Nicholas Christakis: How social networks predict epidemics

المترجم: MUSTAFA BU KHAMSEEN المدقّق: Khalid Elshafie

For the last 10 years, I've been spending my time trying to figure out

على مدى السنوات العشر الماضية، لقد كنت امضي وقتي في محاولة معرفة

how and why human beings

كيف و لماذا بدأ البشر

assemble themselves into social networks.

بتجميع أنفسهم على شكل شبكات إجتماعية

And the kind of social network I'm talking about

و نوع الشبكة الإجتماعية التي أتحدث عنها

is not the recent online variety,

ليست شبكات الأنترنت المتنوعة

but rather, the kind of social networks

لكن بدلاً من ذلك تلك الشبكات الإجتماعية

that human beings have been assembling for hundreds of thousands of years,

التي بدأ البشر في تجميعها على مدى مئات الاف السنين

ever since we emerged from the African savannah.

منذ أن خرجنا من السافانا الأفريقية.

So, I form friendships and co-worker

لذلك فقد شكلت صداقات و زمالة

and sibling and relative relationships with other people

و أخوة و علاقات قرابة مع أشخاص آخرين

who in turn have similar relationships with other people.

هم بالتالي لديهم علاقات مشابهة مع أشخاص آخرين

And this spreads on out endlessly into a distance.

و هذا ينتشر بشكل لا متناهي إلى مدى

And you get a network that looks like this.

و تحصل على شبكة تشبه هذه

Every dot is a person.

كل نقطة هي شخص

Every line between them is a relationship between two people --

كل خط بينهم هو علاقة بين شخصين

different kinds of relationships.

أنواع مختلفة من العلاقات.

And you can get this kind of vast fabric of humanity,

و تحصل هذا النسيج الواسع من البشرية

in which we're all embedded.

الذي نحن جميعاً جزأ لا يتجزأ منه.

And my colleague, James Fowler and I have been studying for quite sometime

زميلي "جيمس فاولر" و أنا كنا ندرس لوقت لابأس به

what are the mathematical, social,

ما هي القوانين الرياضية و الإجتماعية

biological and psychological rules

و البيلوجية و النفسية

that govern how these networks are assembled

التي تحكم كيفية تجمع هذه الشبكات

and what are the similar rules

و ما هي القوانين المشابهة

that govern how they operate, how they affect our lives.

التي تحكم كيفية عملها، و كيف تؤثر في حياتنا.

But recently, we've been wondering

كنا نتسائل مؤخراً

whether it might be possible to take advantage of this insight,

إن كان بالإمكان الإستفادة من هذا الفهم العميق

to actually find ways to improve the world,

و إيجاد طرق لتحسين العالم

to do something better,

لعمل أشياء أفضل

to actually fix things, not just understand things.

و إصلاح الأشياء، و ليس فقط لفهمها.

So one of the first things we thought we would tackle

لذلك واحدة من أوائل الأشياء التي فكرنا في علاجها

would be how we go about predicting epidemics.

ستكون كيف لنا أن نتوقع الأوبئة

And the current state of the art in predicting an epidemic --

الطريقة الحالية في توقع الأوبئة هي

if you're the CDC or some other national body --

إن كنت في مركز السيطرة على الأمراض أو جهات وطنية أخرى

is to sit in the middle where you are

هي أن تجلس في المنتصف حيث أنت

and collect data

و تجمع معلومات

from physicians and laboratories in the field

من الأطباء و المختبرات في المجال

that report the prevalence or the incidence of certain conditions.

الذي أبلغ عنه أن هنالك إنتشار أو حدوث حالات معينة

So, so and so patients have been diagnosed with something,

وهكذا ، وهكذا حتى يتم تشخيص المرضى الذين يعانون من شيء ،

or other patients have been diagnosed,

أو مرضى آخرين يتم تشخيصهم

and all these data are fed into a central repository, with some delay.

و كل هذه المعلومات يتم تزويدها للمستودع المركزي مع بعض التأخير

And if everything goes smoothly,

و على فرض أن جميع الأمور سارت بشكل سلس

one to two weeks from now

من أسبوع إلى أسبوعين من الآن

you'll know where the epidemic was today.

ستعلم أين كان الوباء اليوم.

And actually, about a year or so ago,

في الواقع، قبل سنة أو نحو ذلك

there was this promulgation

كان هناك هذا النوع من نشر

of the idea of Google Flu Trends, with respect to the flu,

في نفس المفهوم في "Google Flu Trends" (إتجاهات الإنفلونزا فى جوجل) فيما يتعلق بالإنفلونزا

where by looking at people's searching behavior today,

حيث، بمراقبة سلوك البحث لدى الناس اليوم

we could know where the flu --

يمكننا أن نعرف أين الإنفلونزا

what the status of the epidemic was today,

ماذا كانت حالة الوباء اليوم

what's the prevalence of the epidemic today.

ما مدى إنتشار الوباء اليوم

But what I'd like to show you today

لكن ما أود أن أريكم إياه اليوم

is a means by which we might get

هي الوسيلة التي تمكننا

not just rapid warning about an epidemic,

ليس فقط من التحذير السريع حول الوباء

but also actually

لكن في الواقع

early detection of an epidemic.

