Geoffrey West: The surprising math of cities and corporations

170,954 views ・ 2011-07-26

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Keti Papadema Επιμέλεια: Leonidas Argyros
00:16
Cities are the crucible of civilization.
0
16260
3000
Οι πόλεις είναι οι χοάνες του πολιτισμού.
00:19
They have been expanding,
1
19260
2000
Διευρύνονται,
00:21
urbanization has been expanding,
2
21260
2000
η αστικοποίηση διευρύνεται,
00:23
at an exponential rate in the last 200 years
3
23260
2000
με εκθετικό ρυθμό τα τελευταία 200 χρόνια,
00:25
so that by the second part of this century,
4
25260
3000
έτσι ώστε στο δεύτερο μισό αυτού του αιώνα
00:28
the planet will be completely dominated
5
28260
2000
ο πλανήτης θα κυριαρχείται εντελώς
00:30
by cities.
6
30260
3000
από πόλεις.
00:33
Cities are the origins of global warming,
7
33260
3000
Στις πόλεις οφείλονται αρχικά το φαινόμενο του θερμοκηπίου,
00:36
impact on the environment,
8
36260
2000
οι επιπτώσεις στο περιβάλλον,
00:38
health, pollution, disease,
9
38260
3000
στην υγεία, η μόλυνση, οι ασθένειες,
00:41
finance,
10
41260
2000
τα οικονομικά
00:43
economies, energy --
11
43260
3000
οι οικονομίες, η ενέργεια --
00:46
they're all problems
12
46260
2000
είναι όλα προβλήματα
00:48
that are confronted by having cities.
13
48260
2000
που έρχονται αντιμέτωπα με την ύπαρξη πόλεων.
00:50
That's where all these problems come from.
14
50260
2000
Από εκεί προέρχονται όλα αυτά τα προβλήματα.
00:52
And the tsunami of problems that we feel we're facing
15
52260
3000
Και το τσουνάμι των προβλημάτων που πιστεύουμε ότι αντιμετωπίζουμε
00:55
in terms of sustainability questions
16
55260
2000
σχετικά με ζητήματα αειφορίας,
00:57
are actually a reflection
17
57260
2000
είναι στην πραγματικότητα μια αντανάκλαση
00:59
of the exponential increase
18
59260
2000
της εκθετικής αύξησης
01:01
in urbanization across the planet.
19
61260
3000
στην αστικοποίηση σε όλον τον πλανήτη.
01:04
Here's some numbers.
20
64260
2000
Εδώ έχω κάποια νούμερα.
01:06
Two hundred years ago, the United States
21
66260
2000
Διακόσια χρόνια πριν, οι Ηνωμένες Πολιτείες
01:08
was less than a few percent urbanized.
22
68260
2000
ήταν λιγότερο από ένα μικρό ποσοστό αστικοποιημένες.
01:10
It's now more than 82 percent.
23
70260
2000
Τώρα είναι περισσότερο από 82 τοις εκατό.
01:12
The planet has crossed the halfway mark a few years ago.
24
72260
3000
Ο πλανήτης έχει περάσει το μέσο της διαδρομής πριν μερικά χρόνια.
01:15
China's building 300 new cities
25
75260
2000
Η Κίνα θα χτίσει 300 καινούριες πόλεις
01:17
in the next 20 years.
26
77260
2000
μέσα στα επόμενα 20 χρόνια.
01:19
Now listen to this:
27
79260
2000
Και τώρα ακούστε αυτό:
01:21
Every week for the foreseeable future,
28
81260
3000
Κάθε βδομάδα στο εγγύς μέλλον,
01:24
until 2050,
29
84260
2000
μέχρι το 2050,
01:26
every week more than a million people
30
86260
2000
περισσότερο από ένα εκατομμύριο άνθρωποι
01:28
are being added to our cities.
31
88260
2000
θα προστίθενται στις πόλεις μας.
01:30
This is going to affect everything.
32
90260
2000
Αυτό θα επηρεάσει τα πάντα.
01:32
Everybody in this room, if you stay alive,
33
92260
2000
Όλοι σε αυτό το δωμάτιο, αν μείνετε ζωντανοί,
01:34
is going to be affected
34
94260
2000
θα επηρεαστούν
01:36
by what's happening in cities
35
96260
2000
από αυτό που συμβαίνει στις πόλεις
01:38
in this extraordinary phenomenon.
36
98260
2000
σ᾽αυτό το εντυπωσιακό φαινόμενο.
01:40
However, cities,
37
100260
3000
Εν τούτοις, οι πόλεις,
01:43
despite having this negative aspect to them,
38
103260
3000
παρόλο που έχουν αυτή την αρνητική όψη,
01:46
are also the solution.
39
106260
2000
αποτελούν επίσης και τη λύση.
01:48
Because cities are the vacuum cleaners and the magnets
40
108260
4000
Γιατί οι πόλεις είναι οι ηλεκτρικές σκούπες και οι μαγνήτες
01:52
that have sucked up creative people,
41
112260
2000
που έχουν ρουφήξει όλους τους δημιουργικούς ανθρώπους,
01:54
creating ideas, innovation,
42
114260
2000
που παράγουν ιδέες, καινοτομία,
01:56
wealth and so on.
43
116260
2000
πλούτο και ούτω καθεξής.
01:58
So we have this kind of dual nature.
44
118260
2000
Έτσι έχουμε αυτή τη διπλή φύση.
02:00
And so there's an urgent need
45
120260
3000
Και επομένως υπάρχει μια επιτακτική ανάγκη
02:03
for a scientific theory of cities.
46
123260
4000
για μια επιστημονική θεωρία των πόλεων.
02:07
Now these are my comrades in arms.
47
127260
3000
Αυτοί είναι οι σύντροφοί μου.
02:10
This work has been done with an extraordinary group of people,
48
130260
2000
Αυτή η δουλειά εχει γίνει με μια εξαιρετική ομάδα ανθρώπων,
02:12
and they've done all the work,
49
132260
2000
αυτοί έχουν κάνει όλη τη δουλειά,
02:14
and I'm the great bullshitter
50
134260
2000
κι εγώ είμαι ο μεγάλος παπαρολόγος
02:16
that tries to bring it all together.
51
136260
2000
που προσπαθεί να τα συγκεντρώσει.
02:18
(Laughter)
52
138260
2000
(Γέλια)
02:20
So here's the problem: This is what we all want.
53
140260
2000
Οπότε ορίστε το πρόβλημα: Αυτό είναι που θέλουμε όλοι.
