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 Science, Linked 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

આલ્બર્ટ-લઝ્લી બારાબસી: તમારી ઉંમર અને તમારી સફળતાની તક વચ્ચેનો વાસ્તવિક સંબંધ

Filmed: 2019-03-29

2,762,222 views

ગાણિતિક વિશ્લેષણ દ્વારા સમર્થિત, નેટવર્ક સિદ્ધાંતવાદક આલ્બર્ટ-લઝ્લી બારાબસીએ છુપાયેલા મિકેનિઝમ્સની શોધ કરી કે જે સફળતાને વેગ આપે છે - તમારા ક્ષેત્રમાં કોઈ બાબત નથી - અને તમારી ઉંમર અને તેને મોટું બનાવવાની તક વચ્ચેના એક રસપ્રદ જોડાણને શોધી છે.

Albert-László Barabási - 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

Today, actually, is
a very special day for me,

0

249

2266

આજે ખરેખર મારા માટે ખૂબ જ ખાસ દિવસ છે

00:14

because it is my birthday.

1

2539

2121

કારણ કે તે મારો જન્મ દિવસ છે.

00:16

(Applause)

2

4684

3973

(અભિવાદન)

તેથી પાર્ટીમાં જોડાવા બદલ આપ સૌનો આભાર.

00:20

And so, thanks to all of you
for joining the party.

3

8681

3441

(હાસ્ય)

00:24

(Laughter)

4

12146

1167

પરંતુ જયારે તમે પાર્ટી રાખો છો ત્યારે
કોઈ તેને બગાડવાનું કરે છે, ખરું ને?

00:25

But every time you throw a party,
there's someone there to spoil it. Right?

5

13337

4786

(હાસ્ય)

અને હું એક ભૌતિકશાસ્ત્રી છું.

00:30

(Laughter)

6

18147

1072

00:31

And I'm a physicist,

7

19243

1359

અને આ વખતે હું આવું કરવા માટે
બીજો ભૌતિકશાસ્ત્રી સાથે લાવ્યો.

00:32

and this time I brought
another physicist along to do so.

8

20626

4157

00:36

His name is Albert Einstein --
also Albert -- and he's the one who said

9

24807

4562

તેનું નામ આલબટૅ આઈન્સ્ટાઈન-- આલબટૅ
--પણ છે અને તેણે જ કહ્યું હતું.

00:41

that the person who has not made
his great contributions to science

10

29393

4830

તે વ્યક્તિ જેણે વિજ્ઞાન અને ટેકનોલોજીમાં પોતાનું મહત્વનું યોગદાન આપ્યું નથી.

00:46

by the age of 30

11

34247

1559

30 વર્ષની વયે

00:47

will never do so.

12

35830

1396

કયારેય આવું નહિ કરીશ.

00:49

(Laughter)

13

37250

1012

(હાસ્ય)

00:50

Now, you don't need to check Wikipedia

14

38286

2340

હવે તમારે વિકિપીડિયા તપાસવાની જરૂર નથી

00:52

that I'm beyond 30.

15

40650

1571

કે હું 30 ની પાર છું.

00:54

(Laughter)

16

42245

1416

(હાસ્ય)

00:55

So, effectively, what
he is telling me, and us,

17

43685

3606

તેથી ,અસરકારક રીતે
, તે મને અને અમને શું કહે છે

00:59

is that when it comes to my science,

18

47315

2544

જ્યારે મારા વિજ્ઞાનની વાત આવે ત્યારે ,

01:01

I'm deadwood.

19

49883

1203

હું મૃતલાકડું છું.

01:04

Well, luckily, I had my share
of luck within my career.

20

52078

5586

સદભાગ્યે, મારી કારકિર્દીમાં
મારે ભાગ્ય નો ભાગ હતો.

01:10

Around age 28, I became
very interested in networks,

21

58132

3822

લગભગ 28 વર્ષની આસપાસની
નેટવર્કમાં ખુબ રસ જાગ્યો ,

01:13

and a few years later, we managed
to publish a few key papers

22

61978

4076

આને થોડા વર્ષો પછી અમે કેટલાક ચાવીરૂપ
કાગળો પ્રકાશિત કરવામાં સફળ થયા

01:18

that reported the discovery
of scale-free networks

23

66078

4097

કે શોધ અહેવાલ
સ્કેલ-ફ્રી નેટવર્ક

01:22

and really gave birth to a new discipline
that we call network science today.

24

70199

4578

અને ખરેખર નવા શિસ્તને જન્મ આપ્યો
જેને આપણે આજે નેટવર્ક સાયન્સ કહીએ છીએ.

01:26

And if you really care about it,
you can get a PhD now in network science

25

74801

3678

અને જો તમે ખરેખર તેની કાળજી લો છો,
તમે નેટવર્ક વિજ્ઞાનમાં પીએચડી મેળવી શકો છો

01:30

in Budapest, in Boston,

26

78503

2028

બુડાપેસ્ટમાં, બોસ્ટનમાં,

01:32

and you can study it all over the world.

27

80555

2308

અને તમે તેનો અભ્યાસ સમગ્ર
વિશ્વમાં કરી શકો છો.

01:35

A few years later,

28

83466

1595

થોડા વર્ષો પછી,

01:37

when I moved to Harvard
first as a sabbatical,

29

85085

3230

જ્યારે હું હાર્વર્ડ ગયો
પ્રથમ સબાટિકલ તરીકે,

01:40

I became interested
in another type of network:

30

88339

3092

મને રસ પડ્યો
બીજા પ્રકારનાં નેટવર્કમાં:

01:43

that time, the networks within ourselves,

31

91455

3027

તે સમયે, આપણી અંદરનાં નેટવર્ક્સ,

01:46

how the genes and the proteins
and the metabolites link to each other

32

94506

3726

કેવી રીતે જનીનો અને પ્રોટીન
અને ચયાપચય એકબીજા સાથે જોડાય છે

01:50

and how they connect to disease.

33

98256

2493

અને તેઓ રોગ સાથે કેવી રીતે જોડાય છે.

01:53

And that interest led
to a major explosion within medicine,

34

101368

4592

અને તે રસ તરફ દોરી
દવા અંદર મોટા વિસ્ફોટ માટે,

01:57

including the Network Medicine
Division at Harvard,

35

105984

3979

નેટવર્ક મેડિસિન સહિત
હાર્વર્ડ ખાતે વિભાગ,

02:01

that has more than 300 researchers
who are using this perspective

36

109987

3395

જેમાં 300 થી વધુ સંશોધકો છે
જેઓ આ દ્રષ્ટિકોણનો ઉપયોગ કરી રહ્યા છે

02:05

to treat patients and develop new cures.

37

113406

2897

દર્દીઓની સારવાર કરવા અને
નવા ઉપચાર વિકસાવવા માટે.

