Nicholas Christakis: How social networks predict epidemics

93,421 views ・ 2010-09-16

TED


Моля, кликнете два пъти върху английските субтитри по-долу, за да пуснете видеото.

Translator: Anton Hikov Reviewer: Mihail Stoychev
00:15
For the last 10 years, I've been spending my time trying to figure out
0
15260
3000
В последните 10 години прекарвам времето си, опитвайки се да разбера,
00:18
how and why human beings
1
18260
2000
как и защо човешките същества
00:20
assemble themselves into social networks.
2
20260
3000
се събират в социални мрежи.
00:23
And the kind of social network I'm talking about
3
23260
2000
И не говоря за социалните мрежи
00:25
is not the recent online variety,
4
25260
2000
от наскорошните онлайн разновидности,
00:27
but rather, the kind of social networks
5
27260
2000
а по-скоро, за вида социални мрежи,
00:29
that human beings have been assembling for hundreds of thousands of years,
6
29260
3000
в които човешките същества се събират от стотици хиляди години,
00:32
ever since we emerged from the African savannah.
7
32260
3000
откакто сме произлезли от африканската савана.
00:35
So, I form friendships and co-worker
8
35260
2000
И така, аз формирам приятелства и връзки
00:37
and sibling and relative relationships with other people
9
37260
3000
с колеги, роднини и относителни връзки с други хора,
00:40
who in turn have similar relationships with other people.
10
40260
2000
които от своя страна имат подобни отношения с други хора.
00:42
And this spreads on out endlessly into a distance.
11
42260
3000
И това се разпростира безкрайно надалеко.
00:45
And you get a network that looks like this.
12
45260
2000
Получавате мрежа, която изглежда така.
00:47
Every dot is a person.
13
47260
2000
Всяка точка е човек.
00:49
Every line between them is a relationship between two people --
14
49260
2000
Всяка линия между тях е връзка между двама души --
00:51
different kinds of relationships.
15
51260
2000
различни видове връзки.
00:53
And you can get this kind of vast fabric of humanity,
16
53260
3000
И можете да получите този вид голяма структура на човечеството,
00:56
in which we're all embedded.
17
56260
2000
в която всички сме вградени.
00:58
And my colleague, James Fowler and I have been studying for quite sometime
18
58260
3000
И моят колега, Джеймс Фаулър, и аз изучаваме от известно време,
01:01
what are the mathematical, social,
19
61260
2000
какви са математическите, социалните,
01:03
biological and psychological rules
20
63260
3000
биологичните и психологическите правила,
01:06
that govern how these networks are assembled
21
66260
2000
които управляват как тези мрежи са образувани,
01:08
and what are the similar rules
22
68260
2000
и какви са сходните правила,
01:10
that govern how they operate, how they affect our lives.
23
70260
3000
които управляват как те функционират, как засягат нашия живот.
01:13
But recently, we've been wondering
24
73260
2000
И наскоро започнахме да се чудим,
01:15
whether it might be possible to take advantage of this insight,
25
75260
3000
дали не би било възможно да се възползваме от това прозрение,
01:18
to actually find ways to improve the world,
26
78260
2000
всъщност да намерим начини за подобряване на света,
01:20
to do something better,
27
80260
2000
да направим нещо по-добро,
01:22
to actually fix things, not just understand things.
28
82260
3000
всъщност да оправяме неща, а не само да ги разбираме.
01:25
So one of the first things we thought we would tackle
29
85260
3000
Така че едно от първите неща, които си мислим, че ще преборим,
01:28
would be how we go about predicting epidemics.
30
88260
3000
е как ще прогнозираме епидемиите.
01:31
And the current state of the art in predicting an epidemic --
31
91260
2000
Сегашния най-развит метод за прогнозиране на епидемия --
01:33
if you're the CDC or some other national body --
32
93260
3000
ако сте Центъра по контрол и профилактика на заболяванията [на англ. CDC] или друг национален орган --
01:36
is to sit in the middle where you are
33
96260
2000
е да стоите по средата, където сте,
01:38
and collect data
34
98260
2000
и да събирате данни
01:40
from physicians and laboratories in the field
35
100260
2000
от лекари и лаборатории в областта,
01:42
that report the prevalence or the incidence of certain conditions.
36
102260
3000
които докладват за преобладаването, или разпространението на определени заболявания.
01:45
So, so and so patients have been diagnosed with something,
37
105260
3000
Толкова, толкова и толкова пациента са диагностицирани с нещо,
01:48
or other patients have been diagnosed,
38
108260
2000
или други пациенти са диагностицирани,
01:50
and all these data are fed into a central repository, with some delay.
39
110260
3000
и всички тези данни се вкарват в централно хранилище с известно закъснение.
01:53
And if everything goes smoothly,
40
113260
2000
И ако всичко върви гладко,
01:55
one to two weeks from now
41
115260
2000
след 1-2 седмици
01:57
you'll know where the epidemic was today.
42
117260
3000
ще знаете къде е била епидемията днес.
02:00
And actually, about a year or so ago,
43
120260
2000
И всъщност преди около една година
02:02
there was this promulgation
44
122260
2000
беше обявена идеята
02:04
of the idea of Google Flu Trends, with respect to the flu,
45
124260
3000
за Гугъл грипни тенденции, по отношение на грипа,
02:07
where by looking at people's searching behavior today,
46
127260
3000
където, гледайки поведението на търсене на хората днес,
02:10
we could know where the flu --
47
130260
2000
бихме могли да знаем къде грипа ...
02:12
what the status of the epidemic was today,
48
132260
2000
какво е състоянието на епидемията днес,
02:14
what's the prevalence of the epidemic today.
49
134260
3000
какво е разпространението на епидемията днес.
02:17
But what I'd like to show you today
50
137260
2000
Но това, което бих искал да ви покажа днес
02:19
is a means by which we might get
51
139260
2000
е средство, чрез което можем да получим,
02:21
not just rapid warning about an epidemic,
52
141260
3000
не само бързо предупреждение за епидемия,
02:24
but also actually
53
144260
2000
но също и
02:26
early detection of an epidemic.
