of 30
11
34247
1559
a los 30 años, entonces nunca lo hará.
00:47
will never do so.
12
35830
1396
00:49
(LaughterRisa)
13
37250
1012
(Risas)
No necesitan ir a Wikipedia
00:50
Now, you don't need to checkcomprobar WikipediaWikipedia
14
38286
2340
00:52
that I'm beyondmás allá 30.
15
40650
1571
para saber que tengo más de 30.
00:54
(LaughterRisa)
16
42245
1416
(Risas)
00:55
So, effectivelyeficazmente, what
he is tellingnarración me, and us,
17
43685
3606
Así que, efectivamente,
lo que me dice a mí y a todos,
00:59
is that when it comesproviene to my scienceciencia,
18
47315
2544
es que con respecto a mi ciencia
no soy muy competente.
01:01
I'm deadwoodcosa vieja.
19
49883
1203
01:04
Well, luckilypor suerte, I had my sharecompartir
of lucksuerte withindentro my careercarrera.
20
52078
5586
Afortunadamente, durante la carrera
tuve mi dosis de suerte.
01:10
Around ageaños 28, I becameconvirtió
very interestedinteresado in networksredes,
21
58132
3822
A los 28 años me surgió
un gran interés por las redes,
01:13
and a fewpocos yearsaños laterluego, we managedmanejado
to publishpublicar a fewpocos keyllave paperspapeles
22
61978
4076
y unos años después
logramos publicar algunos artículos
01:18
that reportedreportado the discoverydescubrimiento
of scale-freesin escala networksredes
23
66078
4097
que presentaban el descubrimiento
de redes de libre escala,
01:22
and really gavedio birthnacimiento to a newnuevo disciplinedisciplina
that we call networkred scienceciencia todayhoy.
24
70199
4578
lo que dio paso a una nueva disciplina
que ahora llamamos ciencia de redes.
01:26
And if you really carecuidado about it,
you can get a PhDDoctor en Filosofía now in networkred scienceciencia
25
74801
3678
Si de verdad les gusta,
se puede estudiar un doctorado en eso
01:30
in BudapestBudapest, in BostonBostón,
26
78503
2028
en Budapest, en Boston,
o en cualquier parte del mundo.
01:32
and you can studyestudiar it all over the worldmundo.
27
80555
2308
01:35
A fewpocos yearsaños laterluego,
28
83466
1595
Algunos años después,
01:37
when I movedmovido to HarvardHarvard
first as a sabbaticalsabático,
29
85085
3230
cuando llegué a Harvard como sabático
01:40
I becameconvirtió interestedinteresado
in anotherotro typetipo of networkred:
30
88339
3092
me interesó otro tipo de red.
01:43
that time, the networksredes withindentro ourselvesNosotros mismos,
31
91455
3027
Esta vez, fue la red dentro de nosotros.
01:46
how the genesgenes and the proteinsproteínas
and the metabolitesmetabolitos linkenlazar to eachcada other
32
94506
3726
Cómo los genes, las proteínas
y los metabolitos se conectan
01:50
and how they connectconectar to diseaseenfermedad.
33
98256
2493
y su relación con las enfermedades.
01:53
And that interestinteresar led
to a majormayor explosionexplosión withindentro medicinemedicina,
34
101368
4592
Ese interés hizo
que me adentrara en la medicina,
01:57
includingincluso the NetworkRed MedicineMedicina
DivisionDivisión at HarvardHarvard,
35
105984
3979
incluyendo la División
de Medicina de Red en Harvard,
02:01
that has more than 300 researchersinvestigadores
who are usingutilizando this perspectiveperspectiva
36
109987
3395
que cuenta con más de 300 investigadores
que usan esta perspectiva
02:05
to treattratar patientspacientes and developdesarrollar newnuevo curescura.
37
113406
2897
para tratar pacientes
y desarrollar nuevas curas.
02:09
And a fewpocos yearsaños agohace,
38
117457
1770
Hace algunos años
02:11
I thought that I would take
this ideaidea of networksredes
39
119251
2526
pensé que tomaría
esta idea de las redes
02:13
and the expertisepericia we had in networksredes
40
121801
1766
y la experiencia que teníamos
en un área distinta
02:15
in a differentdiferente areazona,
41
123591
1392
que es entender el éxito.
02:17
that is, to understandentender successéxito.
42
125007
1982
02:19
And why did we do that?
43
127704
1210
¿Por qué lo hicimos?
Creímos que, hasta cierto punto,
02:20
Well, we thought that, to some degreela licenciatura,
44
128938
2281
02:23
our successéxito is determineddeterminado
by the networksredes we're partparte of --
45
131243
3377
las redes en las que participábamos
determinaban nuestro éxito.
02:26
that our networksredes can pushempujar us forwardadelante,
they can pullHalar us back.
46
134644
3847
Que las redes nos pueden impulsar
y hacer retroceder.
02:30
And I was curiouscurioso if we could use
the knowledgeconocimiento and biggrande datadatos and expertisepericia
47
138925
4128
Me preguntaba si podíamos usar
el conocimiento, los datos y experiencia
02:35
where we developdesarrollar the networksredes
48
143077
1403
que usamos en las redes para medir
cómo suceden estas cosas.
02:36
to really quantifycuantificar
how these things happenocurrir.
49
144504
3296
Este es uno de los resultados.
02:40
This is a resultresultado from that.
50
148404
1342
02:41
What you see here is a networkred
of galleriesgalerías in museumsmuseos
51
149770
2947
Lo que ven es una red
de galerías en museos
02:44
that connectconectar to eachcada other.
52
152741
1632
conectadas entre ellas.