02:09

And a few years ago,

38

117457

1770

અને થોડા વર્ષો પહેલા,

02:11

I thought that I would take
this idea of networks

39

119251

2526

મેં વિચાર્યું કે હું લઈશ
નેટવર્ક્સનો આ વિચાર

02:13

and the expertise we had in networks

40

121801

1766

અને નેટવર્ક્સમાં અમારી પાસે જે કુશળતા છે

02:15

in a different area,

41

123591

1392

એક અલગ વિસ્તારમાં,

02:17

that is, to understand success.

42

125007

1982

એટલે કે સફળતાને સમજવી.

02:19

And why did we do that?

43

127704

1210

અને અમે તે કેમ કર્યું?

02:20

Well, we thought that, to some degree,

44

128938

2281

સારું, અમે વિચાર્યું કે, અમુક અંશે,

02:23

our success is determined
by the networks we're part of --

45

131243

3377

આપણી સફળતા નિશ્ચિત છે
નેટવર્ક્સ દ્વારા અમે ભાગ છીએ -

02:26

that our networks can push us forward,
they can pull us back.

46

134644

3847

કે અમારા નેટવર્ક અમને આગળ ધકેલી શકે છે,
તેઓ અમને પાછા ખેંચી શકે છે.

અને જો આપણે ઉપયોગ કરી શકીએ તો હું ઉત્સુક
હતો જે જ્ઞાન અને મોટા ડેટા અને કુશળતા

02:30

And I was curious if we could use
the knowledge and big data and expertise

47

138925

4128

જ્યાં આપણે નેટવર્ક વિકસાવીએ છીએ

02:35

where we develop the networks

48

143077

1403

02:36

to really quantify
how these things happen.

49

144504

3296

ખરેખર પ્રમાણિત કરવા માટે
આ વસ્તુઓ કેવી રીતે થાય છે.

02:40

This is a result from that.

50

148404

1342

આ તે પરિણામ છે.

02:41

What you see here is a network
of galleries in museums

51

149770

2947

તમે જે અહીં જુઓ છો તે એક નેટવર્ક છે
સંગ્રહાલયોમાં ગેલેરીઓ

02:44

that connect to each other.

52

152741

1632

કે જે એકબીજા સાથે જોડાય છે.

02:46

And through this map
that we mapped out last year,

53

154806

4055

અને આ નકશા દ્વારા
કે અમે ગયા વર્ષે મેપ આઉટ કર્યું,

02:50

we are able to predict very accurately
the success of an artist

54

158885

4848

અમે ખૂબ જ સચોટ આગાહી કરવામાં સક્ષમ છીએ
એક કલાકાર સફળતા

02:55

if you give me the first five exhibits
that he or she had in their career.

55

163757

4021

જો તમે મને પ્રથમ પાંચ પ્રદર્શન આપો
કે તે અથવા તેણીની કારકીર્દિમાં.

03:01

Well, as we thought about success,

56

169404

2706

સારું, આપણે સફળતા વિશે વિચાર્યું છે,

03:04

we realized that success
is not only about networks;

57

172134

3067

અમને એ સફળતાનો અહેસાસ થયો
માત્ર નેટવર્ક્સ વિશે જ નથી;

03:07

there are so many
other dimensions to that.

58

175225

2396

ત્યાં ઘણા બધા છે
કે અન્ય પરિમાણો.

03:10

And one of the things
we need for success, obviously,

59

178145

3247

અને એક વસ્તુ
આપણને સફળતાની જરૂર છે, દેખીતી રીતે,

03:13

is performance.

60

181416

1170

કામગીરી છે.

03:14

So let's define what's the difference
between performance and success.

61

182610

3504

તો ચાલો વ્યાખ્યાયિત કરીએ કે શું તફાવત છે
પ્રભાવ અને સફળતા વચ્ચે.

03:18

Well, performance is what you do:

62

186465

1997

સારું, પ્રભાવ તે છે જે તમે કરો છો:

03:20

how fast you run,
what kind of paintings you paint,

63

188486

3032

તમે કેટલી ઝડપથી દોડો છો,
તમે કયા પ્રકારનાં ચિત્રો દોરો,

03:23

what kind of papers you publish.

64

191542

1881

તમે કયા પ્રકારનાં કાગળો પ્રકાશિત કરો છો.

03:25

However, in our working definition,

65

193835

2614

જો કે, અમારી કાર્યકારી વ્યાખ્યામાં,

03:28

success is about what the community
notices from what you did,

66

196473

4205

સફળતા એ સમુદાયની છે
તમે જે કર્યું તેની સૂચનાઓ

03:32

from your performance:

67

200702

1612

તમારા પ્રદર્શનથી:

03:34

How does it acknowledge it,
and how does it reward you for it?

68

202338

4132

તે તેને કેવી રીતે સ્વીકારે છે,અને તે તમને
તેના માટે કેવી રીતે ઇનામ આપે છે?

03:38

In other terms,

69

206494

1182

અન્ય શરતોમાં,

03:39

your performance is about you,
but your success is about all of us.

70

207700

4596

તમારું પ્રદર્શન તમારા વિશે છે,
પરંતુ તમારી સફળતા આપણા બધા વિશે છે.

03:45

And this was a very
important shift for us,

71

213392

3334

અને આ ખૂબ હતું
અમારા માટે મહત્વપૂર્ણ પાળી,

03:48

because the moment we defined success
as being a collective measure

72

216750

4024

ક્ષણ અમે સફળતા વ્યાખ્યાયિત કારણ કે
સામૂહિક પગલા તરીકે

03:52

that the community provides to us,

73

220798

2106

જે સમુદાય અમને પ્રદાન કરે છે,

03:54

it became measurable,

74

222928

1510

તે માપી શકાય તેવું બન્યું,

03:56

because if it's in the community,
there are multiple data points about that.

75

224462

4510

કારણ કે જો તે સમુદાયમાં છે,
તે વિશે બહુવિધ ડેટા પોઇન્ટ્સ છે.

04:00

So we go to school,
we exercise, we practice,

76

228996

5280

તેથી અમે શાળાએ જઈએ છીએ,
આપણે કસરત કરીએ છીએ, પ્રેક્ટિસ કરીએ છીએ,

04:06

because we believe
that performance leads to success.

77

234300

2991

કારણ કે આપણે માનીએ છીએ
કે પ્રભાવ સફળતા તરફ દોરી જાય છે.

04:09

But the way we actually
started to explore,

78

237832

2015

પરંતુ અમે ખરેખર જે રીતે
શોધખોળ શરૂ કરી,

04:11

we realized that performance and success
are very, very different animals

79

239871

3527

અમને તે કામગીરી અને સફળતાનો અહેસાસ થયો
ખૂબ, ખૂબ જ અલગ પ્રાણીઓ છે

04:15

when it comes to
the mathematics of the problem.

