Geoffrey West: The surprising math of cities and corporations

170,954 views ・ 2011-07-26

TED


Pro přehrání videa dvakrát klikněte na anglické titulky níže.

Překladatel: Lenka Mydlova Korektor: Jaroslav Mydlo
00:16
Cities are the crucible of civilization.
0
16260
3000
Města jsou tavícím kotlem civilizace.
00:19
They have been expanding,
1
19260
2000
Rozšiřují se,
00:21
urbanization has been expanding,
2
21260
2000
urbanizace pokračuje
00:23
at an exponential rate in the last 200 years
3
23260
2000
za posledních 200 let exponenciálním růstem,
00:25
so that by the second part of this century,
4
25260
3000
takže ve druhé polovině tohoto století
00:28
the planet will be completely dominated
5
28260
2000
budou celé planetě zcela dominovat
00:30
by cities.
6
30260
3000
města.
00:33
Cities are the origins of global warming,
7
33260
3000
Města jsou původci globálního oteplování,
00:36
impact on the environment,
8
36260
2000
dopadu na životní prostředí,
00:38
health, pollution, disease,
9
38260
3000
zdraví, znečištění, chorob,
00:41
finance,
10
41260
2000
financí,
00:43
economies, energy --
11
43260
3000
ekonomik, energie -
00:46
they're all problems
12
46260
2000
to vše jsou problémy,
00:48
that are confronted by having cities.
13
48260
2000
kterým díky městům čelíme.
00:50
That's where all these problems come from.
14
50260
2000
Z nich pocházejí veškeré problémy.
00:52
And the tsunami of problems that we feel we're facing
15
52260
3000
A jádro problémů, kterým čelíme
00:55
in terms of sustainability questions
16
55260
2000
ve smyslu otázky udržitelnosti,
00:57
are actually a reflection
17
57260
2000
jsou vlastně odpovědí
00:59
of the exponential increase
18
59260
2000
na exponenciální růst
01:01
in urbanization across the planet.
19
61260
3000
urbanizace na Zemi.
01:04
Here's some numbers.
20
64260
2000
Zde několik čísel.
01:06
Two hundred years ago, the United States
21
66260
2000
Před 200 lety, byly USA
01:08
was less than a few percent urbanized.
22
68260
2000
urbanizovány jen z několika procent.
01:10
It's now more than 82 percent.
23
70260
2000
Teď už je to více než 82 %.
01:12
The planet has crossed the halfway mark a few years ago.
24
72260
3000
Před několika lety planeta překročila 50 % hranici,
01:15
China's building 300 new cities
25
75260
2000
Čína v následujících letech vybuduje
01:17
in the next 20 years.
26
77260
2000
300 nových měst.
01:19
Now listen to this:
27
79260
2000
A teď si poslechněte tohle.
01:21
Every week for the foreseeable future,
28
81260
3000
Každý týden v blízké budoucnosti,
01:24
until 2050,
29
84260
2000
až do roku 2050,
01:26
every week more than a million people
30
86260
2000
každý týden se více než milion lidí
01:28
are being added to our cities.
31
88260
2000
stěhuje do měst.
01:30
This is going to affect everything.
32
90260
2000
To ovlivní všechno.
01:32
Everybody in this room, if you stay alive,
33
92260
2000
Každý z vás v této místnosti, pokud budete naživu,
01:34
is going to be affected
34
94260
2000
budete ovlivněni tím,
01:36
by what's happening in cities
35
96260
2000
co se děje ve městech,
01:38
in this extraordinary phenomenon.
36
98260
2000
v tom mimořádném úkazu.
01:40
However, cities,
37
100260
3000
Přesto jsou města,
01:43
despite having this negative aspect to them,
38
103260
3000
navzdory všem těmto negativním hlediskům,
01:46
are also the solution.
39
106260
2000
také řešením.
01:48
Because cities are the vacuum cleaners and the magnets
40
108260
4000
Protože města jsou vysavače a magnety,
01:52
that have sucked up creative people,
41
112260
2000
které nasály tvořivé jedince,
01:54
creating ideas, innovation,
42
114260
2000
vytvářející myšlenky, inovace,
01:56
wealth and so on.
43
116260
2000
bohatství apod.
01:58
So we have this kind of dual nature.
44
118260
2000
Máme tak tuto duální podstatu.
02:00
And so there's an urgent need
45
120260
3000
A tak je tu naléhavá potřeba
02:03
for a scientific theory of cities.
46
123260
4000
vědecké teorie měst.
02:07
Now these are my comrades in arms.
47
127260
3000
Toto jsou mí spolubojovníci.
02:10
This work has been done with an extraordinary group of people,
48
130260
2000
Tato práce byla dokončena díky neobyčejné skupině lidí,
02:12
and they've done all the work,
49
132260
2000
kteří provedli všechnu tu práci
02:14
and I'm the great bullshitter
50
134260
2000
a já jsem velký kecal,
02:16
that tries to bring it all together.
51
136260
2000
který se pokouší to všechno dát dohromady.
02:18
(Laughter)
52
138260
2000
(smích)
02:20
So here's the problem: This is what we all want.
53
140260
2000
Takže - o co jde: Všichni chceme totéž.
