法则八：追求优异成绩的团队需要多元化与平衡性，但是追求成功的团队也需要领导者
所以，现在既然我们理解了Q值的原始概念，问题是，当成功不依赖于你的个人行动，而是你的行动依赖于他人时，会怎么样？那么，这实际上是一件现实的事情。我说这很现实的原因是，现如今我们所做的大部分工作，都无法靠一人之力实现，我们需要团队合作。我们在团队中工作的能力，确实决定了我们成功的能力。所以，我想聊聊，在我们团队工作时，是如何实现成功的。这一点很重要，有很多数据显示，现如今人们的表现都不是只关乎自己，你需要他人的协助，尤其是在科学中。90年代以前最具影响力的发现都来自于独立的研究者。到了90年代，情况发生了变化，现在最具影响力的发现都来自团队合作。如果你看我的职业生涯，我最具影响力的论文没有一篇是我独立完成的，即便有一些论文是我自己写的，但其中也少不了与别人的协作。问题就是，这种情况下成功有何规律，那么多人合作做科学研究？事实证明，当我们思考团队成功的能力时，我们需要厘清的是我们的目标是什么？我们是要组建一支成绩佳的团队，还是说组建一支力争成功的团队？听起来这个或许是一样的，但事实是，这背后遵循的模式是完全不同的。
我们先说成绩佳的团队，我们如何了解它们？有许多心理学研究都以团队合作为研究对象，他们被要求完成具体的任务，一些困难但目的明确的任务，他们必须一起完成任务或者解决问题。这种研究关注的是团队智慧与个人智商的抗衡，问题是如何培养一个有高智慧的团队，这样的团队表现会比其他队要好得多？我们从这项研究中，得出的一些令人惊讶结论，在一个有高度智慧的群体里，个人智商无足轻重。也就是说，把一群诺贝尔获奖者聚在一起，并不能保证团队取得好成绩，那只会是灾难。因此个人智商并不重要，实际上，每个成员的动机也不重要，非常积极的人并不一定能助益团队智慧。还有一个发现是，团队成员彼此沟通的能力更为重要，就是实现和谐的沟通，其中重点在于团队成员是否能感知彼此的情绪、想法或心态。换句话说，这都是一些衡量的标准，让你知道这个团队构成是否足够扁平化，内部沟通是否有效率。另一个有趣的发现是，团队里的女人越多，团队智慧就越高。所以在某种程度上答案很明确，如果你真的想要一个表现好的团队，你需要多元性和平衡，最好还要有女性。
这些研究都有着相似的情境，那就是给出了特定任务需要解决，解决方案总是有的。但问题是，哪个团队可以更有效率地完成？有点像在生产行业，如何组建一个团队来解决问题，但不同的是，我们如何组建一个有能力成功的团队？事实证明，平衡性并不是那么重要，领导力非常重要。GitHub是一个提供编程服务的平台。人们可以在上面组队运营各自的项目或编程，但也不仅仅是这样，现在有人在上面写书、写论文等等。这是一个合作式平台，特别之处在于，我们可以关注彼此的项目工作，无论是团队的还是个人的。成功其实有非常明确的衡量标准。衡量成绩，就看你的代码贡献有多少，比如你写了多少行，这是一种衡量办法。因为你编写的多少行被团队接受了，最终出现在成果里起到贡献作用。而衡量成功，就看有多少人在意你的成果，在GitHub有一个特点是，大家可以关注或参与其他人的项目，有点像社交网络，如果我关注你的项目，那我可以收到和你项目相关的更新，我就会知道，你在继续你的工作，我还可以点进去看，我可以关注你的项目。即便我们不是一个团队的，我们可以做不一样的工作。但如果你的工作和我的相关，那么即便我们不是一个团队的，我也可以关注你的工作。