02:22
The 10 billion people on the planet in 2050
54
142260
3000
Τα 10 δισεκατομμύρια ανθρώπων στον πλανήτη το 2050
02:25
want to live in places like this,
55
145260
2000
θέλουν να ζουν σε μέρη σαν κι αυτό,
02:27
having things like this,
56
147260
2000
να έχουν πράγματα όπως αυτά,
02:29
doing things like this,
57
149260
2000
να κάνουν τέτοια πράγματα,
02:31
with economies that are growing like this,
58
151260
3000
με οικονομίες που αναπτύσσονται έτσι,
02:34
not realizing that entropy
59
154260
2000
χωρίς να αντιλαμβάνονται πως η εντροπία
02:36
produces things like this,
60
156260
2000
παράγει τέτοια πράγματα,
02:38
this, this
61
158260
4000
αυτό, αυτό
02:42
and this.
62
162260
2000
και αυτό.
02:44
And the question is:
63
164260
2000
Και το ερώτημα είναι:
02:46
Is that what Edinburgh and London and New York
64
166260
2000
Έτσι θα μοιάζουν το Εδιμβούργο, το Λονδίνο και η Νέα Υόρκη
02:48
are going to look like in 2050,
65
168260
2000
το 2050;
02:50
or is it going to be this?
66
170260
2000
ή θα είναι έτσι;
02:52
That's the question.
67
172260
2000
Ιδού η απορία.
02:54
I must say, many of the indicators
68
174260
2000
Οφείλω να πω ότι πολλές από τις ενδείξεις
02:56
look like this is what it's going to look like,
69
176260
3000
δείχνουν πως θα είναι κάπως έτσι,
02:59
but let's talk about it.
70
179260
3000
αλλά ας το συζητήσουμε.
03:02
So my provocative statement
71
182260
3000
Η προκλητική δήλωσή μου λοιπόν,
03:05
is that we desperately need a serious scientific theory of cities.
72
185260
3000
είναι ότι χρειαζόμαστε απελπισμένα μια σοβαρή επιστημονική θεωρία των πόλεων.
03:08
And scientific theory means quantifiable --
73
188260
3000
Επιστημονική θεωρία σημαίνει μετρήσιμη --
03:11
relying on underlying generic principles
74
191260
3000
βασισμένη σε θεμελιώδεις γενικές αρχές
03:14
that can be made into a predictive framework.
75
194260
2000
που μπορούν να σχηματίσουν ένα προγνωστικό πλαίσιο εργασίας.
03:16
That's the quest.
76
196260
2000
Αυτή είναι η επιδίωξη.
03:18
Is that conceivable?
77
198260
2000
Είναι αυτό πιθανό;
03:20
Are there universal laws?
78
200260
2000
Yπάρχουν παγκόσμιοι νόμοι;
03:22
So here's two questions
79
202260
2000
Όποτε ορίστε δύο ερωτήματα
03:24
that I have in my head when I think about this problem.
80
204260
2000
που έχω στο μυαλό μου όταν σκέφτομαι αυτό το πρόβλημα.
03:26
The first is:
81
206260
2000
Το πρώτο είναι:
03:28
Are cities part of biology?
82
208260
2000
Αποτελούν οι πόλεις μέρος της βιολογίας;
03:30
Is London a great big whale?
83
210260
2000
Είναι το Λονδίνο μια τεράστια φάλαινα;
03:32
Is Edinburgh a horse?
84
212260
2000
Είναι το Εδιμβούργο ένα άλογο;
03:34
Is Microsoft a great big anthill?
85
214260
2000
Είναι η Microsoft μια μεγάλη μυρμηγκοφωλιά;
03:36
What do we learn from that?
86
216260
2000
Τι μαθαίνουμε από αυτό;
03:38
We use them metaphorically --
87
218260
2000
Τα χρησιμοποιούμε μεταφορικά --
03:40
the DNA of a company, the metabolism of a city, and so on --
88
220260
2000
το DNA μιας εταιρείας, το μεταβολισμό μιας πόλης, και ούτω καθεξής --
03:42
is that just bullshit, metaphorical bullshit,
89
222260
3000
είναι αυτά απλά μπούρδες, μεταφορικές μπούρδες,
03:45
or is there serious substance to it?
90
225260
3000
ή υπάρχει και σοβαρό νόημα σε αυτά;
03:48
And if that is the case,
91
228260
2000
Και αν ισχύει αυτό,
03:50
how come that it's very hard to kill a city?
92
230260
2000
πώς γίνεται να είναι τόσο δύσκολο να σκοτώσεις μια πόλη;
03:52
You could drop an atom bomb on a city,
93
232260
2000
Και μια ατομική βόμβα να ρίξεις σε μια πόλη,
03:54
and 30 years later it's surviving.
94
234260
2000
30 χρόνια αργότερα θα επιβιώνει.
03:56
Very few cities fail.
95
236260
3000
Ελάχιστες πόλεις αποτυγχάνουν.
03:59
All companies die, all companies.
96
239260
3000
Όλες οι εταιρείες πεθαίνουν, όλες οι εταιρείες.
04:02
And if you have a serious theory, you should be able to predict
97
242260
2000
Και αν έχεις μια σοβαρή θεωρία, θα πρέπει να είσαι σε θέση να προβλέψεις
04:04
when Google is going to go bust.
98
244260
3000
πότε θα χρεωκοπήσει η Google.
04:07
So is that just another version
99
247260
3000
Οπότε, είναι αυτό απλά μια άλλη εκδοχή
04:10
of this?
100
250260
2000
αυτού εδώ;
04:12
Well we understand this very well.
101
252260
2000
Αυτό το κατανοούμε πολύ καλά.
04:14
That is, you ask any generic question about this --
102
254260
2000
Μπορείς δηλαδή να κάνεις οποιαδήποτε γενική ερώτηση για αυτό --
04:16
how many trees of a given size,
103
256260
2000
πόσα δέντρα συγκεκριμένου μεγέθους,
04:18
how many branches of a given size does a tree have,
104
258260
2000
πόσα κλαδία συγκεκριμένου μεγέθους έχει ένα δέντρο,
04:20
how many leaves,
105
260260
2000
πόσα φύλλα,
04:22
what is the energy flowing through each branch,
106
262260
2000
τι ενέργεια ρέει μέσα από κάθε κλαδί,
04:24
what is the size of the canopy,
107
264260
2000
ποιο είναι το μέγεθος της φυλλωσιάς,
04:26
what is its growth, what is its mortality?
108
266260
2000
ποια είναι η ανάπτυξή του, ποια η θνησιμότητά του;
04:28
We have a mathematical framework
109
268260
2000
Έχουμε ένα μαθηματικό πλαίσιο εργασίας
04:30
based on generic universal principles
110
270260
3000
βασισμένο σε θεμελιώδεις καθολικές αρχές
04:33
that can answer those questions.
111
273260
2000
που μπορεί να απαντήσει σε αυτές τις ερωτήσεις.
04:35
And the idea is can we do the same for this?
