Geoffrey West: The surprising math of cities and corporations

170,954 views ・ 2011-07-26

TED


Dobbeltklik venligst på de engelske undertekster nedenfor for at afspille videoen.

Translator: Eivind Tøstesen Reviewer: Anders Finn Jørgensen
00:16
Cities are the crucible of civilization.
0
16260
3000
Byer er civilisationens smeltedigel.
00:19
They have been expanding,
1
19260
2000
De er vokset,
00:21
urbanization has been expanding,
2
21260
2000
urbaniseringen er vokset,
00:23
at an exponential rate in the last 200 years
3
23260
2000
eksponentielt de sidste 200 år
00:25
so that by the second part of this century,
4
25260
3000
så i 2. halvdel af dette århundrede,
00:28
the planet will be completely dominated
5
28260
2000
vil planeten være helt domineret
00:30
by cities.
6
30260
3000
af byer.
00:33
Cities are the origins of global warming,
7
33260
3000
Byer er roden til global opvarmning,
00:36
impact on the environment,
8
36260
2000
påvirkning af miljøet,
00:38
health, pollution, disease,
9
38260
3000
helbred, forurening, sygdom,
00:41
finance,
10
41260
2000
finans,
00:43
economies, energy --
11
43260
3000
økonomier, energi -
00:46
they're all problems
12
46260
2000
det er altsammen problemer
00:48
that are confronted by having cities.
13
48260
2000
man får ved at have byer.
00:50
That's where all these problems come from.
14
50260
2000
Det er der alle disse problemer kommer fra.
00:52
And the tsunami of problems that we feel we're facing
15
52260
3000
Og den tsunami af problemer vi føler vi har
00:55
in terms of sustainability questions
16
55260
2000
med hensyn til bæredygtighed
00:57
are actually a reflection
17
57260
2000
afspejler faktisk
00:59
of the exponential increase
18
59260
2000
den eksponentielle vækst
01:01
in urbanization across the planet.
19
61260
3000
i urbanisering over hele kloden.
01:04
Here's some numbers.
20
64260
2000
Her er nogle tal.
01:06
Two hundred years ago, the United States
21
66260
2000
For to hundrede år siden var USA
01:08
was less than a few percent urbanized.
22
68260
2000
mindre end få procent urbaniseret.
01:10
It's now more than 82 percent.
23
70260
2000
Nu er det mere end 82 procent.
01:12
The planet has crossed the halfway mark a few years ago.
24
72260
3000
Kloden passerede halvvejs for få år siden.
01:15
China's building 300 new cities
25
75260
2000
Kina bygger 300 nye byer
01:17
in the next 20 years.
26
77260
2000
i løbet af de næste 20 år.
01:19
Now listen to this:
27
79260
2000
Hør lige på dette:
01:21
Every week for the foreseeable future,
28
81260
3000
Hver uge i overskuelig fremtid
01:24
until 2050,
29
84260
2000
indtil 2050
01:26
every week more than a million people
30
86260
2000
vil en million mennesker hver uge
01:28
are being added to our cities.
31
88260
2000
føjes til vores byer.
01:30
This is going to affect everything.
32
90260
2000
Det vil påvirke alting.
01:32
Everybody in this room, if you stay alive,
33
92260
2000
Alle i dette lokale som lever til den tid
01:34
is going to be affected
34
94260
2000
vil påvirkes
01:36
by what's happening in cities
35
96260
2000
af det som sker i byer
01:38
in this extraordinary phenomenon.
36
98260
2000
i dette ekstraordinære fænomen.
01:40
However, cities,
37
100260
3000
Men byerne,
01:43
despite having this negative aspect to them,
38
103260
3000
selvom de har dette negative aspekt,
01:46
are also the solution.
39
106260
2000
er også løsningen.
01:48
Because cities are the vacuum cleaners and the magnets
40
108260
4000
For byerne er støvsugerne og magneterne
01:52
that have sucked up creative people,
41
112260
2000
som har suget kreative mennesker til sig,
01:54
creating ideas, innovation,
42
114260
2000
som skaber ideer, innovation,
01:56
wealth and so on.
43
116260
2000
velstand og så videre.
01:58
So we have this kind of dual nature.
44
118260
2000
Så vi har denne dobbelte natur.
02:00
And so there's an urgent need
45
120260
3000
Og der er et akut behov
02:03
for a scientific theory of cities.
46
123260
4000
for en videnskabelig teori om byer.
02:07
Now these are my comrades in arms.
47
127260
3000
Disse er mine våbenbrødre.
02:10
This work has been done with an extraordinary group of people,
48
130260
2000
Dette arbejde er blevet udført af en usædvanlig gruppe mennesker,
02:12
and they've done all the work,
49
132260
2000
og de har gjort alt arbejdet,
02:14
and I'm the great bullshitter
50
134260
2000
mens jeg er det store vrøvlehovede
02:16
that tries to bring it all together.
51
136260
2000
som prøver at holde sammen på det hele.
02:18
(Laughter)
52
138260
2000
(Latter)
02:20
So here's the problem: This is what we all want.
53
140260
2000
Så her er problemet: Dette er hvad vi ønsker.