02:22
The 10 billion people on the planet in 2050
54
142260
3000
10 miliard lidí na zeměkouli chce v roce 2050
02:25
want to live in places like this,
55
145260
2000
žít na místech, jako je toto,
02:27
having things like this,
56
147260
2000
chtějí mít takového věci,
02:29
doing things like this,
57
149260
2000
dělat toto,
02:31
with economies that are growing like this,
58
151260
3000
v ekonomikách, které rostou takto,
02:34
not realizing that entropy
59
154260
2000
bez toho, že by rozpoznali entropii,
02:36
produces things like this,
60
156260
2000
která vytváří takovéto věci,
02:38
this, this
61
158260
4000
takovéto, tyto
02:42
and this.
62
162260
2000
a tyto.
02:44
And the question is:
63
164260
2000
A otázkou je:
02:46
Is that what Edinburgh and London and New York
64
166260
2000
Budou Edinburg, Londýn a New York
02:48
are going to look like in 2050,
65
168260
2000
vypadat v roce 2050 takto
02:50
or is it going to be this?
66
170260
2000
nebo takto?
02:52
That's the question.
67
172260
2000
Taková je otázka...
02:54
I must say, many of the indicators
68
174260
2000
Musím říci, spousta z mých ukazatelů
02:56
look like this is what it's going to look like,
69
176260
3000
naznačují, že budou vypadat takto,
02:59
but let's talk about it.
70
179260
3000
ale pojďme se na to podívat.
03:02
So my provocative statement
71
182260
3000
Můj provokativní názor je,
03:05
is that we desperately need a serious scientific theory of cities.
72
185260
3000
že zoufale potřebujeme seriozní vědeckou teorii měst.
03:08
And scientific theory means quantifiable --
73
188260
3000
A vědecká teorie znamená měřitelná -
03:11
relying on underlying generic principles
74
191260
3000
spolehnutí se na skryté všeobecné principy,
03:14
that can be made into a predictive framework.
75
194260
2000
které lze přetavit do odhadnutelného systému.
03:16
That's the quest.
76
196260
2000
Taková je mise.
03:18
Is that conceivable?
77
198260
2000
Je to uskutečnitelné?
03:20
Are there universal laws?
78
200260
2000
Existují všeobecné zákony?
03:22
So here's two questions
79
202260
2000
Jsou tedy dvě otázky,
03:24
that I have in my head when I think about this problem.
80
204260
2000
které mi leží v hlavě, když o tom problému přemýšlím.
03:26
The first is:
81
206260
2000
První je:
03:28
Are cities part of biology?
82
208260
2000
Jsou města součástí biologie?
03:30
Is London a great big whale?
83
210260
2000
Je Londýn velkou velrybou?
03:32
Is Edinburgh a horse?
84
212260
2000
Je Edinburg koněm?
03:34
Is Microsoft a great big anthill?
85
214260
2000
Je Microsoft úžasným velkým mraveništěm?
03:36
What do we learn from that?
86
216260
2000
Co si z toho vezmeme?
03:38
We use them metaphorically --
87
218260
2000
Používáme je jako přirovnání -
03:40
the DNA of a company, the metabolism of a city, and so on --
88
220260
2000
DNA firmy, metabolismus města apod. -
03:42
is that just bullshit, metaphorical bullshit,
89
222260
3000
jsou to jen kecy, jen bezduché přirovnání,
03:45
or is there serious substance to it?
90
225260
3000
nebo se v tom skrývá skutečná podstata?
03:48
And if that is the case,
91
228260
2000
A pokud by v tom skutečně něco bylo,
03:50
how come that it's very hard to kill a city?
92
230260
2000
jaktože je tak těžké město zahubit?
03:52
You could drop an atom bomb on a city,
93
232260
2000
Můžete na město shodit atomovou bombu
03:54
and 30 years later it's surviving.
94
234260
2000
a za 30 let žije dále.
03:56
Very few cities fail.
95
236260
3000
Jen málo měst zanikne.
03:59
All companies die, all companies.
96
239260
3000
Všechny firmy zaniknou, všechny.
04:02
And if you have a serious theory, you should be able to predict
97
242260
2000
A pokud bychom měli seriózní teorii, měli bychom umět předpovědět,
04:04
when Google is going to go bust.
98
244260
3000
kdy zkrachuje Google.
04:07
So is that just another version
99
247260
3000
Jde tedy jen o další verzi
04:10
of this?
100
250260
2000
téhož?
04:12
Well we understand this very well.
101
252260
2000
No, rozumíme tomu poměrně dobře.
04:14
That is, you ask any generic question about this --
102
254260
2000
To znamená, že v této oblasti položíte jakoukoliv obecnou otázku
04:16
how many trees of a given size,
103
256260
2000
kolik stromu určité velikosti,
04:18
how many branches of a given size does a tree have,
104
258260
2000
kolik větví určité velikosti má strom,
04:20
how many leaves,
105
260260
2000
kolik listů,
04:22
what is the energy flowing through each branch,
106
262260
2000
jaká energie proudí každou z těch větví,
04:24
what is the size of the canopy,
107
264260
2000
jak velká je koruna,
04:26
what is its growth, what is its mortality?
108
266260
2000
jak roste, kdy umírá?
04:28
We have a mathematical framework
109
268260
2000
Máme matematický systém,
04:30
based on generic universal principles
110
270260
3000
založený na obecně platných principech,
04:33
that can answer those questions.
111
273260
2000
který umí na takové otázky odpovědět.
04:35
And the idea is can we do the same for this?
112
275260
4000
A jde o to, zda jej můžeme použít i pro toto?