112
275260
4000
Και η ιδέα είναι, μπορούμε να κάνουμε το ίδιο με αυτό;
04:40
So the route in is recognizing
113
280260
3000
Οπότε η οδός προς αυτή την κατεύθυνση είναι να αναγνωρίσουμε
04:43
one of the most extraordinary things about life,
114
283260
2000
ένα από τα πιο εξαιρετικά χαρακτηριστικά της ζωής,
04:45
is that it is scalable,
115
285260
2000
το γεγονός ότι είναι επιδεκτική διεύρυνσης,
04:47
it works over an extraordinary range.
116
287260
2000
εφαρμόζεται σε απίστευτη ποικιλία.
04:49
This is just a tiny range actually:
117
289260
2000
Αυτή κατ´ακρίβεια ,είναι μια πολύ μικρή ποικιλία:
04:51
It's us mammals;
118
291260
2000
Πρόκειται για εμάς, τα θηλαστικά·
04:53
we're one of these.
119
293260
2000
είμαστε ένα από αυτά.
04:55
The same principles, the same dynamics,
120
295260
2000
Οι ίδιες αρχές, η ίδια δυναμική
04:57
the same organization is at work
121
297260
2000
η ίδια οργάνωση εφαρμόζεται
04:59
in all of these, including us,
122
299260
2000
σε όλα αυτά, συμπεριλαμβανομένων ημών,
05:01
and it can scale over a range of 100 million in size.
123
301260
3000
και μπορεί να επεκταθεί μέχρι τα 100 εκατομμύρια σε μέγεθος.
05:04
And that is one of the main reasons
124
304260
3000
Και αυτός είναι ένας από τους κύριους λόγους
05:07
life is so resilient and robust --
125
307260
2000
που η ζωή είναι τόσο ευπροσάρμοστη και εύρωστη --
05:09
scalability.
126
309260
2000
η επεκτασιμότητα.
05:11
We're going to discuss that in a moment more.
127
311260
3000
Αυτό θα το συζητήσουμε περαιτέρω σύντομα.
05:14
But you know, at a local level,
128
314260
2000
Όμως ξέρετε, σε τοπικό επίπεδο
05:16
you scale; everybody in this room is scaled.
129
316260
2000
κλιμακώνουμε˙ όλοι σ´αυτό το δωμάτιο κλιμακώνονται.
05:18
That's called growth.
130
318260
2000
Αυτό ονομάζεται ανάπτυξη.
05:20
Here's how you grew.
131
320260
2000
Εδώ φάινεται το πώς αναπτύσσεστε.
05:22
Rat, that's a rat -- could have been you.
132
322260
2000
Ο αρουραίος, αυτός είναι ένας αρουραίος -- θα μπορούσε να είναι εσείς.
05:24
We're all pretty much the same.
133
324260
3000
Είμαστε όλοι περίπου το ίδιο.
05:27
And you see, you're very familiar with this.
134
327260
2000
Και βλέπετε, είστε πολλοί εξοικειωμένοι με αυτό.
05:29
You grow very quickly and then you stop.
135
329260
2000
Μεγαλώνετε πολύ γρήγορα και μετά σταματάτε.
05:31
And that line there
136
331260
2000
Και αυτή η γραμμή εκεί
05:33
is a prediction from the same theory,
137
333260
2000
είναι μια πρόβλεψη από την ίδια θεωρία,
05:35
based on the same principles,
138
335260
2000
βασισμένη στις ίδιες αρχές,
05:37
that describes that forest.
139
337260
2000
που περιγράφει αυτό το δάσος.
05:39
And here it is for the growth of a rat,
140
339260
2000
Και εδώ πρόκειται για την ανάπτυξη ενός αρουραίου,
05:41
and those points on there are data points.
141
341260
2000
και εκείνα τα σημεία πάνω είναι σημεία με δεδομένα.
05:43
This is just the weight versus the age.
142
343260
2000
Αυτό είναι μόνο το βάρος έναντι της ηλικίας.
05:45
And you see, it stops growing.
143
345260
2000
Και βλέπετε, σταματά να μεγαλώνει.
05:47
Very, very good for biology --
144
347260
2000
Πολύ, πολύ καλό για τη βιολογία --
05:49
also one of the reasons for its great resilience.
145
349260
2000
επίσης ένας από τους λόγους της μεγάλης του προσαρμοστικότητας.
05:51
Very, very bad
146
351260
2000
Πολύ, πολύ κακό
05:53
for economies and companies and cities
147
353260
2000
για τις οικονομίες και τις εταιρείες και τις πόλεις
05:55
in our present paradigm.
148
355260
2000
στο παρόν παράδειγμα.
05:57
This is what we believe.
149
357260
2000
Αυτό είναι που πιστεύουμε.
05:59
This is what our whole economy
150
359260
2000
Αυτό σπρώχνει πάνω μας
06:01
is thrusting upon us,
151
361260
2000
ολόκληρη μας η οικονομία,
06:03
particularly illustrated in that left-hand corner:
152
363260
3000
λεπτομερώς επεξηγημένο σε εκείνη την αριστερή γωνία:
06:06
hockey sticks.
153
366260
2000
μπαστούνια του χόκεϊ.
06:08
This is a bunch of software companies --
154
368260
2000
Αυτή είναι μια ομάδα εταιρειών λογισμικών --
06:10
and what it is is their revenue versus their age --
155
370260
2000
και πρόκειται για τα έσοδα τους έναντι της ηλικίας τους --
06:12
all zooming away,
156
372260
2000
σμικρύνοντας προς τα έξω,
06:14
and everybody making millions and billions of dollars.
157
374260
2000
και όλοι κερδίζουν εκατομμύρια και δισεκατομμύρια δολάρια.
06:16
Okay, so how do we understand this?
158
376260
3000
Ωραία, πώς το αντιλαμβανόμαστε αυτό;
06:19
So let's first talk about biology.
159
379260
3000
Ας μιλήσουμε πρώτα για βιολογία.
06:22
This is explicitly showing you
160
382260
2000
Αυτό σας δείχνει ξεκάθαρα
06:24
how things scale,
161
384260
2000
πώς κλιμακώνονται τα πράγματα.
06:26
and this is a truly remarkable graph.
162
386260
2000
Και αυτή είναι πραγματικά μια αξιοσημείωτη γραφική παράσταση.
06:28
What is plotted here is metabolic rate --
163
388260
3000
Το τι απεικονίζεται εδώ είναι ο μεταβολικός ρυθμός --
06:31
how much energy you need per day to stay alive --
164
391260
3000
πόση ενέργεια χρειάζεστε τη μέρα για να παραμείνετε ζωντανοί --
06:34
versus your weight, your mass,
165
394260
2000
έναντι του βάρους σας, της μάζας σας,
06:36
for all of us bunch of organisms.
166
396260
3000
για όλες εμάς τις ομάδες οργανισμών.
06:39
And it's plotted in this funny way by going up by factors of 10,
167
399260
3000
Και απεικονίζεται μ´αυτό τον αστείο τρόπο ανεβαίνοντας 10 συντελεστές,
06:42
otherwise you couldn't get everything on the graph.