02:46
And throughmediante this mapmapa
that we mappedmapeado out last yearaño,
53
154806
4055
En este mapa,
que hicimos el año pasado,
02:50
we are ablepoder to predictpredecir very accuratelyprecisamente
the successéxito of an artistartista
54
158885
4848
podemos predecir el éxito
de un artista con gran precisión
02:55
if you give me the first fivecinco exhibitsexhibiciones
that he or she had in theirsu careercarrera.
55
163757
4021
si nos proporcionan las primeras
cinco exhibiciones de su carrera.
03:01
Well, as we thought about successéxito,
56
169404
2706
Tal y como lo pensábamos,
03:04
we realizeddio cuenta that successéxito
is not only about networksredes;
57
172134
3067
nos dimos cuenta de que el éxito
no solo está en las redes.
03:07
there are so manymuchos
other dimensionsdimensiones to that.
58
175225
2396
Hay muchas otras dimensiones.
03:10
And one of the things
we need for successéxito, obviouslyobviamente,
59
178145
3247
Algo que, obviamente,
necesitamos para tener éxito
03:13
is performanceactuación.
60
181416
1170
es el desempeño.
Aclaremos la diferencia
entre desempeño y éxito.
03:14
So let's definedefinir what's the differencediferencia
betweenEntre performanceactuación and successéxito.
61
182610
3504
03:18
Well, performanceactuación is what you do:
62
186465
1997
El desempeño es lo que hacemos.
03:20
how fastrápido you runcorrer,
what kindtipo of paintingspinturas you paintpintar,
63
188486
3032
Qué tan rápido corremos,
el tipo de pinturas que hacemos,
03:23
what kindtipo of paperspapeles you publishpublicar.
64
191542
1881
el tipo de artículos que publicamos.
03:25
Howeversin embargo, in our workingtrabajando definitiondefinición,
65
193835
2614
Pero en nuestro entorno de trabajo
03:28
successéxito is about what the communitycomunidad
noticesavisos from what you did,
66
196473
4205
el éxito es lo que la comunidad
reconoce que hicimos,
con nuestro desempeño.
03:32
from your performanceactuación:
67
200702
1612
03:34
How does it acknowledgereconocer it,
and how does it rewardrecompensa you for it?
68
202338
4132
¿Cómo se reconoce
y cómo nos retribuye?
03:38
In other termscondiciones,
69
206494
1182
En otras palabras,
03:39
your performanceactuación is about you,
but your successéxito is about all of us.
70
207700
4596
nuestro desempeño es algo personal,
pero nuestro éxito concierne a todos.
03:45
And this was a very
importantimportante shiftcambio for us,
71
213392
3334
Para nosotros, este fue un gran cambio
03:48
because the momentmomento we defineddefinido successéxito
as beingsiendo a collectivecolectivo measuremedida
72
216750
4024
porque al definir el éxito
como una medida colectiva,
03:52
that the communitycomunidad providesproporciona to us,
73
220798
2106
provista por la comunidad,
03:54
it becameconvirtió measurablemensurable,
74
222928
1510
lo volvimos cuantificable
03:56
because if it's in the communitycomunidad,
there are multiplemúltiple datadatos pointspuntos about that.
75
224462
4510
pues hay múltiples datos
que conciernen a la comunidad.
04:00
So we go to schoolcolegio,
we exerciseejercicio, we practicepráctica,
76
228996
5280
Vamos a la escuela,
hacemos ejercicio y practicamos
porque creemos que el desempeño
conduce al éxito.
04:06
because we believe
that performanceactuación leadsconduce to successéxito.
77
234300
2991
04:09
But the way we actuallyactualmente
startedempezado to exploreexplorar,
78
237832
2015
Pero al explorar un poco
04:11
we realizeddio cuenta that performanceactuación and successéxito
are very, very differentdiferente animalsanimales
79
239871
3527
nos dimos cuenta de que el desempeño
y el éxito no tienen nada en común
04:15
when it comesproviene to
the mathematicsmatemáticas of the problemproblema.
80
243422
2444
y no resuelven el problema.
04:18
And let me illustrateilustrar that.
81
246429
1432
Déjenme explicarles.
04:20
So what you see here is
the fastestlo más rápido man on earthtierra, UsainUsain BoltTornillo.
82
248329
4947
Él es el hombre más rápido
del mundo, Usain Bolt.
04:25
And of coursecurso, he winsgana mostmás of
the competitionscompeticiones that he entersentra.
83
253832
3910
Gana casi todas las competencias
en las que participa.
Sabemos que es el más rápido
porque tenemos un cronómetro
04:30
And we know he's the fastestlo más rápido on earthtierra
because we have a chronometerCronómetro
84
258393
3175
que mide su velocidad.
04:33
to measuremedida his speedvelocidad.
85
261592
1160
04:34
Well, what is interestinginteresante about him
is that when he winsgana,
86
262776
4119
Lo interesante es que cuando gana
04:38
he doesn't do so by really significantlysignificativamente
outrunningvencer his competitioncompetencia.
87
266919
5502
no lo hace con una gran ventaja.
04:44
He's runningcorriendo at mostmás a percentpor ciento fasterMás rápido
than the one who losespierde the racecarrera.
88
272445
4519
Como máximo, corre 1 %
más rápido que el que pierde.
04:49
And not only does he runcorrer only
one percentpor ciento fasterMás rápido than the secondsegundo one,
89
277631
3638
No solo es que corra
1 % más rápido que el segundo,
04:53
but he doesn't runcorrer
10 timesveces fasterMás rápido than I do --
90
281293
2849
tampoco corre diez veces
más rápido que yo.