02:22
The 10 billion people on the planet in 2050
54
142260
3000
De 10 milliarder mennesker på jorden i 2050
02:25
want to live in places like this,
55
145260
2000
ønsker at bo på steder som dette,
02:27
having things like this,
56
147260
2000
at have ting som disse,
02:29
doing things like this,
57
149260
2000
gøre ting som dette,
02:31
with economies that are growing like this,
58
151260
3000
med økonomier som vokser sådan,
02:34
not realizing that entropy
59
154260
2000
uden at indse at entropi
02:36
produces things like this,
60
156260
2000
producerer ting som dette,
02:38
this, this
61
158260
4000
dette, dette,
02:42
and this.
62
162260
2000
og dette.
02:44
And the question is:
63
164260
2000
Og spørgsmålet er:
02:46
Is that what Edinburgh and London and New York
64
166260
2000
Er det sådan Edinburgh, London og New York
02:48
are going to look like in 2050,
65
168260
2000
ser ud i 2050,
02:50
or is it going to be this?
66
170260
2000
eller ser det sådan ud?
02:52
That's the question.
67
172260
2000
Det er spørgsmålet.
02:54
I must say, many of the indicators
68
174260
2000
Jeg må sige at mange indikatorer
02:56
look like this is what it's going to look like,
69
176260
3000
ser ud til at det er sådan det bliver,
02:59
but let's talk about it.
70
179260
3000
men lad os diskutere det.
03:02
So my provocative statement
71
182260
3000
Mit provokative udsagn er at
03:05
is that we desperately need a serious scientific theory of cities.
72
185260
3000
vi har et desperat behov for en videnskabelig teori om byer.
03:08
And scientific theory means quantifiable --
73
188260
3000
Og videnskabelig teori betyder kvantificerbar,
03:11
relying on underlying generic principles
74
191260
3000
baseret på generelle principper
03:14
that can be made into a predictive framework.
75
194260
2000
som kan bruges til forudsigelser.
03:16
That's the quest.
76
196260
2000
Det er målet.
03:18
Is that conceivable?
77
198260
2000
Er det tænkeligt?
03:20
Are there universal laws?
78
200260
2000
Er der nogle universelle love?
03:22
So here's two questions
79
202260
2000
Her er to spørgsmål
03:24
that I have in my head when I think about this problem.
80
204260
2000
jeg har i baghovedet når jeg tænker over dette problem.
03:26
The first is:
81
206260
2000
Det første er:
03:28
Are cities part of biology?
82
208260
2000
Er byer en del af biologien?
03:30
Is London a great big whale?
83
210260
2000
Er London som en kæmpestor hval?
03:32
Is Edinburgh a horse?
84
212260
2000
Er Edinburgh en hest?
03:34
Is Microsoft a great big anthill?
85
214260
2000
Er Microsoft en stor myretue?
03:36
What do we learn from that?
86
216260
2000
Hvad lærer vi af dette?
03:38
We use them metaphorically --
87
218260
2000
Vi bruger metaforer -
03:40
the DNA of a company, the metabolism of a city, and so on --
88
220260
2000
En virksomheds DNA, en bys stofskifte og så videre -
03:42
is that just bullshit, metaphorical bullshit,
89
222260
3000
er det bare nonsens, metaforisk nonsens,
03:45
or is there serious substance to it?
90
225260
3000
eller er der et seriøst indhold i det?
03:48
And if that is the case,
91
228260
2000
Og hvis det er tilfældet,
03:50
how come that it's very hard to kill a city?
92
230260
2000
hvorfor er det så svært at dræbe en by?
03:52
You could drop an atom bomb on a city,
93
232260
2000
Man kan smide en atombombe på en by,
03:54
and 30 years later it's surviving.
94
234260
2000
og den lever stadig 30 år senere.
03:56
Very few cities fail.
95
236260
3000
Meget få byer mislykkes.
03:59
All companies die, all companies.
96
239260
3000
Alle virksomheder dør - alle virksomheder.
04:02
And if you have a serious theory, you should be able to predict
97
242260
2000
Og hvis du har en seriøs teori, må du kunne forudsige
04:04
when Google is going to go bust.
98
244260
3000
hvornår Google vil gå fallit.
04:07
So is that just another version
99
247260
3000
Så er dette bare en anden version
04:10
of this?
100
250260
2000
af dette?
04:12
Well we understand this very well.
101
252260
2000
Vi forstår dette her meget godt.
04:14
That is, you ask any generic question about this --
102
254260
2000
Det vil sige, du kan spørge om alting -
04:16
how many trees of a given size,
103
256260
2000
hvor mange træer af en given størrelse,
04:18
how many branches of a given size does a tree have,
104
258260
2000
hvor mange grene af given størrelse har et træ,
04:20
how many leaves,
105
260260
2000
hvor mange blade,
04:22
what is the energy flowing through each branch,
106
262260
2000
hvad er energistrømmen gennem hver gren,
04:24
what is the size of the canopy,
107
264260
2000
hvad er størrelsen af kronen,
04:26
what is its growth, what is its mortality?
108
266260
2000
hvad er dets vækst, hvad er dets dødelighed?
04:28
We have a mathematical framework
109
268260
2000
Vi har et matematisk system
04:30
based on generic universal principles
110
270260
3000
baseret på generiske universelle principper
04:33
that can answer those questions.
111
273260
2000
som kan besvare disse spørgsmål.
04:35
And the idea is can we do the same for this?