我之前一个博士后詹姆斯·巴格罗，分析了GitHub上所有的项目，他进行了一些思考，这些项目里最成功的那些有何特点？大家最感兴趣的，愿意关注的项目又有何特点？他发现结果很出乎意料，因为根据心理学文献，像我之前说过的，团队成绩好往往和平衡性、均一性相关，需要每个人都作出平均的贡献，但在GitHub上情况相反。他发现，那些成功的团队里，大多数工作都是由一个人独立完成的，其他人只是在协助那个人完成他或她的项目，随着组员增多，那么最大贡献者要做的就更多。随着团队壮大，领头人的工作量没有减少，反而增多了，但只是轻微地增多。某个单一成员角色越是有领导性，那么这个群体就会越成功的吸引大家的兴趣。所以在某种程度上，我们从中学到的是，当涉及到带来成功和吸引关注度的能力时，领导力是至关重要的。并不是说都是这样，但确实需要有一个领头人，他更为强势，其他人只是在协助他或她来实现目标，这就说到了我们的第八条定律，成绩好的团队，要有多元性和平衡性；但是成功的团队，也需要领导者。
法则九：功劳是基于群体对个人成绩的观感，而不是成绩本身
假设你要组一个团队，假设它很成功，你们打算一起开发软件，或者创立公司，或者一起写文章，问题是，功劳算谁的呢？或者说团队里哪个人得功劳呢？在过去，合作不是那么普遍时，答案很简单，如果你做了，那就是你的功劳。如果只看科学领域，我们会发现没有人会质疑相对论是谁的功劳，因为它来自爱因斯坦的论文，这篇论文是他一个人的成果，没有其他合作者协助他完成这篇论文。当你看达尔文的进化论时，可以看到这是他自己写成的一本巨著，所以也没人质疑是否有人帮助他写下那些想法，所以这都是他们自己的功劳。正如我所说，那是过去了。
现如今，论文是这样写的，我选了如下图所示的三篇物理方面的论文，它们的共同之处在于，虽然它们的发表时间各自隔了十年左右，但是都获得了诺贝尔奖。问题是，这个奖算到谁头上？因为有多个作者，而诺贝尔奖的获奖者最多只能有三个，且通常奖项只会给一个人。但有这样一个老旧的传统，就是资深的作者会被排在最后。所以，一般是排在最后的作者得奖。在第一篇论文里，确实是如此，排最后一位的作者得奖。但是下一篇里，也应该是最后一位才对，但是在这一篇里是排第一位的作者朱棣文获得了诺贝尔奖。然后你会想是否他是科学论文的第一作者，或许在下一篇里得奖人要么是第一位，要么是最后一位？你猜怎么着，结果是排第二位的作者拿走了诺贝尔奖。
所以这究竟是怎么选的呢？尤其是如下所示的这篇论文，怎么选呢？感觉有一百七十位作者吧，谁该拿奖呢？结果发现，是第134位。所以，感觉诺贝尔奖委员会是看着这个名单，然后挨个选，然后就看中了一个，说大奖就是你的了，这是怎么能做到呢？在很长一段时间里，这其实还蛮令人困惑的。后来，我和中国学者沈华伟开始思考这个问题，然后得出了一个很有趣也很有洞察力的答案，结果就是，如果你看这篇论文，很难决定奖要给谁，但也不是不可能的，如果你观察公众对于论文的反应，也就是不要只关注论文本身，而是看谁引用了、如何引用的、他们还引用了什么，然后自然会看出谁是赢家。