الكشف المبكر حول الوباء

And, in fact, this idea can be used

و في الواقع، هذه الفكرة يمكن إستخدامها

not just to predict epidemics of germs,

ليس فقط في توقع الأوبئة المتعلقة بالجراثيم

but also to predict epidemics of all sorts of kinds.

لكن أيضاَ في توقع الأوبئة من جميع الأنواع

For example, anything that spreads by a form of social contagion

على سبيل المثال، أي شيء ينتشر بسرعة على شكل عدوى إجتماعية

could be understood in this way,

يمكن فهمه على هذا النحو

from abstract ideas on the left

من الأفكار المجردة على اليسار

like patriotism, or altruism, or religion

مثل الوطنية، أو الإيثار، أو الدين

to practices

إلى الممارسات

like dieting behavior, or book purchasing,

مثل سلوك أتباع نظام غذائي، أو شراء كتاب

or drinking, or bicycle-helmet [and] other safety practices,

أو الشرب، أو خوذة الدراجة ، و ممارسات السلامة الأخرى

or products that people might buy,

أو المنتجات التي قد يشتريها الناس

purchases of electronic goods,

شراء السلع الإلكترونية

anything in which there's kind of an interpersonal spread.

أي شيء له علاقة بالإنتشار الشخصي

A kind of a diffusion of innovation

نوع من نشر الإبتكار

could be understood and predicted

يمكن أن يفهم و يتوقع

by the mechanism I'm going to show you now.

بواسطة الألية التي سوف أريكم إياها الآن

So, as all of you probably know,

لذلك، كما تعلمون جميعاً على الأرجح

the classic way of thinking about this

الطريقة التقليدية في التفكير حول هذه

is the diffusion-of-innovation,

هو نشر الإبداع

or the adoption curve.

أو " منحنى التبني"

So here on the Y-axis, we have the percent of the people affected,

فهنا على محور الـ(ص)، لدينا نسبة الأشخاص المصابين

and on the X-axis, we have time.

و على محور الـ(س) لدينا الوقت

And at the very beginning, not too many people are affected,

و في البداية ليس هنالك أشخاص كثيرون مصابون

and you get this classic sigmoidal,

و تحصل على هذا الشكل السيني التقليدي

or S-shaped, curve.

أو منحنى على شكل "S"

And the reason for this shape is that at the very beginning,

و السبب في هذا الشكل هو أنه في البداية

let's say one or two people

دعنا نقول أن شخص أو شخصين

are infected, or affected by the thing

هم متأثرون ، أو مصابون بالشيء

and then they affect, or infect, two people,

و من ثم أثروا أو أصابوا شخصين

who in turn affect four, eight, 16 and so forth,

الذين بدورهما يؤثران على أربعة ، ثمانية ، ستة عشر و هكذا دواليك

and you get the epidemic growth phase of the curve.

و بذلك تحصل على مرحلة نمو الوباء للمنحنى

And eventually, you saturate the population.

و في نهاية المطاف ، يتشبع السكان

There are fewer and fewer people

و يكون هنالك أشخاص أقل و أقل

who are still available that you might infect,

لازالوا متاحين لإحتمال إصابتهم بالعدوى

and then you get the plateau of the curve,

ثم تحصل على إستقرار للمنحنى

and you get this classic sigmoidal curve.

ثم بعد ذلك تحصل على الشكل السيني التقليدي

And this holds for germs, ideas,

و هذا ينطوي على الجراثيم، و الأفكار

product adoption, behaviors,

و تبني المنتجات ، و السلوك

and the like.

و الأمور المشابهة

But things don't just diffuse in human populations at random.

لكن الأشياء لا تنتشر في التجمعات البشرية بشكل عشوائي

They actually diffuse through networks.

في واقع الحال تنتشر من خلال شبكات

Because, as I said, we live our lives in networks,

لأنه كما قلت إننا نعيش حياتنا في شبكات

and these networks have a particular kind of a structure.

و هذه الشبكات لديها نوع خاص من البنية

Now if you look at a network like this --

الآن، إذا نظرت إلى شبكة كهذه

this is 105 people.

هذه شبكة ١٠٥ أشخاص

And the lines represent -- the dots are the people,

النقاط هم الأشخاص

and the lines represent friendship relationships.

و الخطوط تمثل علاقات الصداقة

You might see that people occupy

يمكن لك أن ترى أشخاص يحتلون

different locations within the network.

مواقع مختلفة داخل الشبكة

And there are different kinds of relationships between the people.

و هنالك أنواع مختلفة من العلاقات بين الأشخاص

You could have friendship relationships, sibling relationships,

يمكن لك أن تحظى بعلاقة صداقة ، علاقة إخوة

spousal relationships, co-worker relationships,

علاقة زوجية ، علاقة زمالة

neighbor relationships and the like.

علاقة جيرة و هكذا

And different sorts of things

و أنواع مختلفة من الأشياء

spread across different sorts of ties.

تنتشر عبر روابط مختلفة

For instance, sexually transmitted diseases

على سبيل المثال ، الأمراض المنقولة جنسيا

will spread across sexual ties.