112
275260
4000
Og tanken er, kan vi gøre det samme for dette?
04:40
So the route in is recognizing
113
280260
3000
Vejen frem er at erkende
04:43
one of the most extraordinary things about life,
114
283260
2000
at en af de mest usædvanlige ting ved livet
04:45
is that it is scalable,
115
285260
2000
er at det skalerer,
04:47
it works over an extraordinary range.
116
287260
2000
det virker på mange størrelsesordener.
04:49
This is just a tiny range actually:
117
289260
2000
Her er bare en lille del af spændvidden:
04:51
It's us mammals;
118
291260
2000
Det er os pattedyr.
04:53
we're one of these.
119
293260
2000
Vi er en af dem.
04:55
The same principles, the same dynamics,
120
295260
2000
De samme principper, den samme dynamik,
04:57
the same organization is at work
121
297260
2000
og den samme organisation virker
04:59
in all of these, including us,
122
299260
2000
i alle disse, inklusive os selv,
05:01
and it can scale over a range of 100 million in size.
123
301260
3000
og det kan skalere op til en faktor 100 millioner.
05:04
And that is one of the main reasons
124
304260
3000
Og det er en af grundene til
05:07
life is so resilient and robust --
125
307260
2000
at liv er så stærkt og robust -
05:09
scalability.
126
309260
2000
skalerbarhed.
05:11
We're going to discuss that in a moment more.
127
311260
3000
Vi skal diskutere det lidt mere.
05:14
But you know, at a local level,
128
314260
2000
Som I ved, på lokalt niveau
05:16
you scale; everybody in this room is scaled.
129
316260
2000
skalerer du; allesammen i dette rum er skaleret.
05:18
That's called growth.
130
318260
2000
Det kaldes vækst.
05:20
Here's how you grew.
131
320260
2000
Her er hvordan du vokser.
05:22
Rat, that's a rat -- could have been you.
132
322260
2000
Rotte - det er en rotte - det kunne have været dig.
05:24
We're all pretty much the same.
133
324260
3000
Vi er alle stort set det samme.
05:27
And you see, you're very familiar with this.
134
327260
2000
Og du ser, du ved det godt.
05:29
You grow very quickly and then you stop.
135
329260
2000
Du vokser hurtigt og så stopper du.
05:31
And that line there
136
331260
2000
Den kurve der
05:33
is a prediction from the same theory,
137
333260
2000
er en forudsigelse fra den samme teori,
05:35
based on the same principles,
138
335260
2000
baseret på samme principper,
05:37
that describes that forest.
139
337260
2000
som beskriver skoven.
05:39
And here it is for the growth of a rat,
140
339260
2000
Her er det for en rottes vækst,
05:41
and those points on there are data points.
141
341260
2000
og punkterne der er datapunkter.
05:43
This is just the weight versus the age.
142
343260
2000
Det er vægt plottet mod alder.
05:45
And you see, it stops growing.
143
345260
2000
Og man ser at den stopper at vokse.
05:47
Very, very good for biology --
144
347260
2000
Meget, meget godt for biologi -
05:49
also one of the reasons for its great resilience.
145
349260
2000
også en årsag til modstandsdygtigheden.
05:51
Very, very bad
146
351260
2000
Meget meget dårligt
05:53
for economies and companies and cities
147
353260
2000
for økonomier og virksomheder og byer
05:55
in our present paradigm.
148
355260
2000
i vores nuværende paradigme.
05:57
This is what we believe.
149
357260
2000
Dette er noget vi tror.
05:59
This is what our whole economy
150
359260
2000
Dette er hvad hele vores økonomi
06:01
is thrusting upon us,
151
361260
2000
bombarderer os med,
06:03
particularly illustrated in that left-hand corner:
152
363260
3000
godt illustreret i nederste venstre hjørne:
06:06
hockey sticks.
153
366260
2000
hockey-stave.
06:08
This is a bunch of software companies --
154
368260
2000
Det er nogle software virksomheder -
06:10
and what it is is their revenue versus their age --
155
370260
2000
og viser deres indtægt som funktion af alder -
06:12
all zooming away,
156
372260
2000
alle suser afsted,
06:14
and everybody making millions and billions of dollars.
157
374260
2000
og tjener millioner og milliarder dollars.
06:16
Okay, so how do we understand this?
158
376260
3000
Okay, så hvordan kan vi forstå dette?
06:19
So let's first talk about biology.
159
379260
3000
Lad os først snakke om biologi.
06:22
This is explicitly showing you
160
382260
2000
Dette viser eksplicit
06:24
how things scale,
161
384260
2000
hvordan ting skalerer,
06:26
and this is a truly remarkable graph.
162
386260
2000
og det er en virkelig interessant graf.
06:28
What is plotted here is metabolic rate --
163
388260
3000
Det som plottes her er stofskiftet -
06:31
how much energy you need per day to stay alive --
164
391260
3000
hvor meget energi per dag man behøver -
06:34
versus your weight, your mass,
165
394260
2000
i forhold til ens vægt,
06:36
for all of us bunch of organisms.
166
396260
3000
for alle organismer.
06:39
And it's plotted in this funny way by going up by factors of 10,
167
399260
3000
Det plottes på en sjov måde, hvor man går op i faktorer af 10,
06:42
otherwise you couldn't get everything on the graph.
168
402260
2000
for at få plads til alt i en graf.