168
402260
2000
αλλιώς δεν θα τα καταλαβαίνατε όλα στη γραφική παράσταση.
06:44
And what you see if you plot it
169
404260
2000
Και το τι βλέπεις αν το απεικονίσεις
06:46
in this slightly curious way
170
406260
2000
με αυτόν τον ελαφρώς περίεργο τρόπο
06:48
is that everybody lies on the same line.
171
408260
3000
είναι ότι όλοι βρίσκονται στην ίδια γραμμή.
06:51
Despite the fact that this is the most complex and diverse system
172
411260
3000
Παρά το γεγονός ότι αυτό είναι το πιο περίπλοκο και ποικίλο σύστημα
06:54
in the universe,
173
414260
3000
στον κόσμο,
06:57
there's an extraordinary simplicity
174
417260
2000
υπάρχει μια αξιοσημείωτη απλότητα
06:59
being expressed by this.
175
419260
2000
που εκφράζεται απ´αυτό.
07:01
It's particularly astonishing
176
421260
3000
Είναι ιδιαίτερα εκπληκτικό
07:04
because each one of these organisms,
177
424260
2000
επειδή ο καθένας απ´αυτούς τους οργανισμούς,
07:06
each subsystem, each cell type, each gene,
178
426260
2000
κάθε υποσύστημα, κάθε τύπος κυττάρου, κάθε γονίδιο,
07:08
has evolved in its own unique environmental niche
179
428260
4000
έχει εξελιχθεί στη δική του ανεπανάληπτη οικολογική γωνία
07:12
with its own unique history.
180
432260
3000
με την δική του ανεπανάληπτη ιστορία.
07:15
And yet, despite all of that Darwinian evolution
181
435260
3000
Και όμως, παρ´όλη εκείνη τη δαρβινική εξέλιξη
07:18
and natural selection,
182
438260
2000
και φυσική επιλογή,
07:20
they've been constrained to lie on a line.
183
440260
2000
έχουν περιοριστεί να βρίσκονται σε μια γραμμή.
07:22
Something else is going on.
184
442260
2000
Κάτι άλλο συμβαίνει.
07:24
Before I talk about that,
185
444260
2000
Πριν μιλήσω γι´αυτό,
07:26
I've written down at the bottom there
186
446260
2000
έχω γράψει εκεί στο κάτω μέρος
07:28
the slope of this curve, this straight line.
187
448260
2000
την κλίση αυτής της καμπύλης, αυτή την ευθεία γραμμή.
07:30
It's three-quarters, roughly,
188
450260
2000
Είναι τρία τέταρτα, περίπου,
07:32
which is less than one -- and we call that sublinear.
189
452260
3000
το οποίο είναι λιγότερο από ένα -- και αυτό το ονομάζουμε υπὀ-γραμμική.
07:35
And here's the point of that.
190
455260
2000
Και ορίστε η ουσία αυτού.
07:37
It says that, if it were linear,
191
457260
3000
Λέει πως αν ήταν γραμμική,
07:40
the steepest slope,
192
460260
2000
η πιο απότομη κλίση
07:42
then doubling the size
193
462260
2000
τότε για να διπλασιάσεις το μέγεθος
07:44
you would require double the amount of energy.
194
464260
2000
θα χρειαζόσουν την διπλή ποσότητα ενέργειας.
07:46
But it's sublinear, and what that translates into
195
466260
3000
Αλλά είναι υπό-γραμμική, και αυτό μεταφράζεται στο
07:49
is that, if you double the size of the organism,
196
469260
2000
ότι αν διπλασιάσεις το μέγεθος των οργανισμών,
07:51
you actually only need 75 percent more energy.
197
471260
3000
πραγματικά χρειάζεσαι μόνο 75 τοις εκατό περισσότερη ενέργεια.
07:54
So a wonderful thing about all of biology
198
474260
2000
Οπότε ένα θαυμάσιο πράγμα σχετικά με όλη τη βιολογία
07:56
is that it expresses an extraordinary economy of scale.
199
476260
3000
είναι ότι εκφράζει μια αξιοσημείωτη οικονομία κλίμακας.
07:59
The bigger you are systematically,
200
479260
2000
Όσο μεγαλύτερος είσαι συστηματικά,
08:01
according to very well-defined rules,
201
481260
2000
σύμφωνα με πολύ καλά προσδιορισμένους κανόνες,
08:03
less energy per capita.
202
483260
3000
λιγότερη ενέργεια κατά κεφαλήν.
08:06
Now any physiological variable you can think of,
203
486260
3000
Τώρα οποιαδήποτε φυσιολογική μεταβλητή μπορείς να σκεφτείς,
08:09
any life history event you can think of,
204
489260
2000
οποιοδήποτε συμβάν στη ζωή μπορείς να σκεφτείς,
08:11
if you plot it this way, looks like this.
205
491260
3000
αν το απεικονίσεις μ´αυτό το τρόπο, φαίνεται έτσι.
08:14
There is an extraordinary regularity.
206
494260
2000
Υπάρχει μια αξιοσημείωτη τακτικότητα.
08:16
So you tell me the size of a mammal,
207
496260
2000
Έτσι μου λες το μέγεθος ενός θηλαστικού,
08:18
I can tell you at the 90 percent level everything about it
208
498260
3000
και μπορώ να σου πω σε επίπεδο 90 τοις εκατό τα πάντα σχετικά μ´αυτό
08:21
in terms of its physiology, life history, etc.
209
501260
4000
από την άποψη της φυσιολογίας του, της ιστορίας της ζωής του κτλ.
08:25
And the reason for this is because of networks.
210
505260
3000
Και αυτό οφείλεται στα δίκτυα.
08:28
All of life is controlled by networks --
211
508260
3000
Όλη η ζωή ελέγχεται από δίκτυα --
08:31
from the intracellular through the multicellular
212
511260
2000
από την ενδοκυτταρική μέχρι την πολυκυτταρική
08:33
through the ecosystem level.
213
513260
2000
μέχρι στο επίπεδο του οικοσυστήματος.
08:35
And you're very familiar with these networks.
214
515260
3000
Και είστε πολύ εξοικειωμένοι μ´αυτά τα δίκτυα.
08:39
That's a little thing that lives inside an elephant.
215
519260
3000
Αυτό είναι ένα μικρό πράγμα που ζει μέσα σ´ έναν ελέφαντα.
08:42
And here's the summary of what I'm saying.
216
522260
3000
Και εδώ είναι μια περίληψη όσων λέω.
