Geoffrey West: The surprising math of cities and corporations

Geoffrey West: Las sorprendentes matemáticas de las ciudades y las corporaciones

170,507 views

2011-07-26 ・ TED


New videos

Geoffrey West: The surprising math of cities and corporations

Geoffrey West: Las sorprendentes matemáticas de las ciudades y las corporaciones

170,507 views ・ 2011-07-26

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: Francisco Gnecco Revisor: Veronica Martinez Starnes
00:16
Cities are the crucible of civilization.
0
16260
3000
Las ciudades son los crisoles de la civilización.
00:19
They have been expanding,
1
19260
2000
Han crecido,
00:21
urbanization has been expanding,
2
21260
2000
la urbanización las ha expandido,
00:23
at an exponential rate in the last 200 years
3
23260
2000
a una tasa exponencial en los últimos 200 años,
00:25
so that by the second part of this century,
4
25260
3000
de tal modo que en la segunda parte de este siglo
00:28
the planet will be completely dominated
5
28260
2000
el planeta estará completamente dominado
00:30
by cities.
6
30260
3000
por ciudades.
00:33
Cities are the origins of global warming,
7
33260
3000
En las ciudades se originan el calentamiento global,
00:36
impact on the environment,
8
36260
2000
la contaminación, las enfermedades,
00:38
health, pollution, disease,
9
38260
3000
el impacto en el medio ambiente,
00:41
finance,
10
41260
2000
en las finanzas,
00:43
economies, energy --
11
43260
3000
en la economía, en la energía...
00:46
they're all problems
12
46260
2000
Problemas todos
00:48
that are confronted by having cities.
13
48260
2000
que son generados por la existencia de las ciudades.
00:50
That's where all these problems come from.
14
50260
2000
De ahí viene todo eso.
00:52
And the tsunami of problems that we feel we're facing
15
52260
3000
La avalancha de problemas que enfrentamos
00:55
in terms of sustainability questions
16
55260
2000
por la sostenibilidad cuestionada,
00:57
are actually a reflection
17
57260
2000
es reflejo
00:59
of the exponential increase
18
59260
2000
del crecimiento exponencial
01:01
in urbanization across the planet.
19
61260
3000
de la urbanización, por todo el mundo.
01:04
Here's some numbers.
20
64260
2000
He aquí algunas cifras.
01:06
Two hundred years ago, the United States
21
66260
2000
Hace 200 años, los Estados Unidos
01:08
was less than a few percent urbanized.
22
68260
2000
estaban urbanizados solo en un pequeño porcentaje.
01:10
It's now more than 82 percent.
23
70260
2000
Ahora lo están en más del 82 %.
01:12
The planet has crossed the halfway mark a few years ago.
24
72260
3000
El planeta ha cruzado la línea media hace unos años.
01:15
China's building 300 new cities
25
75260
2000
China va a construir 300 ciudades nuevas
01:17
in the next 20 years.
26
77260
2000
en los próximos 20 años.
01:19
Now listen to this:
27
79260
2000
Escuchen esto:
01:21
Every week for the foreseeable future,
28
81260
3000
cada semana, en el futuro previsible
01:24
until 2050,
29
84260
2000
hasta el 2050,
01:26
every week more than a million people
30
86260
2000
cada semana, más de un millón de personas
01:28
are being added to our cities.
31
88260
2000
se va a sumar a nuestras ciudades.
01:30
This is going to affect everything.
32
90260
2000
Esto lo afecta todo.
01:32
Everybody in this room, if you stay alive,
33
92260
2000
Todos los que están en esta sala, si están vivos,
01:34
is going to be affected
34
94260
2000
van a verse afectados
01:36
by what's happening in cities
35
96260
2000
por lo que suceda en las ciudades
01:38
in this extraordinary phenomenon.
36
98260
2000
con este fenómeno extraordinario.
01:40
However, cities,
37
100260
3000
Sin embargo, las ciudades,
01:43
despite having this negative aspect to them,
38
103260
3000
a pesar de tener estos aspectos negativos,
01:46
are also the solution.
39
106260
2000
también tienen las soluciones.