我举个例子，2010年的诺贝尔化学奖，颁给了1976年两位作者合写的论文，最后奖颁给了根岸英一，问题是为什么没有选马场滋呢？原因就是，你看一下其他五篇合著的论文，当人们引用它们，都是一起引用，每一次都有根岸英一的名字，但却没有马场滋，那为什么只留根岸的名字呢？因为这表明，学界认为这一发现是根岸英一的知识成果，马场滋只是碰巧在实验室里帮了他忙而已。然后他或她就没有做什么了，我不知道他们之后是否还有合作，或者是一起这样发论文，所以根岸英一值得这个奖。如果你看2010年的诺贝尔物理奖，颁给了诺沃肖洛夫和盖姆，原因是很难区分他们的工作。你看这下面五篇被共引次数最多的论文，人们引用时，都是同时引用这两位作者的名字。所以，他们所做的工作、他们的在学界中的价值都得到了承认。因此，正是这个想法表明，如果你想真的理解谁能得到学界的认可，你不要看论文本身，你要看看哪些论文被共同引用，在重大发现中，谁的论文被共同引用了。
沈华伟最后得出了一个算法，我不会细讲这个，它就是分析了那些论文，看谁引用了它们，然后还有哪些别的论文被引用，最后，它可以算出每位作者的实际功劳有多少。要如何理解这个工作背后的贡献呢？来看看这个，如果我们称第一篇论文A，算法认为72%的功劳都是根岸英一的，马场滋只有28%，因此诺贝尔应该颁给他。另一个例子里，算法得出他们的功劳是五五开，为什么呢？这样看吧，我给你举个好笑的例子。让我们假设这位男士（方济各一世）和我一起写了一篇关于神学的论文，在这种情况下，功劳应该给他，因为他碰巧是教皇。他还撰写了许多与神学有关的论文，当人们参考他的作品，这篇合作的论文，如果我们写的话，他们会作为他的文章来引用，功劳就都是他的。但是如果我们一起写的是网络科学的论文，那情况就完全不同了，因为在网络科学领域，他没有名气和经验，因此如果是网络科学论文，他不会被引用到。也许是他的点子，或许是来自神圣的指示，甚至或许工作都是他做的，但是最后功劳都被算是我的。所以实际上，你所看到的是，功劳不在于你干了多少活，不在于是谁的点子，不在于你有多努力，无论你是做了很多，还是说你只是在茶歇时拿了些甜甜圈来，重要的是，它是否是你的职业之路的一部分。
从功劳分配的这个例子里，我们实际学到了什么？功劳是基于群体对个人成绩的观感，而不是成绩本身。所以成为成功团队的一员，是不足够的，我们同时还要为此获得功劳。现在我们知道一点点关于功劳的事了。我们现在谈论功劳在团队中是如何分配的。
法则十：当成绩无法被测量时，关系网络推动成功
让我们回到第二定律，让我们稍微讨论一下成绩驱动成功是什么意思。它的意义是，当个体有高效的表现时，在顶部就会有很多彼此无法区别的个体。所以问题是，当我们不能准确度量成绩时会发生什么？
如下图所示就是在说艺术，但这就是它的价值所在吗？物体本身一文不值，或者你需要付钱让别人来把它拿走吗。如果你在垃圾场里买它，或是仓库清仓售卖，或者说它是100美元。但是，如果你是一个艺术爱好者，你知道这是什么。从某个角度上说，这是实际上是一个艺术作品，这是马塞尔·杜尚的一个非常著名的作品《泉》。这是第一次艺术家们使用一个日常用品，并把它当作艺术来展示，它被称为现成品艺术。如果你去一个艺术品展厅，你可以看见好多这样的作品。
马塞尔·杜尚真的是一个艺术品中的游戏规则改变者，这个特别的作品说明了艺术界一件非常重要的事：在艺术表现中，成绩是极为难测量的，因为不可能tong g通过查看物体本身，然后决定它值多少钱，它的价值取决于当时的场景。所以在最后，认同度决定了艺术的价值。艺术的价值和成功是由那个认为这个或那个是艺术的那个群体决定的。艺术界在这之前发生了什么，在这之后发生了什么，是陈列馆里其他艺术家和策展人看到它并说，这是一个可以从艺术历史角度，来看它的过渡和转变的作品。