08:45
If you take those networks,
217
525260
2000
Αν πάρεις αυτά τα δίκτυα,
08:47
this idea of networks,
218
527260
2000
την ιδέα των δικτύων,
08:49
and you apply universal principles,
219
529260
2000
και εφαρμόσεις καθολικές αρχές,
08:51
mathematizable, universal principles,
220
531260
2000
που μπορούν να γίνουν μαθηματικά,
08:53
all of these scalings
221
533260
2000
ακολουθούν όλες αυτές οι κλιμακώσεις
08:55
and all of these constraints follow,
222
535260
3000
και όλοι αυτοί οι περιορισμοί,
08:58
including the description of the forest,
223
538260
2000
συμπεριλαμβανομένης της περιγραφής του δάσους,
09:00
the description of your circulatory system,
224
540260
2000
της περιγραφής του κυκλοφοριακού σας συστήματος,
09:02
the description within cells.
225
542260
2000
της περιγραφής εντός των κυττάρων.
09:04
One of the things I did not stress in that introduction
226
544260
3000
Ένα από τα πράγματα που δεν τόνισα στην εισαγωγή
09:07
was that, systematically, the pace of life
227
547260
3000
είναι ότι ο ρυθμός ζωής, συστηματικά,
09:10
decreases as you get bigger.
228
550260
2000
μειώνεται καθώς μεγαλώνεις.
09:12
Heart rates are slower; you live longer;
229
552260
3000
Οι καρδιακοί ρυθμοί είναι πιο αργοί˙ ζεις περισσότερο˙
09:15
diffusion of oxygen and resources
230
555260
2000
η διάχυση οξυγόνου και οι διέξοδοι
09:17
across membranes is slower, etc.
231
557260
2000
σε όλες τις μεμβράνες είναι βραδύτερη, κτλ.
09:19
The question is: Is any of this true
232
559260
2000
Το ερώτημα είναι: Είναι οποιοδήποτε απ´αυτά αλήθεια
09:21
for cities and companies?
233
561260
3000
για τις πόλεις και για τις εταιρίες;
09:24
So is London a scaled up Birmingham,
234
564260
3000
Οπότε είναι το Λονδίνο ένα μεγαλύτερο Μπέρμιγχαμ,
09:27
which is a scaled up Brighton, etc., etc.?
235
567260
3000
το οποίο είναι ένα μεγαλύτερο Μπράιτον, κτλ, κτλ;
09:30
Is New York a scaled up San Francisco,
236
570260
2000
Είναι η Νέα Υόρκη ένα μεγαλύτερο Σαν Φρανσίσκο,
09:32
which is a scaled up Santa Fe?
237
572260
2000
το οποίο είναι μια μεγαλύτερη Σάντα Φε;
09:34
Don't know. We will discuss that.
238
574260
2000
Δεν γνωρίζω. Αυτό θα το συζητήσουμε.
09:36
But they are networks,
239
576260
2000
Όμως είναι δίκτυα,
09:38
and the most important network of cities
240
578260
2000
και το πιο σημαντικό δίκτυο πόλεων
09:40
is you.
241
580260
2000
είστε εσείς.
09:42
Cities are just a physical manifestation
242
582260
3000
Οι πόλεις είναι απλά η φυσική εκδήλωση
09:45
of your interactions,
243
585260
2000
των αλληλεπιδράσεών σας,
09:47
our interactions,
244
587260
2000
των αλληλεπιδράσεών μας,
09:49
and the clustering and grouping of individuals.
245
589260
2000
και ο σχηματισμός και η ομαδοποίηση των ατόμων.
09:51
Here's just a symbolic picture of that.
246
591260
3000
Εδώ είναι απλά μια συμβολική εικόνα αυτού.
09:54
And here's scaling of cities.
247
594260
2000
Και εδώ είναι η κλιμάκωση των πόλεων.
09:56
This shows that in this very simple example,
248
596260
3000
Αυτό δείχνει πως σ´αυτό το πολύ μικρό παράδειγμα,
09:59
which happens to be a mundane example
249
599260
2000
το οποίο τυχαίνει να είναι ένα κοινότυπο παράδειγμα
10:01
of number of petrol stations
250
601260
2000
αριθμού πρατηρίων βενζίνης
10:03
as a function of size --
251
603260
2000
ως μια λειτουργία μεγέθους --
10:05
plotted in the same way as the biology --
252
605260
2000
απεικονισμένο με τον ίδιο τρόπο όπως και στη βιολογία --
10:07
you see exactly the same kind of thing.
253
607260
2000
βλέπεις ακριβώς το ίδιο πράγμα.
10:09
There is a scaling.
254
609260
2000
Υπάρχει μια κλιμάκωση.
10:11
That is that the number of petrol stations in the city
255
611260
4000
Δηλαδή ο αριθμός πρατηρίων βενζίνης στη πόλη
10:15
is now given to you
256
615260
2000
τώρα σας δίνεται
10:17
when you tell me its size.
257
617260
2000
όταν μου πείτε το μέγεθός της.
10:19
The slope of that is less than linear.
258
619260
3000
Η κλίση της είναι λιγότερο από γραμμική.
10:22
There is an economy of scale.
259
622260
2000
Υπάρχει μια οικονομία κλίμακας.
10:24
Less petrol stations per capita the bigger you are -- not surprising.
260
624260
3000
Λιγότερα πρατήρια βενζίνης όσο μεγαλύτερος είσαι -- δεν προκαλεί έκπληξη.
10:27
But here's what's surprising.
261
627260
2000
Όμως ορίστε τι προκαλεί έκπληξη.
10:29
It scales in the same way everywhere.
262
629260
2000
Κλιμακώνεται με τον ίδιο τρόπο παντού.
10:31
This is just European countries,
263
631260
2000
Αυτό είναι μόνο Ευρωπαϊκές χώρες,
10:33
but you do it in Japan or China or Colombia,
264
633260
3000
αλλά θα μπορούσες να το κάνεις και στην Ιαπωνία ή στην Κίνα ή στην Κολομβία,
10:36
always the same
265
636260
2000
πάντα το ίδιο
10:38
with the same kind of economy of scale
266
638260
2000
με τον ίδιο τρόπο οικονομίας κλίμακας
10:40
to the same degree.
267
640260
2000
στον ίδιο βαθμό.
10:42
And any infrastructure you look at --
268
642260
3000
Και οποιαδήποτε υποδομή εξετάσεις --
10:45
whether it's the length of roads, length of electrical lines --
269
645260
3000
είτε είναι το μήκος των δρόμων, το μήκος ηλεκτρικών γραμμών --
10:48
anything you look at
270
648260
2000
οτιδήποτε εξετάσεις
10:50
has the same economy of scale scaling in the same way.
271
650260
3000
έχει την ίδια οικονομία κλίμακας που κλιμακώνεται με τον ίδιο τρόπο.
10:53
It's an integrated system
272
653260
2000
Είναι ένα ολοκληρωμένο σύστημα
10:55
that has evolved despite all the planning and so on.
273
655260
3000
που έχει εξελιχθεί παρ´όλο το σχεδιασμό και ούτω καθεξής.