06:44
And what you see if you plot it
169
404260
2000
Og når man plotter det
06:46
in this slightly curious way
170
406260
2000
på denne lidt mærkelige måde
06:48
is that everybody lies on the same line.
171
408260
3000
ser man at alle ligger på samme linie.
06:51
Despite the fact that this is the most complex and diverse system
172
411260
3000
Selvom dette er det mest komplekse system
06:54
in the universe,
173
414260
3000
i universet,
06:57
there's an extraordinary simplicity
174
417260
2000
er der er utrolig enkelthed
06:59
being expressed by this.
175
419260
2000
som kommer til udtryk her.
07:01
It's particularly astonishing
176
421260
3000
Det er specielt forbløffende
07:04
because each one of these organisms,
177
424260
2000
fordi hver af disse organismer,
07:06
each subsystem, each cell type, each gene,
178
426260
2000
hvert undersystem, hver celletype, hvert gen,
07:08
has evolved in its own unique environmental niche
179
428260
4000
har udviklet sig i sin egne unikke niche
07:12
with its own unique history.
180
432260
3000
med en egen unik historie.
07:15
And yet, despite all of that Darwinian evolution
181
435260
3000
Og på trods af al denne Darwinske evolution
07:18
and natural selection,
182
438260
2000
og naturlige udvælgelse,
07:20
they've been constrained to lie on a line.
183
440260
2000
er de begrænset til at ligge på en linie.
07:22
Something else is going on.
184
442260
2000
Noget andet er på færde.
07:24
Before I talk about that,
185
444260
2000
Før jeg snakker om det,
07:26
I've written down at the bottom there
186
446260
2000
har jeg skrevet nederst
07:28
the slope of this curve, this straight line.
187
448260
2000
hældningen på kurven, den rette linie,
07:30
It's three-quarters, roughly,
188
450260
2000
den er circa tre fjerdedele,
07:32
which is less than one -- and we call that sublinear.
189
452260
3000
som er mindre end 1 - og vi kalder det sublineært.
07:35
And here's the point of that.
190
455260
2000
Og her er meningen med det.
07:37
It says that, if it were linear,
191
457260
3000
Det betyder at hvis det var lineært
07:40
the steepest slope,
192
460260
2000
- den stejleste hældning -
07:42
then doubling the size
193
462260
2000
så ville en fordobling af størrelse
07:44
you would require double the amount of energy.
194
464260
2000
kræve dobbelt så meget energi.
07:46
But it's sublinear, and what that translates into
195
466260
3000
Men det er sublineært, og det betyder
07:49
is that, if you double the size of the organism,
196
469260
2000
at hvis du fordobler størrelsen på organismen,
07:51
you actually only need 75 percent more energy.
197
471260
3000
behøver den kun 75% mere energi.
07:54
So a wonderful thing about all of biology
198
474260
2000
Så en vidunderlig ting ved alt biologisk
07:56
is that it expresses an extraordinary economy of scale.
199
476260
3000
er at det viser en usædvanlig stordriftsfordel.
07:59
The bigger you are systematically,
200
479260
2000
Jo større du er,
08:01
according to very well-defined rules,
201
481260
2000
ifølge veldefinerede regler,
08:03
less energy per capita.
202
483260
3000
jo mindre energi per enhed.
08:06
Now any physiological variable you can think of,
203
486260
3000
Enhver fysiologisk parameter man tænker sig,
08:09
any life history event you can think of,
204
489260
2000
og begivenhed i livet man kan tænke sig,
08:11
if you plot it this way, looks like this.
205
491260
3000
hvis det plottes sådan, ser det sådan ud.
08:14
There is an extraordinary regularity.
206
494260
2000
Der er en utrolig regularitet.
08:16
So you tell me the size of a mammal,
207
496260
2000
Du kan sige størrelsen på et pattedyr,
08:18
I can tell you at the 90 percent level everything about it
208
498260
3000
og jeg kan fortælle alt om det på 90%-niveau
08:21
in terms of its physiology, life history, etc.
209
501260
4000
om dets fysiologi, dets livshistorie, osv.
08:25
And the reason for this is because of networks.
210
505260
3000
Og grunden til dette er netværk.
08:28
All of life is controlled by networks --
211
508260
3000
Alt levende er kontrolleret af netværk -
08:31
from the intracellular through the multicellular
212
511260
2000
fra det intracellulære, over til det multicellulære
08:33
through the ecosystem level.
213
513260
2000
og op til økosystemniveau.
08:35
And you're very familiar with these networks.
214
515260
3000
Og disse netværk kender I.
08:39
That's a little thing that lives inside an elephant.
215
519260
3000
Dette er en lille ting som lever indeni en elefant.
08:42
And here's the summary of what I'm saying.
216
522260
3000
Her er et resume af det jeg står og siger.
08:45
If you take those networks,
217
525260
2000
Hvis du tager disse netværk,
08:47
this idea of networks,
218
527260
2000
dette netværksbegreb,
08:49
and you apply universal principles,
219
529260
2000
og du bruger universelle principper,
08:51
mathematizable, universal principles,
220
531260
2000
matematiserbare, universelle principper,
08:53
all of these scalings
221
533260
2000
så vil alle disse skaleringer,
08:55
and all of these constraints follow,
222
535260
3000
og alle disse lovmæssigheder følge,
08:58
including the description of the forest,
223
538260
2000
inklusiv beskrivelsen af en skov,
09:00
the description of your circulatory system,
224
540260
2000
beskrivelsen af dit kredsløb,
09:02
the description within cells.