ستنتشر عبر الروابط الجنسية

Or, for instance, people's smoking behavior

أو مثلاً، سلوك التدخين لدى الأشخاص

might be influenced by their friends.

ممكن أن يكون بتأثير أصدقائهم

Or their altruistic or their charitable giving behavior

أو إيثارهم ، أو سلوك العطاء الخيري

might be influenced by their coworkers,

ممكن أن يكون بتأثير زملائهم

or by their neighbors.

أو بواسطة جيرانهم

But not all positions in the network are the same.

لكن ليس كل المواقع داخل الشبكة متشابهة

So if you look at this, you might immediately grasp

لذلك إذا شاهدت هذا، يمكن لك أن تدرك فوراً

that different people have different numbers of connections.

أن أشخاص مختلفين لهم عدد مختلف من الروابط

Some people have one connection, some have two,

بعض الأشخاص لديهم رابط واحد ، و آخرين لديهم إثنين

some have six, some have 10 connections.

البعض لديه ستة، و آخرون لديهم عشرة روابط

And this is called the "degree" of a node,

و هذا يدعى درجة العقدة

or the number of connections that a node has.

أو عدد الروابط التي لدى العقدة

But in addition, there's something else.

لكن بالأضافة هنالك شيء آخر

So, if you look at nodes A and B,

لذلك إذا شاهدت العقدة "A" و "B"

they both have six connections.

كلاهما لديه ستة روابط

But if you can see this image [of the network] from a bird's eye view,

لكن إذا أمكنك رؤية هذه الصورة من منظور عين الطير

you can appreciate that there's something very different

يمكنك أن تدرك أن هنالك شيء مختلف جداً

about nodes A and B.

بين العقدتين "A" و "B"

So, let me ask you this -- I can cultivate this intuition by asking a question --

لذلك دعني أسألك هذا ـ يمكن أن أزرع هذا الحدس بسؤال

who would you rather be

آيهما تفضل أن تكون

if a deadly germ was spreading through the network, A or B?

إذا كان هنالك جراثيم قاتلة تنتشر خلال الشبكة. "A" أو "B" ؟

(Audience: B.) Nicholas Christakis: B, it's obvious.

(الجمهور:B) نيكولاس كريستاكيس: بشكل واضح "B"

B is located on the edge of the network.

"B" تقع على حافة الشبكة

Now, who would you rather be

الآن من تفضل أن تكون

if a juicy piece of gossip were spreading through the network?

إذا كانت هنالك إشاعة مهمة تنتشر خلال الشبكة ؟

A. And you have an immediate appreciation

"A" و سيكون لديك تقدير فوري

that A is going to be more likely

"A" ستكون أكثر عرضة

to get the thing that's spreading and to get it sooner

لإلتقاط الأشياء التي تنتشر و ستكون أسرع

by virtue of their structural location within the network.

بحكم موقعها الهيكلي داخل الشبكة

A, in fact, is more central,

"A" في الواقع أكثر مركزية

and this can be formalized mathematically.

ويمكن إضفاء الطابع الرسمي هذا رياضيا

So, if we want to track something

لذلك إذا كنا نريد تعقب شيء

that was spreading through a network,

كان ينتشر خلال الشبكة

what we ideally would like to do is to set up sensors

ما يمكن أن نفعله بشكل مثالي هو أن نضع أجهزة إستشعار

on the central individuals within the network,

في الأفراد المركزيين داخل الشبكة

including node A,

من ضمنهم العقدة "A"

monitor those people that are right there in the middle of the network,

مراقبة هؤلاء الأشخاص الذي هم في منتصف الشبكة

and somehow get an early detection

و بطريقة ما نحصل على كشف مبكر

of whatever it is that is spreading through the network.

لما هو الشيء الذي ينتشر خلال الشبكة

So if you saw them contract a germ or a piece of information,

لذلك إذا رأيتهم يلتقطون جراثيم أو جزء من المعلومات

you would know that, soon enough,

ستعلم ذلك، و بشكل سريع كفاية

everybody was about to contract this germ

سيكون الجميع على وشك إلتقاط هذه الجراثيم

or this piece of information.

أو هذا الجزء من المعلومات

And this would be much better

و هذا سيكون أفضل من

than monitoring six randomly chosen people,

مراقبة ستة أشخاص مختارين عشوائياً

without reference to the structure of the population.

دون الإشارة إلى هيكلية السكان

And in fact, if you could do that,

و في الواقع، إذا كنت تستطيع عمل ذلك

what you would see is something like this.

ما ستراه هو شيء كهذا

On the left-hand panel, again, we have the S-shaped curve of adoption.

في اللوحة على اليد اليسرى، مرة أخرى ، لدينا منحنى على شكل "S" للتبني

In the dotted red line, we show

في الخط الأحمر المتقطع ، نعرض

what the adoption would be in the random people,

ما سيكون عليه التبني في الأشخاص العشوائيين

and in the left-hand line, shifted to the left,

و على اليد اليسرى الخط يتحول إلى اليسار

we show what the adoption would be

نعرض ما سيكون عليه التبني

in the central individuals within the network.