所以回过头来，你记得萨莫，对吧，是同样一个值得烦恼的问题。我们这堂课是从讨论这怎么可能开始的。如下图所示的这两位艺术家，艾尔·迪亚兹仍然默默无闻，至今还在纽约过着平凡的生活，而让·米歇尔·巴斯奎特因为食用药量过多死亡。但几年之后，他却变成了任何时代或是当代艺术领域的最卖座的艺术家。他们的职业生涯怎么会如此不同？在艺术作品无法辨识的时候，是什么让巴斯奎特的作品如此区别于艾尔·迪亚兹的作品？事实上 我们知道答案，这有本质上的区别，巴斯奎特和艾尔·迪亚兹的生活轨迹是不同的。艾尔·迪亚兹是一个不会告诉别人，他正在做什么的那一类人，只是全部关注都倾注在作品上了。而让·米歇尔·巴斯奎特，是一个天生的网络人。他是第一位告诉媒体，他的作品是什么的人，他授权给电视台允许公布这些作品都是谁创造的，然后他把作品都送人了。然后几个月之后，他开始和安迪·沃霍尔成为好朋友，他在纽约艺术界堪称泰斗级人物，他那时就是给他寄了一张明信片，然后和他成为了朋友。之后很快他和凯斯·哈林开始约会，在下图这张特别的照片里，他被介绍给了布鲁诺·毕修伯格，他是一位非常有权威的画廊主，最后被称为欧洲画廊主的人。而这位名叫拉里·高古轩的人，邀请他到他的住所来创作艺术作品，而高古轩现在是世界上最有声望的画廊老板。所以巴斯奎特和艾尔·迪亚兹之间的根本区别是，巴斯奎特非常有野心地有意识地关联了所有艺术界的名流，并且在一个非常非常短的时间内，在三个月之后，他脱离了艺术家的身份，开始高价售卖他的艺术作品。
当然这只是一个故事，成功的文学都充满了故事。但我们想要将这个过程量化，我们想要了解在艺术领域如何获得成功。如果我说有这些隐形的、有影响的网络存在，决定了艺术领域的成功，我可以找出它们吗？我可以测量它们吗？我可以预测艺术界的成功吗？我们得到了一个机会去实现它，感谢一位名叫马格纳斯·雷施的德国艺术历史学家，为我们分享了一个非常特别的数据集。马格努斯之前建立一个公司， 位于纽约。公司曾经把从1980年到2016年数据都整合在一起。它扫描了所有的国家，并且挑选每一个关于画廊和展览馆的信息，它扫描了140个国家，无论是中国、还是匈牙利或美国一旦有艺术家的作品的展出就会出现在我们数据库中。我们通过这个数据库，得到了来自全球的统计信息，大概有50万的艺术家，50万的艺术家，在140个国家展览，大概有25万左右的展，在7000个博物馆里展示，同时我们还有拍卖数据。所以它真的很丰富，这个允许我们做到之前并不能很容易办到的事情。它把艺术家的职业生涯的零散信息汇集到了一起，那意味着什么呢？
让我给你们看个例子，如下图所示是是马克·格罗蒂扬，他现在在美国艺术界，是个大明星了。你可以看到他的职业生涯，这个是在美国的情况。每次当这里有红色线的时候，就对应的信息是他在某地有一场展出。红线越高，展示的博物馆越有名望。每次这有一个蓝色点，或是蓝色线的时候，它对应的是一场展览。线越高，展览的声望就越高。这个绿色的点对应的是，他的作品卖多少钱。就像你看到的他有记录的作品，在过去的三年里卖了500万美元。然后他开始走下坡，但还是很不错，现在他的作品还可以卖到数百万。