54
146260
2000
ранно откриване на епидемия.
02:28
And, in fact, this idea can be used
55
148260
2000
И всъщност, тази идея може да се използва
02:30
not just to predict epidemics of germs,
56
150260
3000
не само за предсказване на епидемия от микроби,
02:33
but also to predict epidemics of all sorts of kinds.
57
153260
3000
но също и да предсказва епидемии от най-различен вид.
02:37
For example, anything that spreads by a form of social contagion
58
157260
3000
Например, всичко, което се разпространява като един вид социална зараза,
02:40
could be understood in this way,
59
160260
2000
може да бъде разбрано по този начин,
02:42
from abstract ideas on the left
60
162260
2000
от абстрактни идеи от една страна,
02:44
like patriotism, or altruism, or religion
61
164260
3000
като патриотизъм, или алтруизъм, или религия,
02:47
to practices
62
167260
2000
до практики
02:49
like dieting behavior, or book purchasing,
63
169260
2000
като диетично поведение, или купуване на книги,
02:51
or drinking, or bicycle-helmet [and] other safety practices,
64
171260
3000
или пиене, или велосипедна-каска [и] други практики за безопасност,
02:54
or products that people might buy,
65
174260
2000
или продукти, които хората могат да купуват,
02:56
purchases of electronic goods,
66
176260
2000
покупка на електронни стоки,
02:58
anything in which there's kind of an interpersonal spread.
67
178260
3000
всичко, в което има нещо като междуличностно разпространение.
03:01
A kind of a diffusion of innovation
68
181260
2000
Нещо като разпространение на иновациите
03:03
could be understood and predicted
69
183260
2000
може да бъде разбрано и прогнозирано
03:05
by the mechanism I'm going to show you now.
70
185260
3000
от механизма, който ще ви покажа сега.
03:08
So, as all of you probably know,
71
188260
2000
И така, както всички от вас може би знаят,
03:10
the classic way of thinking about this
72
190260
2000
класическия начин да си мислим за това
03:12
is the diffusion-of-innovation,
73
192260
2000
е разпространението на иновациите,
03:14
or the adoption curve.
74
194260
2000
или "кривата на усвояване."
03:16
So here on the Y-axis, we have the percent of the people affected,
75
196260
2000
Така, тук по оста Y е процента на засегнатите хора,
03:18
and on the X-axis, we have time.
76
198260
2000
и по оста X е времето.
03:20
And at the very beginning, not too many people are affected,
77
200260
3000
И в самото начало, засегнатите хора не са твърде много,
03:23
and you get this classic sigmoidal,
78
203260
2000
и ще получите тази класическа сигмоида,
03:25
or S-shaped, curve.
79
205260
2000
или S-образна крива.
03:27
And the reason for this shape is that at the very beginning,
80
207260
2000
И причината за тази форма е, че в самото начало,
03:29
let's say one or two people
81
209260
2000
да приемем, че един или двама души
03:31
are infected, or affected by the thing
82
211260
2000
са засегнати, или заразени от нещото,
03:33
and then they affect, or infect, two people,
83
213260
2000
и след това те засягат, или заразяват, двама човека,
03:35
who in turn affect four, eight, 16 and so forth,
84
215260
3000
които на свой ред засягат четири, осем, 16 и т.н.,
03:38
and you get the epidemic growth phase of the curve.
85
218260
3000
и получавате фазата на растеж на епидемията върху кривата.
03:41
And eventually, you saturate the population.
86
221260
2000
И накрая, населението се насища.
03:43
There are fewer and fewer people
87
223260
2000
Има все по-малко хора,
03:45
who are still available that you might infect,
88
225260
2000
които все още са на разположение, за да могат да бъдат заразени,
03:47
and then you get the plateau of the curve,
89
227260
2000
и тогава получавате платото на кривата,
03:49
and you get this classic sigmoidal curve.
90
229260
3000
и ще получите тази класическа S-образна крива.
03:52
And this holds for germs, ideas,
91
232260
2000
И това се отнася и за микроби, идеи,
03:54
product adoption, behaviors,
92
234260
2000
възприемане на продукти, поведение
03:56
and the like.
93
236260
2000
и други подобни.
03:58
But things don't just diffuse in human populations at random.
94
238260
3000
Но нещата не се разпространяват на случаен принцип в човешките популации.
04:01
They actually diffuse through networks.
95
241260
2000
Те всъщност се разпространяват чрез мрежи.
04:03
Because, as I said, we live our lives in networks,
96
243260
3000
Понеже, както казах, ние живеем живота си в мрежи,
04:06
and these networks have a particular kind of a structure.
97
246260
3000
и тези мрежи имат определен вид структура.
04:09
Now if you look at a network like this --
98
249260
2000
Сега, ако се вгледате в мрежа като този ...
04:11
this is 105 people.
99
251260
2000
Това са 105 души.
04:13
And the lines represent -- the dots are the people,
100
253260
2000
И линиите представляват ... точките са хората,
04:15
and the lines represent friendship relationships.
101
255260
2000
а линиите представляват приятелски отношения.
04:17
You might see that people occupy
102
257260
2000
Можете да видите, че хората заемат
04:19
different locations within the network.
103
259260
2000
различни места в мрежата.
04:21
And there are different kinds of relationships between the people.
104
261260
2000
И има различни видове взаимоотношения между хората.
04:23
You could have friendship relationships, sibling relationships,
105
263260
3000
Може да има приятелски взаимоотношения, отношения между братя и сестри,
04:26
spousal relationships, co-worker relationships,
106
266260
3000
съпружески взаимоотношения, колегиални отношения,
04:29
neighbor relationships and the like.
107
269260
3000
съседски взаимоотношения и други подобни.
04:32
And different sorts of things
108
272260
2000
И различни видове неща,
04:34
spread across different sorts of ties.
109
274260
2000
разпространени в различни видове връзки.
04:36
For instance, sexually transmitted diseases
110
276260
2000
Например, полово предавани болести,
04:38
will spread across sexual ties.
111
278260
2000
ще се разпространяват чрез сексуални връзки.
04:40
Or, for instance, people's smoking behavior
112
280260
2000
Или например, пушенето на хората,
04:42
might be influenced by their friends.