10:58
But even more surprising
274
658260
2000
Όμως προκαλεί ακόμη περισσότερη έκπληξη
11:00
is if you look at socio-economic quantities,
275
660260
2000
αν εξετάσεις κοινωνικο-οικονομικές ποσότητες,
11:02
quantities that have no analog in biology,
276
662260
3000
ποσότητες που δεν έχουν ανάλογο στη βιολογία,
11:05
that have evolved when we started forming communities
277
665260
3000
που έχουν εξελιχτεί όταν αρχίσαμε να σχηματίζουμε κοινότητες
11:08
eight to 10,000 years ago.
278
668260
2000
πριν οχτώ με 10.000 χρόνια.
11:10
The top one is wages as a function of size
279
670260
2000
Το πάνω είναι οι μισθοί ως λειτουργία μεγέθους
11:12
plotted in the same way.
280
672260
2000
απεικονισμένο με τον ίδιο τρόπο.
11:14
And the bottom one is you lot --
281
674260
2000
Και το κάτω είναι εσείς όλοι --
11:16
super-creatives plotted in the same way.
282
676260
3000
οι υπερδημιουργικοί απεικονισμένοι με τον ίδιο τρόπο.
11:19
And what you see
283
679260
2000
Και αυτό που βλέπετε
11:21
is a scaling phenomenon.
284
681260
2000
είναι ένα φαινόμενο κλιμάκωσης.
11:23
But most important in this,
285
683260
2000
Όμως το πιο σημαντικό σ´αυτό,
11:25
the exponent, the analog to that three-quarters
286
685260
2000
ο εκθέτης, το ανάλογο σε εκείνα τα τρία τέταρτα
11:27
for the metabolic rate,
287
687260
2000
για τη μεταβολική τιμή
11:29
is bigger than one -- it's about 1.15 to 1.2.
288
689260
2000
είναι μεγαλύτερο από ένα -- είναι περίπου 1.15 με 1.2.
11:31
Here it is,
289
691260
2000
Να᾽το,
11:33
which says that the bigger you are
290
693260
3000
λέει ότι όσο μεγαλύτερος είσαι
11:36
the more you have per capita, unlike biology --
291
696260
3000
τόσο περισσότερα έχεις κατά κεφαλήν, σε αντίθεση με τη βιολογία --
11:39
higher wages, more super-creative people per capita as you get bigger,
292
699260
4000
ψηλότεροι μισθοί, περισσότεροι υπερδημιουργικοί άνθρωποι κατά κεφαλήν καθώς μεγαλώνεις,
11:43
more patents per capita, more crime per capita.
293
703260
3000
περισσότερες ευρεσιτεχνίες κατά κεφαλήν, περισσότερο έγκλημα κατά κεφαλήν.
11:46
And we've looked at everything:
294
706260
2000
Και τα έχουμε εξετάσει όλα:
11:48
more AIDS cases, flu, etc.
295
708260
3000
περισσότερα κρούσματα AIDS, γρίπης, κτλ.
11:51
And here, they're all plotted together.
296
711260
2000
Και εδώ, είναι απεικονισμένα όλα μαζί.
11:53
Just to show you what we plotted,
297
713260
2000
Απλά για να σας δείξουμε τι απεικονίσαμε,
11:55
here is income, GDP --
298
715260
3000
εδώ είναι το εισόδημα, το ΑΕΠ --
11:58
GDP of the city --
299
718260
2000
το ΑΕΠ της πόλης --
12:00
crime and patents all on one graph.
300
720260
2000
εγκληματικότητα και ευρεσιτεχνίες όλα σε μια γραφική παράσταση.
12:02
And you can see, they all follow the same line.
301
722260
2000
Και μπορείτε να δείτε, όλα ακολουθούν την ίδια γραμμή.
12:04
And here's the statement.
302
724260
2000
Και ορίστε η δήλωση.
12:06
If you double the size of a city from 100,000 to 200,000,
303
726260
3000
Αν διπλασιάσεις το μέγεθος μιας πόλης από 100,000 σε 200,000
12:09
from a million to two million, 10 to 20 million,
304
729260
2000
από ένα εκατομμύριο σε δύο εκατομμύρια, 10 σε 20 εκατομμύρια,
12:11
it doesn't matter,
305
731260
2000
δεν έχει σημασία,
12:13
then systematically
306
733260
2000
τότε συστηματικά,
12:15
you get a 15 percent increase
307
735260
2000
παίρνεις μια αύξηση 15 τοις εκατόν
12:17
in wages, wealth, number of AIDS cases,
308
737260
2000
σε μισθούς, πλούτο, αριθμό των κρουσμάτων AIDS,
12:19
number of police,
309
739260
2000
αριθμό αστυνομίας,
12:21
anything you can think of.
310
741260
2000
οτιδήποτε μπορείς να σκεφτείς.
12:23
It goes up by 15 percent,
311
743260
2000
Ανεβαίνει κατά 15 τοις εκατό,
12:25
and you have a 15 percent savings
312
745260
3000
και έχεις ένα 15 τοις εκατό εξοικονόμηση
12:28
on the infrastructure.
313
748260
3000
στην υποδομή.
12:31
This, no doubt, is the reason
314
751260
3000
Αυτός, χωρίς αμφιβολία, είναι ο λόγος
12:34
why a million people a week are gathering in cities.
315
754260
3000
που μαζεύονται ένα εκατομμύριο άνθρωποι τη βδομάδα στις πόλεις.
12:37
Because they think that all those wonderful things --
316
757260
3000
Επειδή νομίζουν πως όλα εκείνα τα θαυμάσια πράγματα --
12:40
like creative people, wealth, income --
317
760260
2000
όπως δημιουργικοί άνθρωποι, πλούτος, εισόδημα --
12:42
is what attracts them,
318
762260
2000
είναι το τι τους ελκύει,
12:44
forgetting about the ugly and the bad.
319
764260
2000
ξεχνώντας τα άσχημα και τα κακά.
12:46
What is the reason for this?
320
766260
2000
Ποία είναι η αιτία γι᾽αυτό;
12:48
Well I don't have time to tell you about all the mathematics,
321
768260
3000
Δεν έχω χρόνο να σας πω για όλα τα μαθηματικά,
12:51
but underlying this is the social networks,
322
771260
3000
αλλά η υποβόσκουσα αιτία είναι τα κοινωνικά δίκτυα,
12:54
because this is a universal phenomenon.
323
774260
3000
επειδή αυτό είναι ένα παγκόσμιο φαινόμενο.
12:57
This 15 percent rule
324
777260
3000
Αυτός ο κανόνας του 15 τοις εκατό
13:00
is true
325
780260
2000
είναι αληθής
13:02
no matter where you are on the planet --
326
782260
2000
όπου κι αν βρίσκεσαι στον πλανήτη --
13:04
Japan, Chile,
327
784260
2000
Ιαπωνία, Χιλή,
13:06
Portugal, Scotland, doesn't matter.