لدى الأشخاص المركزين داخل الشبكة

On the Y-axis is the cumulative instances of contagion,

على محور الـ(ص) هو الحالات التراكمية للعدوى

and on the X-axis is the time.

و على المحور الـ(س) هو الوقت

And on the right-hand side, we show the same data,

و على الجزء الأيمن، نعرض بعض البيانات

but here with daily incidence.

لكن هنا مع الوقائع اليومية

And what we show here is -- like, here --

و ما نعرضه هنا هو

very few people are affected, more and more and more and up to here,

قليل من الأشخاص متأثرين، المزيد و المزيد و المزيد إلى هنا

and here's the peak of the epidemic.

و هنا قمة الوباء

But shifted to the left is what's occurring in the central individuals.

لكن ما هو محول إلى اليسار هو ما يحدث لدى الأشخاص المركزيين

And this difference in time between the two

و هذا هو الفرق في الوقت بين الإثنين

is the early detection, the early warning we can get,

الكشف المبكر ، الإنذار المبكر  هو ما يمكننا الحصول عليه

about an impending epidemic

حول الوباء الوشيك

in the human population.

في السكان

The problem, however,

المشكلة

is that mapping human social networks

هي رسم خرائط لشبكات البشر الإجتماعية

is not always possible.

ليست دائماً ممكنة

It can be expensive, not feasible,

قد تكون غالية الثمن، ليست مجدية

unethical,

غير أخلاقية

or, frankly, just not possible to do such a thing.

أو بصراحة، من المستحيل القيام بشيء كهذا

So, how can we figure out

لذلك كيف لنا معرفة

who the central people are in a network

من هم الأشخاص المركزيون داخل الشبكة

without actually mapping the network?

دون الحاجة إلى رسم خريطة للشبكة ؟

What we came up with

ما أتينا به

was an idea to exploit an old fact,

كان فكرة إستخدام حقيقة قديمة جداً

or a known fact, about social networks,

أو حقيقة معروفة حول الشبكات الإجتماعية

which goes like this:

التي تقول

Do you know that your friends

هل تعلم بأن صديقك

have more friends than you do?

لديه أصدقاء أكثر مما لديك ؟

Your friends have more friends than you do,

صديقك لديه أصدقاء أكثر مما لديك

and this is known as the friendship paradox.

و هذا معروف بمفارقة الصداقة

Imagine a very popular person in the social network --

تخيل شخص ذو شعبية كبيرة في الشبكة الإجتماعية

like a party host who has hundreds of friends --

كمظيف حفلات لديه المئات من الأصدقاء

and a misanthrope who has just one friend,

و شخص مصاب ببغض البشرية لديه صديق واحد

and you pick someone at random from the population;

و أنت أخترت شخص عشوائيا من السكان

they were much more likely to know the party host.

هم سيكونون أكثر ميلاً لمعرفة مظيف الحفلات

And if they nominate the party host as their friend,

و إذا رشحوا مظيف الحفلات كصديق لهم

that party host has a hundred friends,

و بما أن مظيف الحفلات لديه المئات من الأصدقاء

therefore, has more friends than they do.

لذلك فهو لديه أصدقاء أكثر مما لديهم

And this, in essence, is what's known as the friendship paradox.

خلاصة الموضوع ، أن هذا ما يسمى بمفارقة الصداقة

The friends of randomly chosen people

الأصدقاء للأشخاص المختارين عشوائياً

have higher degree, and are more central

لديهم درجة عالية و أكثر مركزية

than the random people themselves.

من الأشخاص المختارين عشوائياً أنفسهم

And you can get an intuitive appreciation for this

و يمكنك الحصول على تقدير حدسي لهذا

if you imagine just the people at the perimeter of the network.

إذا تخيلت فقط الأشخاص في محيط الشبكة

If you pick this person,

إذا أخترت هذا الشخص

the only friend they have to nominate is this person,

الصديق الوحيد الذي يمكن ترشيحه هو هذا الشخص

who, by construction, must have at least two

الذي بالبنية لابد له أن يكون لديه على الأقل إثنين

and typically more friends.

و المزيد من الأصدقاء عادةً

And that happens at every peripheral node.

و هذا يحدث في كل عقدة طرفية

And in fact, it happens throughout the network as you move in,

و في الواقع، هذا يحدث في جميع أنحاء الشبكة كلما أتجهت للداخل

everyone you pick, when they nominate a random --

كل شخص تختاره، عندما يرشح عشوائيا

when a random person nominates a friend of theirs,

عندما شخص عشوائي يرشح صديق لهم

you move closer to the center of the network.

فأنك تتحرك أقرب إلى مركز الشبكة

So, we thought we would exploit this idea

لذلك فكرنا أنه يمكن إستغلال هذه الفكرة

in order to study whether we could predict phenomena within networks.

من أجل دراسة إمكانية توقع ظواهر داخل الشبكة

Because now, with this idea

لأنه الآن ، مع هذه الفكرة

we can take a random sample of people,

يمكننا أخذ عينة عشوائية من الناس

have them nominate their friends,

و جعلهم يرشحون أصدقائهم

those friends would be more central,

هؤلاء الأصدقاء سيكونون أكثر مركزية

and we could do this without having to map the network.