01:48
Because cities are the vacuum cleaners and the magnets
40
108260
4000
Porque son las aspiradoras y los imanes
01:52
that have sucked up creative people,
41
112260
2000
que atraen a la gente creativa
01:54
creating ideas, innovation,
42
114260
2000
para generar ideas, innovaciones,
01:56
wealth and so on.
43
116260
2000
riqueza y demás.
01:58
So we have this kind of dual nature.
44
118260
2000
Tienen esta naturaleza dual.
02:00
And so there's an urgent need
45
120260
3000
Hay una necesidad urgente
02:03
for a scientific theory of cities.
46
123260
4000
de una teoría científica de las ciudades.
02:07
Now these are my comrades in arms.
47
127260
3000
Estos son mis compañeros de lucha.
02:10
This work has been done with an extraordinary group of people,
48
130260
2000
Hemos hecho este trabajo con un grupo de personas extraordinarias,
02:12
and they've done all the work,
49
132260
2000
ellas han hecho todo el trabajo;
02:14
and I'm the great bullshitter
50
134260
2000
yo soy el gran fanfarrón
02:16
that tries to bring it all together.
51
136260
2000
que lo junta todo.
02:18
(Laughter)
52
138260
2000
(Risas)
02:20
So here's the problem: This is what we all want.
53
140260
2000
He aquí el problema; esto es lo que todos queremos.
02:22
The 10 billion people on the planet in 2050
54
142260
3000
Los 10 000 millones de personas del planeta en el 2050
02:25
want to live in places like this,
55
145260
2000
desean vivir en lugares como este,
02:27
having things like this,
56
147260
2000
con cosas como estas,
02:29
doing things like this,
57
149260
2000
haciendo cosas como estas,
02:31
with economies that are growing like this,
58
151260
3000
con una economía creciente como esta,
02:34
not realizing that entropy
59
154260
2000
sin darse cuenta de que la entropía
02:36
produces things like this,
60
156260
2000
produce cosas así,
02:38
this, this
61
158260
4000
así, así
02:42
and this.
62
162260
2000
y así.
02:44
And the question is:
63
164260
2000
Y nos preguntamos
02:46
Is that what Edinburgh and London and New York
64
166260
2000
¿Será que Edimburgo, Londres y Nueva York
02:48
are going to look like in 2050,
65
168260
2000
se verán así en el 2050?
02:50
or is it going to be this?
66
170260
2000
o ¿se verán así?
02:52
That's the question.
67
172260
2000
Esa es la pregunta.
02:54
I must say, many of the indicators
68
174260
2000
Yo creo que, según varios indicadores,
02:56
look like this is what it's going to look like,
69
176260
3000
así es como se verán.
02:59
but let's talk about it.
70
179260
3000
Hablemos de esto.
03:02
So my provocative statement
71
182260
3000
Debo declarar
03:05
is that we desperately need a serious scientific theory of cities.
72
185260
3000
que necesitamos con urgencia una teoría científica de las ciudades.
03:08
And scientific theory means quantifiable --
73
188260
3000
Teoría científica significa cuantificable,
03:11
relying on underlying generic principles
74
191260
3000
que dependa de principios generales subyacentes
03:14
that can be made into a predictive framework.
75
194260
2000
y que lleve a hacer predicciones.
03:16
That's the quest.
76
196260
2000
Esa es la cuestión.
03:18
Is that conceivable?
77
198260
2000
¿Será posible?
03:20
Are there universal laws?
78
200260
2000
¿Existen leyes universales?
03:22
So here's two questions
79
202260
2000
Hay dos preguntas
03:24
that I have in my head when I think about this problem.
80
204260
2000
que me vienen a la mente cuando pienso en esto.
03:26
The first is:
81
206260
2000
La primera es:
03:28
Are cities part of biology?
82
208260
2000
¿Las ciudades son parte de la biología?
03:30
Is London a great big whale?
83
210260
2000
¿Será que Londres es una gran ballena?
03:32
Is Edinburgh a horse?
84
212260
2000
¿Será Edimburgo un caballo?
03:34
Is Microsoft a great big anthill?
85
214260
2000
¿Será Microsoft un enorme hormiguero?
03:36
What do we learn from that?
86
216260
2000
¿Qué se desprende de esto?