现在我们能够重新计算，那50多万的艺术家了，无论他们来自中国，或是来自东欧。但这并不是我们真正关心的话题，我们关心的是网络是如何创建这么高的估值的？什么让马克·格罗蒂扬获得成功的？结果表明在他的职业生涯里，有一些信息是有关系的。因为当我们说，马克·格罗蒂扬在进行展览的时候是在布鲁姆和坡画廊，然后我们说，他要去的下一个画廊是哪，是在伦敦当代艺术博物馆。这意味着，在布鲁姆和坡画廊和伦敦当代艺术博物馆之间出现了一个网络连接，因为它暗示着，伦敦当代艺术博物馆喜欢接受之前在布鲁姆和坡画廊作过展的艺术家。然后到纽约现代艺术博物馆这里，这又出现了另一个关联，因为它告诉我，纽约现代艺术博物馆愿意接受之前在布鲁姆和坡画廊和伦敦当代艺术博物馆展览过的人。再到高古轩画廊，你们知道之前我们提到过的拉里·高古轩，他是一位艺术家，他告诉我们，他愿意挑选在这几个画廊里做过展的艺术家。
现在这些信息都源于马克·格罗蒂扬这个例子，如果我们把所有艺术家放在这将会发生什么？搞清楚每一位艺术家，他在哪做了一场展？下一场要去哪？通过这些数据，我们能够把画廊和艺术机构之间的相互联系的网络放在一起，那就是网络。我们所有的网络图在这张图里，每个节点对应一个画廊或博物馆，画廊或博物馆它们之间也是相互联系，如果一位艺术家之前在哪里作展了，下次他也会去另一个地方。当然，这是具有40年价值的数据的结果。
为什么网络对于艺术这么的重要？因为它告诉我们谁值得信任，为了明天在纽约现代艺术博物馆做展览，这对于你想在那里展示一个水瓶这个惊人的想法还是不够的，你做什么几乎不重要。因为首先艺术策展人将会问你，在我把你放到纽约现代艺术博物馆之前，你都在哪里做过展览，有哪些机构对你已经非常有兴趣了。策展人将会展示他或她所策划过的展览，为了从帮你策展这这件事挣到钱。所以本质上， 如下图所示的网络呈现了艺术家想要去哪，从一个机构到另一机构的值得信任的网络。
如下图所示是我艺术作品之一，我们尝试用三维呈现。这是一个非常复杂的网络，里面有一些枢纽中心，把整个网络串联起来。你们现在可能会问的一件事情是，我们能决定每个画廊的知名度吗？我们确实能用网络来测量。你们中一些人可能听说过，谷歌用网页排名算法来决定这些页面有多重要。我们用类似的网页排名算法来测量这个网络，能够有效地分配给每个博物馆／画廊一个测量值。告诉我们它们在网络中有多重要的意义。这个测量值我们可以有效对应到每一个画廊上。所以我们有一个精准的方式使用网络来计算那些机构的价值和名望。
现在我们想问，如果你是一个从高排名机构为职业生涯起点的艺术家将会发生什么？像如下图所示这样，从机构的声望排名前20%的开始，你会怎样？结果表明，如果你从如下图所示这里开始你会停留在那里。对你而言，脱离精英俱乐部是非常困难的。事实上，这儿看上去是在下滑的，实际上这真不是一个问题，因为这只意味着，一些低端一点的画廊持有高级的作品，并且进行展出，这并不影响他们的声誉。如果我有足够的钱，我可以从任何人那里买来作品，原则上如果我那样做了，我可以自己建一个画廊并且展示作品。它看上去像是低端画廊做的事情。最下面的线代表，如果我们找到了那些典型的从高起点开始的艺术家，对于他们来说掉队是很难的。尽管如此，如果你从底下开始，你将会花很长很长时间走到上面来，这非常非常难。但从底端开始的艺术家们，这些人总是在下游，他们中有些人会走到上面，大多数人是会走到中间，是有这样能力做到的。如果你从高处开始你也会停留在高处，在顶端非常难有下滑或是波动，但是你从下面开始，将会花很长很长时间。有多长？我们想要测量一下。