و سيكون بمقدورنا فعل هذا دون الحاجة إلى خريطة للشبكة

And we tested this idea with an outbreak of H1N1 flu

و قد إختبرنا هذه الفكرة مع تفشي إنفلونز ( H1N1)

at Harvard College

في كلية هارفرد

in the fall and winter of 2009, just a few months ago.

في فصلي الخريف و الشتاء من عام ٢٠٠٩، فقط قبل بضعة أشهر

We took 1,300 randomly selected undergraduates,

أخذنا ١٣٠٠ طالب جامعي تم إختيارهم عشوائياً

we had them nominate their friends,

و جعلناهم يرشوحون أصدقائهم

and we followed both the random students and their friends

و تابعنا كلا الطلاب العشوائيين و أصدقائهم

daily in time

بشكل يومي

to see whether or not they had the flu epidemic.

لمعرفة ما إذا أصيبوا أو لم يصابوا بوباء الإنفلونزا

And we did this passively by looking at whether or not they'd gone to university health services.

و فعلنا هذا بسلبية بمراقبة ما إذا ذهبوا أو لم يذهبوا إلى الخدمات الصحية بالجامعة

And also, we had them [actively] email us a couple of times a week.

و جعلناهم أيضاً يرسلون لنا بريد إلكتروني مرتين في الأسبوع

Exactly what we predicted happened.

و قد حدث ما توقعناه تماماً

So the random group is in the red line.

لذا المجموعة العشوائية هي الخط الأحمر

The epidemic in the friends group has shifted to the left, over here.

الوباء في المجموعة تحرك إلى اليسار، إلى هنا

And the difference in the two is 16 days.

و الفرق في الإثنين هو ١٦ يوم

By monitoring the friends group,

من خلال مراقبة مجموعة الأصدقاء

we could get 16 days advance warning

يمكننا الحصول على إنذار مبكر بـ ١٦ يوم

of an impending epidemic in this human population.

لتفشي وباء في هذه المجموعة من السكان

Now, in addition to that,

الآن، بالإضافة إلى ذلك

if you were an analyst who was trying to study an epidemic

إذا كنت محلل تحاول دراسة وباء

or to predict the adoption of a product, for example,

أو توقع تبني سلعة ، على سبيل المثال

what you could do is you could pick a random sample of the population,

ما يمكنك فعله هو إختيار عينة عشوائية من السكان

also have them nominate their friends and follow the friends

و جعلهم يرشحون أصدقائهم و أتبع الأصدقاء

and follow both the randoms and the friends.

و أتبع كلا العشوائيين و الأصدقاء

Among the friends, the first evidence you saw of a blip above zero

بين الأصدقاء، الدليل الأول الذي تشاهده لومضة فوق الصفر

in adoption of the innovation, for example,

في تبني الإبتكار ، على سبيل المثال

would be evidence of an impending epidemic.

سيكون دليل على تفشي وباء

Or you could see the first time the two curves diverged,

أو يمكن أن ترى عندما يتباين المنحنين للمرة الأولى

as shown on the left.

كما هو معروض على اليسار

When did the randoms -- when did the friends take off

عندما كان العشوائيين...... عندما يقلع الأصدقاء

and leave the randoms,

و يتركون العشوائيين

and [when did] their curve start shifting?

و منحناهم يبدأ في التحرك

And that, as indicated by the white line,

و ذلك كما يشير الخط الأبيض

occurred 46 days

حدث ٤٦ يوم

before the peak of the epidemic.

قبل قمة الوباء

So this would be a technique

لذلك هذا قد يكون أسلوب

whereby we could get more than a month-and-a-half warning

حيث يمكن أن نحصل على أكثر من شهر و نصف من التحذير

about a flu epidemic in a particular population.

حول وباء الإنفلونزا في سكان معينين

I should say that

يفترض لي أن أقول ذلك

how far advanced a notice one might get about something

لأي مدى مبكر يمكن لإشعار حول شيء ما

depends on a host of factors.

يعتمد على مجموعة من العوامل

It could depend on the nature of the pathogen --

يمكن أن يعتمد على طبيعة مسبب المرض

different pathogens,

مسببات الأمراض المختلفة

using this technique, you'd get different warning --

إستخدام هذا الأسلوب، يعطيك إنذارات مختلفة

or other phenomena that are spreading,

أو ظواهر أخرى تنتشر

or frankly, on the structure of the human network.

أو صراحة، على هيكلية الشبكة البشرية

Now in our case, although it wasn't necessary,

الآن، في حالتنا و على الرغم إنها لم تكن ضرورية

we could also actually map the network of the students.

كان بإمكاننا واقعا رسم خريطة لشبكة الطلاب

So, this is a map of 714 students

لذا ، هذه خريطة ٧١٤ طالباً

and their friendship ties.

و روابط صداقاتهم

And in a minute now, I'm going to put this map into motion.

خلال دقيقة، سوف أضع لكم هذه الخريطة موضع التنفيذ

We're going to take daily cuts through the network

سنقوم بأخذ قطع يومي للشبكة

for 120 days.

لمدة ١٢٠ يوم

The red dots are going to be cases of the flu,

النقط الحمراء تشير إلى حالات الإنفلونزا

and the yellow dots are going to be friends of the people with the flu.