328
786260
3000
Πορτογαλία, Σκωτία, δεν έχει σημασία.
13:09
Always, all the data shows it's the same,
329
789260
3000
Πάντα, το τι δείχνουν τα δεδομένα είναι το ίδιο,
13:12
despite the fact that these cities have evolved independently.
330
792260
3000
παρά το γεγονός ότι αυτές οι πόλεις έχουν εξελιχθεί ανεξάρτητα.
13:15
Something universal is going on.
331
795260
2000
Κάτι το καθολικό συμβαίνει.
13:17
The universality, to repeat, is us --
332
797260
3000
Αυτή η καθολικότητα, για να επαναλάβω, είμαστε εμείς --
13:20
that we are the city.
333
800260
2000
που είμαστε η πόλη.
13:22
And it is our interactions and the clustering of those interactions.
334
802260
3000
Και είναι η αλληλεπίδραση και ο σχηματισμός αυτών των αλληλεπιδράσεων.
13:25
So there it is, I've said it again.
335
805260
2000
Οπότε να᾽το, το ξανάπα.
13:27
So if it is those networks and their mathematical structure,
336
807260
3000
Οπότε αν είναι όντως εκείνα τα δίκτυα και η μαθηματική τους δομή,
13:30
unlike biology, which had sublinear scaling,
337
810260
3000
σε αντίθεση με τη βιολογία, που είχε υπογραμμική κλιμάκωση,
13:33
economies of scale,
338
813260
2000
σε οικονομίες κλιμάκωσης,
13:35
you had the slowing of the pace of life
339
815260
2000
είχες την επιβράδυνση του ρυθμού ζωής
13:37
as you get bigger.
340
817260
2000
καθώς μεγαλώνεις.
13:39
If it's social networks with super-linear scaling --
341
819260
2000
Αν είναι τα κοινωνικά δίκτυα με υπερ-γραμμική κλιμάκωση --
13:41
more per capita --
342
821260
2000
περισσότερα κατά κεφαλήν --
13:43
then the theory says
343
823260
2000
τότε η θεωρία λέει
13:45
that you increase the pace of life.
344
825260
2000
ότι αυξάνεις το ρυθμό ζωής.
13:47
The bigger you are, life gets faster.
345
827260
2000
Όσο μεγαλύτερος είσαι, η ζωή γίνεται πιο γρήγορη.
13:49
On the left is the heart rate showing biology.
346
829260
2000
Στ´αριστερά είναι ο καρδιακός ρυθμός που δείχνει βιολογία.
13:51
On the right is the speed of walking
347
831260
2000
Στα δεξιά είναι η ταχύτητα περπατήματος
13:53
in a bunch of European cities,
348
833260
2000
σε ορισμένες Ευρωπαϊκές πόλεις,
13:55
showing that increase.
349
835260
2000
που δείχνει αυτή την αύξηση.
13:57
Lastly, I want to talk about growth.
350
837260
3000
Τέλος, θέλω να μιλήσω για την ανάπτυξη.
14:00
This is what we had in biology, just to repeat.
351
840260
3000
Αυτό είναι το τι είχαμε στη βιολογία, απλά για να επαναλάβω.
14:03
Economies of scale
352
843260
3000
Οι οικονομίες κλίμακας
14:06
gave rise to this sigmoidal behavior.
353
846260
3000
έχουν αυξήσει αυτή τη σιγμοειδή συμπεριφορά.
14:09
You grow fast and then stop --
354
849260
3000
Μεγαλώνεις γρήγορα και μετά σταματάς --
14:12
part of our resilience.
355
852260
2000
μέρος της ανθεκτικότητάς μας.
14:14
That would be bad for economies and cities.
356
854260
3000
Αυτό θα ήταν κακό για τις οικονομίες και τις πόλεις.
14:17
And indeed, one of the wonderful things about the theory
357
857260
2000
Και ένα από τα θαυμάσια στοιχεία αυτής της θεωρίας
14:19
is that if you have super-linear scaling
358
859260
3000
είναι ότι έχεις υπέρ-γραμμική κλιμάκωση
14:22
from wealth creation and innovation,
359
862260
2000
από τη δημιουργία πλούτου και την καινοτομία,
14:24
then indeed you get, from the same theory,
360
864260
3000
και τότε όντως παίρνεις, από την ίδια θεωρία,
14:27
a beautiful rising exponential curve -- lovely.
361
867260
2000
μια όμορφη ανοδική εκθετική καμπύλη -- υπέροχη.
14:29
And in fact, if you compare it to data,
362
869260
2000
Και κατ᾽ακρίβειαν, αν τη συγκρίνεις με δεδομένα
14:31
it fits very well
363
871260
2000
ταιριάζει πολύ καλά
14:33
with the development of cities and economies.
364
873260
2000
με την ανάπτυξη πόλεων και οικονομιών.
14:35
But it has a terrible catch,
365
875260
2000
Όμως έχει μια φριχτή παγίδα,
14:37
and the catch
366
877260
2000
και η παγίδα
14:39
is that this system is destined to collapse.
367
879260
3000
είναι ότι το σύστημα είναι προορισμένο να καταρρεύσει.
14:42
And it's destined to collapse for many reasons --
368
882260
2000
Και είναι προορισμένο να καταρρεύσει για πολλούς λόγους --
14:44
kind of Malthusian reasons -- that you run out of resources.
369
884260
3000
για κάπως μαλθουσιανούς λόγους -- ότι ξεμένεις από πόρους.
14:47
And how do you avoid that? Well we've done it before.
370
887260
3000
Και πώς το αποφεύγεις αυτό; Λοιπόν το έχουμε κάνει στο παρελθόν.
14:50
What we do is,
371
890260
2000
Το τι κάνουμε είναι,
14:52
as we grow and we approach the collapse,
372
892260
3000
καθώς μεγαλώνουμε και πλησιάζουμε την κατάρρευση,
14:55
a major innovation takes place
373
895260
3000
μια τεράστια καινοτομία λαμβάνει χώρα
14:58
and we start over again,
374
898260
2000
και ξαναξεκινούμε,
15:00
and we start over again as we approach the next one, and so on.
375
900260
3000
και ξαναξεκινούμε καθώς πλησιάζουμε την επόμενη, και ούτω καθεξής.
15:03
So there's this continuous cycle of innovation
376
903260
2000
Έτσι υπάρχει αυτός ο συνεχής κύκλος καινοτομίας
15:05
that is necessary
377
905260
2000
που είναι απαραίτητος
15:07
in order to sustain growth and avoid collapse.
378
907260
3000
για να διατηρήσουμε την ανάπτυξη και να αποφύγουμε την κατάρρευση.