113
282260
2000
може да бъде повлияно от техните приятели.
04:44
Or their altruistic or their charitable giving behavior
114
284260
2000
Или тяхното алтруистично или благотворително поведение,
04:46
might be influenced by their coworkers,
115
286260
2000
може да бъде повлияно от колегите им,
04:48
or by their neighbors.
116
288260
2000
или от техните съседи.
04:50
But not all positions in the network are the same.
117
290260
3000
Но не всички позиции в мрежата са еднакви.
04:53
So if you look at this, you might immediately grasp
118
293260
2000
Така че, ако се вгледате в това, може незабавно да схванете,
04:55
that different people have different numbers of connections.
119
295260
3000
че различните хора имат различен брой връзки.
04:58
Some people have one connection, some have two,
120
298260
2000
Някои хора имат една връзка, някои са с две,
05:00
some have six, some have 10 connections.
121
300260
3000
някои имат шест, други са с десет връзки.
05:03
And this is called the "degree" of a node,
122
303260
2000
И това се нарича степен на един възел,
05:05
or the number of connections that a node has.
123
305260
2000
или броя на връзките, които има един възел.
05:07
But in addition, there's something else.
124
307260
2000
Но, освен това, има нещо друго.
05:09
So, if you look at nodes A and B,
125
309260
2000
Така например, ако погледнете възлите А и Б,
05:11
they both have six connections.
126
311260
2000
те и двата имат шест връзки.
05:13
But if you can see this image [of the network] from a bird's eye view,
127
313260
3000
Но ако видите тази диаграма от птичи поглед,
05:16
you can appreciate that there's something very different
128
316260
2000
можете да оцените, че има нещо много различно
05:18
about nodes A and B.
129
318260
2000
между възлите А и Б.
05:20
So, let me ask you this -- I can cultivate this intuition by asking a question --
130
320260
3000
Така че, нека да ви попитам -- мога да направя това интуитивно, като задам въпрос --
05:23
who would you rather be
131
323260
2000
кой бихте искали да бъдете,
05:25
if a deadly germ was spreading through the network, A or B?
132
325260
3000
ако смъртоносен вирус се разпространява през мрежата, А или Б?
05:28
(Audience: B.) Nicholas Christakis: B, it's obvious.
133
328260
2000
(Публиката: Б.) Николас Христакис: Б, това е очевидно.
05:30
B is located on the edge of the network.
134
330260
2000
Б се намира на края на мрежата.
05:32
Now, who would you rather be
135
332260
2000
Сега, кой бихте искали да бъдете,
05:34
if a juicy piece of gossip were spreading through the network?
136
334260
3000
ако пикантна клюка са разпространява през мрежата?
05:37
A. And you have an immediate appreciation
137
337260
3000
А. И можете да оцените непосредствено,
05:40
that A is going to be more likely
138
340260
2000
че А е по-вероятно
05:42
to get the thing that's spreading and to get it sooner
139
342260
3000
да получи новината, която се разпространява, и да я получи по-скоро,
05:45
by virtue of their structural location within the network.
140
345260
3000
благодарение на структурното си разположение в рамките на мрежата.
05:48
A, in fact, is more central,
141
348260
2000
А, всъщност, е по-централен,
05:50
and this can be formalized mathematically.
142
350260
3000
и това може да се формализира математически.
05:53
So, if we want to track something
143
353260
2000
Така че, ако искаме да проследим нещо,
05:55
that was spreading through a network,
144
355260
3000
което се разпространява през мрежа,
05:58
what we ideally would like to do is to set up sensors
145
358260
2000
това, което в идеалния случай бихме искали да направим, е да поставим сензори
06:00
on the central individuals within the network,
146
360260
2000
на централните лица в рамките на мрежата,
06:02
including node A,
147
362260
2000
включително възел А,
06:04
monitor those people that are right there in the middle of the network,
148
364260
3000
и да наблюдаваме тези хора, които са там в средата на мрежата,
06:07
and somehow get an early detection
149
367260
2000
и някак си да открием рано,
06:09
of whatever it is that is spreading through the network.
150
369260
3000
каквото и да се разпространява чрез мрежата.
06:12
So if you saw them contract a germ or a piece of information,
151
372260
3000
Така че, ако ги видите да получават вирус, или информация,
06:15
you would know that, soon enough,
152
375260
2000
ще знаете, че доста скоро,
06:17
everybody was about to contract this germ
153
377260
2000
всеки ще е на път да получи този вирус,
06:19
or this piece of information.
154
379260
2000
или тази информация.
06:21
And this would be much better
155
381260
2000
И това ще бъде много по-добре,
06:23
than monitoring six randomly chosen people,
156
383260
2000
отколкото да се наблюдават шест произволно избрани хора,
06:25
without reference to the structure of the population.
157
385260
3000
без оглед на структурата на населението.
06:28
And in fact, if you could do that,
158
388260
2000
И всъщност, ако бихме могли да направим това,
06:30
what you would see is something like this.
159
390260
2000
това, което ще видим е нещо подобно
06:32
On the left-hand panel, again, we have the S-shaped curve of adoption.
160
392260
3000
на таблото от лявата страна, отново, имаме S-образна крива на усвояване.
06:35
In the dotted red line, we show
161
395260
2000
С пунктираната червена линия показваме,
06:37
what the adoption would be in the random people,
162
397260
2000
какво ще бъде усвояването при случайни хора,
06:39
and in the left-hand line, shifted to the left,
163
399260
3000
и на линията от ляво, изместена на ляво,
06:42
we show what the adoption would be
164
402260
2000
показваме какво ще е усвояването
06:44
in the central individuals within the network.
165
404260
2000
при индивидите, разположени в централната част на мрежата.
06:46
On the Y-axis is the cumulative instances of contagion,
166
406260
2000
По оста Y са сумарните случаи на зараза,
06:48
and on the X-axis is the time.
167
408260
2000
а по оста X е времето.
06:50
And on the right-hand side, we show the same data,
168
410260
2000
И от дясната страна, показваме същите данни,
06:52
but here with daily incidence.