04:56
and I'm not a good runnercorredor,
trustconfianza me on that.
91
284166
2181
Y no soy buen corredor, créanme.
04:58
(LaughterRisa)
92
286371
1197
(Risas)
04:59
And everycada time we are ablepoder
to measuremedida performanceactuación,
93
287592
3502
Cada vez que medimos el desempeño
05:03
we noticedarse cuenta something very interestinginteresante;
94
291118
2050
vemos algo muy interesante.
05:05
that is, performanceactuación is boundedencerrado.
95
293192
2511
El desempeño tiene limitantes.
05:07
What it meansmedio is that there are
no hugeenorme variationsvariaciones in humanhumano performanceactuación.
96
295727
3757
Es decir que el desempeño humano
no tiene grandes variaciones.
05:11
It variesvaría only in a narrowestrecho rangedistancia,
97
299508
3432
Solo varía muy poco
05:14
and we do need the chronometerCronómetro
to measuremedida the differencesdiferencias.
98
302964
3279
y necesitamos un cronómetro
para medir las diferencias.
05:18
This is not to say that we cannotno poder
see the good from the bestmejor onesunos,
99
306267
3168
No pretendo decir que no veamos
lo bueno de los mejores,
05:21
but the bestmejor onesunos
are very harddifícil to distinguishdistinguir.
100
309459
2733
pero es muy difícil
identificar a los mejores.
05:24
And the problemproblema with that
is that mostmás of us work in areasáreas
101
312216
2992
El problema es que la mayoría
de nosotros trabajamos en áreas
05:27
where we do not have a chronometerCronómetro
to gaugecalibre our performanceactuación.
102
315232
3922
donde no tenemos un cronómetro
para medir nuestro desempeño.
05:31
AlrightBien, performanceactuación is boundedencerrado,
103
319178
1564
El desempeño tiene limitantes.
05:32
there are no hugeenorme differencesdiferencias betweenEntre us
when it comesproviene to our performanceactuación.
104
320766
3532
Si hablamos de desempeño,
no hay grandes diferencias entre nosotros.
05:36
How about successéxito?
105
324322
1157
¿Qué hay del éxito?
05:37
Well, let's switchcambiar to
a differentdiferente topictema, like bookslibros.
106
325995
2930
Cambiemos de tema y hablemos de libros.
05:40
One measuremedida of successéxito for writersescritores is
how manymuchos people readleer your work.
107
328949
5015
Una forma de medir el éxito de un escritor
es con el número de personas que los leen.
05:46
And so when my previousanterior booklibro
camevino out in 2009,
108
334662
4410
Cuando publiqué mi último libro en 2009
05:51
I was in EuropeEuropa talkinghablando with my editoreditor,
109
339096
1902
estaba en Europa con mi editor
05:53
and I was interestedinteresado:
Who is the competitioncompetencia?
110
341022
2462
y me interesaba saber
quién era la competencia.
05:56
And I had some fabulousfabuloso onesunos.
111
344253
2735
Eran de los grandes.
05:59
That weeksemana --
112
347012
1169
Esa semana...
06:00
(LaughterRisa)
113
348205
1024
(Risas)
06:01
DanDan Brownmarrón camevino out with "The LostPerdido SymbolSímbolo,"
114
349253
3557
Dan Brown publicó
"El símbolo perdido"
y también publicaron "La última canción"
06:04
and "The Last SongCanción" alsoademás camevino out,
115
352834
2982
de Nicholas Sparks.
06:07
NicholasNicholas SparksMoscas.
116
355840
1429
06:09
And when you just look at the listlista,
117
357293
2988
Si solo miran la lista
pueden ver que, en cuanto a desempeño,
casi no hay diferencia
06:12
you realizedarse cuenta de, you know, performance-wiseen cuanto al rendimiento,
there's hardlyapenas any differencediferencia
118
360305
3453
entre esos libros y el mío.
06:15
betweenEntre these bookslibros or minemía.
119
363782
1598
06:17
Right?
120
365404
1175
¿Cierto?
06:18
So maybe if NicholasNicholas Sparks'sSparks's teamequipo
workstrabajos a little harderMás fuerte,
121
366603
4668
Si el equipo de Nicholas Sparks
se esforzaba un poco más,
06:23
he could easilyfácilmente be numbernúmero one,
122
371295
1722
pudo ser el número uno,
06:25
because it's almostcasi by accidentaccidente
who endedterminado up at the topparte superior.
123
373041
2898
pues quien obtuvo el primer puesto
lo hizo casi por accidente.
06:28
So I said, let's look at the numbersnúmeros --
I'm a datadatos personpersona, right?
124
376486
3153
Así que pensé en revisar los números,
después de todo, son datos.
06:31
So let's see what were
the salesventas for NicholasNicholas SparksMoscas.
125
379663
4318
Veamos las ventas de Nicholas Sparks.
06:36
And it turnsvueltas out that
that openingapertura weekendfin de semana,
126
384005
2054
Resulta que
ese fin de semana de estreno
Nicholas Sparks vendió
más de 100 000 copias,
06:38
NicholasNicholas SparksMoscas soldvendido more than
a hundredcien thousandmil copiescopias,
127
386083
2975
lo cual es impresionante.
06:41
whichcual is an amazingasombroso numbernúmero.
128
389082
1705
Se podría estar entre los mejores de
los best-seller de The New York Times
06:42
You can actuallyactualmente get to the topparte superior
of the "NewNuevo YorkYork TimesVeces" best-sellerMejor vendido listlista
129
390811
3396
06:46
by sellingde venta 10,000 copiescopias a weeksemana,
130
394231
2110
vendiendo 10 000 copias por semana.