80

243422

2444

જ્યારે તે આવે છે
સમસ્યા ગણિત.

04:18

And let me illustrate that.

81

246429

1432

અને હું તે સમજાવવા દો.

04:20

So what you see here is
the fastest man on earth, Usain Bolt.

82

248329

4947

તો તમે અહીં જે જુઓ છો તે છે
પૃથ્વી પર સૌથી ઝડપી માણસ, યુઝૈન બોલ્ટ.

અને અલબત્ત, તે મોટાભાગનામાં જીતે છે
સ્પર્ધાઓ કે જેમાં તે પ્રવેશ કરે છે.

04:25

And of course, he wins most of
the competitions that he enters.

83

253832

3910

અને આપણે જાણીએ છીએ કે તે પૃથ્વી પરનો સૌથી
ઝડપી છે કારણ કે આપણી પાસે એક કિલોમીટર છે

04:30

And we know he's the fastest on earth
because we have a chronometer

84

258393

3175

04:33

to measure his speed.

85

261592

1160

તેની ઝડપ માપવા માટે..

04:34

Well, what is interesting about him
is that when he wins,

86

262776

4119

સારું, તેના વિશે શું રસપ્રદ છે
તે જીતે ત્યારે,

04:38

he doesn't do so by really significantly
outrunning his competition.

87

266919

5502

તે ખરેખર નોંધપાત્ર રીતે આવું કરતું નથી
તેની સ્પર્ધા કરતા આગળ નીકળી ગયા.

04:44

He's running at most a percent faster
than the one who loses the race.

88

272445

4519

તે વધુમાં વધુ એક ટકા ઝડપી દોડે છે
જે એક રેસ ગુમાવે છે તેના કરતાં.

04:49

And not only does he run only
one percent faster than the second one,

89

277631

3638

અને તે માત્ર ચલાવતું નથી
બીજા કરતા એક ટકા વધુ ઝડપી,

04:53

but he doesn't run
10 times faster than I do --

90

281293

2849

પરંતુ તે દોડતો નથી
મારા કરતા 10 ગણો ઝડપી -

04:56

and I'm not a good runner,
trust me on that.

91

284166

2181

અને હું સારો દોડવીર નથી,
મારા પર વિશ્વાસ કરો.

04:58

(Laughter)

92

286371

1197

(હાસ્ય)

04:59

And every time we are able
to measure performance,

93

287592

3502

અને દરેક વખતે અમે સક્ષમ છીએ
કામગીરી માપવા માટે,

05:03

we notice something very interesting;

94

291118

2050

અમે કંઈક ખૂબ જ રસપ્રદ નોટિસ;

05:05

that is, performance is bounded.

95

293192

2511

તે છે, પ્રભાવ બંધાયેલ છે.

05:07

What it means is that there are
no huge variations in human performance.

96

295727

3757

તેનો અર્થ એ છે કે ત્યાં છે
માનવ પ્રભાવમાં કોઈ વિશાળ ભિન્નતા.

05:11

It varies only in a narrow range,

97

299508

3432

તે ફક્ત એક સાંકડી રેન્જમાં બદલાય છે,

05:14

and we do need the chronometer
to measure the differences.

98

302964

3279

અને આપણને કિલોમીટરની જરૂર છે
તફાવતો માપવા માટે.

05:18

This is not to say that we cannot
see the good from the best ones,

99

306267

3168

આ કહેવા માટે નથી કે આપણે કરી શકતા નથી
શ્રેષ્ઠ લોકો પાસેથી સારું જુઓ,

05:21

but the best ones
are very hard to distinguish.

100

309459

2733

પરંતુ શ્રેષ્ઠ લોકો
તફાવત ખૂબ જ મુશ્કેલ છે.

05:24

And the problem with that
is that most of us work in areas

101

312216

2992

અને તે સાથે સમસ્યા તે છે કે આપણામાંના
મોટા ભાગના વિસ્તારોમાં કામ કરે છે

05:27

where we do not have a chronometer
to gauge our performance.

102

315232

3922

જ્યાં આપણી પાસે કિલોમીટર નથી
અમારા પ્રદર્શનનો અંદાજ કા .વા માટે.

05:31

Alright, performance is bounded,

103

319178

1564

ઠીક છે, પ્રભાવ બંધાયેલ છે,

05:32

there are no huge differences between us
when it comes to our performance.

104

320766

3532

અમારી વચ્ચે કોઈ મોટો તફાવત નથી
જ્યારે તે અમારા પ્રદર્શનની વાત આવે છે.

05:36

How about success?

105

324322

1157

કેવી રીતે સફળતા વિશે?

05:37

Well, let's switch to
a different topic, like books.

106

325995

2930

ઠીક છે, ચાલો સ્વિચ કરીએ
પુસ્તકો જેવા એક અલગ વિષય.

05:40

One measure of success for writers is
how many people read your work.

107

328949

5015

લેખકો માટે સફળતા એક માપદંડ છે
કેટલા લોકો તમારું કામ વાંચે છે.

05:46

And so when my previous book
came out in 2009,

108

334662

4410

અને તેથી જ્યારે મારું પાછલું પુસ્તક
2009 માં બહાર આવ્યા,

05:51

I was in Europe talking with my editor,

109

339096

1902

હું મારા સંપાદક સાથે વાત કરી રહ્યો હતો,

05:53

and I was interested:
Who is the competition?

110

341022

2462

અને મને રસ હતો:
કોણ છે સ્પર્ધા?

05:56

And I had some fabulous ones.

111

344253

2735

અને હું કેટલાક કલ્પિત રાશિઓ હતી.

05:59

That week --

112

347012

1169

તે અઠવાડિયે -

06:00

(Laughter)

113

348205

1024

(હાસ્ય)

06:01

Dan Brown came out with "The Lost Symbol,"

114

349253

3557

ડેન બ્રાઉન "ધ લોસ્ટ
સિમ્બોલ," લઈને બહાર આવ્યો.

06:04

and "The Last Song" also came out,

115

352834

2982

અને "ધ લાસ્ટ સોંગ" પણ બહાર આવ્યું,

06:07

Nicholas Sparks.

116

355840

1429

નિકોલસ સ્પાર્ક્સ.

06:09

And when you just look at the list,

117

357293

2988

અને જ્યારે તમે ફક્ત સૂચિ જુઓ,

06:12

you realize, you know, performance-wise,
there's hardly any difference

118

360305

3453

તમે અનુભૂતિ કરો છો, તમે જાણો છો,
કામગીરી મુજબના,ભાગ્યે જ કોઈ તફાવત છે

06:15

between these books or mine.

119

363782

1598

આ પુસ્તકો અથવા ખાણ વચ્ચે.