15:10
The catch, however, to this
379
910260
2000
Ωστόσο, η παγίδα σ᾽αυτό
15:12
is that you have to innovate
380
912260
2000
είναι ότι πρέπει να καινοτομούμε
15:14
faster and faster and faster.
381
914260
3000
όλο και πιο γρήγορα.
15:17
So the image
382
917260
2000
Οπότε η εικόνα
15:19
is that we're not only on a treadmill that's going faster,
383
919260
3000
είναι ότι όχι μόνο είμαστε σ᾽ένα ποδόμυλο που πηγαίνει γρηγορότερα,
15:22
but we have to change the treadmill faster and faster.
384
922260
3000
αλλά πρέπει να αλλάζουμε τον ποδόμυλο όλο και πιο γρήγορα.
15:25
We have to accelerate on a continuous basis.
385
925260
3000
Πρέπει να επιταχύνουμε συνεχώς.
15:28
And the question is: Can we, as socio-economic beings,
386
928260
3000
Και το ερώτημα είναι: Μπορούμε, σαν κοινωνικοοικονομικά όντα,
15:31
avoid a heart attack?
387
931260
3000
να αποφύγουμε την καρδιακή προσβολή;
15:34
So lastly, I'm going to finish up in this last minute or two
388
934260
3000
Έτσι εν τέλει, θα ολοκληρώσω στα τελευταία ένα δύο λεπτά
15:37
asking about companies.
389
937260
2000
ρωτώντας για εταιρίες.
15:39
See companies, they scale.
390
939260
2000
Βλέπετε εταιρίες, την κλίμακά τους.
15:41
The top one, in fact, is Walmart on the right.
391
941260
2000
Η πάνω είναι η Γουόλμαρτ στα δεξιά.
15:43
It's the same plot.
392
943260
2000
Είναι η ίδια πλοκή.
15:45
This happens to be income and assets
393
945260
2000
Αυτό συμβαίνει στο εισόδημα και στα περιουσιακά στοιχεία
15:47
versus the size of the company as denoted by its number of employees.
394
947260
2000
έναντι του μεγέθους της εταιρίας όπως μαρτυρείται από τον αριθμό των εργαζομένων της.
15:49
We could use sales, anything you like.
395
949260
3000
Θα μπορούσαμε να χρησιμοποιήσουμε πωλήσεις, οτιδήποτε θέλετε.
15:52
There it is: after some little fluctuations at the beginning,
396
952260
3000
Να᾽το: μετά από κάποιες μικρές διακυμάνσεις στην αρχή,
15:55
when companies are innovating,
397
955260
2000
όταν οι εταιρίες καινοτομούν,
15:57
they scale beautifully.
398
957260
2000
κλιμακώνονται όμορφα.
15:59
And we've looked at 23,000 companies
399
959260
3000
Και έχουμε εξετάσει 23,000 εταιρίες
16:02
in the United States, may I say.
400
962260
2000
στις Ηνωμένες Πολιτείες, μπορώ να πω.
16:04
And I'm only showing you a little bit of this.
401
964260
3000
Και σας δείχνω μόνο λιγάκι απ´αυτό.
16:07
What is astonishing about companies
402
967260
2000
Το τι είναι εκπληκτικό με τις εταιρίες
16:09
is that they scale sublinearly
403
969260
3000
είναι ότι κλιμακώνονται υπό-γραμμικά
16:12
like biology,
404
972260
2000
όπως στη βιολογία,
16:14
indicating that they're dominated,
405
974260
2000
υποδεικνύοντας ότι δεν κυριαρχούνται,
16:16
not by super-linear
406
976260
2000
από υπέρ-γραμμικές
16:18
innovation and ideas;
407
978260
3000
καινοτομίες και ιδέες·
16:21
they become dominated
408
981260
2000
γίνονται κυριαρχούμενες
16:23
by economies of scale.
409
983260
2000
από οικονομίες κλίμακας.
16:25
In that interpretation,
410
985260
2000
Σ᾽αυτή την ερμηνεία,
16:27
by bureaucracy and administration,
411
987260
2000
με τη γραφειοκρατία και την διοίκηση
16:29
and they do it beautifully, may I say.
412
989260
2000
και το κάνουν όμορφα, μπορώ να πω.
16:31
So if you tell me the size of some company, some small company,
413
991260
3000
Οπότε αν μου πείτε το μέγεθος μιας εταιρίας, μιας μικρής εταιρίας,
16:34
I could have predicted the size of Walmart.
414
994260
3000
θα μπορούσα να προβλέψω το μέγεθος της Γουόλμαρτ.
16:37
If it has this sublinear scaling,
415
997260
2000
Αν έχει αυτήν την υπό-γραμμική κλιμάκωση
16:39
the theory says
416
999260
2000
η θεωρία λέει
16:41
we should have sigmoidal growth.
417
1001260
3000
ότι θα έπρεπε να έχουμε σιγμοειδή ανάπτυξη.
16:44
There's Walmart. Doesn't look very sigmoidal.
418
1004260
2000
Να η Γουόλμαρτ. Δεν φαίνεται πολύ σιγμοειδής.
16:46
That's what we like, hockey sticks.
419
1006260
3000
Αυτά μας αρέσουν, μπαστούνια του χόκεϊ.
16:49
But you notice, I've cheated,
420
1009260
2000
Όμως παρατηρήστε, έχω κλέψει,
16:51
because I've only gone up to '94.
421
1011260
2000
επειδή έχω πάει μόνο μέχρι το '94.
16:53
Let's go up to 2008.
422
1013260
2000
Ας πάμε μέχρι το 2008.
16:55
That red line is from the theory.
423
1015260
3000
Εκείνη η κόκκινη γραμμή είναι από τη θεωρία.
16:58
So if I'd have done this in 1994,
424
1018260
2000
Έτσι αν το είχα κάνει το 1994,
17:00
I could have predicted what Walmart would be now.
425
1020260
3000
θα μπορούσα να είχα προβλέψει τι θα ήταν τώρα η Γουόλμαρτ.
17:03
And then this is repeated
426
1023260
2000
Και τότε αυτό επαναλαμβάνεται
17:05
across the entire spectrum of companies.
427
1025260
2000
σε όλο το φάσμα των εταιριών.
17:07
There they are. That's 23,000 companies.
428
1027260
3000
Να᾽τες. Εκεί είναι 23,000 εταιρίες.
17:10
They all start looking like hockey sticks,
429
1030260
2000
Όλες ξεκινούν μοιάζοντας με μπαστούνια του χόκεϊ,
17:12
they all bend over,
430
1032260
2000
όλες καμπουριάζουν,
17:14
and they all die like you and me.
431
1034260
2000
και όλες θα πεθάνουν όπως εσείς και εγώ.
17:16
Thank you.
432
1036260
2000
Σας ευχαριστώ.
17:18
(Applause)
433
1038260
9000
(Χειροκρότημα)
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7