04:40
So the route in is recognizing
113
280260
3000
Cestou k pochopení je rozpoznat
04:43
one of the most extraordinary things about life,
114
283260
2000
jednu z nejúžasnějších věcí o životě,
04:45
is that it is scalable,
115
285260
2000
a to že je odstupňovatelný,
04:47
it works over an extraordinary range.
116
287260
2000
odehrává se v neskutečném rozpětí.
04:49
This is just a tiny range actually:
117
289260
2000
Zde vidíme jen malou část,
04:51
It's us mammals;
118
291260
2000
jen nás - savce,
04:53
we're one of these.
119
293260
2000
i my jsme jen jedni z mnoha.
04:55
The same principles, the same dynamics,
120
295260
2000
Stejná pravidla, stejná dynamika,
04:57
the same organization is at work
121
297260
2000
stejná organizace se odehrávají
04:59
in all of these, including us,
122
299260
2000
ve všech zde zobrazených, včetně nás
05:01
and it can scale over a range of 100 million in size.
123
301260
3000
a fungují pro všechny organismy, ať mají 2 nebo 200 mil gramů.
05:04
And that is one of the main reasons
124
304260
3000
A to je jeden z hlavních důvodů,
05:07
life is so resilient and robust --
125
307260
2000
proč je život tak odolný a silný -
05:09
scalability.
126
309260
2000
rozšiřitelnost
05:11
We're going to discuss that in a moment more.
127
311260
3000
Řekneme si o tom něco víc za chvilku.
05:14
But you know, at a local level,
128
314260
2000
Ale víte, na místní úrovni
05:16
you scale; everybody in this room is scaled.
129
316260
2000
se stupňujete, každý v této místnosti je odstupňovaný.
05:18
That's called growth.
130
318260
2000
Říká se tomu růst.
05:20
Here's how you grew.
131
320260
2000
Tady vidíte, jak rostete.
05:22
Rat, that's a rat -- could have been you.
132
322260
2000
Krysa, to je krysa, ale mohli byste to být vy.
05:24
We're all pretty much the same.
133
324260
3000
Jsme všichni celkem stejní.
05:27
And you see, you're very familiar with this.
134
327260
2000
A vidíte, že nás velmi dobře znáte.
05:29
You grow very quickly and then you stop.
135
329260
2000
Velmi rychle vyrostete a pak se zastavíte.
05:31
And that line there
136
331260
2000
A ta čára zde
05:33
is a prediction from the same theory,
137
333260
2000
je předpověď z té samé teorie
05:35
based on the same principles,
138
335260
2000
postavené na stejných principech,
05:37
that describes that forest.
139
337260
2000
které popisují zmiňovaný les.
05:39
And here it is for the growth of a rat,
140
339260
2000
A zde je to na růst krysy.
05:41
and those points on there are data points.
141
341260
2000
A ty body tam jsou datové body.
05:43
This is just the weight versus the age.
142
343260
2000
Jde jen o váhu versus věk.
05:45
And you see, it stops growing.
143
345260
2000
A vidíte, že přestává růst.
05:47
Very, very good for biology --
144
347260
2000
Velmi, velmi dobré pro biologii,
05:49
also one of the reasons for its great resilience.
145
349260
2000
také jeden z důvodu, proč je krysa tak odolná.
05:51
Very, very bad
146
351260
2000
Velmi velmi špatné
05:53
for economies and companies and cities
147
353260
2000
pro ekonomiky a firmy a města
05:55
in our present paradigm.
148
355260
2000
aspoň podle našeho současného přesvědčení.
05:57
This is what we believe.
149
357260
2000
Tomuto věříme.
05:59
This is what our whole economy
150
359260
2000
To nám celá naše ekonomika
06:01
is thrusting upon us,
151
361260
2000
namlouvá,
06:03
particularly illustrated in that left-hand corner:
152
363260
3000
speciálně je ilustrováno v tom levém rohu:
06:06
hockey sticks.
153
366260
2000
hokejky.
06:08
This is a bunch of software companies --
154
368260
2000
Je to několik softwarových firem
06:10
and what it is is their revenue versus their age --
155
370260
2000
a zobrazuje to jejich výnosy versus stáří,
06:12
all zooming away,
156
372260
2000
všechny letí nahoru
06:14
and everybody making millions and billions of dollars.
157
374260
2000
a každá vydělává miliony a miliardy dolarů.
06:16
Okay, so how do we understand this?
158
376260
3000
Takže, jak tomu rozumíme?
06:19
So let's first talk about biology.
159
379260
3000
Nejdříve si vezměme biologii.
06:22
This is explicitly showing you
160
382260
2000
Toto vám přesně ukazuje
06:24
how things scale,
161
384260
2000
jak se věci rozpínají.
06:26
and this is a truly remarkable graph.
162
386260
2000
A je to vskutku pozoruhodný graf.
06:28
What is plotted here is metabolic rate --
163
388260
3000
Je zde načrtnutý metabolický poměr -
06:31
how much energy you need per day to stay alive --
164
391260
3000
kolik energie za den potřebujete, abyste přežili -
06:34
versus your weight, your mass,
165
394260
2000
versus vaše hmotnost, hmota
06:36
for all of us bunch of organisms.
166
396260
3000
pro různé organismy.
06:39
And it's plotted in this funny way by going up by factors of 10,
167
399260
3000
Měřítko osy zobrazuje násobky desítky, a je tomu tak, protože
06:42
otherwise you couldn't get everything on the graph.
168
402260
2000
jinak by se všichni do grafu nevešli.