225
542260
2000
beskrivelsen indeni celler.
09:04
One of the things I did not stress in that introduction
226
544260
3000
En af de ting jeg ikke sagde i introduktionen
09:07
was that, systematically, the pace of life
227
547260
3000
var at hastigheden på liv
09:10
decreases as you get bigger.
228
550260
2000
aftager når man bliver større.
09:12
Heart rates are slower; you live longer;
229
552260
3000
Hjerteslag bliver langsommere, man lever længere,
09:15
diffusion of oxygen and resources
230
555260
2000
diffusion af ilt og ressourcer
09:17
across membranes is slower, etc.
231
557260
2000
gennem membraner bliver langsommere, osv.
09:19
The question is: Is any of this true
232
559260
2000
Spørgsmålet er: Gælder noget af dette
09:21
for cities and companies?
233
561260
3000
for byer og virksomheder?
09:24
So is London a scaled up Birmingham,
234
564260
3000
Altså er London en opskaleret Birmingham,
09:27
which is a scaled up Brighton, etc., etc.?
235
567260
3000
som er en opskaleret Brighton, osv.?
09:30
Is New York a scaled up San Francisco,
236
570260
2000
Er New York en opskaleret San Francisco,
09:32
which is a scaled up Santa Fe?
237
572260
2000
som er en opskaleret Santa Fe?
09:34
Don't know. We will discuss that.
238
574260
2000
Jeg ved ikke. Vi vil diskutere det.
09:36
But they are networks,
239
576260
2000
Men de er netværk,
09:38
and the most important network of cities
240
578260
2000
og det vigtigste netværk i byer
09:40
is you.
241
580260
2000
er dig.
09:42
Cities are just a physical manifestation
242
582260
3000
Byer er den fysiske manifestation
09:45
of your interactions,
243
585260
2000
af dine interaktioner,
09:47
our interactions,
244
587260
2000
vores interaktioner,
09:49
and the clustering and grouping of individuals.
245
589260
2000
og grupperingen af individer.
09:51
Here's just a symbolic picture of that.
246
591260
3000
Dette er bare et symbolsk billede af det.
09:54
And here's scaling of cities.
247
594260
2000
Her er byers skalering.
09:56
This shows that in this very simple example,
248
596260
3000
Det viser at i dette simple eksempel,
09:59
which happens to be a mundane example
249
599260
2000
som er et dagligdags eksempel
10:01
of number of petrol stations
250
601260
2000
på antal benzintanke
10:03
as a function of size --
251
603260
2000
som funktion af størrelse -
10:05
plotted in the same way as the biology --
252
605260
2000
plottet på samme måde som det biologiske -
10:07
you see exactly the same kind of thing.
253
607260
2000
ser man præcis det samme.
10:09
There is a scaling.
254
609260
2000
Der er skalering.
10:11
That is that the number of petrol stations in the city
255
611260
4000
Dvs. at antal benzintanke i byen
10:15
is now given to you
256
615260
2000
får du
10:17
when you tell me its size.
257
617260
2000
hvis du opgiver dens størrelse.
10:19
The slope of that is less than linear.
258
619260
3000
Hældningen er mindre end lineær.
10:22
There is an economy of scale.
259
622260
2000
Der er stordriftsfordele.
10:24
Less petrol stations per capita the bigger you are -- not surprising.
260
624260
3000
Færre benzintanke per indbygger jo større man er - ikke overraskende.
10:27
But here's what's surprising.
261
627260
2000
Men her det overraskende.
10:29
It scales in the same way everywhere.
262
629260
2000
Det skalerer på samme måde overalt.
10:31
This is just European countries,
263
631260
2000
Dette er bare europæiske lande,
10:33
but you do it in Japan or China or Colombia,
264
633260
3000
men du kan gøre det i Japan eller Kina eller Columbia,
10:36
always the same
265
636260
2000
altid det samme
10:38
with the same kind of economy of scale
266
638260
2000
med samme stordriftsfordele
10:40
to the same degree.
267
640260
2000
i samme grad.
10:42
And any infrastructure you look at --
268
642260
3000
Og enhver infrastruktur vi ser på -
10:45
whether it's the length of roads, length of electrical lines --
269
645260
3000
om det er vejlængder, længder på elkraftlinier -
10:48
anything you look at
270
648260
2000
hvad som helst vi ser på
10:50
has the same economy of scale scaling in the same way.
271
650260
3000
har samme stordriftsfordele som skalerer på samme måde.
10:53
It's an integrated system
272
653260
2000
Det er et integreret system
10:55
that has evolved despite all the planning and so on.
273
655260
3000
som har udviklet sig uafhængigt af al planlægning osv.
10:58
But even more surprising
274
658260
2000
Men endnu mere overraskende
11:00
is if you look at socio-economic quantities,
275
660260
2000
er hvis du ser på socioøkonomiske størrelser,
11:02
quantities that have no analog in biology,
276
662260
3000
størrelser som ikke har analogier i biologi,
11:05
that have evolved when we started forming communities
277
665260
3000
som udviklede sig da vi begyndte at lave samfund
11:08
eight to 10,000 years ago.