و النقط الصفراء تشير إلى أصدقاء الأشخاص المصابين بالإنفلونزا

And the size of the dots is going to be proportional

و حجم النقاط يشير تناسبياً

to how many of their friends have the flu.

إلى عدد الأصدقاء المصابين بالإنفلونزا

So bigger dots mean more of your friends have the flu.

لذا، النقاط الكبيرة تشير إلى أن كثير من أصدقائك لديهم إنفلونزا

And if you look at this image -- here we are now in September the 13th --

إذا نظرت إلى هذه الصورة ، نحن هنا الآن في ١٣ سبتمبر

you're going to see a few cases light up.

سوف ترى القليل من حالات تضاء

You're going to see kind of blooming of the flu in the middle.

سوف ترى نوع من الإزهار في الإنفلونزا في الوسط

Here we are on October the 19th.

هنا نحن في ١٩ اوكتوبر

The slope of the epidemic curve is approaching now, in November.

المنحدر من منحنى الوباء يقترب الآن في نوفمبر

Bang, bang, bang, bang, bang -- you're going to see lots of blooming in the middle,

فرقعة ، فرقعة ، فرقعة ، فرقعة ، فرقعة سوف ترى الكثير من الإزهار في المنتصف

and then you're going to see a sort of leveling off,

ثم سوف ترى نوع من الثبات

fewer and fewer cases towards the end of December.

حالات أقل و أقل بإتجاه نهاية ديسمبر

And this type of a visualization

و هذا النوع من التصور

can show that epidemics like this take root

يمكن أن يظهر أوبئة مثل هذه تضرب بجذورها

and affect central individuals first,

و تؤثر على الأشخاص المركزيين أولاً

before they affect others.

قبل أن تؤثر على الآخرين

Now, as I've been suggesting,

الآن ، كما أقترحت

this method is not restricted to germs,

هذا المنهج ليس مقيداً بالجراثيم

but actually to anything that spreads in populations.

لكن في الواقع أي شيء يمكنه الإنتشار في السكان

Information spreads in populations,

المعلومة تنتشر في السكان

norms can spread in populations,

القواعد يمكن لها أن تنتشر في السكان

behaviors can spread in populations.

السلوك يمكن له أن ينتشر في السكان

And by behaviors, I can mean things like criminal behavior,

و بالسلوك، أعني أشياء كالسلوك الإجرامي

or voting behavior, or health care behavior,

أو السلوك الإنتخابي ، أو سلوك الرعاية الصحية

like smoking, or vaccination,

كالتدخين أو التلقيح

or product adoption, or other kinds of behaviors

أو تبني منتج ، أو أنواع أخرى من السلوكيات

that relate to interpersonal influence.

التي لها علاقة بالتأثير الشخصي

If I'm likely to do something that affects others around me,

إذا كنت ميالاً لفعل شيء يؤثر على الآخرين المحيطين بي

this technique can get early warning or early detection

هذا الأسلوب قد يكون تحذير مبكر ، أو كشف مبكر

about the adoption within the population.

حول التبني داخل السكان

The key thing is that for it to work,

و مفتاح هذا الشيء لكي يعمل

there has to be interpersonal influence.

لابد أن يكون هنالك تأثير شخصي

It cannot be because of some broadcast mechanism

لا يمكن لها أن تكون بسبب بعض آليات البث

affecting everyone uniformly.

تأثر بجميع الأشخاص بشكل موحد

Now the same insights

الآن نفس الرؤى

can also be exploited -- with respect to networks --

يمكن إستغلالها أيضاً فيما يتعلق بالشبكات

can also be exploited in other ways,

يمكن إستغلالها بطرق أخرى

for example, in the use of targeting

على سبيل المثال بإستهداف

specific people for interventions.

أشخاص معينين للتدخل

So, for example, most of you are probably familiar

على سبيل المثال، معظم الناس قد يكون على دراية

with the notion of herd immunity.

بمفهوم مناعة القطيع

So, if we have a population of a thousand people,

لذا ، إذا كان لدينا سكان من ألف شخص

and we want to make the population immune to a pathogen,

و نريد أن نجعل السكان لديهم مناعة من مسببات المرض

we don't have to immunize every single person.

ليس علينا تحصين كل شخص

If we immunize 960 of them,

إذا حصنا ٩٦٠ منهم

it's as if we had immunized a hundred [percent] of them.

كأنه إذا قمنا بتحصين مئة منهم

Because even if one or two of the non-immune people gets infected,

لأنه حتى لو واحد أو أثنين من ليست لديهم مناعة أصيب بالعدوى

there's no one for them to infect.

ليس هنالك أحد ليعديه

They are surrounded by immunized people.

إنهم محاطون بأشخاص لديهم مناعة

So 96 percent is as good as 100 percent.

لذا ٩٦٪ جيدة بقدر ١٠٠٪

Well, some other scientists have estimated

حسناً ، بعض العلماء يقدرون

what would happen if you took a 30 percent random sample

ما سيحدث لو أخذنا ٣٠٪ عينة عشوائية

of these 1000 people, 300 people and immunized them.

من ١٣٠٠ شخص و حصناهم

Would you get any population-level immunity?