06:44
And what you see if you plot it
169
404260
2000
A když si to nakreslíte
06:46
in this slightly curious way
170
406260
2000
takto zajímavě,
06:48
is that everybody lies on the same line.
171
408260
3000
uvidíte, že všichni se nacházejí na stejné linii.
06:51
Despite the fact that this is the most complex and diverse system
172
411260
3000
I přes skutečnost, že je to nejobsažnější a nejrozmanitější systém
06:54
in the universe,
173
414260
3000
ve vesmíru,
06:57
there's an extraordinary simplicity
174
417260
2000
je v tom mimořádná jednoduchost
06:59
being expressed by this.
175
419260
2000
vyjádřená tímto.
07:01
It's particularly astonishing
176
421260
3000
Je to celkem udivující,
07:04
because each one of these organisms,
177
424260
2000
protože každý z těch organismů,
07:06
each subsystem, each cell type, each gene,
178
426260
2000
každý subsystém, každý typ buňky, každý gen
07:08
has evolved in its own unique environmental niche
179
428260
4000
se vyvinuli ve svém vlastním jedinečném přírodním prostředí,
07:12
with its own unique history.
180
432260
3000
se svou vlastní historií.
07:15
And yet, despite all of that Darwinian evolution
181
435260
3000
A tak, navzdory celé té Darwinovské evoluci
07:18
and natural selection,
182
438260
2000
a přírodnímu výběru,
07:20
they've been constrained to lie on a line.
183
440260
2000
byli omezeni položením na této linii.
07:22
Something else is going on.
184
442260
2000
Něco se tu děje...
07:24
Before I talk about that,
185
444260
2000
Než se k tomu dostanu,
07:26
I've written down at the bottom there
186
446260
2000
dole pod grafem jsem uvedl
07:28
the slope of this curve, this straight line.
187
448260
2000
sklon této křivky, této rovné linie.
07:30
It's three-quarters, roughly,
188
450260
2000
Jsou to zhruba ¾,
07:32
which is less than one -- and we call that sublinear.
189
452260
3000
což je méně než 1 - tomu říkáme sublineární.
07:35
And here's the point of that.
190
455260
2000
A jde o tohle -
07:37
It says that, if it were linear,
191
457260
3000
znamená to, že pokud by to bylo lineární,
07:40
the steepest slope,
192
460260
2000
s prudším sklonem,
07:42
then doubling the size
193
462260
2000
pak by zdvojení velikosti
07:44
you would require double the amount of energy.
194
464260
2000
vedlo k nutnosti dvojitého množství energie.
07:46
But it's sublinear, and what that translates into
195
466260
3000
Je to ale sublineární, což přeloženo znamená,
07:49
is that, if you double the size of the organism,
196
469260
2000
že pokud organismus zvětšíte dvakrát,
07:51
you actually only need 75 percent more energy.
197
471260
3000
pak ve skutečnosti potřebujete jen 75 % dodatečné energie.
07:54
So a wonderful thing about all of biology
198
474260
2000
Úžasnou věcí na celé biologii tak je,
07:56
is that it expresses an extraordinary economy of scale.
199
476260
3000
že představuje mimořádné úspory z rozsahu.
07:59
The bigger you are systematically,
200
479260
2000
Čím větší jste,
08:01
according to very well-defined rules,
201
481260
2000
tím, podle velmi dobře definovaných pravidel,
08:03
less energy per capita.
202
483260
3000
méně energie na jednotku je potřeba.
08:06
Now any physiological variable you can think of,
203
486260
3000
Kterákoliv fyziologická proměnná, která vás napadne,
08:09
any life history event you can think of,
204
489260
2000
jakákoliv historická událost,
08:11
if you plot it this way, looks like this.
205
491260
3000
pokud si to takto naformulujete, vypadá takto.
08:14
There is an extraordinary regularity.
206
494260
2000
Je v tom výjimečná zákonitost.
08:16
So you tell me the size of a mammal,
207
496260
2000
Takže když mi řeknete velikost savce,
08:18
I can tell you at the 90 percent level everything about it
208
498260
3000
jsem schopný vám o něm z 90 % říct všechno
08:21
in terms of its physiology, life history, etc.
209
501260
4000
ve smyslu jeho fyziologie, životního vývoje apod.
08:25
And the reason for this is because of networks.
210
505260
3000
A to díky propojením.
08:28
All of life is controlled by networks --
211
508260
3000
Veškerý život je ovládán propojením -
08:31
from the intracellular through the multicellular
212
511260
2000
od jednobuněčných, přes mnohobuněčné,
08:33
through the ecosystem level.
213
513260
2000
až po úroveň ekosystémů.
08:35
And you're very familiar with these networks.
214
515260
3000
A vám jsou tato propojení velmi dobře známa.
08:39
That's a little thing that lives inside an elephant.
215
519260
3000
Toto je malá věc, která se nachází ve slonovi.
08:42
And here's the summary of what I'm saying.
216
522260
3000
Zde je shrnutí toho, o čem mluvím.
08:45
If you take those networks,
217
525260
2000
Pokud vezmete tato propojení,
08:47
this idea of networks,
218
527260
2000
celou myšlenku propojení,
08:49
and you apply universal principles,
219
529260
2000
a uplatníte na ni všeobecné principy,
08:51
mathematizable, universal principles,
220
531260
2000
zmatematizovatelné, univerzální principy,
08:53
all of these scalings
221
533260
2000
všechna ta odstupňování
08:55
and all of these constraints follow,
222
535260
3000
a všechna omezení budou vždy platit,
08:58
including the description of the forest,
223
538260
2000
včetně popsaného lesa,
09:00
the description of your circulatory system,
224
540260
2000
vašeho oběhového systému,
09:02
the description within cells.