169
412260
2000
но с дневни инциденти.
06:54
And what we show here is -- like, here --
170
414260
2000
И това, което показваме тук е - като, тук --
06:56
very few people are affected, more and more and more and up to here,
171
416260
2000
много малко хора са засегнати, все повече, и повече, и повече до тук,
06:58
and here's the peak of the epidemic.
172
418260
2000
и тук е пикът на епидемията.
07:00
But shifted to the left is what's occurring in the central individuals.
173
420260
2000
Но изместено наляво е това, което се случва при индивидите в центъра.
07:02
And this difference in time between the two
174
422260
3000
И тази разлика във времето между двете групи
07:05
is the early detection, the early warning we can get,
175
425260
3000
е ранното откриване, ранното предупреждение, което можем да получим,
07:08
about an impending epidemic
176
428260
2000
за предстоящата епидемия
07:10
in the human population.
177
430260
2000
в човешката популация.
07:12
The problem, however,
178
432260
2000
Проблемът, обаче е,
07:14
is that mapping human social networks
179
434260
2000
че пълното описание на човешките социални мрежи
07:16
is not always possible.
180
436260
2000
е не винаги възможно.
07:18
It can be expensive, not feasible,
181
438260
2000
Може да бъде скъпо, [неосъществимо],
07:20
unethical,
182
440260
2000
неетично,
07:22
or, frankly, just not possible to do such a thing.
183
442260
3000
или, честно казано, просто не е възможно да се направи такова нещо.
07:25
So, how can we figure out
184
445260
2000
И така, как можем да разберем,
07:27
who the central people are in a network
185
447260
2000
кои са хората в центъра на мрежата,
07:29
without actually mapping the network?
186
449260
3000
без всъщност да описваме мрежата в детайли?
07:32
What we came up with
187
452260
2000
Това, което ни хрумна
07:34
was an idea to exploit an old fact,
188
454260
2000
беше идеята да се използва една много стара практика,
07:36
or a known fact, about social networks,
189
456260
2000
или известен факт за социалните мрежи,
07:38
which goes like this:
190
458260
2000
който гласи нещо от сорта на:
07:40
Do you know that your friends
191
460260
2000
Знаете ли, че вашите приятели
07:42
have more friends than you do?
192
462260
3000
имат повече приятели от вас?
07:45
Your friends have more friends than you do,
193
465260
3000
Вашите приятели имат повече приятели от вас.
07:48
and this is known as the friendship paradox.
194
468260
2000
И това е известно като парадокса на приятелството.
07:50
Imagine a very popular person in the social network --
195
470260
2000
Представете си един много популярен човек в социалната мрежа --
07:52
like a party host who has hundreds of friends --
196
472260
3000
като домакин на парти, който има стотици приятели --
07:55
and a misanthrope who has just one friend,
197
475260
2000
и мизантроп, който има само един приятел,
07:57
and you pick someone at random from the population;
198
477260
3000
и вие избирате някого на случаен принцип от населението;
08:00
they were much more likely to know the party host.
199
480260
2000
той е много по-вероятно да познава домакина на партито.
08:02
And if they nominate the party host as their friend,
200
482260
2000
И ако те определят домакина на партито като свой приятел,
08:04
that party host has a hundred friends,
201
484260
2000
този домакин на парти има сто приятели,
08:06
therefore, has more friends than they do.
202
486260
3000
следователно, има повече приятели, отколкото тях.
08:09
And this, in essence, is what's known as the friendship paradox.
203
489260
3000
И това по същество е известно като парадокса на приятелството.
08:12
The friends of randomly chosen people
204
492260
3000
Приятелите на случайно избрани хора
08:15
have higher degree, and are more central
205
495260
2000
имат по-висока степен и са по-централни,
08:17
than the random people themselves.
206
497260
2000
отколкото самите случайни хора.
08:19
And you can get an intuitive appreciation for this
207
499260
2000
Можете да получите интуитивна представа за това,
08:21
if you imagine just the people at the perimeter of the network.
208
501260
3000
ако си представите само хората в периметъра на мрежата.
08:24
If you pick this person,
209
504260
2000
Ако изберете този човек,
08:26
the only friend they have to nominate is this person,
210
506260
3000
единственият приятел, който той трябва да избере, е този човек,
08:29
who, by construction, must have at least two
211
509260
2000
който по построение, трябва да има поне двама,
08:31
and typically more friends.
212
511260
2000
и обикновено повече приятели.
08:33
And that happens at every peripheral node.
213
513260
2000
И това се случва със всеки периферен възел.
08:35
And in fact, it happens throughout the network as you move in,
214
515260
3000
И всъщност, това се случва в рамките на цялата мрежа, докато се придвижвате навътре,
08:38
everyone you pick, when they nominate a random --
215
518260
2000
всекиго, когото изберете, ако те номинират случайно ...
08:40
when a random person nominates a friend of theirs,
216
520260
3000
когато случаен човек номинира свой приятел,
08:43
you move closer to the center of the network.
217
523260
3000
се придвижвате по-близо до центъра на мрежата.
08:46
So, we thought we would exploit this idea
218
526260
3000
Така че, ние решихме, че можем да използваме тази идея,
08:49
in order to study whether we could predict phenomena within networks.
219
529260
3000
за да проучим дали можем да предскажем явления в мрежи.
08:52
Because now, with this idea
220
532260
2000
Защото сега, с тази идея,
08:54
we can take a random sample of people,
221
534260
2000
можем да вземем случайна извадка от хора,
08:56
have them nominate their friends,
222
536260
2000
да ги накараме да номинират своите приятели,
08:58
those friends would be more central,
223
538260
2000
тези приятели ще бъдат по-централни,
09:00
and we could do this without having to map the network.
224
540260
3000
и можем да направим това, без да се налага да съставяме карта на мрежата.
09:03
And we tested this idea with an outbreak of H1N1 flu
225
543260
3000
И ние тествахме тази идея с разпространението на H1N1 грип
09:06
at Harvard College
226
546260
2000
в Харвардския колеж,
09:08
in the fall and winter of 2009, just a few months ago.