06:17

Right?

120

365404

1175

ખરું ને?

06:18

So maybe if Nicholas Sparks's team
works a little harder,

121

366603

4668

તેથી જો નિકોલસ સ્પાર્ક્સની ટીમ
થોડું સખત કામ કરે છે,

06:23

he could easily be number one,

122

371295

1722

તે સરળતાથી નંબર વન બની શકે,

06:25

because it's almost by accident
who ended up at the top.

123

373041

2898

કારણ કે તે લગભગ અકસ્માત દ્વારા છે
જે ટોચ પર સમાપ્ત થયું.

06:28

So I said, let's look at the numbers --
I'm a data person, right?

124

376486

3153

તો મેં કહ્યું, ચાલો નંબરો જોઈએ -
હું ડેટા વ્યક્તિ છું, ખરું?

06:31

So let's see what were
the sales for Nicholas Sparks.

125

379663

4318

તો ચાલો જોઈએ શું હતા
નિકોલસ સ્પાર્ક્સ માટે વેચાણ.

અને તે બહાર આવ્યું છે
પ્રારંભિક સપ્તાહમાં,

06:36

And it turns out that
that opening weekend,

126

384005

2054

નિકોલસ સ્પાર્ક્સ કરતાં વધુ વેચાય છે
એક હજાર નકલો,

06:38

Nicholas Sparks sold more than
a hundred thousand copies,

127

386083

2975

જે એક સુંદર સંખ્યા છે.

06:41

which is an amazing number.

128

389082

1705

તમે ખરેખર ટોચ પર પહોંચી શકો છો
"ન્યુ યોર્કટાઇમ્સ" શ્રેષ્ઠ વિક્રેતા સૂચિની

06:42

You can actually get to the top
of the "New York Times" best-seller list

129

390811

3396

06:46

by selling 10,000 copies a week,

130

394231

2110

અઠવાડિયામાં 10,000 નકલો વેચીને,

06:48

so he tenfold overcame
what he needed to be number one.

131

396365

3752

તેથી તેણે દસ ગણા વટાવી લીધા
તેને નંબર વન બનવાની શું જરૂર છે.

06:52

Yet he wasn't number one.

132

400141

1430

છતાં તે નંબર વન નહોતો.

06:53

Why?

133

401595

1308

કેમ?

06:54

Because there was Dan Brown,
who sold 1.2 million copies that weekend.

134

402927

4078

કારણ કે ત્યાં ડેન બ્રાઉન હતો,જેણે સપ્તાહના
અંતમાં 1.2 મિલિયન નકલો વેચી છે.

06:59

(Laughter)

135

407029

2136

(હાસ્ય)

07:01

And the reason I like this number
is because it shows that, really,

136

409189

3971

અને કારણ કે મને આ નંબર ગમે છે
કારણ કે તે બતાવે છે કે, ખરેખર,

07:05

when it comes to success, it's unbounded,

137

413184

3730

જ્યારે તે સફળતાની વાત
આવે છે, ત્યારે તે અનબાઉન્ડ છે,

07:08

that the best doesn't only get
slightly more than the second best

138

416938

5861

કે જે શ્રેષ્ઠ મેળવતું નથી
બીજા શ્રેષ્ઠ કરતાં થોડી વધારે

07:14

but gets orders of magnitude more,

139

422823

2697

પરંતુ વધુ તીવ્રતાના ઓર્ડર મળે છે,

07:17

because success is a collective measure.

140

425544

2794

કારણ કે સફળતા એક સામૂહિક પગલું છે.

07:20

We give it to them, rather than
we earn it through our performance.

141

428362

4376

અમે તેને કરતાં, તેમને આપીએ છીએ
અમે અમારા પ્રદર્શન દ્વારા તે કમાઇએ છીએ.

07:24

So one of things we realized is that
performance, what we do, is bounded,

142

432762

5376

તેથી અમને સમજાયેલી એક બાબત તે છે
પ્રભાવ, આપણે શું કરીએ છીએ, બંધાયેલા છે,

પરંતુ સફળતા, જે છે
સામૂહિક, અનબાઉન્ડ છે,

07:30

but success, which is
collective, is unbounded,

143

438162

2682

જે તમને આશ્ચર્યજનક બનાવે છે:

07:32

which makes you wonder:

144

440868

1312

07:34

How do you get these
huge differences in success

145

442204

2911

તમે આ કેવી રીતે મેળવશો
સફળતા મોટા તફાવતો

07:37

when you have such tiny
differences in performance?

146

445139

2906

જ્યારે તમારી પાસે આટલું નાનું હોય
પ્રભાવમાં તફાવત?

07:40

And recently, I published a book
that I devoted to that very question.

147

448537

3787

અને તાજેતરમાં, મેં એક પુસ્તક પ્રકાશિત કર્યું
કે હું ખૂબ જ પ્રશ્ન માટે સમર્પિત.

07:44

And they didn't give me enough time
to go over all of that,

148

452348

2839

અને તેઓએ મને પૂરતો સમય નથી આપ્યો
તે બધા ઉપર જવા માટે,

07:47

so I'm going to go back
to the question of,

149

455211

2071

તેથી હું પાછો જાઉં છું
ના પ્રશ્ન માટે,

07:49

alright, you have success;
when should that appear?

150

457306

3135

ઠીક છે, તમને સફળતા છે;
તે ક્યારે દેખાવું જોઈએ?

07:52

So let's go back to the party spoiler
and ask ourselves:

151

460465

3758

તો ચાલો પાછા પાર્ટી બગાડનાર પર જઈએ
અને જાતને પૂછો:

07:57

Why did Einstein make
this ridiculous statement,

152

465215

3339

આઈન્સ્ટાઈને કેમ બનાવ્યું
આ હાસ્યાસ્પદ નિવેદન,

08:00

that only before 30
you could actually be creative?

153

468578

3156

માત્ર 30 પહેલાં
તમે ખરેખર સર્જનાત્મક હોઈ શકે?

08:03

Well, because he looked around himself
and he saw all these fabulous physicists

154

471758

4680

સારું, કારણ કે તેણે પોતાની આસપાસ જોયું
અને તેણે આ બધા કલ્પિત ભૌતિકશાસ્ત્રીઓ જોયા

08:08

that created quantum mechanics
and modern physics,

155

476462

2587

જેણે ક્વોન્ટમ મિકેનિક્સ બનાવ્યાં
અને આધુનિક ભૌતિકશાસ્ત્ર,

08:11

and they were all in their 20s
and early 30s when they did so.

156

479073

3736

અને તે બધા તેમના 20 માં હતા અને 30 ના
દાયકાની શરૂઆતમાં જ્યારે તેઓએ આમ કર્યું.

08:15

And it's not only him.