225
542260
2000
či propojení buněk.
09:04
One of the things I did not stress in that introduction
226
544260
3000
Jedna z věcí, kterou jsem na začátku nezdůraznil byla,
09:07
was that, systematically, the pace of life
227
547260
3000
že čím větší jste, tím se tempo života
09:10
decreases as you get bigger.
228
550260
2000
systematicky snižuje.
09:12
Heart rates are slower; you live longer;
229
552260
3000
Srdeční činnost je pomalejší, žijete déle,
09:15
diffusion of oxygen and resources
230
555260
2000
šíření kyslíku a zdrojů
09:17
across membranes is slower, etc.
231
557260
2000
membránami je pomalejší apod.
09:19
The question is: Is any of this true
232
559260
2000
Otázkou je: Je něco z toho platné
09:21
for cities and companies?
233
561260
3000
i pro města a firmy?
09:24
So is London a scaled up Birmingham,
234
564260
3000
Je Londýn větším Birminghamem,
09:27
which is a scaled up Brighton, etc., etc.?
235
567260
3000
který je zvětšeným Brightonem atd. a tak podobně?
09:30
Is New York a scaled up San Francisco,
236
570260
2000
Je New York zvětšeným San Franciskem,
09:32
which is a scaled up Santa Fe?
237
572260
2000
které je zvětšeninou Santa Fe?
09:34
Don't know. We will discuss that.
238
574260
2000
Nevím, podíváme se na to,
09:36
But they are networks,
239
576260
2000
jsou ale propojené.
09:38
and the most important network of cities
240
578260
2000
A tím nejdůležitějším propojením měst
09:40
is you.
241
580260
2000
jste vy.
09:42
Cities are just a physical manifestation
242
582260
3000
Města jsou jen fyzickou podobou
09:45
of your interactions,
243
585260
2000
vašich vzájemných vazeb,
09:47
our interactions,
244
587260
2000
našich vzájemných vazeb
09:49
and the clustering and grouping of individuals.
245
589260
2000
a shlukování a seskupování jednotlivců.
09:51
Here's just a symbolic picture of that.
246
591260
3000
Toto je jen symbolický obrázek, který to ilustruje.
09:54
And here's scaling of cities.
247
594260
2000
A zde je stupňování měst.
09:56
This shows that in this very simple example,
248
596260
3000
Znázorňuje to velmi jednoduchým příkladem,
09:59
which happens to be a mundane example
249
599260
2000
což je náhodou příklad ze života,
10:01
of number of petrol stations
250
601260
2000
počtu benzínek
10:03
as a function of size --
251
603260
2000
jako funkce velikosti -
10:05
plotted in the same way as the biology --
252
605260
2000
zmapovaných stejně jako biologie -
10:07
you see exactly the same kind of thing.
253
607260
2000
přesně vidíte tu samou věc.
10:09
There is a scaling.
254
609260
2000
Je v tom stupňování.
10:11
That is that the number of petrol stations in the city
255
611260
4000
Tzn. že vám řeknu počet benzínek,
10:15
is now given to you
256
615260
2000
když mi zadáte
10:17
when you tell me its size.
257
617260
2000
velikost města.
10:19
The slope of that is less than linear.
258
619260
3000
Sklon funkce je méně než lineární.
10:22
There is an economy of scale.
259
622260
2000
Jsou v tom úspory z rozsahu.
10:24
Less petrol stations per capita the bigger you are -- not surprising.
260
624260
3000
Čím větší město, tím méně benzínek na jednotku - nic překvapujícího.
10:27
But here's what's surprising.
261
627260
2000
Překvapující je ale toto -
10:29
It scales in the same way everywhere.
262
629260
2000
všude to probíhá ve stejném měřítku.
10:31
This is just European countries,
263
631260
2000
Zde jsou jen evropské země,
10:33
but you do it in Japan or China or Colombia,
264
633260
3000
ale když to uplatníte na Japonsko, Čínu či Kolumbii,
10:36
always the same
265
636260
2000
uvidíte totéž,
10:38
with the same kind of economy of scale
266
638260
2000
se stejným druhem úspor z rozsahu,
10:40
to the same degree.
267
640260
2000
ve stejném rozpětí.
10:42
And any infrastructure you look at --
268
642260
3000
A ať se podíváte na jakoukoliv infrastrukturu -
10:45
whether it's the length of roads, length of electrical lines --
269
645260
3000
ať už délku silnic, délku elektrického vedení -
10:48
anything you look at
270
648260
2000
na cokoliv se zaměříte,
10:50
has the same economy of scale scaling in the same way.
271
650260
3000
dosahuje stejných úspor z rozsahu stejným způsobem.
10:53
It's an integrated system
272
653260
2000
Je to ucelený systém,
10:55
that has evolved despite all the planning and so on.
273
655260
3000
který se vyvinul i přes veškeré plánování apod.
10:58
But even more surprising
274
658260
2000
Ještě překvapivější ale je
11:00
is if you look at socio-economic quantities,
275
660260
2000
pohled na socio-ekonomické ukazatele,
11:02
quantities that have no analog in biology,
276
662260
3000
ukazatele, které nemají s biologií nic společného
11:05
that have evolved when we started forming communities
277
665260
3000
a které se vyvinuly tak, jak vznikaly komunity
11:08
eight to 10,000 years ago.