هل ستحصل على أي مستوى سكاني من المناعة ؟

And the answer is no.

و الجواب هو لا

But if you took this 30 percent, these 300 people

لكن إذا أخذنا ٣٠٪ ، هؤلاء ٣٠٠ شخص

and had them nominate their friends

و جعلهم يرشحون أصدقائهم

and took the same number of vaccine doses

و أخذنا نفس العدد من اللقاحات

and vaccinated the friends of the 300 --

و لقحنا أصدقاء الـ٣٠٠

the 300 friends --

أصدقاء الـ٣٠٠

you can get the same level of herd immunity

تحصل على نفس المستوى من حصانة القطيع

as if you had vaccinated 96 percent of the population

كأنك قد لقحت ٩٦ ٪ من السكان

at a much greater efficiency, with a strict budget constraint.

بكفاءة أكبر من ذلك بكثير، مع قيود صارمة على الميزانية

And similar ideas can be used, for instance,

و أفكار مشابهة يمكن إستخدامها ، مثلاً

to target distribution of things like bed nets

لأستهداف أشياء مثل الناموسيات

in the developing world.

في العالم النامي

If we could understand the structure of networks in villages,

إذا أمكننا فهم هيكلة الشبكة في القرى

we could target to whom to give the interventions

يمكن لنا أن نستهدف لمن نعطي التدخلات

to foster these kinds of spreads.

لنعزز هذا النوع من الإنتشار

Or, frankly, for advertising with all kinds of products.

أو بصراحة ، للإعلان مع كافة أنواع السلع

If we could understand how to target,

إذا فهمنا كيف نستهدف

it could affect the efficiency

يمكن إن تؤثر على كفاءة

of what we're trying to achieve.

ما نحاول الوصول إليه

And in fact, we can use data

و في الواقع، يمكن لنا أن نستخدم بيانات

from all kinds of sources nowadays [to do this].

من جميع أنواع المصادر في الوقت الحاضر.

This is a map of eight million phone users

هذه خريطة لـ ٨ ملايين مستخدم هاتف

in a European country.

في بلد أوروبي

Every dot is a person, and every line represents

كل نقطة شخص ، و كل خط يمثل

a volume of calls between the people.

حجم المكالمات بين الأشخاص

And we can use such data, that's being passively obtained,

و يمكن لنا أن نستخدم البيانات التي تم الحصول عليها بشكل سلبي

to map these whole countries

لرسم خريطة كامل البلدان

and understand who is located where within the network.

و فهم من يقع داخل الشبكة

Without actually having to query them at all,

دون الحاجة للأستعلام منهم على الإطلاق

we can get this kind of a structural insight.

يمكن لنا الحصول على هذا النوع من الرؤية الهيكلية

And other sources of information, as you're no doubt aware

و مصادر أخرى للمعلومات ، أنت على دراية بها بلا شك

are available about such features, from email interactions,

متاحة كالمعلومات من تفاعلات البريد الإلكتروني

online interactions,

تفاعلات الإنترنت

online social networks and so forth.

الشبكات الاجتماعية على الانترنت وهكذا دواليك.

And in fact, we are in the era of what I would call

و في الواقع، نحن في حقبة يمكن أن أدعوها

"massive-passive" data collection efforts.

الجهود الضخمة السلبية لجمع البيانات

They're all kinds of ways we can use massively collected data

هنالك العديد من الطرق يمكن لنا إستخدامها بشكل ضخم لجمع البيانات

to create sensor networks

لخلق شبكات إستشعار

to follow the population,

لمتابعة السكان

understand what's happening in the population,

فهم ما يحصل داخل السكان

and intervene in the population for the better.

و التدخل في السكان للأفضل

Because these new technologies tell us

لأن هذه الوسائل تخبرنا

not just who is talking to whom,

ليس فقط من يحادث من

but where everyone is,

لكن أين الجميع

and what they're thinking based on what they're uploading on the Internet,

و ماذا يفكرون به بناء على ما يرفعونه على الإنترنت

and what they're buying based on their purchases.

و ما يشترونه بناء على مشترياتهم

And all this administrative data can be pulled together

و يمكن سحب كل هذه البيانات الإدارية معاً

and processed to understand human behavior

و معالجتها لفهم السلوك البشري

in a way we never could before.

بطريقة لم تسبق من قبل

So, for example, we could use truckers' purchases of fuel.

على سبيل المثال ، يمكن لنا إستخدام شراء سائقي الشاحنات للوقود

So the truckers are just going about their business,

لذا سائقي الشاحنات فقط يذهبون لعملهم

and they're buying fuel.

و هم يبتاعون الوقود

And we see a blip up in the truckers' purchases of fuel,

و نرى وميض في شراء سائقي الشاحنات للوقود

and we know that a recession is about to end.

و نعلم أن الكساد أوشك على الإنتهاء

Or we can monitor the velocity

أو يمكن لنا مراقبة السرعة

with which people are moving with their phones on a highway,

من خلال الأشخاص المتحركون مع هواتفهم في الطرق السريعة

and the phone company can see,

و يمكن لشركة الهاتف أن ترى

as the velocity is slowing down,

عندما تنخفض السرعة

that there's a traffic jam.