06:48
so he tenfolddécuplo overcamevencido
what he needednecesario to be numbernúmero one.
131
396365
3752
Así que vendió diez veces más
de lo necesario para ser el número uno.
06:52
YetTodavía he wasn'tno fue numbernúmero one.
132
400141
1430
Sin embargo, no lo fue.
06:53
Why?
133
401595
1308
¿Por qué?
06:54
Because there was DanDan Brownmarrón,
who soldvendido 1.2 millionmillón copiescopias that weekendfin de semana.
134
402927
4078
Porque Dan Brown vendió
1,2 millones de copias ese fin de semana.
06:59
(LaughterRisa)
135
407029
2136
(Risas)
07:01
And the reasonrazón I like this numbernúmero
is because it showsmuestra that, really,
136
409189
3971
Este número me gusta
porque nos muestra que, en realidad,
el éxito no tiene límites.
07:05
when it comesproviene to successéxito, it's unboundedilimitado,
137
413184
3730
07:08
that the bestmejor doesn't only get
slightlyligeramente more than the secondsegundo bestmejor
138
416938
5861
El primero no supera al segundo
solo por un poco,
07:14
but getsse pone orderspedidos of magnitudemagnitud more,
139
422823
2697
sino que hay una gran diferencia
07:17
because successéxito is a collectivecolectivo measuremedida.
140
425544
2794
porque el éxito es una medida colectiva.
07:20
We give it to them, rathermás bien than
we earnganar it throughmediante our performanceactuación.
141
428362
4376
Es algo que damos, en lugar de ganarlo
con nuestro desempeño.
07:24
So one of things we realizeddio cuenta is that
performanceactuación, what we do, is boundedencerrado,
142
432762
5376
Vimos que el desempeño,
o lo que hacemos, tiene sus límites,
07:30
but successéxito, whichcual is
collectivecolectivo, is unboundedilimitado,
143
438162
2682
pero el éxito, que es colectivo,
no los tiene.
07:32
whichcual makeshace you wonderpreguntarse:
144
440868
1312
Eso hace que me pregunte
07:34
How do you get these
hugeenorme differencesdiferencias in successéxito
145
442204
2911
cómo es que existen
estas grandes diferencias en el éxito
07:37
when you have suchtal tinyminúsculo
differencesdiferencias in performanceactuación?
146
445139
2906
cuando las diferencias
en el desempeño son tan mínimas.
07:40
And recentlyrecientemente, I publishedpublicado a booklibro
that I devoteddevoto to that very questionpregunta.
147
448537
3787
Recientemente publiqué un libro
que se enfoca en esa cuestión.
07:44
And they didn't give me enoughsuficiente time
to go over all of that,
148
452348
2839
No tengo mucho tiempo
para hablar de todo
07:47
so I'm going to go back
to the questionpregunta of,
149
455211
2071
así que regresaré a la otra pregunta:
07:49
alrightbien, you have successéxito;
when should that appearAparecer?
150
457306
3135
¿Cuándo deberíamos de tener éxito?
07:52
So let's go back to the partyfiesta spoileralerón
and askpedir ourselvesNosotros mismos:
151
460465
3758
Recordemos a esa persona
que arruina las fiestas.
07:57
Why did EinsteinEinstein make
this ridiculousridículo statementdeclaración,
152
465215
3339
¿Por qué Einstein
hizo esa ridícula declaración
08:00
that only before 30
you could actuallyactualmente be creativecreativo?
153
468578
3156
de que solo antes de los 30
podemos ser creativos?
08:03
Well, because he lookedmirado around himselfél mismo
and he saw all these fabulousfabuloso physicistsfísicos
154
471758
4680
Porque miró a su alrededor
y vio a grandes físicos
08:08
that createdcreado quantumcuántico mechanicsmecánica
and modernmoderno physicsfísica,
155
476462
2587
que crearon la mecánica cuántica
y la física moderna
08:11
and they were all in theirsu 20s
and earlytemprano 30s when they did so.
156
479073
3736
y que tenían entre 20 y 30 años.
08:15
And it's not only him.
157
483730
1220
Y no es el único.
No solo es un sesgo de observación.
08:16
It's not only observationalde observación biasparcialidad,
158
484974
1623
08:18
because there's actuallyactualmente
a wholetodo fieldcampo of geniusgenio researchinvestigación
159
486621
3997
Hay todo un campo de Genius Research
08:22
that has documenteddocumentado the facthecho that,
160
490642
2256
que ha documentado el hecho de que
08:24
if we look at the people
we admireadmirar from the pastpasado
161
492922
3160
si prestamos atención
a quienes admiramos del pasado
08:28
and then look at what ageaños
they madehecho theirsu biggestmás grande contributioncontribución,
162
496106
3358
y vemos a qué edad
hicieron su mayor contribución,
08:31
whethersi that's musicmúsica,
whethersi that's scienceciencia,
163
499488
2096
ya sea en música, ciencia, o ingeniería,
08:33
whethersi that's engineeringIngenieria,
164
501608
1619
08:35
mostmás of them tendtender to do so
in theirsu 20s, 30s, earlytemprano 40s at mostmás.
165
503251
6123
la mayoría lo hicieron
a los 20, los 30 o máximo los 40.
08:41
But there's a problemproblema
with this geniusgenio researchinvestigación.
166
509914
2791
Pero esta investigación tiene un problema.
08:45
Well, first of all, it createdcreado
the impressionimpresión to us
167
513197
3280
Primero que nada, nos dio la impresión
08:48
that creativitycreatividad equalsigual youthjuventud,
168
516501
3479
de que la creatividad
se relaciona con la juventud.