157

483730

1220

અને તે માત્ર તે જ નથી.

08:16

It's not only observational bias,

158

484974

1623

તે માત્ર નિરીક્ષણ પક્ષપાત જ નથી,

08:18

because there's actually
a whole field of genius research

159

486621

3997

કારણ કે ત્યાં ખરેખર છે
પ્રતિભા સંશોધન એક સંપૂર્ણ ક્ષેત્ર

08:22

that has documented the fact that,

160

490642

2256

કે આ હકીકત દસ્તાવેજી છે કે,

08:24

if we look at the people
we admire from the past

161

492922

3160

જો આપણે લોકોને જોઈએ
અમે ભૂતકાળથી પ્રશંસા કરીએ છીએ

08:28

and then look at what age
they made their biggest contribution,

162

496106

3358

અને પછી કઈ વય જુઓ
તેઓએ તેમનો સૌથી મોટો ફાળો આપ્યો,

08:31

whether that's music,
whether that's science,

163

499488

2096

શું તે સંગીત છે,
શું તે વિજ્ઞાન છે,

08:33

whether that's engineering,

164

501608

1619

ભલે તે એન્જિનિયરિંગ હોય,

08:35

most of them tend to do so
in their 20s, 30s, early 40s at most.

165

503251

6123

તેમાંના મોટાભાગના આમ કરવા માટે વલણ ધરાવે છે
તેમના 20, 30 ના દાયકામાં, 40 ના દાયકાના પ્રારંભમાં.

08:41

But there's a problem
with this genius research.

166

509914

2791

પરંતુ એક સમસ્યા છે
આ પ્રતિભા સંશોધન સાથે.

08:45

Well, first of all, it created
the impression to us

167

513197

3280

સારું, સૌ પ્રથમ, તે બનાવ્યું
અમને છાપ

08:48

that creativity equals youth,

168

516501

3479

તે સર્જનાત્મકતા યુવા સમાન છે,

08:52

which is painful, right?

169

520004

1610

જે દુ:ખદાયક છે, ખરું?

08:53

(Laughter)

170

521638

1951

(હાસ્ય)

08:55

And it also has an observational bias,

171

523613

4088

અને તેનો નિરીક્ષણ પૂર્વગ્રહ પણ છે,

08:59

because it only looks at geniuses
and doesn't look at ordinary scientists

172

527725

4962

કારણ કે તે માત્ર પ્રતિભાઓને જુએ છે
અને સામાન્ય વૈજ્ઞાનિકો તરફ જોતો નથી

09:04

and doesn't look at all of us and ask,

173

532711

1965

અને આપણા બધા તરફ નજર નાંખીને પૂછે છે,

તે ખરેખર સાચું છે કે સર્જનાત્મકતા
જેમ જેમ આપણે વય થઈ જઇએ છીએ?

09:06

is it really true that creativity
vanishes as we age?

174

534700

3185

તેથી બરાબર તે જ અમે કરવાનો પ્રયાસ કર્યો,

09:10

So that's exactly what we tried to do,

175

538382

1877

09:12

and this is important for that
to actually have references.

176

540283

3803

અને આ તે માટે મહત્વપૂર્ણ છે
ખરેખર સંદર્ભો છે.

09:16

So let's look at an ordinary
scientist like myself,

177

544110

2643

તો ચાલો એક સામાન્ય જોઈએ
મારી જેમ વૈજ્ઞાનિક,

09:18

and let's look at my career.

178

546777

1522

અને ચાલો મારી કારકીર્દિ જોઈએ.

09:20

So what you see here is all the papers
that I've published

179

548323

3202

તો તમે અહીં જે જુઓ છો તે બધા કાગળો છે
કે મેં પ્રકાશિત કર્યું છે

09:23

from my very first paper, in 1989;
I was still in Romania when I did so,

180

551549

5115

મારા પ્રથમ કાગળમાંથી, 1989 માં;
જ્યારે મેં આમ કર્યું ત્યારે પણ હું રોમાનિયામાં હતો,

09:28

till kind of this year.

181

556688

1593

આ વર્ષના પ્રકાર સુધી.

09:30

And vertically, you see
the impact of the paper,

182

558940

2518

અને ઊભી રીતે, તમે જુઓ
કાગળની અસર,

09:33

that is, how many citations,

183

561482

1403

તે છે, કેટલા ટાંકણા,

09:34

how many other papers
have been written that cited that work.

184

562909

3988

બીજા કેટલા કાગળો
લખ્યું છે કે જે કામ ટાંકવામાં.

09:39

And when you look at that,

185

567397

1300

અને જ્યારે તમે તે જુઓ,

09:40

you see that my career
has roughly three different stages.

186

568721

2813

તમે જુઓ છો કે મારી કારકિર્દી
આશરે ત્રણ અલગ અલગ તબક્કાઓ છે.

09:43

I had the first 10 years
where I had to work a lot

187

571558

2435

મારી પાસે પ્રથમ 10 વર્ષ હતા
જ્યાં મારે ઘણું કામ કરવું પડ્યું

09:46

and I don't achieve much.

188

574017

1276

અને હું વધારે પ્રાપ્ત કરતો નથી.

09:47

No one seems to care
about what I do, right?

189

575317

2118

કોઈને ધ્યાન આપતું નથી
હું શું કરું તે વિશે, બરાબર?

09:49

There's hardly any impact.

190

577459

1681

ભાગ્યે જ કોઈ અસર થઈ.

09:51

(Laughter)

191

579164

1404

(હાસ્ય)

09:52

That time, I was doing material science,

192

580592

2887

તે સમયે, હું ભૌતિક
વૈજ્ઞાનિક કરી રહ્યો હતો,

09:55

and then I kind of discovered
for myself networks

193

583503

3691

અને પછી હું એક પ્રકારનો શોધ્યો
મારા માટે નેટવર્ક

અને પછી નેટવર્ક્સમાં પ્રકાશિત
કરવાનું શરૂ કર્યું.

09:59

and then started publishing in networks.

194

587218

1947

10:01

And that led from one high-impact
paper to the other one.

195

589189

3073

અને તે એક ઉચ્ચ અસર તરફ દોરી
અન્ય એક કાગળ.

10:04

And it really felt good.
That was that stage of my career.

196

592286

3104

અને તે ખરેખર સારું લાગ્યું.
તે મારી કારકિર્દીનો તે તબક્કો હતો.

10:07

(Laughter)

197

595414

1282

(હાસ્ય)

10:08

So the question is,
what happens right now?

198

596720

3208

તો સવાલ એ છે કે
હમણાં શું થાય છે?