03:38
We use them metaphorically --
87
218260
2000
Hablando en metáforas,
03:40
the DNA of a company, the metabolism of a city, and so on --
88
220260
2000
¿el ADN de una empresa, el metabolismo de una ciudad, y todo eso,
03:42
is that just bullshit, metaphorical bullshit,
89
222260
3000
son simples palabrerías metafóricas?
03:45
or is there serious substance to it?
90
225260
3000
o ¿tienen contenido serio?
03:48
And if that is the case,
91
228260
2000
Y si ese es el caso,
03:50
how come that it's very hard to kill a city?
92
230260
2000
¿por qué es tan difícil matar una ciudad?
03:52
You could drop an atom bomb on a city,
93
232260
2000
Pueden lanzarle una bomba atómica
03:54
and 30 years later it's surviving.
94
234260
2000
y 30 años después estará sobreviviendo.
03:56
Very few cities fail.
95
236260
3000
Muy pocas ciudades fracasan.
03:59
All companies die, all companies.
96
239260
3000
Las empresas quiebran, todas.
04:02
And if you have a serious theory, you should be able to predict
97
242260
2000
Con una buena teoría se podría predecir
04:04
when Google is going to go bust.
98
244260
3000
cuándo va a quebrar Google.
04:07
So is that just another version
99
247260
3000
¿Será eso otra versión
04:10
of this?
100
250260
2000
de esto?
04:12
Well we understand this very well.
101
252260
2000
Esto se entiende muy bien.
04:14
That is, you ask any generic question about this --
102
254260
2000
Es decir, si hago preguntas genéricas sobre todo esto;
04:16
how many trees of a given size,
103
256260
2000
¿cuántos árboles de un determinado tamaño?
04:18
how many branches of a given size does a tree have,
104
258260
2000
¿cuántas ramas de cierto calibre tiene un árbol?
04:20
how many leaves,
105
260260
2000
¿cuántas hojas?
04:22
what is the energy flowing through each branch,
106
262260
2000
¿cuánta energía pasa por cada rama?
04:24
what is the size of the canopy,
107
264260
2000
¿qué tan grande es su manto de hojas?
04:26
what is its growth, what is its mortality?
108
266260
2000
¿cuál es su crecimiento? ¿cuál su mortalidad?
04:28
We have a mathematical framework
109
268260
2000
Tenemos un esquema matemático
04:30
based on generic universal principles
110
270260
3000
basado en principios genéricos universales
04:33
that can answer those questions.
111
273260
2000
para resolver todas estas preguntas.
04:35
And the idea is can we do the same for this?
112
275260
4000
La idea es: ¿podremos hacer lo mismo con esto?
04:40
So the route in is recognizing
113
280260
3000
Se logra con el reconocimiento
04:43
one of the most extraordinary things about life,
114
283260
2000
de una de las cosas más extraordinarias de la vida;
04:45
is that it is scalable,
115
285260
2000
que su escala es ajustable
04:47
it works over an extraordinary range.
116
287260
2000
en un margen muy amplio.
04:49
This is just a tiny range actually:
117
289260
2000
Esta es una aplicación muy limitada, en realidad;
04:51
It's us mammals;
118
291260
2000
estos somos nosotros, los mamíferos,
04:53
we're one of these.
119
293260
2000
de los cuales formamos parte.
04:55
The same principles, the same dynamics,
120
295260
2000
Los mismos principios, la misma dinámica,
04:57
the same organization is at work
121
297260
2000
la misma organización funciona
04:59
in all of these, including us,
122
299260
2000
en todos los mamíferos, incluidos nosotros
05:01
and it can scale over a range of 100 million in size.
123
301260
3000
y puede ampliarse 100 millones de veces.
05:04
And that is one of the main reasons
124
304260
3000
Esta es una de las razones por las que
05:07
life is so resilient and robust --
125
307260
2000
los seres vivos tienen tanta resiliencia y son tan fuertes,
05:09
scalability.
126
309260
2000
por ser ajustables a escala.
05:11
We're going to discuss that in a moment more.
127
311260
3000
En un momento vamos a hablar de esto.
05:14
But you know, at a local level,
128
314260
2000
Sabemos que, a nivel local,
05:16
you scale; everybody in this room is scaled.