278
668260
2000
for 8 - 10.000 år siden.
11:10
The top one is wages as a function of size
279
670260
2000
Øverst er løn som funktion af størrelse
11:12
plotted in the same way.
280
672260
2000
plottet på samme måde.
11:14
And the bottom one is you lot --
281
674260
2000
Og nederst er jer -
11:16
super-creatives plotted in the same way.
282
676260
3000
superkreative folk plottet på samme måde.
11:19
And what you see
283
679260
2000
Og det I ser
11:21
is a scaling phenomenon.
284
681260
2000
er et skaleringsfænomen.
11:23
But most important in this,
285
683260
2000
Men det vigtigste i dette her,
11:25
the exponent, the analog to that three-quarters
286
685260
2000
eksponenten, svarende til de tre fjerdedele
11:27
for the metabolic rate,
287
687260
2000
for stofskiftets hastighed,
11:29
is bigger than one -- it's about 1.15 to 1.2.
288
689260
2000
er større end 1 - den er mellem 1,15 og 1,2.
11:31
Here it is,
289
691260
2000
Her er det,
11:33
which says that the bigger you are
290
693260
3000
som viser at jo større man er
11:36
the more you have per capita, unlike biology --
291
696260
3000
jo mere har man per indbygger, i modsætning til biologi -
11:39
higher wages, more super-creative people per capita as you get bigger,
292
699260
4000
højere løn, flere superkreative folk per indbygger jo større man er,
11:43
more patents per capita, more crime per capita.
293
703260
3000
flere patenter per indbygger, mere kriminalitet.
11:46
And we've looked at everything:
294
706260
2000
Og vi har set på alt:
11:48
more AIDS cases, flu, etc.
295
708260
3000
Flere AIDS tilfælde, influenza, osv.
11:51
And here, they're all plotted together.
296
711260
2000
Og her er de allesammen plottet sammen.
11:53
Just to show you what we plotted,
297
713260
2000
Bare for at vise hvad vi har plottet,
11:55
here is income, GDP --
298
715260
3000
her er indkomst, BNI -
11:58
GDP of the city --
299
718260
2000
byens BNI -
12:00
crime and patents all on one graph.
300
720260
2000
kriminalitet og patenter alt på en graf.
12:02
And you can see, they all follow the same line.
301
722260
2000
Og man ser, de ligger alle på samme linie.
12:04
And here's the statement.
302
724260
2000
Og her er påstanden.
12:06
If you double the size of a city from 100,000 to 200,000,
303
726260
3000
Hvis du fordobler byens størrelse fra 100.000 til 200.000,
12:09
from a million to two million, 10 to 20 million,
304
729260
2000
fra en million til to millioner, 10 til 20 millioner,
12:11
it doesn't matter,
305
731260
2000
det er ligegyldigt,
12:13
then systematically
306
733260
2000
får du systematisk
12:15
you get a 15 percent increase
307
735260
2000
en 15 procent forøgelse
12:17
in wages, wealth, number of AIDS cases,
308
737260
2000
i lønninger, rigdom, antal AIDS tilfælde,
12:19
number of police,
309
739260
2000
antal politifolk,
12:21
anything you can think of.
310
741260
2000
alt du kan komme i tanke om.
12:23
It goes up by 15 percent,
311
743260
2000
Det stiger med 15 %,
12:25
and you have a 15 percent savings
312
745260
3000
og du har en 15 % besparelse
12:28
on the infrastructure.
313
748260
3000
på infrastruktur.
12:31
This, no doubt, is the reason
314
751260
3000
Dette er uden tvivl grunden
12:34
why a million people a week are gathering in cities.
315
754260
3000
til at en million mennesker om ugen samles i byer.
12:37
Because they think that all those wonderful things --
316
757260
3000
For de tænker at alle disse vidunderlige ting -
12:40
like creative people, wealth, income --
317
760260
2000
som kreative folk, rigdom, indkomst -
12:42
is what attracts them,
318
762260
2000
er det som tiltrækker,
12:44
forgetting about the ugly and the bad.
319
764260
2000
og glemmer det grimme og det dårlige.
12:46
What is the reason for this?
320
766260
2000
Hvad er grunden til det?
12:48
Well I don't have time to tell you about all the mathematics,
321
768260
3000
Jeg har ikke tid til at fortælle om alt matematikken,
12:51
but underlying this is the social networks,
322
771260
3000
men det underliggende er de sociale netværk,
12:54
because this is a universal phenomenon.
323
774260
3000
fordi dette er et universelt fænomen.
12:57
This 15 percent rule
324
777260
3000
Denne 15 % regel
13:00
is true
325
780260
2000
gælder
13:02
no matter where you are on the planet --
326
782260
2000
uanset hvor du er på planeten -
13:04
Japan, Chile,
327
784260
2000
Japan, Chile,
13:06
Portugal, Scotland, doesn't matter.
328
786260
3000
Portugal, Skotland, det er ligemeget,
13:09
Always, all the data shows it's the same,
329
789260
3000
Alle data viser altid det samme,
13:12
despite the fact that these cities have evolved independently.
330
792260
3000
selvom disse byer har udviklet sig uafhængigt af hinanden.
13:15
Something universal is going on.
331
795260
2000
Noget universelt foregår.