અને આપણે જાણતા નથી, કારણ કે ત્યાં છે
હજી પૂરતો સમય પસાર થયો નથી

10:12

And we don't know, because there
hasn't been enough time passed yet

199

600587

3239

ખરેખર કેટલી અસર પડે છે તે આકૃતિ
તે કાગળો મળશે;

10:15

to actually figure out how much impact
those papers will get;

200

603850

2987

તે હસ્તગત કરવામાં સમય લે છે.

10:18

it takes time to acquire.

201

606861

1227

સારું, જ્યારે તમે ડેટા જુઓ,

10:20

Well, when you look at the data,

202

608112

1569

એવું લાગે છે કે આઈન્સ્ટાઈન,
પ્રતિભા સંશોધન, સાચું છે,

10:21

it seems to be that Einstein,
the genius research, is right,

203

609705

2854

અને હું મારી કારકિર્દીના તે તબક્કે છું.

10:24

and I'm at that stage of my career.

204

612583

1811

10:26

(Laughter)

205

614418

2308

(હાસ્ય)

તેથી અમે કહ્યું, ઠીક છે, ચાલો આકૃતિ કરીએ
આ ખરેખર કેવી રીતે થાય છે,

10:28

So we said, OK, let's figure out
how does this really happen,

206

616750

5974

વિજ્ઞાન માં પ્રથમ.

અને ક્રમમાં નથી
પસંદગી પૂર્વગ્રહ,

10:34

first in science.

207

622748

1778

માત્ર પ્રતિભાઓ જોવા માટે,

10:36

And in order not to have
the selection bias,

208

624550

3632

અમે કારકિર્દીનું પુનર્ગઠન કર્યું
દરેક એક વૈજ્ઞાનિક છે

10:40

to look only at geniuses,

209

628206

1337

1900 થી આજ સુધી

10:41

we ended up reconstructing the career
of every single scientist

210

629567

3716

અને બધા વૈજ્ઞાનિકો માટે શોધે છે
તેમના વ્યક્તિગત શ્રેષ્ઠ શું હતું,

10:45

from 1900 till today

211

633307

2502

તેમને નોબેલ પારિતોષિક મળ્યું કે કેમ
અથવા તેઓ ક્યારેય ન કરતા,

10:47

and finding for all scientists
what was their personal best,

212

635833

3712

અથવા કોઈને ખબર નથી કે તેઓએ શું કર્યું,
પણ તેમના વ્યક્તિગત શ્રેષ્ઠ.

10:51

whether they got the Nobel Prize
or they never did,

213

639569

2812

અને આ તે છે જે તમે આ સ્લાઇડમાં જુઓ છો.

10:54

or no one knows what they did,
even their personal best.

214

642405

3407

દરેક લાઇન એ કારકિર્દી છે,

અને જ્યારે તમારી પાસે પ્રકાશ વાદળી
બિંદુ હોય તે કારકિર્દીની ટોચ પર,

10:57

And that's what you see in this slide.

215

645836

1915

10:59

Each line is a career,

216

647775

1573

તે કહે છે કે તે તેમનો
વ્યક્તિગત શ્રેષ્ઠ હતો.

11:01

and when you have a light blue dot
on the top of that career,

217

649372

3003

અને સવાલ એ છે કે

11:04

it says that was their personal best.

218

652399

2040

જ્યારે તેઓ ખરેખર બનાવ્યા
તેમની સૌથી મોટી શોધ?

11:06

And the question is,

219

654463

1155

11:07

when did they actually make
their biggest discovery?

220

655642

3568

તે પ્રમાણિત કરવા માટે,

અમે સંભાવના શું છે તે જોઈએ છીએ
કે તમે તમારી સૌથી મોટી શોધ કરો છો,

11:11

To quantify that,

221

659234

1165

11:12

we look at what's the probability
that you make your biggest discovery,

222

660423

3376

ચાલો કહીએ, એક, બે, ત્રણ
અથવા તમારી કારકિર્દીમાં 10 વર્ષ?

અમે વાસ્તવિક ઉંમર તરફ જોઈ રહ્યા નથી.

11:15

let's say, one, two, three
or 10 years into your career?

223

663823

2672

અમે જોઈ રહ્યા છીએ
જેને આપણે "શૈક્ષણિક યુગ" કહીએ છીએ.

11:18

We're not looking at real age.

224

666519

1480

11:20

We're looking at
what we call "academic age."

225

668023

2134

તમારી શૈક્ષણિક વય શરૂ થાય છે જ્યારે તમે
તમારા પ્રથમ કાગળો પ્રકાશિત કરો છો.

11:22

Your academic age starts
when you publish your first papers.

226

670181

3250

હું જાણું છું કે તમારામાંથી
કેટલાક હજી બાળકો છે.

11:25

I know some of you are still babies.

227

673455

1779

11:27

(Laughter)

228

675258

1397

(હાસ્ય)

તો ચાલો સંભાવના જોઈએ

11:28

So let's look at the probability

229

676679

2706

કે જે તમે પ્રકાશિત કરો છો
તમારું સૌથી વધુ અસરકારક કાગળ.

11:31

that you publish
your highest-impact paper.

230

679409

2066

અને તમે જે જુઓ છો તે ખરેખર છે,
પ્રતિભા સંશોધન સાચું છે.

11:33

And what you see is, indeed,
the genius research is right.

231

681499

3071

મોટાભાગના વૈજ્ઞાનિકો પ્રકાશિત કરવાનું
વલણ ધરાવે છે તેમના સૌથી વધુ અસર કાગળ

11:36

Most scientists tend to publish
their highest-impact paper

232

684594

3024

11:39

in the first 10, 15 years in their career,

233

687642

2899

તેમની કારકિર્દીના પ્રથમ 10, 15 વર્ષમાં,

અને તે પછી ટાંકી.

11:42

and it tanks after that.

234

690565

3133

તે એટલી ઝડપથી ટાંકી દે છે કે હું લગભગ છું
મારી કારકિર્દીમાં હું બરાબર 30 વર્ષનો છું,

11:45

It tanks so fast that I'm about --
I'm exactly 30 years into my career,

235

693722

5107

11:50

and the chance that I will publish a paper
that would have a higher impact

236

698853

3540

અને તક છે કે હું એક કાગળ પ્રકાશિત કરીશ
તે વધારે અસર કરશે

11:54

than anything that I did before

237

702417

1940

પહેલાં જે કંઈપણ કર્યું તે કરતાં

11:56

is less than one percent.

238

704381

1353

એક ટકા કરતા પણ ઓછા છે.

11:57

I am in that stage of my career,
according to this data.

239

705758

3049

હું મારી કારકિર્દીના તે તબક્કે છું,
આ માહિતી અનુસાર.

12:01

But there's a problem with that.

240

709648

1843

પરંતુ તેની સાથે એક સમસ્યા છે.

12:03

We're not doing controls properly.