129
316260
2000
todo puede ampliarse; todos en esta sala han sido ajustados a escala.
05:18
That's called growth.
130
318260
2000
Lo llaman crecimiento.
05:20
Here's how you grew.
131
320260
2000
Miren como crecemos.
05:22
Rat, that's a rat -- could have been you.
132
322260
2000
Esta es una rata. Podría ser uno de Uds.
05:24
We're all pretty much the same.
133
324260
3000
Somos casi iguales.
05:27
And you see, you're very familiar with this.
134
327260
2000
Veamos esto que nos es muy familiar.
05:29
You grow very quickly and then you stop.
135
329260
2000
Uno crece muy rápido y en cierto momento se detiene.
05:31
And that line there
136
331260
2000
Esta curva
05:33
is a prediction from the same theory,
137
333260
2000
es una predicción, de la misma teoría,
05:35
based on the same principles,
138
335260
2000
basada en los mismos principios,
05:37
that describes that forest.
139
337260
2000
como la que describe un bosque.
05:39
And here it is for the growth of a rat,
140
339260
2000
Esta es la curva de crecimiento de una rata.
05:41
and those points on there are data points.
141
341260
2000
Los puntos señalan los datos reales.
05:43
This is just the weight versus the age.
142
343260
2000
Muestra simplemente el peso en función de la edad.
05:45
And you see, it stops growing.
143
345260
2000
Vean que el crecimiento se detiene.
05:47
Very, very good for biology --
144
347260
2000
Muy bueno para la biología,
05:49
also one of the reasons for its great resilience.
145
349260
2000
que también es una de las razones de su gran resiliencia.
05:51
Very, very bad
146
351260
2000
Pero muy malo
05:53
for economies and companies and cities
147
353260
2000
para la economía, las empresas y las ciudades
05:55
in our present paradigm.
148
355260
2000
en nuestro modelo actual.
05:57
This is what we believe.
149
357260
2000
Eso es lo que creemos.
05:59
This is what our whole economy
150
359260
2000
Esto es lo que toda la economía
06:01
is thrusting upon us,
151
361260
2000
nos impone,
06:03
particularly illustrated in that left-hand corner:
152
363260
3000
como puede verse en la esquina de la izquierda,
06:06
hockey sticks.
153
366260
2000
como palos de hockey.
06:08
This is a bunch of software companies --
154
368260
2000
Esto es sobre unas compañías de programas informáticos;
06:10
and what it is is their revenue versus their age --
155
370260
2000
se ven sus ingresos en función de la edad,
06:12
all zooming away,
156
372260
2000
progresan muy rápido
06:14
and everybody making millions and billions of dollars.
157
374260
2000
y todas hacen millones y miles de millones de dólares.
06:16
Okay, so how do we understand this?
158
376260
3000
Bien, ¿cómo se entiende esto?
06:19
So let's first talk about biology.
159
379260
3000
Hablemos primero de biología.
06:22
This is explicitly showing you
160
382260
2000
Explícitamente esto nos muestra,
06:24
how things scale,
161
384260
2000
cómo varía la escala de las cosas.
06:26
and this is a truly remarkable graph.
162
386260
2000
Una gráfica verdaderamente notable.
06:28
What is plotted here is metabolic rate --
163
388260
3000
Lo que vemos aquí es la tasa metabólica;
06:31
how much energy you need per day to stay alive --
164
391260
3000
cuánta energía se necesita para conservarse vivo un día,
06:34
versus your weight, your mass,
165
394260
2000
en función del peso o la masa,
06:36
for all of us bunch of organisms.
166
396260
3000
para organismos como los nuestros.
06:39
And it's plotted in this funny way by going up by factors of 10,
167
399260
3000
Tiene una forma extraña, aumentando en factores de 10;
06:42
otherwise you couldn't get everything on the graph.
168
402260
2000
si no fuera así, no cabría todo en la gráfica.
06:44
And what you see if you plot it
169
404260
2000
Lo que se ve, al trazarla
06:46
in this slightly curious way
170
406260
2000
de esta forma un poco curiosa,
06:48
is that everybody lies on the same line.
171
408260
3000
es que todos caen sobre la misma recta.