278
668260
2000
před 8 až 10 000 lety.
11:10
The top one is wages as a function of size
279
670260
2000
Ten vrchní jsou mzdy jako funkce velikosti
11:12
plotted in the same way.
280
672260
2000
popsaná stejným způsobem.
11:14
And the bottom one is you lot --
281
674260
2000
A na tom spodním jste vy, bando -
11:16
super-creatives plotted in the same way.
282
676260
3000
super nadaní rozložení stejným způsobem.
11:19
And what you see
283
679260
2000
A vidíte tam
11:21
is a scaling phenomenon.
284
681260
2000
náš fenomén odstupňování.
11:23
But most important in this,
285
683260
2000
Ještě důležitější je zde
11:25
the exponent, the analog to that three-quarters
286
685260
2000
exponent, obdoba těch zmíněných ¾
11:27
for the metabolic rate,
287
687260
2000
u metabolického poměru,
11:29
is bigger than one -- it's about 1.15 to 1.2.
288
689260
2000
který je větší než 1 - pohybuje se od 1,15 do 1,2.
11:31
Here it is,
289
691260
2000
Tady je
11:33
which says that the bigger you are
290
693260
3000
a říká, že čím jste výše,
11:36
the more you have per capita, unlike biology --
291
696260
3000
tím více je třeba na jednotku, ne jako v biologii -
11:39
higher wages, more super-creative people per capita as you get bigger,
292
699260
4000
vyšší mzdy, více nadaných lidí na jednotku, čím větší jste,
11:43
more patents per capita, more crime per capita.
293
703260
3000
více patentů na jednotku, více zločinnosti na jednotku.
11:46
And we've looked at everything:
294
706260
2000
A zaměřili jsme se na vše:
11:48
more AIDS cases, flu, etc.
295
708260
3000
případy AIDS, chřipky apod.
11:51
And here, they're all plotted together.
296
711260
2000
A zde jsou zmapovány všechny dohromady.
11:53
Just to show you what we plotted,
297
713260
2000
Na vysvětlenou, co jsme mapovali -
11:55
here is income, GDP --
298
715260
3000
zde je příjem, HDP -
11:58
GDP of the city --
299
718260
2000
HDP města -
12:00
crime and patents all on one graph.
300
720260
2000
zločinnost a patenty, vše v jednom grafu.
12:02
And you can see, they all follow the same line.
301
722260
2000
A jak vidíte, všechny kopírují totožnou linii.
12:04
And here's the statement.
302
724260
2000
A zde je definice.
12:06
If you double the size of a city from 100,000 to 200,000,
303
726260
3000
Pokud zdvojnásobíte velikost města ze 100 000 na 200 000,
12:09
from a million to two million, 10 to 20 million,
304
729260
2000
z milionu na dva, z 10 na 20 milionů,
12:11
it doesn't matter,
305
731260
2000
na tom nezáleží,
12:13
then systematically
306
733260
2000
pak systematicky
12:15
you get a 15 percent increase
307
735260
2000
získáte 15 % nárůst
12:17
in wages, wealth, number of AIDS cases,
308
737260
2000
ve mzdách, bohatství, množství případů AIDS,
12:19
number of police,
309
739260
2000
počtu strážníků,
12:21
anything you can think of.
310
741260
2000
čehokoliv, na co pomyslíte.
12:23
It goes up by 15 percent,
311
743260
2000
Zvyšuje se to o 15 %.
12:25
and you have a 15 percent savings
312
745260
3000
A dosáhnete 15 % úspor
12:28
on the infrastructure.
313
748260
3000
na infrastruktuře.
12:31
This, no doubt, is the reason
314
751260
3000
To je bezpochyby důvod,
12:34
why a million people a week are gathering in cities.
315
754260
3000
proč týdně do měst proudí milion lidí.
12:37
Because they think that all those wonderful things --
316
757260
3000
Myslí si totiž, že všechny ty skvostné věci,
12:40
like creative people, wealth, income --
317
760260
2000
jako tvořiví lidé, bohatství, příjem,
12:42
is what attracts them,
318
762260
2000
je to, co je přitahuje
12:44
forgetting about the ugly and the bad.
319
764260
2000
a zapomínají přitom na ty ošklivé a špatné.
12:46
What is the reason for this?
320
766260
2000
Čím je to způsobeno?
12:48
Well I don't have time to tell you about all the mathematics,
321
768260
3000
No nemám čas vám vysvětlovat celou matematiku,
12:51
but underlying this is the social networks,
322
771260
3000
ale skrývají se za tím sociální sítě,
12:54
because this is a universal phenomenon.
323
774260
3000
jde totiž u všeobecně platný jev.
12:57
This 15 percent rule
324
777260
3000
Toto pravidlo 15 %
13:00
is true
325
780260
2000
je platné
13:02
no matter where you are on the planet --
326
782260
2000
bez ohledu na to, kde na planetě se nacházíte -
13:04
Japan, Chile,
327
784260
2000
v Japonsku, Čile,
13:06
Portugal, Scotland, doesn't matter.
328
786260
3000
Portugalsku, Skotsku, na tom nezáleží.
13:09
Always, all the data shows it's the same,
329
789260
3000
Vždy vám data ukáží totéž
13:12
despite the fact that these cities have evolved independently.
330
792260
3000
i přes skutečnost, že tato města se vyvinula nezávisle na sobě.
13:15
Something universal is going on.
331
795260
2000
Děje se něco všeobecně platného.