241

711515

3675

અમે નિયંત્રણો યોગ્ય રીતે કરી રહ્યાં નથી.

12:07

So the control would be,

242

715214

1417

તો નિયંત્રણ હશે,

12:08

what would a scientist look like
who makes random contribution to science?

243

716655

4607

વૈજ્ઞાનિક જેવું દેખાશે
વિજ્ઞાન કોણ અમનેમ ફાળો આપે છે?

12:13

Or what is the productivity
of the scientist?

244

721286

2995

અથવા ઉત્પાદકતા શું છે
વૈજ્ઞાનિક ની?

12:16

When do they write papers?

245

724305

2006

તેઓ ક્યારે કાગળો લખે છે?

12:18

So we measured the productivity,

246

726335

2444

તેથી અમે ઉત્પાદકતા માપી,

12:20

and amazingly, the productivity,

247

728803

2052

અને આશ્ચર્યજનક રીતે, ઉત્પાદકતા,

12:22

your likelihood of writing a paper
in year one, 10 or 20 in your career,

248

730879

4131

કાગળ લખવાની તમારી સંભાવના
તમારી કારકિર્દીમાં એક વર્ષ, 10 અથવા 20,

શક્યતાથી અવિભાજ્ય છે
અસર હોય છે

12:27

is indistinguishable from the likelihood
of having the impact

249

735034

3606

તમારી કારકિર્દીના તે ભાગમાં.

12:30

in that part of your career.

250

738664

1775

અને લાંબી વાર્તા ટૂંકી બનાવવા માટે,

12:33

And to make a long story short,

251

741026

1783

ઘણાં આંકડાકીય પરીક્ષણો પછી,
તેના માટે ફક્ત એક જ સમજૂતી છે,

12:34

after lots of statistical tests,
there's only one explanation for that,

252

742833

4228

તે ખરેખર, જે રીતે આપણે વૈજ્
scientistsાનિકો કામ કરીએ છીએ

12:39

that really, the way we scientists work

253

747085

2894

શું આપણે લખેલો દરેક કાગળ છે,
દરેક પ્રોજેક્ટ અમે કરીએ છીએ,

12:42

is that every single paper we write,
every project we do,

254

750003

3633

બરાબર એ જ તક છે
અમારા વ્યક્તિગત શ્રેષ્ઠ હોવાનો.

12:45

has exactly the same chance
of being our personal best.

255

753660

4160

12:49

That is, discovery is like
a lottery ticket.

256

757844

4953

તે છે, શોધ જેવી છે
લોટરી ટિકિટ.

અને વધુ લોટરી ટિકિટ આપણે ખરીદે છે,

12:54

And the more lottery tickets we buy,

257

762821

2351

અમારી તકો વધારે છે.

અને તે આવું થાય છે

12:57

the higher our chances.

258

765196

1507

જે મોટાભાગના વૈજ્ઞાનિકો ખરીદે છે
તેમની મોટાભાગની લોટરી ટિકિટ

12:58

And it happens to be so

259

766727

1559

13:00

that most scientists buy
most of their lottery tickets

260

768310

2719

જે મોટાભાગના વૈજ્ઞાનિકો છે
તેમના મોટાભાગની લોટરી ટિકિટ

13:03

in the first 10, 15 years of their career,

261

771053

2460

13:05

and after that,
their productivity decreases.

262

773537

3413

અને તે પછી,
તેમની ઉત્પાદકતા ઘટે છે.

તેઓ ખરીદી રહ્યા નથી
વધુ લોટરી ટિકિટ.

13:09

They're not buying
any more lottery tickets.

263

777411

2084

તો જાણે કે જાણે
તેઓ સર્જનાત્મક નહીં હોય.

13:11

So it looks as if
they would not be creative.

264

779519

3444

વાસ્તવિકતામાં, તેઓએ
પ્રયાસ કરવાનું બંધ કરી દીધું.

13:14

In reality, they stopped trying.

265

782987

1999

13:17

So when we actually put the data together,
the conclusion is very simple:

266

785509

3915

તેથી જ્યારે આપણે ખરેખર ડેટા સાથે રાખીએ,
નિષ્કર્ષ ખૂબ જ સરળ છે:

13:21

success can come at any time.

267

789448

2331

સફળતા કોઈપણ સમયે આવી શકે છે.

13:23

It could be your very first
or very last paper of your career.

268

791803

3735

તે તમારું પ્રથમ હોઈ શકે છે
અથવા તમારી કારકિર્દીનો ખૂબ જ છેલ્લા કાગળ.

13:27

It's totally random
in the space of the projects.

269

795562

4288

તે એકદમ રેન્ડમ છે
પ્રોજેક્ટની જગ્યામાં.

13:31

It is the productivity that changes.

270

799874

1931

તે ઉત્પાદકતા છે જે બદલાય છે.

13:33

Let me illustrate that.

271

801829

1252

ચાલો હું તેને સમજાવીશ.

13:35

Here is Frank Wilczek,
who got the Nobel Prize in Physics

272

803105

3269

અહીં છે ફ્રેન્ક વિલ્ઝેક,
જેમને ભૌતિકશાસ્ત્રનું નોબેલ પુરસ્કાર મળ્યો

13:38

for the very first paper he ever wrote
in his career as a graduate student.

273

806398

4101

પ્રથમ કાગળ માટે તેમણે ક્યારેય લખ્યું છે
સ્નાતક વિદ્યાર્થી તરીકે તેની કારકિર્દીમાં.

13:42

(Laughter)

274

810523

1007

(હાસ્ય)

13:43

More interesting is John Fenn,

275

811554

3218

વધુ રસપ્રદ જ્હોન ફેન છે,

13:46

who, at age 70, was forcefully retired
by Yale University.

276

814796

4598

70 વર્ષની ઉંમરે, બળપૂર્વક નિવૃત્ત થયા હતા
યેલ યુનિવર્સિટી દ્વારા.

તેઓએ તેની લેબ બંધ કરી દીધી,

13:51

They shut his lab down,

277

819418

2056

અને તે જ ક્ષણે, તે સ્થળાંતર થયો
વર્જિનિયા કોમનવેલ્થ યુનિવર્સિટી,

13:53

and at that moment, he moved
to Virginia Commonwealth University,

278

821498

3666

બીજી લેબ ખોલી,

13:57

opened another lab,

279

825188

1786

અને તે ત્યાં છે, 72 વર્ષની ઉંમરે,
કે તેણે એક કાગળ પ્રકાશિત કર્યું

13:58

and it is there, at age 72,
that he published a paper

280

826998

3033

જેના માટે, 15 વર્ષ પછી, તે મળ્યો
રસાયણશાસ્ત્ર માટેનું નોબેલ પુરસ્કાર.

14:02

for which, 15 years later, he got
the Nobel Prize for Chemistry.