13:17
The universality, to repeat, is us --
332
797260
3000
Denne universalitet, for at sige det igen, er os -
13:20
that we are the city.
333
800260
2000
at vi er byen.
13:22
And it is our interactions and the clustering of those interactions.
334
802260
3000
Og det er vores interaktioner og deres klyngedannelse.
13:25
So there it is, I've said it again.
335
805260
2000
Så der er det, jeg har sagt det igen.
13:27
So if it is those networks and their mathematical structure,
336
807260
3000
Så hvis det er disse netværk og deres matematiske struktur,
13:30
unlike biology, which had sublinear scaling,
337
810260
3000
i modsætning til biologi, som havde sublineær skalering,
13:33
economies of scale,
338
813260
2000
stordriftsfordele,
13:35
you had the slowing of the pace of life
339
815260
2000
og langsommere takt på livet
13:37
as you get bigger.
340
817260
2000
når man bliver større,
13:39
If it's social networks with super-linear scaling --
341
819260
2000
Hvis det er sociale netværk med superlineær skalering
13:41
more per capita --
342
821260
2000
- mere per indbygger -
13:43
then the theory says
343
823260
2000
så siger teorien
13:45
that you increase the pace of life.
344
825260
2000
at man øger farten på livets gang.
13:47
The bigger you are, life gets faster.
345
827260
2000
Jo større man er, jo hurtigere går livet.
13:49
On the left is the heart rate showing biology.
346
829260
2000
Til venstre er hjerterytmen og viser det biologiske.
13:51
On the right is the speed of walking
347
831260
2000
Til højre er ganghastigheden
13:53
in a bunch of European cities,
348
833260
2000
i en række europæiske byer,
13:55
showing that increase.
349
835260
2000
som viser en forøgelse.
13:57
Lastly, I want to talk about growth.
350
837260
3000
Tilsidst vil jeg snakke om vækst.
14:00
This is what we had in biology, just to repeat.
351
840260
3000
Her er det vi havde i biologi, for at repetere.
14:03
Economies of scale
352
843260
3000
Stordriftsfordele
14:06
gave rise to this sigmoidal behavior.
353
846260
3000
gav ophav til denne sigmoide opførsel.
14:09
You grow fast and then stop --
354
849260
3000
Du vokser hurtigt og stopper så -
14:12
part of our resilience.
355
852260
2000
en del af vores modstandsdygtighed.
14:14
That would be bad for economies and cities.
356
854260
3000
Det ville være dårligt for økonomier og byer.
14:17
And indeed, one of the wonderful things about the theory
357
857260
2000
Og faktisk er en af de dejlige ting ved teorien
14:19
is that if you have super-linear scaling
358
859260
3000
at hvis man har superlineær skalering
14:22
from wealth creation and innovation,
359
862260
2000
fra dannelse af velstand og innovation,
14:24
then indeed you get, from the same theory,
360
864260
3000
så får man, ifølge samme teori,
14:27
a beautiful rising exponential curve -- lovely.
361
867260
2000
en smuk stigende eksponential kurve - dejligt.
14:29
And in fact, if you compare it to data,
362
869260
2000
Og faktisk, hvis man sammenligner med data,
14:31
it fits very well
363
871260
2000
passer det meget godt
14:33
with the development of cities and economies.
364
873260
2000
med udviklingen af byer og økonomier.
14:35
But it has a terrible catch,
365
875260
2000
Men det har en frygtelig bagside,
14:37
and the catch
366
877260
2000
og bagsiden er
14:39
is that this system is destined to collapse.
367
879260
3000
at systemet er dømt til at kollapse.
14:42
And it's destined to collapse for many reasons --
368
882260
2000
Og det er dømt til kollaps af mange årsager -
14:44
kind of Malthusian reasons -- that you run out of resources.
369
884260
3000
en slags Mathusianske årsager - at du løber tør for ressourcer.
14:47
And how do you avoid that? Well we've done it before.
370
887260
3000
Og hvordan undgår man det? Jo, vi har gjort det før.
14:50
What we do is,
371
890260
2000
Det vi gør,
14:52
as we grow and we approach the collapse,
372
892260
3000
når vi vokser og nærmer os kollaps,
14:55
a major innovation takes place
373
895260
3000
er at en større innovation forekommer
14:58
and we start over again,
374
898260
2000
og vi starter forfra,
15:00
and we start over again as we approach the next one, and so on.
375
900260
3000
og vi starter forfra igen når vi nærmer os den næste, osv.
15:03
So there's this continuous cycle of innovation
376
903260
2000
Så der er denne fortsatte cyklus af innovation
15:05
that is necessary
377
905260
2000
som er nødvendig
15:07
in order to sustain growth and avoid collapse.
378
907260
3000
for at opretholde vækst og undgå kollaps.
15:10
The catch, however, to this
379
910260
2000
Men bagsiden ved dette
15:12
is that you have to innovate
380
912260
2000
er at man må innovere
15:14
faster and faster and faster.
381
914260
3000
hurtigere og hurtigere.
15:17
So the image
382
917260
2000
Så billedet er
15:19
is that we're not only on a treadmill that's going faster,
383
919260
3000
at vi ikke bare er på en trædemølle som går hurtigere,
15:22
but we have to change the treadmill faster and faster.
384
922260
3000
men at vi må forandre trædemøllen hurtigere og hurtigere.