06:51
Despite the fact that this is the most complex and diverse system
172
411260
3000
A pesar de que este es el sistema más complejo y más diverso
06:54
in the universe,
173
414260
3000
del universo,
06:57
there's an extraordinary simplicity
174
417260
2000
resulta extraordinariamente sencillo
06:59
being expressed by this.
175
419260
2000
al expresarlo de esta forma.
07:01
It's particularly astonishing
176
421260
3000
Es verdaderamente asombroso
07:04
because each one of these organisms,
177
424260
2000
puesto que cada uno de estos organismos,
07:06
each subsystem, each cell type, each gene,
178
426260
2000
cada subsistema, cada tipo de célula, cada gen,
07:08
has evolved in its own unique environmental niche
179
428260
4000
cada uno ha evolucionado en su propio nicho ambiental,
07:12
with its own unique history.
180
432260
3000
con su propia historia única.
07:15
And yet, despite all of that Darwinian evolution
181
435260
3000
Y, a pesar de toda esa evolución
07:18
and natural selection,
182
438260
2000
y selección natural darwinianas,
07:20
they've been constrained to lie on a line.
183
440260
2000
todos se han limitado a colocarse en una recta.
07:22
Something else is going on.
184
442260
2000
Sucede algo más.
07:24
Before I talk about that,
185
444260
2000
Antes de hablar de eso,
07:26
I've written down at the bottom there
186
446260
2000
he agregado allí, en la parte inferior,
07:28
the slope of this curve, this straight line.
187
448260
2000
la pendiente de esta recta.
07:30
It's three-quarters, roughly,
188
450260
2000
Es aproximadamente ¾,
07:32
which is less than one -- and we call that sublinear.
189
452260
3000
menor que 1. La llamamos sublineal.
07:35
And here's the point of that.
190
455260
2000
Esto tiene el siguiente significado;
07:37
It says that, if it were linear,
191
457260
3000
Nos dice que si fuera lineal,
07:40
the steepest slope,
192
460260
2000
con mayor pendiente,
07:42
then doubling the size
193
462260
2000
al duplicar el tamaño
07:44
you would require double the amount of energy.
194
464260
2000
se requeriría el doble de la energía.
07:46
But it's sublinear, and what that translates into
195
466260
3000
Pero como es sublineal, esto significa
07:49
is that, if you double the size of the organism,
196
469260
2000
que si se duplica el tamaño del organismo,
07:51
you actually only need 75 percent more energy.
197
471260
3000
solo se va a necesitar un 75 % adicional de energía.
07:54
So a wonderful thing about all of biology
198
474260
2000
Un rasgo maravilloso de toda la biología
07:56
is that it expresses an extraordinary economy of scale.
199
476260
3000
es que existe esta extraordinaria economía de escala.
07:59
The bigger you are systematically,
200
479260
2000
Cuanto mayor es el sistema,
08:01
according to very well-defined rules,
201
481260
2000
según unas reglas bien definidas,
08:03
less energy per capita.
202
483260
3000
menor será la energía por unidad.
08:06
Now any physiological variable you can think of,
203
486260
3000
Para cada variable fisiológica imaginable,
08:09
any life history event you can think of,
204
489260
2000
cualquier evento en la vida que se pueda pensar,
08:11
if you plot it this way, looks like this.
205
491260
3000
si se hace una gráfica de esta forma, se va a ver así.
08:14
There is an extraordinary regularity.
206
494260
2000
Una regularidad extraordinaria.
08:16
So you tell me the size of a mammal,
207
496260
2000
Si alguien me dice el tamaño de un mamífero,
08:18
I can tell you at the 90 percent level everything about it
208
498260
3000
le puedo decir, con un 90 % de precisión, todo sobre él
08:21
in terms of its physiology, life history, etc.
209
501260
4000
en términos de su fisiología, la historia de su vida, etc.
08:25
And the reason for this is because of networks.
210
505260
3000
La razón de esto son las redes.
08:28
All of life is controlled by networks --
211
508260
3000
Todo en la vida está controlado por redes;
08:31
from the intracellular through the multicellular
212
511260
2000
desde las intercelulares a las multicelulares,
08:33
through the ecosystem level.
213
513260
2000
hasta el nivel de ecosistemas.