281

830055

3845

અને તમે વિચારો છો, બરાબર,
સારું, વિજ્ઞાન વિશેષ છે,

14:06

And you think, OK,
well, science is special,

282

834940

3042

પરંતુ અન્ય ક્ષેત્રોનું શું છે
જ્યાં આપણે સર્જનાત્મક બનવાની જરૂર છે?

14:10

but what about other areas
where we need to be creative?

283

838006

3463

તો મને બીજા લેવા દો
લાક્ષણિક ઉદાહરણ: ઉદ્યમવૃત્તિ.

14:13

So let me take another
typical example: entrepreneurship.

284

841493

4936

સિલીકોન વેલી,

યુવાનો ની જમીન, અધિકાર?

14:18

Silicon Valley,

285

846834

1579

અને ખરેખર, જ્યારે તમે તેને જુઓ,

14:20

the land of the youth, right?

286

848437

2066

તમને ખ્યાલ છે કે સૌથી મોટો એવોર્ડ,
ટેકક્રંચ એવોર્ડ્સ અને અન્ય એવોર્ડ્સ,

14:22

And indeed, when you look at it,

287

850527

1595

14:24

you realize that the biggest awards,
the TechCrunch Awards and other awards,

288

852146

4642

બધા લોકો જઇ રહ્યા છે

જેની સરેરાશ ઉંમર 20 ના દાયકાના
અંતમાં છે, 30 ના દાયકાની શરૂઆતમાં.

14:28

are all going to people

289

856812

2173

14:31

whose average age
is late 20s, very early 30s.

290

859009

5015

તમે જુઓ કે વીસીઓ કોને પૈસા આપે છે,
કેટલીક સૌથી મોટી વીસી કંપનીઓ -

30 ના દાયકાના પ્રારંભમાં બધા લોકો.

14:36

You look at who the VCs give the money to,
some of the biggest VC firms --

291

864465

5602

જે, અલબત્ત, આપણે જાણીએ છીએ;

સિલિકોન વેલીમાં આ ધર્મો છે
કે યુવા સફળતા બરાબર છે.

14:42

all people in their early 30s.

292

870091

2241

14:44

Which, of course, we know;

293

872951

1265

જ્યારે તમે ડેટા જુઓ ત્યારે નહીં,

14:46

there is this ethos in Silicon Valley
that youth equals success.

294

874240

4453

કારણ કે તે માત્ર નથી
કંપની બનાવવા વિશે -

કંપની બનાવવી એ ઉત્પાદકતા જેવી છે,પ્રયાસ
કરી, પ્રયાસ કરી, પ્રયાસ કરી રહ્યા છીએ -

14:51

Not when you look at the data,

295

879653

2183

14:53

because it's not only
about forming a company --

296

881860

2304

જ્યારે તમે જે જુઓ
આ વ્યક્તિઓ ખરેખર બહાર મૂકવામાં

14:56

forming a company is like productivity,
trying, trying, trying --

297

884188

3140

સફળ કંપની, સફળ એક્ઝિટ.

14:59

when you look at which
of these individuals actually put out

298

887352

3484

અને તાજેતરમાં, અમારા કેટલાક સાથીઓ
બરાબર તે પ્રશ્ન તરફ જોયું.

15:02

a successful company, a successful exit.

299

890860

2782

અને તે તારણ આપે છે કે હા,
તે 20 અને 30 ના દાયકાના છે

15:05

And recently, some of our colleagues
looked at exactly that question.

300

893666

3720

મોટી સંખ્યામાં કંપનીઓ મૂકી,
ઘણી કંપનીઓ બનાવે છે,

15:09

And it turns out that yes,
those in the 20s and 30s

301

897410

3156

પરંતુ તેમાંના મોટા ભાગના બસ્ટ જાય છે.

15:12

put out a huge number of companies,
form lots of companies,

302

900590

3348

અને જ્યારે તમે સફળ બહાર નીકળો છો,
તમે આ ખાસ પ્લોટમાં શું જોશો,

15:15

but most of them go bust.

303

903962

1531

15:18

And when you look at the successful exits,
what you see in this particular plot,

304

906089

4195

15:22

the older you are, the more likely that
you will actually hit the stock market

305

910308

3695

તમે જેટલા વૃદ્ધો છો, તેવી સંભાવના
તમે ખરેખર શેરબજારમાં ફટકો પડશે

15:26

or the sell the company successfully.

306

914027

2312

અથવા કંપની સફળતાપૂર્વક વેચે છે.

15:28

This is so strong, actually,
that if you are in the 50s,

307

916847

3113

આ ખરેખર એટલું મજબૂત છે,
કે જો તમે 50 ના દાયકામાં હો,

15:31

you are twice as likely
to actually have a successful exit

308

919984

3588

તમે શક્યતા બે વાર છો
ખરેખર સફળ બહાર નીકળવું

15:35

than if you are in your 30s.

309

923596

1890

કરતાં વધુ જો તમે તમારા 30 માં છે.

15:38

(Applause)

310

926613

4325

(તાળીઓ)

15:43

So in the end, what is it
that we see, actually?

311

931645

3009

તેથી અંતે, તે શું છે
કે આપણે જોઈએ છીએ, ખરેખર?

15:46

What we see is that creativity has no age.

312

934678

4083

આપણે જે જોઈએ છીએ તે એ છે
કે સર્જનાત્મકતાની કોઈ ઉંમર નથી.

15:50

Productivity does, right?

313

938785

2202

ઉત્પાદકતા કરે છે, અધિકાર?

15:53

Which is telling me that
at the end of the day,

314

941424

4135

જે મને કહે છે
દિવસ ના અંતે,

15:57

if you keep trying --

315

945583

2000

જો તમે પ્રયત્ન કરતા રહો -

15:59

(Laughter)

316

947607

2403

(હાસ્ય)

16:02

you could still succeed
and succeed over and over.

317

950034

3572

તમે હજી પણ સફળ થઈ શક્યા
અને ઉપર અને વધુ સફળ.

16:05

So my conclusion is very simple:

318

953630

2391

તેથી મારો નિષ્કર્ષ ખૂબ જ સરળ છે:

16:08

I am off the stage, back in my lab.

319

956045

2093

હું મારી લેબમાં પાછો સ્ટેજથી બહાર છું.

16:10

Thank you.

320

958162

1171

આભાર.

16:11

(Applause)

321

959357

3309

(તાળીઓ)

Translated by Mistry Anjali
Reviewed by Arvind Patil

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 Science, Linked 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

THE ORIGINAL VIDEO ON TED.COM

આલ્બર્ટ-લઝ્લી બારાબસી: તમારી ઉંમર અને તમારી સફળતાની તક વચ્ચેનો વાસ્તવિક સંબંધ | TED Talk | TED.com