08:52
whichcual is painfuldoloroso, right?
169
520004
1610
Eso duele, ¿cierto?
08:53
(LaughterRisa)
170
521638
1951
(Risas)
08:55
And it alsoademás has an observationalde observación biasparcialidad,
171
523613
4088
También tiene un margen de error
08:59
because it only looksmiradas at geniusesgenios
and doesn't look at ordinaryordinario scientistscientíficos
172
527725
4962
porque solo toma en cuenta a genios
y no a científicos comunes.
09:04
and doesn't look at all of us and askpedir,
173
532711
1965
Tampoco a nosotros para preguntar
09:06
is it really truecierto that creativitycreatividad
vanishesdesaparece as we ageaños?
174
534700
3185
si es verdad que la creatividad
se desvanece al envejecer.
09:10
So that's exactlyexactamente what we triedintentó to do,
175
538382
1877
Es justo lo que intentamos hacer,
09:12
and this is importantimportante for that
to actuallyactualmente have referencesreferencias.
176
540283
3803
lo cual es importante
para que hayan referencias.
09:16
So let's look at an ordinaryordinario
scientistcientífico like myselfmí mismo,
177
544110
2643
Veamos a un científico común, como yo.
09:18
and let's look at my careercarrera.
178
546777
1522
Veamos mi carrera.
09:20
So what you see here is all the paperspapeles
that I've publishedpublicado
179
548323
3202
Estos son todos los artículos
que he publicado,
09:23
from my very first paperpapel, in 1989;
I was still in RomaniaRumania when I did so,
180
551549
5115
desde el primero en 1989,
aún estaba en Rumania cuando lo hice,
09:28
tillhasta kindtipo of this yearaño.
181
556688
1593
hasta el de este año.
09:30
And verticallyverticalmente, you see
the impactimpacto of the paperpapel,
182
558940
2518
De manera vertical
pueden ver su impacto
09:33
that is, how manymuchos citationscitas,
183
561482
1403
con el número de citaciones.
09:34
how manymuchos other paperspapeles
have been writtenescrito that citedcitado that work.
184
562909
3988
Es decir, cuántos artículos
han citado este trabajo.
09:39
And when you look at that,
185
567397
1300
Si nos fijamos en eso
podemos ver que mi carrera
tiene tres diferentes etapas.
09:40
you see that my careercarrera
has roughlyaproximadamente threeTres differentdiferente stagesetapas.
186
568721
2813
Están los primeros diez años
en los que trabajaba mucho
09:43
I had the first 10 yearsaños
where I had to work a lot
187
571558
2435
sin conseguir demasiado.
09:46
and I don't achievelograr much.
188
574017
1276
Al parecer, a nadie le importaba
mi trabajo, ¿cierto?
09:47
No one seemsparece to carecuidado
about what I do, right?
189
575317
2118
09:49
There's hardlyapenas any impactimpacto.
190
577459
1681
No hubo gran impacto.
09:51
(LaughterRisa)
191
579164
1404
(Risas)
09:52
That time, I was doing materialmaterial scienceciencia,
192
580592
2887
En ese entonces,
me dedicaba a la ciencia de materiales
09:55
and then I kindtipo of discovereddescubierto
for myselfmí mismo networksredes
193
583503
3691
y después descubrí las redes
09:59
and then startedempezado publishingpublicación in networksredes.
194
587218
1947
e hice publicaciones sobre el tema.
10:01
And that led from one high-impactalto impacto
paperpapel to the other one.
195
589189
3073
De ahí fue éxito tras éxito.
10:04
And it really feltsintió good.
That was that stageescenario of my careercarrera.
196
592286
3104
Se sintió muy bien.
Fue esa etapa de mi carrera.
10:07
(LaughterRisa)
197
595414
1282
(Risas)
10:08
So the questionpregunta is,
what happenssucede right now?
198
596720
3208
La cuestión es, ¿qué sucede ahora?
10:12
And we don't know, because there
hasn'tno tiene been enoughsuficiente time passedpasado yettodavía
199
600587
3239
No lo sabemos, porque
no ha pasado suficiente tiempo
para determinar el impacto que tendrán.
10:15
to actuallyactualmente figurefigura out how much impactimpacto
those paperspapeles will get;
200
603850
2987
Eso toma tiempo.
10:18
it takes time to acquireadquirir.
201
606861
1227
Si vemos los datos
10:20
Well, when you look at the datadatos,
202
608112
1569
pareciera que Einstein
y Genius Research tienen razón
10:21
it seemsparece to be that EinsteinEinstein,
the geniusgenio researchinvestigación, is right,
203
609705
2854
10:24
and I'm at that stageescenario of my careercarrera.
204
612583
1811
y ya no estoy en el mejor momento.
10:26
(LaughterRisa)
205
614418
2308
(Risas)
10:28
So we said, OK, let's figurefigura out
how does this really happenocurrir,
206
616750
5974
Así que quisimos descifrar
cómo es que esto sucede,
10:34
first in scienceciencia.
207
622748
1778
primero en la ciencia.
10:36
And in orderorden not to have
the selectionselección biasparcialidad,
208
624550
3632
Para que no hubiera un sesgo de selección,
10:40
to look only at geniusesgenios,
209
628206
1337
al fijarnos solo en genios
10:41
we endedterminado up reconstructingreconstruyendo the careercarrera
of everycada singlesoltero scientistcientífico
210
629567
3716
terminamos reconstruyendo
la carrera de cada científico
10:45
from 1900 tillhasta todayhoy
211
633307
2502
desde 1900 hasta la fecha
10:47
and findinghallazgo for all scientistscientíficos
what was theirsu personalpersonal bestmejor,
212
635833
3712
para encontrar la cúspide
de todos los científicos.