08:35
And you're very familiar with these networks.
214
515260
3000
Ustedes conocen bien esas redes.
08:39
That's a little thing that lives inside an elephant.
215
519260
3000
Esto es algo muy pequeño que habita dentro de un elefante.
08:42
And here's the summary of what I'm saying.
216
522260
3000
Y aquí está el resumen de lo que estoy diciendo.
08:45
If you take those networks,
217
525260
2000
Si tomo esas redes,
08:47
this idea of networks,
218
527260
2000
el concepto de las redes,
08:49
and you apply universal principles,
219
529260
2000
y les aplico unos principios
08:51
mathematizable, universal principles,
220
531260
2000
cuantificables y universales,
08:53
all of these scalings
221
533260
2000
estos cambios de escala
08:55
and all of these constraints follow,
222
535260
3000
y estas restricciones se cumplen,
08:58
including the description of the forest,
223
538260
2000
incluyendo la descripción de un bosque,
09:00
the description of your circulatory system,
224
540260
2000
la del sistema circulatorio
09:02
the description within cells.
225
542260
2000
o la del interior de la célula.
09:04
One of the things I did not stress in that introduction
226
544260
3000
Una de las cosas que no recalqué en la introducción
09:07
was that, systematically, the pace of life
227
547260
3000
es que, sistemáticamente, el ritmo de la vida
09:10
decreases as you get bigger.
228
550260
2000
disminuye a medida que uno crece.
09:12
Heart rates are slower; you live longer;
229
552260
3000
Los latidos del corazón se vuelven más lentos cuando se vive más tiempo,
09:15
diffusion of oxygen and resources
230
555260
2000
la difusión del oxígeno y los recursos
09:17
across membranes is slower, etc.
231
557260
2000
que pasan por las membranas se vuelven más lentos, etc.
09:19
The question is: Is any of this true
232
559260
2000
La pregunta es: ¿será esto cierto
09:21
for cities and companies?
233
561260
3000
para las ciudades y para las empresas?
09:24
So is London a scaled up Birmingham,
234
564260
3000
¿Será que Londres es como Birmingham ampliada?
09:27
which is a scaled up Brighton, etc., etc.?
235
567260
3000
¿Y que ésta es una ampliación de Brighton, etc.?
09:30
Is New York a scaled up San Francisco,
236
570260
2000
¿Será que Nueva York es una ampliación de San Francisco?
09:32
which is a scaled up Santa Fe?
237
572260
2000
¿Y que ésta lo es de Santa Fe?
09:34
Don't know. We will discuss that.
238
574260
2000
No lo sé. Vamos a analizarlo luego.
09:36
But they are networks,
239
576260
2000
Pero existen las redes.
09:38
and the most important network of cities
240
578260
2000
Y lo más importante en la red de una ciudad,
09:40
is you.
241
580260
2000
es la gente.
09:42
Cities are just a physical manifestation
242
582260
3000
Las ciudades son simplemente manifestaciones físicas
09:45
of your interactions,
243
585260
2000
de sus interacciones
09:47
our interactions,
244
587260
2000
y las nuestras;
09:49
and the clustering and grouping of individuals.
245
589260
2000
las acumulaciones y agrupaciones de personas.
09:51
Here's just a symbolic picture of that.
246
591260
3000
Esta es una gráfica simbólica.
09:54
And here's scaling of cities.
247
594260
2000
Aquí aparecen ciudades a diferentes escalas.
09:56
This shows that in this very simple example,
248
596260
3000
Se nota en este simple ejemplo,
09:59
which happens to be a mundane example
249
599260
2000
se trata de un caso trivial;
10:01
of number of petrol stations
250
601260
2000
el número de estaciones de servicio
10:03
as a function of size --
251
603260
2000
en función del tamaño,
10:05
plotted in the same way as the biology --
252
605260
2000
en una gráfica similar a la de la biología.
10:07
you see exactly the same kind of thing.
253
607260
2000
Se ve exactamente lo mismo.
10:09
There is a scaling.
254
609260
2000
Hay un efecto de escala.
10:11
That is that the number of petrol stations in the city
255
611260
4000
O sea que el número de estaciones de servicio
10:15
is now given to you
256
615260
2000
se puede obtener
10:17
when you tell me its size.