所以如果你在前20%排名的精英俱乐部开始，那么57%的人还会留在他们职业生涯中的精英类别里，只有千分之三的人会掉到下面层次。为什么会这样？因为一旦一个画廊或是博物馆以高价卖了你的作品，那个画廊就会维护你作品的价格，否则就是欺骗投资人或是收藏家。所以画廊永远不会降低你的价格，他们不计一切地维护你的价值，如果你因为展览了瓶子而变得有名。如果明天你决定展览苹果手机，那将会是你职业生涯的又一个台阶，没人会说"那个国王是裸体的"。所以这里有既得利益来帮你捧场。我们看到的是，如果你从底下开始，你确实会有一些机会来到中游，但是机会非常非常小，只有少于10%的机会可以走到上游，所以向上走是非常非常慢的，尤其是在艺术领域里。这就是我想要展示的那些在上游的人会留在上游，那些在卡在中游的人会缓慢向上。如果他们一直有生意，会一直有一个缓慢向上地移动，但是现在过程很慢。如果是那样的话，网络关于成功的预测将会精准到什么程度？
我用一个艺术家做例子。他从某个博物馆或画廊开始，然后预测他下一步会去哪？答案是是的， 我们能，而且这将以数学的形式进行展示。但假如你是在某个特定的画廊里的一个艺术家，从这个画廊，人们去到声望为0.9 的高声望画廊，他们同时也去了声望为0.1的低声望画廊。问题是之后会去哪里呢？当我们观察这些数据时，事实证明这很大程度上，取决于你的过去，而不是你的当下，是看你之前的展览，如果你之前的十二件展览的地点的声望平均分只有0.1，那就是很低了，1是最高，0是最低。如果你之前展品的声望值，只有0.1，那么你的展品就多十六倍的可能性，去到一个差一点的画廊，而不是好一点的，抱歉这很现实。如果你的分低，那么无论你有多厉害，你只能去差一点的，那些高级的画廊，你去不了。
如果你一直在同一个画廊，那声望就无关紧要。但如果你分走高了，平均达到了0.9，那么你就会多十六倍的可能性去到一个高级画廊展览，而不是低端的。所以你看，你的过去决定了你的未来，这就是我们说的过去的印记，这使得我们可以搭建一个记忆模型。它非常有效地根据你过往的声望，预测你的未来。这些是那些起点很高、起点一般和起点很低的人的平均数据，这是模型的预测。可以看到，模型很精确追踪到了那些变化趋势，但这是平均情况。问题是，这适用于每个艺术家吗？我们是否可以预测到每个艺术家的轨迹呢？
我要展示几个例子。如下图所示，有四位艺术家，针对每位艺术家，我也展示了他们通常展出的艺术类型。你可以看到，艺术家a的起步是中等的艺术机构，而我们的模型这条线预测他将很快跻身精英阶层，这是真实的数据可以很清晰看到轨迹和预测。这是艺术家b提姆·瓦格起点很低，我们的模型预测他之后会有长达十二年的非常缓慢微小的攀升，也预测了他会被困在底层，他主要是画一些很有爱的画，但他无法从这条路脱离出来了。艺术家c的起点很高，我们预测他会保持这一趋势，事实也确实如此。艺术家d谢尔盖·舒朵夫，他的起点很低，但我们的模型预测他会走高，事实也是如此，数据显示，他确实发展到很好了。所以这实际上表明，我们能够非常准确地预测这些人有资格开展览的画廊的等级。
我想强调的是，我们无法预测他们具体可以去哪个画廊开展览，我们预测的是画廊的声望水平。因为画廊在艺术界，看起来都没太大区别；在艺术界，真正的区别在于声望如何，最关键的是是否能借这次展览进一步发展，这就是我们的第十条定律：当成绩无法被测量的时候，关系网络推动推动成功。艺术家的案例，最佳之处在于没有独立客观的衡量标准。我们发现在这个案例里，成功在于人们如何看待你之前的表现。但观察我们大多数人的职业生涯，很有趣的一点是，我们不是田径运动员，所以不存在精确的表现衡量标准，但我们也不是艺术家，也就是说我们的表现不是完全无法被衡量的。无论商界还是学术界，或是任何行业，我们都处于中间，我们的某些成绩可以被衡量，可以轻松分辨出水平的优劣，但我们也有很强的关系网络效应。