10:51
whethersi they got the NobelNobel PrizePremio
or they never did,
213
639569
2812
Tal vez ganaron un premio Nobel
o tal vez no lo hicieron
10:54
or no one knowssabe what they did,
even theirsu personalpersonal bestmejor.
214
642405
3407
o nadie sabe de su trabajo,
incluso el mejor de ellos.
10:57
And that's what you see in this slidediapositiva.
215
645836
1915
Esto es lo que ven aquí.
10:59
EachCada linelínea is a careercarrera,
216
647775
1573
Cada línea es una carrera
11:01
and when you have a lightligero blueazul dotpunto
on the topparte superior of that careercarrera,
217
649372
3003
y el punto azul en cada carrera
11:04
it saysdice that was theirsu personalpersonal bestmejor.
218
652399
2040
muestra su mayor éxito.
11:06
And the questionpregunta is,
219
654463
1155
La cuestión es,
11:07
when did they actuallyactualmente make
theirsu biggestmás grande discoverydescubrimiento?
220
655642
3568
¿cuándo hicieron
su mayor descubrimiento?
11:11
To quantifycuantificar that,
221
659234
1165
Para medir eso
11:12
we look at what's the probabilityprobabilidad
that you make your biggestmás grande discoverydescubrimiento,
222
660423
3376
nos fijamos en las probabilidades
de hacer su mayor descubrimiento.
Tal vez en uno, dos, tres
o diez años de carrera.
11:15
let's say, one, two, threeTres
or 10 yearsaños into your careercarrera?
223
663823
2672
11:18
We're not looking at realreal ageaños.
224
666519
1480
No nos fijamos en la edad real.
Nos fijamos en lo que llamamos
edad académica.
11:20
We're looking at
what we call "academicacadémico ageaños."
225
668023
2134
11:22
Your academicacadémico ageaños startsempieza
when you publishpublicar your first paperspapeles.
226
670181
3250
La edad académica empieza
con las primeras publicaciones.
11:25
I know some of you are still babiescriaturas.
227
673455
1779
Sé que algunos de Uds. aún son bebés.
11:27
(LaughterRisa)
228
675258
1397
(Risas)
11:28
So let's look at the probabilityprobabilidad
229
676679
2706
Analicemos la probabilidad
11:31
that you publishpublicar
your highest-impactde mayor impacto paperpapel.
230
679409
2066
de publicar su mejor artículo.
11:33
And what you see is, indeeden efecto,
the geniusgenio researchinvestigación is right.
231
681499
3071
Aquí vemos que Genius Research
está en lo correcto.
11:36
MostMás scientistscientíficos tendtender to publishpublicar
theirsu highest-impactde mayor impacto paperpapel
232
684594
3024
La mayoría de los científicos
suelen publicar su mejor artículo
11:39
in the first 10, 15 yearsaños in theirsu careercarrera,
233
687642
2899
en los primeros 10 o 15 años
de su carrera profesional,
11:42
and it tankstanques after that.
234
690565
3133
para venirse abajo después.
11:45
It tankstanques so fastrápido that I'm about --
I'm exactlyexactamente 30 yearsaños into my careercarrera,
235
693722
5107
Sucede tan rápido que estoy por...
llevo 30 años de carrera profesional,
11:50
and the chanceoportunidad that I will publishpublicar a paperpapel
that would have a highermayor impactimpacto
236
698853
3540
y las probabilidades de que publique
un artículo que tenga un mayor impacto
11:54
than anything that I did before
237
702417
1940
de lo que he hecho anteriormente
11:56
is lessMenos than one percentpor ciento.
238
704381
1353
son menores al 1 %.
11:57
I am in that stageescenario of my careercarrera,
accordingconforme to this datadatos.
239
705758
3049
Estoy en esa etapa profesional,
de acuerdo con esta información.
12:01
But there's a problemproblema with that.
240
709648
1843
Pero hay un problema.
12:03
We're not doing controlscontroles properlycorrectamente.
241
711515
3675
No hemos hecho un control apropiado.
12:07
So the controlcontrolar would be,
242
715214
1417
Esto se haría preguntándonos
12:08
what would a scientistcientífico look like
who makeshace randomaleatorio contributioncontribución to scienceciencia?
243
716655
4607
¿cómo sería un científico que contribuye
aleatoriamente a la ciencia?
12:13
Or what is the productivityproductividad
of the scientistcientífico?
244
721286
2995
¿Cuál es su nivel de productividad?
12:16
When do they writeescribir paperspapeles?
245
724305
2006
¿Cuándo escriben artículos?
12:18
So we measuredmesurado the productivityproductividad,
246
726335
2444
Medimos la productividad
12:20
and amazinglyespantosamente, the productivityproductividad,
247
728803
2052
y sorprendentemente, la productividad
12:22
your likelihoodprobabilidad of writingescritura a paperpapel
in yearaño one, 10 or 20 in your careercarrera,
248
730879
4131
o la posibilidad de escribir un artículo
en su primer, décimo o veinteavo año
12:27
is indistinguishableindistinguible from the likelihoodprobabilidad
of havingteniendo the impactimpacto
249
735034
3606
es equivalente a la posibilidad
de que este tenga éxito
12:30
in that partparte of your careercarrera.
250
738664
1775
en ese momento de su carrera profesional.
12:33
And to make a long storyhistoria shortcorto,
251
741026
1783
En pocas palabras,
12:34
after lots of statisticalestadístico testspruebas,
there's only one explanationexplicación for that,
252
742833
4228
después de muchos estudios,
solo hay una explicación para ello.