15:25
We have to accelerate on a continuous basis.
385
925260
3000
Vi må accelerere fortløbende.
15:28
And the question is: Can we, as socio-economic beings,
386
928260
3000
Og spørgsmålet er: Kan vi som socioøkonomiske væsener,
15:31
avoid a heart attack?
387
931260
3000
undgå et hjertestop?
15:34
So lastly, I'm going to finish up in this last minute or two
388
934260
3000
Så tilsidst vil jeg afslutte i de sidste par minutter
15:37
asking about companies.
389
937260
2000
med at undersøge virksomheder.
15:39
See companies, they scale.
390
939260
2000
Se på virksomheder, de skalerer.
15:41
The top one, in fact, is Walmart on the right.
391
941260
2000
Den øverste til højre er Walmart.
15:43
It's the same plot.
392
943260
2000
Det er det samme plot.
15:45
This happens to be income and assets
393
945260
2000
Det er indkomst og kapital
15:47
versus the size of the company as denoted by its number of employees.
394
947260
2000
mod virksomhedens størrelse givet ved antal ansatte.
15:49
We could use sales, anything you like.
395
949260
3000
Vi kunne have brugt omsætning eller hvad man vil.
15:52
There it is: after some little fluctuations at the beginning,
396
952260
3000
Der er det: Efter nogle fluktuationer i begyndelsen,
15:55
when companies are innovating,
397
955260
2000
hvor virksomheder innoverer,
15:57
they scale beautifully.
398
957260
2000
så skalerer de smukt.
15:59
And we've looked at 23,000 companies
399
959260
3000
Og vi har set på 23.000 virksomheder
16:02
in the United States, may I say.
400
962260
2000
i USA.
16:04
And I'm only showing you a little bit of this.
401
964260
3000
Og jeg viser jer kun en lille bid af dette.
16:07
What is astonishing about companies
402
967260
2000
Det forbavsende med virksomheder
16:09
is that they scale sublinearly
403
969260
3000
er at de skalerer sublineært
16:12
like biology,
404
972260
2000
som biologi,
16:14
indicating that they're dominated,
405
974260
2000
hvilket indikerer at de er domineret -
16:16
not by super-linear
406
976260
2000
ikke af superlineær
16:18
innovation and ideas;
407
978260
3000
innovation og ideer -
16:21
they become dominated
408
981260
2000
de bliver domineret
16:23
by economies of scale.
409
983260
2000
af stordriftsfordele.
16:25
In that interpretation,
410
985260
2000
I denne fortolkning,
16:27
by bureaucracy and administration,
411
987260
2000
af bureaukrati og administration,
16:29
and they do it beautifully, may I say.
412
989260
2000
og de gør det smukt, synes jeg.
16:31
So if you tell me the size of some company, some small company,
413
991260
3000
Så hvis du siger hvor stor virksomheden er, en eller anden mindre virksomhed,
16:34
I could have predicted the size of Walmart.
414
994260
3000
kunne jeg have forudsagt størrelsen på Walmart.
16:37
If it has this sublinear scaling,
415
997260
2000
Hvis den har denne sublineære skalering,
16:39
the theory says
416
999260
2000
så siger teorien
16:41
we should have sigmoidal growth.
417
1001260
3000
at vi burde have sigmoid vækst.
16:44
There's Walmart. Doesn't look very sigmoidal.
418
1004260
2000
Der er Walmart. Det ser ikke ret sigmoidt ud.
16:46
That's what we like, hockey sticks.
419
1006260
3000
Det er det vi kan lide: hockeystave.
16:49
But you notice, I've cheated,
420
1009260
2000
Men som du bemærker har jeg snydt,
16:51
because I've only gone up to '94.
421
1011260
2000
for jeg går kun op til 1994.
16:53
Let's go up to 2008.
422
1013260
2000
Lad os gå op til 2008.
16:55
That red line is from the theory.
423
1015260
3000
Den røde linie er fra teorien.
16:58
So if I'd have done this in 1994,
424
1018260
2000
Så hvis jeg havde gjort dette er 1994,
17:00
I could have predicted what Walmart would be now.
425
1020260
3000
kunne jeg have forudsagt hvad Walmart ville være nu.
17:03
And then this is repeated
426
1023260
2000
Og så gentages det
17:05
across the entire spectrum of companies.
427
1025260
2000
over hele spektrummet af virksomheder.
17:07
There they are. That's 23,000 companies.
428
1027260
3000
Der er de. Det er 23.000 virksomheder.
17:10
They all start looking like hockey sticks,
429
1030260
2000
De starter alle med at ligne hockeystave,
17:12
they all bend over,
430
1032260
2000
de bøjer alle af,
17:14
and they all die like you and me.
431
1034260
2000
og de dør allesammen som du og jeg.
17:16
Thank you.
432
1036260
2000
Tak.
17:18
(Applause)
433
1038260
9000
(Applaus)
Om denne hjemmeside

På dette websted kan du se YouTube-videoer, der er nyttige til at lære engelsk. Du vil se engelskundervisning, der er udført af førsteklasses lærere fra hele verden. Dobbeltklik på de engelske undertekster, der vises på hver videoside, for at afspille videoen derfra. Underteksterne ruller i takt med videoafspilningen. Hvis du har kommentarer eller ønsker, bedes du kontakte os ved hjælp af denne kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7