227
548260
3000
през есента и зимата на 2009 година, само преди няколко месеца.
09:11
We took 1,300 randomly selected undergraduates,
228
551260
3000
Взехме 1300 случайно подбрани студенти,
09:14
we had them nominate their friends,
229
554260
2000
накарахме ги да номинират своите приятели,
09:16
and we followed both the random students and their friends
230
556260
2000
и следвахме както случайно избрани студенти, така и техните приятели,
09:18
daily in time
231
558260
2000
ежедневно във времето,
09:20
to see whether or not they had the flu epidemic.
232
560260
3000
за да видим дали те имат, или не, грипна епидемия.
09:23
And we did this passively by looking at whether or not they'd gone to university health services.
233
563260
3000
И ние правихме това пасивно, гледайки дали те са ползвали, или не, университетския здравен център.
09:26
And also, we had them [actively] email us a couple of times a week.
234
566260
3000
И също така, те трябваше да ни пишат няколко пъти в седмицата.
09:29
Exactly what we predicted happened.
235
569260
3000
Случи се точно това, което предсказахме.
09:32
So the random group is in the red line.
236
572260
3000
Случайната група е с червената линия.
09:35
The epidemic in the friends group has shifted to the left, over here.
237
575260
3000
Епидемията в групата на приятелите се измести наляво, до тук.
09:38
And the difference in the two is 16 days.
238
578260
3000
И разликата в двете е 16 дни.
09:41
By monitoring the friends group,
239
581260
2000
Чрез наблюдение на групата приятели,
09:43
we could get 16 days advance warning
240
583260
2000
можахме да получим 16 дни предупреждение в аванс,
09:45
of an impending epidemic in this human population.
241
585260
3000
за предстояща епидемия в тази човешка популация.
09:48
Now, in addition to that,
242
588260
2000
Сега, в допълнение към това,
09:50
if you were an analyst who was trying to study an epidemic
243
590260
3000
ако сте анализатор, който се опитва да изучава епидемиите,
09:53
or to predict the adoption of a product, for example,
244
593260
3000
или да предвиди усвояването на даден продукт, например,
09:56
what you could do is you could pick a random sample of the population,
245
596260
3000
това, което бихте могли да направите, е да изберете случайна извадка от населението,
09:59
also have them nominate their friends and follow the friends
246
599260
3000
да ги накарете да номинират своите приятели и да проследите приятелите,
10:02
and follow both the randoms and the friends.
247
602260
3000
и да следвате както случайните хора, така и приятелите.
10:05
Among the friends, the first evidence you saw of a blip above zero
248
605260
3000
Сред приятелите, първото доказателство, което видите за покачване над нулата
10:08
in adoption of the innovation, for example,
249
608260
3000
в усвояването на иновациите, например,
10:11
would be evidence of an impending epidemic.
250
611260
2000
ще бъде доказателство за предстояща епидемия.
10:13
Or you could see the first time the two curves diverged,
251
613260
3000
Или можете да видите първия път, когато двете криви се разклоняват,
10:16
as shown on the left.
252
616260
2000
както е показано в ляво.
10:18
When did the randoms -- when did the friends take off
253
618260
3000
Кога случайните ... кога приятелите се отделят
10:21
and leave the randoms,
254
621260
2000
и оставят случайните хора,
10:23
and [when did] their curve start shifting?
255
623260
2000
и техните криви започват да се отместват?
10:25
And that, as indicated by the white line,
256
625260
2000
И това, както е показано от бялата линия,
10:27
occurred 46 days
257
627260
2000
настъпи на 46 ден,
10:29
before the peak of the epidemic.
258
629260
2000
преди пика на епидемията.
10:31
So this would be a technique
259
631260
2000
Така че това може да бъде техника,
10:33
whereby we could get more than a month-and-a-half warning
260
633260
2000
с която бихме могли да получим повече от месец и половина предупреждение,
10:35
about a flu epidemic in a particular population.
261
635260
3000
за грипна епидемия в определена популация.
10:38
I should say that
262
638260
2000
Трябва да кажа, че
10:40
how far advanced a notice one might get about something
263
640260
2000
колко ранно предупреждение може да се получи за нещо,
10:42
depends on a host of factors.
264
642260
2000
зависи от множество фактори.
10:44
It could depend on the nature of the pathogen --
265
644260
2000
Може да зависи от естеството на патогените --
10:46
different pathogens,
266
646260
2000
при различни патогени,
10:48
using this technique, you'd get different warning --
267
648260
2000
използвайки тази техника, може да получите различни предупреждения --
10:50
or other phenomena that are spreading,
268
650260
2000
или различни явления, които се разпространяват,
10:52
or frankly, on the structure of the human network.
269
652260
3000
или, честно казано, от структурата на човешката мрежа.
10:55
Now in our case, although it wasn't necessary,
270
655260
3000
Сега, в нашия случай, въпреки че не беше необходимо,
10:58
we could also actually map the network of the students.
271
658260
2000
можехме да направим карта на мрежата на студентите.
11:00
So, this is a map of 714 students
272
660260
2000
Така че, това е картата на 714 студенти
11:02
and their friendship ties.
273
662260
2000
и техните приятелски връзки.
11:04
And in a minute now, I'm going to put this map into motion.
274
664260
2000
И след една минута ще оживя тази карта.
11:06
We're going to take daily cuts through the network
275
666260
2000
Ще направим дневни снимки на мрежата
11:08
for 120 days.
276
668260
2000
за 120 дни.
11:10
The red dots are going to be cases of the flu,
277
670260
3000
Червените точки ще са случаите на грип,
11:13
and the yellow dots are going to be friends of the people with the flu.
278
673260
3000
а жълтите точки ще бъдат приятели на хората с грип.
11:16
And the size of the dots is going to be proportional
279
676260
2000
И размерът на точките ще бъде пропорционален
11:18
to how many of their friends have the flu.
280
678260
2000
на това, колко много от техните приятели имат грип.
11:20
So bigger dots mean more of your friends have the flu.
281
680260
3000
Така че по-големите точки означават, че повече от вашите приятели имат грип.