12:39
that really, the way we scientistscientíficos work
253
747085
2894
En realidad, por la forma de trabajar
de los científicos,
12:42
is that everycada singlesoltero paperpapel we writeescribir,
everycada projectproyecto we do,
254
750003
3633
cada artículo que escribamos,
cada proyecto que hagamos
12:45
has exactlyexactamente the samemismo chanceoportunidad
of beingsiendo our personalpersonal bestmejor.
255
753660
4160
tiene exactamente la misma posibilidad
de ser nuestro mejor trabajo.
12:49
That is, discoverydescubrimiento is like
a lotterylotería ticketboleto.
256
757844
4953
Es decir que el descubrimiento
es como un boleto de lotería.
12:54
And the more lotterylotería ticketsEntradas we buycomprar,
257
762821
2351
Mientras más boletos compremos
12:57
the highermayor our chancesposibilidades.
258
765196
1507
más oportunidades tendremos.
12:58
And it happenssucede to be so
259
766727
1559
Resulta que así sucede.
La mayoría de los científicos
compra la mayoría de sus boletos
13:00
that mostmás scientistscientíficos buycomprar
mostmás of theirsu lotterylotería ticketsEntradas
260
768310
2719
13:03
in the first 10, 15 yearsaños of theirsu careercarrera,
261
771053
2460
en sus primeros 10 o 15 años de carrera.
13:05
and after that,
theirsu productivityproductividad decreasesdisminuye.
262
773537
3413
Y después, su productividad disminuye.
13:09
They're not buyingcomprando
any more lotterylotería ticketsEntradas.
263
777411
2084
Ya no compran boletos de lotería.
13:11
So it looksmiradas as if
they would not be creativecreativo.
264
779519
3444
Así que pareciera que no son creativos,
13:14
In realityrealidad, they stoppeddetenido tryingmolesto.
265
782987
1999
cuando en realidad, dejaron de intentar.
13:17
So when we actuallyactualmente put the datadatos togetherjuntos,
the conclusionconclusión is very simplesencillo:
266
785509
3915
Cuando combinamos la información,
la conclusión es muy simple.
13:21
successéxito can come at any time.
267
789448
2331
El éxito puede llegar
en cualquier momento.
13:23
It could be your very first
or very last paperpapel of your careercarrera.
268
791803
3735
Puede llegar con el primer
o con el último artículo de su carrera.
13:27
It's totallytotalmente randomaleatorio
in the spaceespacio of the projectsproyectos.
269
795562
4288
Es algo completamente aleatorio
en el espacio de proyectos.
13:31
It is the productivityproductividad that changescambios.
270
799874
1931
Lo que cambia es la productividad.
13:33
Let me illustrateilustrar that.
271
801829
1252
Permítanme explicarles.
13:35
Here is FrankFranco WilczekWilczek,
who got the NobelNobel PrizePremio in PhysicsFísica
272
803105
3269
Él es Frank Wilczek,
quien obtuvo el Premio Nobel en Física
13:38
for the very first paperpapel he ever wroteescribió
in his careercarrera as a graduategraduado studentestudiante.
273
806398
4101
por el primer artículo que escribió
estando en el último año de su carrera.
13:42
(LaughterRisa)
274
810523
1007
(Risas)
13:43
More interestinginteresante is JohnJohn FennFenn,
275
811554
3218
Aún más interesante, él es John Fenn.
13:46
who, at ageaños 70, was forcefullycon fuerza retiredretirado
by YaleYale UniversityUniversidad.
276
814796
4598
Lo expulsaron de Yale a los 70 años.
13:51
They shutcerrar his lablaboratorio down,
277
819418
2056
Cerraron su laboratorio,
13:53
and at that momentmomento, he movedmovido
to VirginiaVirginia Commonwealthterritorio autónomo UniversityUniversidad,
278
821498
3666
y fue entonces cuando se fue
a la universidad de Commonwealth Virginia,
13:57
openedabrió anotherotro lablaboratorio,
279
825188
1786
y abrió otro laboratorio.
13:58
and it is there, at ageaños 72,
that he publishedpublicado a paperpapel
280
826998
3033
Fue ahí, a sus 72 años,
que publicó un artículo
14:02
for whichcual, 15 yearsaños laterluego, he got
the NobelNobel PrizePremio for ChemistryQuímica.
281
830055
3845
por el cual, 15 años después,
ganó el Premio Nobel de Química.
14:06
And you think, OK,
well, scienceciencia is specialespecial,
282
834940
3042
Seguro pensarán, bueno,
la ciencia es algo especial,
14:10
but what about other areasáreas
where we need to be creativecreativo?
283
838006
3463
pero qué hay de las otras áreas
en las que se debe ser creativo.
14:13
So let me take anotherotro
typicaltípico exampleejemplo: entrepreneurshipemprendimiento.
284
841493
4936
Permítanme darles
otro ejemplo: el emprendimiento.
14:18
SiliconSilicio ValleyValle,
285
846834
1579
Silicon Valley,
14:20
the landtierra of the youthjuventud, right?
286
848437
2066
es la tierra de la juventud, ¿cierto?
14:22
And indeeden efecto, when you look at it,
287
850527
1595
Es cierto que si nos fijamos
14:24
you realizedarse cuenta de that the biggestmás grande awardspremios,
the TechCrunchTechCrunch AwardsPremios and other awardspremios,
288
852146
4642
podemos ver que los mejores premios,
como los premios TechCrunch, entre otros,
14:28
are all going to people
289
856812
2173
los reciben personas
14:31
whosecuyo averagepromedio ageaños
is latetarde 20s, very earlytemprano 30s.