13:17
The universality, to repeat, is us --
332
797260
3000
Všeobecnost, abych to zopakoval, tvoříme my -
13:20
that we are the city.
333
800260
2000
my jsme městem.
13:22
And it is our interactions and the clustering of those interactions.
334
802260
3000
A naše vzájemné vztahy a jejich shlukování.
13:25
So there it is, I've said it again.
335
805260
2000
Tady to máme, zopakoval jsem to znova.
13:27
So if it is those networks and their mathematical structure,
336
807260
3000
Jsou to tedy propojení a jejich matematická podoba,
13:30
unlike biology, which had sublinear scaling,
337
810260
3000
v opaku s biologií, která má sublineární rozsah,
13:33
economies of scale,
338
813260
2000
úspory z rozsahu,
13:35
you had the slowing of the pace of life
339
815260
2000
pomalejší průběh života s tím,
13:37
as you get bigger.
340
817260
2000
čím větší jste.
13:39
If it's social networks with super-linear scaling --
341
819260
2000
Pokud jde o sociální propojení s nadlineárním rozsahem -
13:41
more per capita --
342
821260
2000
více na jednotku -
13:43
then the theory says
343
823260
2000
pak teorie říká,
13:45
that you increase the pace of life.
344
825260
2000
že zvyšujete životní tempo.
13:47
The bigger you are, life gets faster.
345
827260
2000
Čím jste větší, tím je život rychlejší.
13:49
On the left is the heart rate showing biology.
346
829260
2000
Vlevo je tlukot srdce v biologii.
13:51
On the right is the speed of walking
347
831260
2000
Vpravo je rychlost chůze
13:53
in a bunch of European cities,
348
833260
2000
v několika evropských městech,
13:55
showing that increase.
349
835260
2000
která ukazuje nárůst.
13:57
Lastly, I want to talk about growth.
350
837260
3000
Nakonec chci mluvit o růstu.
14:00
This is what we had in biology, just to repeat.
351
840260
3000
Na zopakování, toto jsme viděli v biologii.
14:03
Economies of scale
352
843260
3000
Úspory z rozsahu
14:06
gave rise to this sigmoidal behavior.
353
846260
3000
daly vzniknout této esovitě prohnuté křivce.
14:09
You grow fast and then stop --
354
849260
3000
Rychle vyrostete a pak ustanete -
14:12
part of our resilience.
355
852260
2000
jde o součást vaší odolnosti.
14:14
That would be bad for economies and cities.
356
854260
3000
To by bylo pro ekonomiky a města špatné.
14:17
And indeed, one of the wonderful things about the theory
357
857260
2000
A skutečně, jednou z úžasných věcí na této teorii je,
14:19
is that if you have super-linear scaling
358
859260
3000
že pokud existuje nadlineární měřítko,
14:22
from wealth creation and innovation,
359
862260
2000
od vytváření bohatství a inovace,
14:24
then indeed you get, from the same theory,
360
864260
3000
pak skutečně na základě stejné teorie získáte
14:27
a beautiful rising exponential curve -- lovely.
361
867260
2000
nádhernou rostoucí exponenciální křivku - hezké.
14:29
And in fact, if you compare it to data,
362
869260
2000
A pokud to porovnáte s daty,
14:31
it fits very well
363
871260
2000
velmi dobře to odpovídá
14:33
with the development of cities and economies.
364
873260
2000
rozvoji měst a ekonomik.
14:35
But it has a terrible catch,
365
875260
2000
Je tu ale hrozivý chyták.
14:37
and the catch
366
877260
2000
A tím je,
14:39
is that this system is destined to collapse.
367
879260
3000
že tento systém je odsouzen k zániku.
14:42
And it's destined to collapse for many reasons --
368
882260
2000
A odsouzen k zániku je z mnoha důvodů -
14:44
kind of Malthusian reasons -- that you run out of resources.
369
884260
3000
tak trochu Malthusiánským důvodům - že dojdou zdroje.
14:47
And how do you avoid that? Well we've done it before.
370
887260
3000
A jak se tomu vyhnout? No, už jsme to dříve dokázali.
14:50
What we do is,
371
890260
2000
Jak rosteme
14:52
as we grow and we approach the collapse,
372
892260
3000
a blížíme se k zániku,
14:55
a major innovation takes place
373
895260
3000
dojde k významné inovaci
14:58
and we start over again,
374
898260
2000
a my začínáme úplně od začátku.
15:00
and we start over again as we approach the next one, and so on.
375
900260
3000
A znovu, jak se blížíme k dalšímu a tak dále.
15:03
So there's this continuous cycle of innovation
376
903260
2000
Existuje tu ten neustálý cyklus inovace,
15:05
that is necessary
377
905260
2000
která je nezbytná
15:07
in order to sustain growth and avoid collapse.
378
907260
3000
k udržení růstu a vyhnutí se zániku.
15:10
The catch, however, to this
379
910260
2000
Ten chyták je ale v tom,
15:12
is that you have to innovate
380
912260
2000
že musíte inovovat
15:14
faster and faster and faster.
381
914260
3000
rychleji a rychleji a rychleji.
15:17
So the image
382
917260
2000
Představte si to jako
15:19
is that we're not only on a treadmill that's going faster,
383
919260
3000
že jste na větrném mlýně, který zrychluje,
15:22
but we have to change the treadmill faster and faster.
384
922260
3000
ale my musíme ten mlýn měnit rychleji a rychleji.