257
617260
2000
a partir del tamaño.
10:19
The slope of that is less than linear.
258
619260
3000
La pendiente es menos que lineal.
10:22
There is an economy of scale.
259
622260
2000
Hay una economía de escala.
10:24
Less petrol stations per capita the bigger you are -- not surprising.
260
624260
3000
Menos estaciones de servicio per cápita, para mayor tamaño. Nada sorprendente.
10:27
But here's what's surprising.
261
627260
2000
Pero ahora viene lo que sí es sorprendente.
10:29
It scales in the same way everywhere.
262
629260
2000
El cambio de escala es igual en todas partes.
10:31
This is just European countries,
263
631260
2000
Esto es para los países europeos,
10:33
but you do it in Japan or China or Colombia,
264
633260
3000
pero en Japón, China o Colombia,
10:36
always the same
265
636260
2000
da siempre igual,
10:38
with the same kind of economy of scale
266
638260
2000
con el mismo tipo de economía de escala,
10:40
to the same degree.
267
640260
2000
de igual grado.
10:42
And any infrastructure you look at --
268
642260
3000
Todo tipo de infraestructura que estudiamos,
10:45
whether it's the length of roads, length of electrical lines --
269
645260
3000
sea la longitud de las carreteras, la de las líneas eléctricas,
10:48
anything you look at
270
648260
2000
cualquier cosa que uno mire,
10:50
has the same economy of scale scaling in the same way.
271
650260
3000
tiene la misma economía de escala, siempre igual.
10:53
It's an integrated system
272
653260
2000
Es un sistema integrado
10:55
that has evolved despite all the planning and so on.
273
655260
3000
que ha evolucionado, a pesar de todo el planeamiento.
10:58
But even more surprising
274
658260
2000
Pero algo aún más sorprendente
11:00
is if you look at socio-economic quantities,
275
660260
2000
aparece cuando se estudian parámetros socioeconómicos,
11:02
quantities that have no analog in biology,
276
662260
3000
datos que no tienen ninguna analogía en biología,
11:05
that have evolved when we started forming communities
277
665260
3000
que han evolucionado desde que se empezaron a formar comunidades
11:08
eight to 10,000 years ago.
278
668260
2000
8 000 a 10 000 años atrás.
11:10
The top one is wages as a function of size
279
670260
2000
El primero es el de sueldos en función del tamaño,
11:12
plotted in the same way.
280
672260
2000
en la misma gráfica.
11:14
And the bottom one is you lot --
281
674260
2000
Y el último es el de todos Uds.,
11:16
super-creatives plotted in the same way.
282
676260
3000
personas supercreativas.
11:19
And what you see
283
679260
2000
Lo que se nota
11:21
is a scaling phenomenon.
284
681260
2000
es un fenómeno de escala.
11:23
But most important in this,
285
683260
2000
Lo más importante aquí es
11:25
the exponent, the analog to that three-quarters
286
685260
2000
que el exponente análogo a los 3/4
11:27
for the metabolic rate,
287
687260
2000
para la tasa metabólica,
11:29
is bigger than one -- it's about 1.15 to 1.2.
288
689260
2000
es mayor que uno; aproximadamente de 1.15 a 1.2.
11:31
Here it is,
289
691260
2000
Aquí está
11:33
which says that the bigger you are
290
693260
3000
y dice que cuanto mayor se es,
11:36
the more you have per capita, unlike biology --
291
696260
3000
se tiene más per cápita, a diferencia de la biología,
11:39
higher wages, more super-creative people per capita as you get bigger,
292
699260
4000
mayores son los salarios, más gente supercreativa habrá,
11:43
more patents per capita, more crime per capita.
293
703260
3000
más patentes per cápita, mayor criminalidad.
11:46
And we've looked at everything:
294
706260
2000
Hemos examinado todo:
11:48
more AIDS cases, flu, etc.
295
708260
3000
casos de sida, gripe, etc.
11:51
And here, they're all plotted together.
296
711260
2000
Y aquí están todos reunidos en una sola gráfica.
11:53
Just to show you what we plotted,
297
713260
2000
Hemos incluido aquí
11:55
here is income, GDP --
298
715260
3000
el ingreso, el PIB,
11:58
GDP of the city --
299
718260
2000
el PIB de la ciudad,
12:00
crime and patents all on one graph.