11:23
And if you look at this image -- here we are now in September the 13th --
282
683260
3000
И ако се вгледате в тази графика -- това е от 13-и септември --
11:26
you're going to see a few cases light up.
283
686260
2000
можете да видите само няколко случаи да проблясват.
11:28
You're going to see kind of blooming of the flu in the middle.
284
688260
2000
Може да видите растежа на грипа по средата.
11:30
Here we are on October the 19th.
285
690260
3000
Това е от 19-и октомври.
11:33
The slope of the epidemic curve is approaching now, in November.
286
693260
2000
Наклонът на епидемичната крива се приближава сега през ноември.
11:35
Bang, bang, bang, bang, bang -- you're going to see lots of blooming in the middle,
287
695260
3000
Бам, бам, бам, бам, бам, ще видите много растеж в средата,
11:38
and then you're going to see a sort of leveling off,
288
698260
2000
и след това ще видите нещо като стабилизиране,
11:40
fewer and fewer cases towards the end of December.
289
700260
3000
и все по-малко случаи към края на декември.
11:43
And this type of a visualization
290
703260
2000
И този тип визуализация
11:45
can show that epidemics like this take root
291
705260
2000
показва, че епидемии като тази, се закореняват
11:47
and affect central individuals first,
292
707260
2000
и засягат първо индивидите в центъра,
11:49
before they affect others.
293
709260
2000
преди да засегнат останалите.
11:51
Now, as I've been suggesting,
294
711260
2000
Сега, както споменах,
11:53
this method is not restricted to germs,
295
713260
3000
този метод не се ограничава до микроби,
11:56
but actually to anything that spreads in populations.
296
716260
2000
но всъщност до всичко, което се разпространява в популациите.
11:58
Information spreads in populations,
297
718260
2000
Информацията се разпространява в популациите.
12:00
norms can spread in populations,
298
720260
2000
Норми може да се разпространяват в популациите.
12:02
behaviors can spread in populations.
299
722260
2000
Поведения могат да се разпространяват в популациите.
12:04
And by behaviors, I can mean things like criminal behavior,
300
724260
3000
И под поведения, имам предвид неща като престъпно поведение,
12:07
or voting behavior, or health care behavior,
301
727260
3000
или избирателно поведение, или здравно поведение,
12:10
like smoking, or vaccination,
302
730260
2000
като тютюнопушене, или ваксинация,
12:12
or product adoption, or other kinds of behaviors
303
732260
2000
или усвояване на продукт, или други видове поведения,
12:14
that relate to interpersonal influence.
304
734260
2000
които се отнасят до междуличностното влияние.
12:16
If I'm likely to do something that affects others around me,
305
736260
3000
Ако мога да направя нещо, което да засегне другите около мен,
12:19
this technique can get early warning or early detection
306
739260
3000
тази техника може да получи ранно предупреждение, или ранно откриване,
12:22
about the adoption within the population.
307
742260
3000
за усвояването в населението.
12:25
The key thing is that for it to work,
308
745260
2000
Ключовото нещо в това, за да работи е,
12:27
there has to be interpersonal influence.
309
747260
2000
че трябва да има междуличносто влияние.
12:29
It cannot be because of some broadcast mechanism
310
749260
2000
Не може да се дължи на някакъв предавателен механизъм,
12:31
affecting everyone uniformly.
311
751260
3000
който засяга всички по еднакъв начин.
12:35
Now the same insights
312
755260
2000
Сега, същите прозрения,
12:37
can also be exploited -- with respect to networks --
313
757260
3000
също може да бъдат използвани -- по отношение на мрежите --
12:40
can also be exploited in other ways,
314
760260
3000
също могат да бъдат използвани по други начини,
12:43
for example, in the use of targeting
315
763260
2000
например, при използването на фокусиране
12:45
specific people for interventions.
316
765260
2000
на определени хора за интервенции.
12:47
So, for example, most of you are probably familiar
317
767260
2000
Така например, повечето от вас вероятно са запознати
12:49
with the notion of herd immunity.
318
769260
2000
с понятието за стаден имунитет.
12:51
So, if we have a population of a thousand people,
319
771260
3000
Така че, ако имаме популация от хиляда души,
12:54
and we want to make the population immune to a pathogen,
320
774260
3000
и искаме да направим населението имунно към патогени,
12:57
we don't have to immunize every single person.
321
777260
2000
ние не трябва да имунизираме всеки един човек.
12:59
If we immunize 960 of them,
322
779260
2000
Ако имунизираме 960 от тях,
13:01
it's as if we had immunized a hundred [percent] of them.
323
781260
3000
ще бъде същото, както ако имунизираме сто [процента] от тях.
13:04
Because even if one or two of the non-immune people gets infected,
324
784260
3000
Защото, ако дори един или двама от неимунизираните хора станат заразени,
13:07
there's no one for them to infect.
325
787260
2000
няма да има кого да инфектират.
13:09
They are surrounded by immunized people.
326
789260
2000
Ще са заобиколени от имунизирани хора.
13:11
So 96 percent is as good as 100 percent.
327
791260
3000
Така че 96% е почти като 100%.
13:14
Well, some other scientists have estimated
328
794260
2000
Е, някои други учени изчислиха,
13:16
what would happen if you took a 30 percent random sample
329
796260
2000
какво ще се случи, ако се направи 30 процентова случайна извадка
13:18
of these 1000 people, 300 people and immunized them.
330
798260
3000
на тези 1300 души и ги имунизираме.
13:21
Would you get any population-level immunity?
331
801260
2000
Дали ще получим някакво ниво на имунитет на населението?
13:23
And the answer is no.
332
803260
3000
И отговорът е, не.
13:26
But if you took this 30 percent, these 300 people
333
806260
2000
Но ако вземете тези 30 процента, тези 300 души,
13:28
and had them nominate their friends
334
808260
2000
и ги накарате да номинират своите приятели,
13:30
and took the same number of vaccine doses
335
810260
3000
и вземете същия брой ваксини,
13:33
and vaccinated the friends of the 300 --
336
813260
2000
и ваксинирате приятелите на 300-та,
13:35
the 300 friends --
337
815260
2000
300-та приятели,
13:37
you can get the same level of herd immunity
338
817260
2000
ще получите същото ниво на стаден имунитет,
13:39
as if you had vaccinated 96 percent of the population
339
819260
3000
все едно сте ваксинирали 96% от населението,
13:42
at a much greater efficiency, with a strict budget constraint.