15:25
We have to accelerate on a continuous basis.
385
925260
3000
Musíme neustále zrychlovat.
15:28
And the question is: Can we, as socio-economic beings,
386
928260
3000
A otázkou je: Můžeme se, jako socio-ekonomické bytosti,
15:31
avoid a heart attack?
387
931260
3000
vyhnout infarktu?
15:34
So lastly, I'm going to finish up in this last minute or two
388
934260
3000
Závěrečnou minutu či dvě zakončím
15:37
asking about companies.
389
937260
2000
dotazy ohledně firem.
15:39
See companies, they scale.
390
939260
2000
Vidíte firmy, resp. jejich prodeje.
15:41
The top one, in fact, is Walmart on the right.
391
941260
2000
Ta nahoře vpravo je Walmart.
15:43
It's the same plot.
392
943260
2000
Jde o stejný příběh.
15:45
This happens to be income and assets
393
945260
2000
Toto jsou zrovna příjmy a jmění
15:47
versus the size of the company as denoted by its number of employees.
394
947260
2000
a velikost firmy vyjádřená počtem zaměstnanců.
15:49
We could use sales, anything you like.
395
949260
3000
Mohli bychom použít i prodeje či cokoliv jiného.
15:52
There it is: after some little fluctuations at the beginning,
396
952260
3000
Takže: po mírném počátečním kolísání,
15:55
when companies are innovating,
397
955260
2000
kdy firmy inovují,
15:57
they scale beautifully.
398
957260
2000
se krásně rozloží.
15:59
And we've looked at 23,000 companies
399
959260
3000
A my vzali v úvahu 23 000 firem
16:02
in the United States, may I say.
400
962260
2000
v USA, abych tak řekl.
16:04
And I'm only showing you a little bit of this.
401
964260
3000
A já vám z toho ukazuji jen malý ždibec.
16:07
What is astonishing about companies
402
967260
2000
Na firmách je úžasné,
16:09
is that they scale sublinearly
403
969260
3000
že se vyvíjejí sublineárně,
16:12
like biology,
404
972260
2000
jako v biologii,
16:14
indicating that they're dominated,
405
974260
2000
což naznačuje, že jsou ovládány,
16:16
not by super-linear
406
976260
2000
ne nadlineárními
16:18
innovation and ideas;
407
978260
3000
inovacemi a nápady:
16:21
they become dominated
408
981260
2000
jsou ovládány
16:23
by economies of scale.
409
983260
2000
úsporami z rozsahu.
16:25
In that interpretation,
410
985260
2000
Jinak řečeno
16:27
by bureaucracy and administration,
411
987260
2000
byrokracií a administrativou
16:29
and they do it beautifully, may I say.
412
989260
2000
a jde jim to hezky, abych tak řekl.
16:31
So if you tell me the size of some company, some small company,
413
991260
3000
Takže pokud mi zadáte velikost nějaké firmy, třeba velmi malé,
16:34
I could have predicted the size of Walmart.
414
994260
3000
mohl bych pak předpovědět velikost Walmartu.
16:37
If it has this sublinear scaling,
415
997260
2000
Pokud máme sublineární měřítko,
16:39
the theory says
416
999260
2000
pak dle teorie
16:41
we should have sigmoidal growth.
417
1001260
3000
by měl nastat esovitý nárůst.
16:44
There's Walmart. Doesn't look very sigmoidal.
418
1004260
2000
Tady je Walmart. Nevypadá to moc esovitě.
16:46
That's what we like, hockey sticks.
419
1006260
3000
Takhle to máme rádi, jako hokejky.
16:49
But you notice, I've cheated,
420
1009260
2000
Ale jak jste si všimli, podváděl jsem,
16:51
because I've only gone up to '94.
421
1011260
2000
protože jsem to namodeloval jen do roku 94.
16:53
Let's go up to 2008.
422
1013260
2000
Protáhněme to až do roku 2008.
16:55
That red line is from the theory.
423
1015260
3000
Ta červená linie pochází z teorie.
16:58
So if I'd have done this in 1994,
424
1018260
2000
Takže pokud bych to provedl v roce 1994,
17:00
I could have predicted what Walmart would be now.
425
1020260
3000
byl bych schopen odhadnout, kde bude Walmart teď.
17:03
And then this is repeated
426
1023260
2000
A to se opakuje
17:05
across the entire spectrum of companies.
427
1025260
2000
napříč celým spektrem firem.
17:07
There they are. That's 23,000 companies.
428
1027260
3000
Tady je máme. 23 000 firem.
17:10
They all start looking like hockey sticks,
429
1030260
2000
Všechny začnou vypadat jako hokejky,
17:12
they all bend over,
430
1032260
2000
všechny se sklánějí
17:14
and they all die like you and me.
431
1034260
2000
a všechny zaniknou jako vy nebo já.
17:16
Thank you.
432
1036260
2000
Děkuji.
17:18
(Applause)
433
1038260
9000
(potlesk)
O tomto webu

Tato stránka vám představí videa na YouTube, která jsou užitečná pro výuku angličtiny. Uvidíte lekce angličtiny vedené špičkovými učiteli z celého světa. Dvojklikem na anglické titulky zobrazené na každé stránce s videem si video přehrajete přímo odtud. Titulky se posouvají synchronizovaně s přehráváním videa. Pokud máte nějaké připomínky nebo požadavky, kontaktujte nás prosím pomocí tohoto kontaktního formuláře.

https://forms.gle/WvT1wiN1qDtmnspy7