比如我自己的职业生涯，我是个科学家，你会认为我的科学成就完全取决于发表的优秀论文，在一定程度上没错。但是科学界也存在强大的网络效应，也就是关于究竟什么值得研究，就是什么课题有意义。如果你在这方面有所成就，那就会被视为突破。我个人就经历过这样的事情。当我刚开始研究网络，那是1994-1995年的时候，我在IBM做学术研究，我写了和网络相关的头两篇论文，但却发表不出去。而我无法发表的原因就是，而且还是我最重要的一篇和随机网络相关的，讲随机网络和真实网络之间的区别的文章，原因并不是说我的论文有错误、有误导性，而是当时的学界，在1995年的时候，研究网络不被认为是一个有价值的课题，不算是一个好课题，科学家不该研究这个，学界没有说内容有差错，他们只是说谁在乎这个，这不是我们要探索的东西，所以这就是网络效应在科学中发挥作用的体现。
那么，什么是重要的呢？学界一旦认为网络是个重要的课题，那么就需要一定的客观性来验证我的理论是否有过人之处。因为一旦我们认可网络是个重要的课题，那么学界就可以决定我的论文是否发表。假设我写了一个关于连接度分布的公式，你也写了个关于连接度的公式，究竟哪个更适用于数据呢？所以要做测试，来决定哪一个更厉害。所以在科学领域，我们认为成果和发现是重要的，但事实上网络效应和学术成绩是相辅相成的。在公司里或者创建公司上，道理也是一样的。你或许有好点子，但却筹不到资本来付诸实际，因为公众还没准备好，也不愿意投身新浪潮。全世界范围内，有关科学文献和创新文化一直有争论，什么时候创新才会发生？什么时候会有大的发现？它是否在发生？难道是天才随口一说，让网络诞生吧，还是说需要时机，什么时候才是时机成熟的时候？
所以思想的发现和变化并非真正由天才驱动，而是由于我们有了工具，来不断提出问题。因此，这也是网络效应发挥作用的地方。商界和学界是否准备好面对你的成果，是否能理解并把它融入他们所熟悉的进程之中呢。我年少的时候就经常想，科学成果最重要，结果我得到了教训。我体会到，不仅要关注成果，同时也要看你的成果是否能被大众接受，也就是科学界是否接受。我觉得在商界，在和人打交道的行业更是如此，网络效应非常重要。某种程度上，艺术是最极端的例子。因为，你无法衡量他们的成绩，一切都在于人们的主观认知，但我们都无法摆脱关系网络。
三、小结
我们的课程逐渐到了尾声，可能最重要的就是成功的定义，以及成绩与成功的差异。成绩关乎你自己，你做的事、你给出的成果；但成功关乎群体，也就是群体如何看待、是否认可承认、并嘉奖你的成就。正因为这样的差异，因此，成绩是有局限的，但成功无上限。因为群体能力是无限的，并且愿意给你回报。你不需要花十倍的努力，来得到十倍的回报。百分之一的差异，可能导致很大的成败差异。许多情况下，表现甚至没有什么明显的不同，很多时候，顶尖的表现之间差异很小、很难区分，这种情况下就会有其他因素起作用。所以成绩在于你个人，是否成功却在于他人。成绩驱动成功，但仅仅是在表现可衡量的情况下。我们大多数人的生活和工作中，成绩都是难以衡量的，这样的话，其实是隐形的网络决定了成功。每一种行业都有独特的网络，没有万能的关系网络。在艺术界有独特的网络，无论身居哪一行，你都要思考对你的成功起决定作用的关系网络在哪里，你必须经营这样的网络。