340
822260
3000
при много по-голяма ефективност, със строго ограничен бюджет.
13:45
And similar ideas can be used, for instance,
341
825260
2000
И подобни идеи могат да бъдат използвани, например,
13:47
to target distribution of things like bed nets
342
827260
2000
за разпределението на неща, като мрежи за легла,
13:49
in the developing world.
343
829260
2000
в развиващия се свят.
13:51
If we could understand the structure of networks in villages,
344
831260
3000
Ако можем да разберем структурата на мрежите в селата,
13:54
we could target to whom to give the interventions
345
834260
2000
може да насочим към кого да дадем интервенциите,
13:56
to foster these kinds of spreads.
346
836260
2000
за насърчаването на тези видове покривала.
13:58
Or, frankly, for advertising with all kinds of products.
347
838260
3000
Или, честно казано, за рекламиране на всякакви видове продукти.
14:01
If we could understand how to target,
348
841260
2000
Ако можем да разберем как да се фокусираме,
14:03
it could affect the efficiency
349
843260
2000
това ще повлияе на ефективността,
14:05
of what we're trying to achieve.
350
845260
2000
на това, което се опитваме да постигнем.
14:07
And in fact, we can use data
351
847260
2000
И в действителност, можем да използваме данни
14:09
from all kinds of sources nowadays [to do this].
352
849260
2000
от различни видове източници, [за да правим това] днес.
14:11
This is a map of eight million phone users
353
851260
2000
Това е карта на осем милиона телефонни потребители
14:13
in a European country.
354
853260
2000
в една европейска държава.
14:15
Every dot is a person, and every line represents
355
855260
2000
Всяка точка е човек, и всяка линия представлява
14:17
a volume of calls between the people.
356
857260
2000
обемът на разговорите между хората.
14:19
And we can use such data, that's being passively obtained,
357
859260
3000
И можем да използваме такива данни, които са пасивно получени,
14:22
to map these whole countries
358
862260
2000
за да опишем целите тези страни,
14:24
and understand who is located where within the network.
359
864260
3000
и да разберем кой къде се намира в рамките на мрежата.
14:27
Without actually having to query them at all,
360
867260
2000
Без всъщност да се налага да ги питаме,
14:29
we can get this kind of a structural insight.
361
869260
2000
можем да получим това структурно наблюдение.
14:31
And other sources of information, as you're no doubt aware
362
871260
3000
И други източници на информация, както без съмнение ви е известно,
14:34
are available about such features, from email interactions,
363
874260
3000
са на разположение, за информация като електронни взаимодействия,
14:37
online interactions,
364
877260
2000
онлайн взаимодействия,
14:39
online social networks and so forth.
365
879260
3000
онлайн социални мрежи и други.
14:42
And in fact, we are in the era of what I would call
366
882260
2000
И всъщност, ние сме в ерата на това, което бих нарекъл
14:44
"massive-passive" data collection efforts.
367
884260
3000
масивни-пасивни усилия за събиране на данни.
14:47
They're all kinds of ways we can use massively collected data
368
887260
3000
Има всякакви начини за използване на масово събирани данни
14:50
to create sensor networks
369
890260
3000
за създаване на сензорни мрежи,
14:53
to follow the population,
370
893260
2000
които да следат населението,
14:55
understand what's happening in the population,
371
895260
2000
разбират какво се случва в населението
14:57
and intervene in the population for the better.
372
897260
3000
и да се намесват в населението за по-добро.
15:00
Because these new technologies tell us
373
900260
2000
Понеже тези нови технологии ни казават,
15:02
not just who is talking to whom,
374
902260
2000
не само кой говори с кого,
15:04
but where everyone is,
375
904260
2000
но и къде е всеки,
15:06
and what they're thinking based on what they're uploading on the Internet,
376
906260
3000
и това, което мислят, въз основа на това, което качват в интернет,
15:09
and what they're buying based on their purchases.
377
909260
2000
и това, което купуват, въз основа на техните покупки.
15:11
And all this administrative data can be pulled together
378
911260
3000
И всички тези административни данни могат да бъдат използвани заедно
15:14
and processed to understand human behavior
379
914260
2000
и обработени, за да разберем поведението на хората,
15:16
in a way we never could before.
380
916260
3000
по начин, по който не сме могли да го сторим преди.
15:19
So, for example, we could use truckers' purchases of fuel.
381
919260
3000
Така например, бихме могли да използваме покупките на гориво на шофьорите на камиони.
15:22
So the truckers are just going about their business,
382
922260
2000
И така, шофьорите на камиони развиват търговията си,
15:24
and they're buying fuel.
383
924260
2000
и те закупуват гориво.
15:26
And we see a blip up in the truckers' purchases of fuel,
384
926260
3000
И когато видим нарастване в покупките на гориво на шофьорите на камиони,
15:29
and we know that a recession is about to end.
385
929260
2000
знаем, че рецесията е на път да свърши.
15:31
Or we can monitor the velocity
386
931260
2000
Или можем да наблюдаваме скоростта,
15:33
with which people are moving with their phones on a highway,
387
933260
3000
с която хората се движат с телефоните си по магистралата,
15:36
and the phone company can see,
388
936260
2000
и телефонната компания може да види,
15:38
as the velocity is slowing down,
389
938260
2000
докато скоростта намалява,
15:40
that there's a traffic jam.
390
940260
2000
че има задръстване.
15:42
And they can feed that information back to their subscribers,
391
942260
3000
И те могат да изпратят тази информация обратно на своите абонати,
15:45
but only to their subscribers on the same highway
392
945260
2000
но само на абонатите си по същата магистрала,
15:47
located behind the traffic jam!
393
947260
2000
намираща се зад задръстването.
15:49
Or we can monitor doctors prescribing behaviors, passively,
394
949260
3000
Или можем да следим лекарското поведение на изписване на лекарства, пасивно,
15:52
and see how the diffusion of innovation with pharmaceuticals
395
952260
3000
като видим как разпространението на иновациите с фармацевтични продукти
15:55
occurs within [networks of] doctors.