290
859009
5015
con una edad promedio entre
finales de los 20 y principios de los 30.
14:36
You look at who the VCsVCs give the moneydinero to,
some of the biggestmás grande VCVC firmsfirmas --
291
864465
5602
Si vemos quiénes reciben financiamientos,
de algunas de las más grandes empresas,
14:42
all people in theirsu earlytemprano 30s.
292
870091
2241
todas son personas de apenas 30 años.
14:44
WhichCual, of coursecurso, we know;
293
872951
1265
Ya sabemos
14:46
there is this ethoscarácter distintivo in SiliconSilicio ValleyValle
that youthjuventud equalsigual successéxito.
294
874240
4453
que en Silicon Valley se cree
que la juventud se relaciona con el éxito.
14:51
Not when you look at the datadatos,
295
879653
2183
Los datos dicen lo contrario,
14:53
because it's not only
about formingformando a companyempresa --
296
881860
2304
pues no solo se trata
de crear compañías.
Crear una compañía es seguir intentando,
como con la productividad.
14:56
formingformando a companyempresa is like productivityproductividad,
tryingmolesto, tryingmolesto, tryingmolesto --
297
884188
3140
14:59
when you look at whichcual
of these individualsindividuos actuallyactualmente put out
298
887352
3484
Cuando vemos quiénes en realidad
15:02
a successfulexitoso companyempresa, a successfulexitoso exitsalida.
299
890860
2782
crearon una compañía y un camino exitoso.
15:05
And recentlyrecientemente, some of our colleaguescolegas
lookedmirado at exactlyexactamente that questionpregunta.
300
893666
3720
Recientemente, algunos compañeros
se fijaron en esa pregunta.
15:09
And it turnsvueltas out that yes,
those in the 20s and 30s
301
897410
3156
Y resulta que sí,
quienes tienen entre 20 y 30 años
15:12
put out a hugeenorme numbernúmero of companiescompañías,
formformar lots of companiescompañías,
302
900590
3348
crearon un gran número de compañías,
15:15
but mostmás of them go bustbusto.
303
903962
1531
pero la mayoría quebraron.
15:18
And when you look at the successfulexitoso exitssalidas,
what you see in this particularespecial plottrama,
304
906089
4195
Si nos fijamos en los caminos exitosos,
lo que se ve en este caso en particular,
15:22
the oldermayor you are, the more likelyprobable that
you will actuallyactualmente hitgolpear the stockvalores marketmercado
305
910308
3695
es que mientras más edad tengas
más probabilidades tienes de lograrlo
15:26
or the sellvender the companyempresa successfullyexitosamente.
306
914027
2312
o de crear una compañía exitosa.
15:28
This is so strongfuerte, actuallyactualmente,
that if you are in the 50s,
307
916847
3113
Esto es tan serio que, en realidad,
con 50 años de edad,
15:31
you are twicedos veces as likelyprobable
to actuallyactualmente have a successfulexitoso exitsalida
308
919984
3588
se tiene el doble de probabilidades
de formar un camino exitoso,
15:35
than if you are in your 30s.
309
923596
1890
que con 30 años de edad.
15:38
(ApplauseAplausos)
310
926613
4325
(Aplausos)
15:43
So in the endfin, what is it
that we see, actuallyactualmente?
311
931645
3009
Al final de cuentas,
¿qué es lo que vemos en realidad?
15:46
What we see is that creativitycreatividad has no ageaños.
312
934678
4083
Vemos que la creatividad no tiene edad.
15:50
ProductivityProductividad does, right?
313
938785
2202
La productividad sí, ¿cierto?
15:53
WhichCual is tellingnarración me that
at the endfin of the day,
314
941424
4135
Lo que me dice que, al fin de cuentas,
15:57
if you keep tryingmolesto --
315
945583
2000
si seguimos intentando...
15:59
(LaughterRisa)
316
947607
2403
(Risas)
16:02
you could still succeedtener éxito
and succeedtener éxito over and over.
317
950034
3572
... aún podemos tener éxito
una y otra vez.
16:05
So my conclusionconclusión is very simplesencillo:
318
953630
2391
Mi conclusión es muy simple.
Al bajar del escenario
regreso al laboratorio.
16:08
I am off the stageescenario, back in my lablaboratorio.
319
956045
2093
16:10
Thank you.
320
958162
1171
Gracias.
16:11
(ApplauseAplausos)
321
959357
3309
(Aplausos)
Translated by Daniela Pardo
Reviewed by Sebastian Betti

▲Back to top

ABOUT THE SPEAKER
Albert-László Barabási - Network scientist
A pioneer in network science, Albert-László Barabási uncovers the hidden order behind complex systems.

Why you should listen

Albert-László Barabási is fascinated by a wide range of topics, from the structure of the brain and treating diseases with network medicine to the emergence of success in art and how science really works. His work uses the quantitative tools of network science, a research field that he pioneered, and led to the discovery of scale-free networks, helping explain the emergence of many natural, technological and social networks.

Barabási is the Robert Gray Dodge Professor of Network Science at Northeastern University and holds an appointment in the Department of Medicine at Harvard Medical School. He splits his time with Budapest, where he runs a European Research Council project at Central European University. A Hungarian born native of Transylvania, Romania, he received his masters in theoretical physics at the Eötvös University in Budapest, Hungary and his PhD three years later at Boston University.

Barabási’s latest book is The Formula: The Universal Laws of Success. He is also the author of Network ScienceLinked and Bursts. He co-edited Network Medicine and The Structure and Dynamics of Networks. His books have been translated into over twenty languages.

More profile about the speaker
Albert-László Barabási | Speaker | TED.com