أن هنالك إزدحام مروري

And they can feed that information back to their subscribers,

و يمكن تزويد تلك المعلومات مرة أخرى إلى مشتركيها

but only to their subscribers on the same highway

لكن فقط لمشتركيها على نفس الطريق السريع

located behind the traffic jam!

الواقعين خلف الإزدحام المروري

Or we can monitor doctors prescribing behaviors, passively,

أو يمكننا مراقبة سوكيات وصف الأطباء ، بشكل سلبي

and see how the diffusion of innovation with pharmaceuticals

كمشاهدت نشر الإبتكار مع المستحضرات الصيدلانية

occurs within [networks of] doctors.

تحدث داخل الأطباء

Or again, we can monitor purchasing behavior in people

أو مرة أخرى، يمكننا مراقبة سلوكيات الشراء لدى الناس

and watch how these types of phenomena

و مشاهدة كيف لهذه الأنواع من الظواهر

can diffuse within human populations.

أن تنتشر داخل الناس

And there are three ways, I think,

و هنالك ثلاثة طرق، أعتقد ذلك

that these massive-passive data can be used.

و هذه البيانات الضخمة السلبية يمكن إستخدامها

One is fully passive,

واحدة هي سلبية بالكامل

like I just described --

مثل ما وصفته للتو

as in, for instance, the trucker example,

على سبيل المثال، مثال سائقي الشاحنات

where we don't actually intervene in the population in any way.

في حين لم نتدخل في السكان بأي طريقة

One is quasi-active,

واحدة هي شبه نشطة

like the flu example I gave,

كمثال الإنفلونزا الذي أعطيته

where we get some people to nominate their friends

حيث نجعل بعض الناس يرشحون أصدقائهم

and then passively monitor their friends --

ثم يتم مراقبة أصدقائهم بشكل سلبي

do they have the flu, or not? -- and then get warning.

هل لديهم إنفلونزا أم لا ؟ ثم الحصول على تحذير

Or another example would be,

أو مثال آخر سيكون

if you're a phone company, you figure out who's central in the network

إذا كنت شركة هاتف، يمكنك معرفة من هو مركزي في الشبكة

and you ask those people, "Look, will you just text us your fever every day?

و تسأل هؤلاء الأشخاص، " هل يمكنك أن ترسل لنا حماك يومياً؟

Just text us your temperature."

فقط أرسل درجة حرارتك"

And collect vast amounts of information about people's temperature,

وجمع كميات هائلة من المعلومات حول درجة حرارة الناس ،

but from centrally located individuals.

لكن من أشخاص مركزيين الموقع

And be able, on a large scale,

و تكون قادر بشكل كبير

to monitor an impending epidemic

على مراقبة تفشي الوباء

with very minimal input from people.

مع الحد الأدنى من المدخلات من الناس

Or, finally, it can be more fully active --

أو يمكن أن يكون أكثر نشاطاً بشكل كامل

as I know subsequent speakers will also talk about today --

مثل ما أعرف المتحدثين اللاحقين سيتحدثون عنه اليوم

where people might globally participate in wikis,

حيث يمكن أن يشارك الناس عالمياً في الموسوعات

or photographing, or monitoring elections,

أو التصوير ، أو مراقبة الإنتخابات

and upload information in a way that allows us to pool

و رفع المعلومات بطريقة يمكننا جمعها

information in order to understand social processes

لفهم العمليات الاجتماعية

and social phenomena.

و الظواهر الإجتماعية

In fact, the availability of these data, I think,

في الواقع ، توفر هذه البيانات ، أعتقد

heralds a kind of new era

تبشر بحقبة جديدة

of what I and others would like to call

لما أود أنا و آخرون أن ندعوه

"computational social science."

العلوم الاجتماعية الحسابية

It's sort of like when Galileo invented -- or, didn't invent --

إنه نوع عندما أخترعه "جاليليو" - أو لم يخترعه

came to use a telescope

جاء لإستخدام المنظار

and could see the heavens in a new way,

و أمكنه مشاهدة السماء بطريقة جديدة

or Leeuwenhoek became aware of the microscope --

أو "يوينهويك" أصبح على دراية بالمجهر

or actually invented --

أو في الواقع أخترعه

and could see biology in a new way.

و أصبح قادراً على مشاهدة علم الأحياء بطريقة جديدة

But now we have access to these kinds of data

لكن الآن لدينا القدرة على الوصل إلى هذا النوع من البيانات

that allow us to understand social processes

التي تتيح لنا فهم العمليات الاجتماعية

and social phenomena

والظواهر الاجتماعية

in an entirely new way that was never before possible.

و طريقة جديدة بالكامل لم تكن من قبل ممكنة

And with this science, we can

و مع هذا العلم ، نستطيع

understand how exactly

بالظبط فهم كيف

the whole comes to be greater

يكون الجزء الكامل أكبر

than the sum of its parts.

من مجموع أجزائه

And actually, we can use these insights

و في الوقع، يمكن إستخدام هذه الرؤى

to improve society and improve human well-being.

لتحسين المجتمع وتحسين رفاه الإنسان

Thank you.

شكراً