396
955260
2000
се случва при лекарите.
15:57
Or again, we can monitor purchasing behavior in people
397
957260
2000
Или отново, можем да наблюдаваме покупателното поведение на хората,
15:59
and watch how these types of phenomena
398
959260
2000
и да гледам как тези явления
16:01
can diffuse within human populations.
399
961260
3000
могат да се разпространяват в човешки популации.
16:04
And there are three ways, I think,
400
964260
2000
И има три начина, мисля,
16:06
that these massive-passive data can be used.
401
966260
2000
по които могат да бъдат използвани тези масивни-пасивни данни.
16:08
One is fully passive,
402
968260
2000
Единият е напълно пасивен,
16:10
like I just described --
403
970260
2000
както току-що описах.
16:12
as in, for instance, the trucker example,
404
972260
2000
Например, при шофьорът на камиона,
16:14
where we don't actually intervene in the population in any way.
405
974260
2000
където всъщност не се намесваме в популацията по никакъв начин.
16:16
One is quasi-active,
406
976260
2000
Един от тях е полуактивен,
16:18
like the flu example I gave,
407
978260
2000
като примера с грипа, който дадох,
16:20
where we get some people to nominate their friends
408
980260
3000
където накарахме някои хора да номинират своите приятели
16:23
and then passively monitor their friends --
409
983260
2000
и след това пасивно наблюдавахме техните приятели --
16:25
do they have the flu, or not? -- and then get warning.
410
985260
2000
дали имат грип, или не? -- и след това получихме предупреждение.
16:27
Or another example would be,
411
987260
2000
Или друг пример ще бъде,
16:29
if you're a phone company, you figure out who's central in the network
412
989260
3000
ако сте телефонна компания, и сте наясно кой е нa централно място в мрежата,
16:32
and you ask those people, "Look, will you just text us your fever every day?
413
992260
3000
и помолите тези хора, "Вижте, може ли просто да ни изпратите съобщение с вашата температура всеки ден?
16:35
Just text us your temperature."
414
995260
2000
Просто SMS с температурата."
16:37
And collect vast amounts of information about people's temperature,
415
997260
3000
И да съберете огромно количество информация за температурата на хората,
16:40
but from centrally located individuals.
416
1000260
2000
но само от централно разположените лица.
16:42
And be able, on a large scale,
417
1002260
2000
И да имате възможност, в голям мащаб,
16:44
to monitor an impending epidemic
418
1004260
2000
да наблюдавате предстояща епидемия,
16:46
with very minimal input from people.
419
1006260
2000
с много минимална информация от хората.
16:48
Or, finally, it can be more fully active --
420
1008260
2000
Или може да бъде много по-активен начин --
16:50
as I know subsequent speakers will also talk about today --
421
1010260
2000
за което знам, че други ще говорят днес --
16:52
where people might globally participate in wikis,
422
1012260
2000
където хората могат да участват в световен мащаб в уикита,
16:54
or photographing, or monitoring elections,
423
1014260
3000
или фотографиране, или наблюдение на избори,
16:57
and upload information in a way that allows us to pool
424
1017260
2000
и качване на информация по начин, по който можем да я извличаме,
16:59
information in order to understand social processes
425
1019260
2000
за да разбираме обществени процеси
17:01
and social phenomena.
426
1021260
2000
и социални явления.
17:03
In fact, the availability of these data, I think,
427
1023260
2000
Всъщност, наличието на тези данни, мисля,
17:05
heralds a kind of new era
428
1025260
2000
предвещава една нова ера,
17:07
of what I and others would like to call
429
1027260
2000
на това, което аз и други, бихме искали да наречем
17:09
"computational social science."
430
1029260
2000
изчислителна социална наука.
17:11
It's sort of like when Galileo invented -- or, didn't invent --
431
1031260
3000
Това е нещо като Галилео, когато изобретил -- или, не го е изобретил --
17:14
came to use a telescope
432
1034260
2000
но започнал да използва телескопа,
17:16
and could see the heavens in a new way,
433
1036260
2000
и могъл да види небето по нов начин,
17:18
or Leeuwenhoek became aware of the microscope --
434
1038260
2000
или когато Льовенхук се запознал с микроскопа --
17:20
or actually invented --
435
1040260
2000
или всъщност го изобретил --
17:22
and could see biology in a new way.
436
1042260
2000
и можал да види биологията по нов начин.
17:24
But now we have access to these kinds of data
437
1044260
2000
Но сега имаме достъп до този вид данни,
17:26
that allow us to understand social processes
438
1046260
2000
които ни позволяват да разберем социални процеси
17:28
and social phenomena
439
1048260
2000
и социални явления,
17:30
in an entirely new way that was never before possible.
440
1050260
3000
по един изцяло нов начин, който не бил възможен преди.
17:33
And with this science, we can
441
1053260
2000
И с тази наука, ние можем
17:35
understand how exactly
442
1055260
2000
да разберем как точно
17:37
the whole comes to be greater
443
1057260
2000
цялата част става по-голяма,
17:39
than the sum of its parts.
444
1059260
2000
от сбора на съставните й части.
17:41
And actually, we can use these insights
445
1061260
2000
И всъщност, ние можем да използваме тези данни,
17:43
to improve society and improve human well-being.
446
1063260
3000
за подобряване на обществото и подобряване на човешкото благополучие.
17:46
Thank you.
447
1066260
2000
Благодаря ви.
Относно този уебсайт

Този сайт ще ви запознае с видеоклипове в YouTube, които са полезни за изучаване на английски език. Ще видите уроци по английски език, преподавани от първокласни учители от цял свят. Кликнете два пъти върху английските субтитри, показани на всяка страница с видеоклипове, за да възпроизведете видеото оттам. Субтитрите се превъртат в синхрон с възпроизвеждането на видеото. Ако имате някакви коментари или искания, моля, свържете се с нас, като използвате тази форма за контакт.

https://forms.gle/WvT1wiN1qDtmnspy7