300
720260
2000
la criminalidad, las patentes, todo en una gráfica.
12:02
And you can see, they all follow the same line.
301
722260
2000
Y como se ve, todos caen en la misma recta.
12:04
And here's the statement.
302
724260
2000
Esta es la declaración.
12:06
If you double the size of a city from 100,000 to 200,000,
303
726260
3000
Al duplicar el tamaño de la ciudad, de 100 000 a 200 000,
12:09
from a million to two million, 10 to 20 million,
304
729260
2000
de un millón a dos millones, de 10 millones a 20 millones,
12:11
it doesn't matter,
305
731260
2000
no importa,
12:13
then systematically
306
733260
2000
sistemáticamente
12:15
you get a 15 percent increase
307
735260
2000
se obtiene un 15 % de aumento
12:17
in wages, wealth, number of AIDS cases,
308
737260
2000
en salarios, riqueza, número de casos de sida,
12:19
number of police,
309
739260
2000
número de policías,
12:21
anything you can think of.
310
741260
2000
lo que uno se imagine.
12:23
It goes up by 15 percent,
311
743260
2000
Sube en un 15 %.
12:25
and you have a 15 percent savings
312
745260
3000
Se tiene un 15 % de ahorro
12:28
on the infrastructure.
313
748260
3000
en infraestructura.
12:31
This, no doubt, is the reason
314
751260
3000
Sin duda esta es la razón
12:34
why a million people a week are gathering in cities.
315
754260
3000
por la que cada semana las ciudades se acrecientan en un millón de personas,
12:37
Because they think that all those wonderful things --
316
757260
3000
Todas esas maravillas…
12:40
like creative people, wealth, income --
317
760260
2000
la gente creativa, la riqueza, el ingreso,
12:42
is what attracts them,
318
762260
2000
resultan atractivas
12:44
forgetting about the ugly and the bad.
319
764260
2000
y hacen olvidar lo malo y lo feo.
12:46
What is the reason for this?
320
766260
2000
¿Y cuál es la razón?
12:48
Well I don't have time to tell you about all the mathematics,
321
768260
3000
No tengo tiempo para hablar en términos matemáticos,
12:51
but underlying this is the social networks,
322
771260
3000
pero bajo todo esto están las redes sociales,
12:54
because this is a universal phenomenon.
323
774260
3000
que son un fenómeno universal.
12:57
This 15 percent rule
324
777260
3000
Esta regla del 15 %
13:00
is true
325
780260
2000
es válida
13:02
no matter where you are on the planet --
326
782260
2000
sin importar en qué parte del planeta estemos;
13:04
Japan, Chile,
327
784260
2000
Japón, Chile,
13:06
Portugal, Scotland, doesn't matter.
328
786260
3000
Portugal, Escocia, no importa.
13:09
Always, all the data shows it's the same,
329
789260
3000
Siempre, todos los datos muestran lo mismo,
13:12
despite the fact that these cities have evolved independently.
330
792260
3000
a pesar de la evolución independiente de esas ciudades.
13:15
Something universal is going on.
331
795260
2000
Algo universal sucede.
13:17
The universality, to repeat, is us --
332
797260
3000
Lo que es universal, somos nosotros, lo repito,
13:20
that we are the city.
333
800260
2000
nosotros somos la ciudad.
13:22
And it is our interactions and the clustering of those interactions.
334
802260
3000
Son nuestras interacciones y los agrupamientos de esas interacciones.
13:25
So there it is, I've said it again.
335
805260
2000
Aquí está, una vez más.
13:27
So if it is those networks and their mathematical structure,
336
807260
3000
Son todas esas redes y su estructura matemática.
13:30
unlike biology, which had sublinear scaling,
337
810260
3000
Por una parte la biología con su escala sublineal,
13:33
economies of scale,
338
813260
2000
su economía de escala,
13:35
you had the slowing of the pace of life
339
815260
2000
y el menor ritmo en el paso de la vida
13:37
as you get bigger.
340
817260
2000
a medida que crecemos.
13:39
If it's social networks with super-linear scaling --
341
819260
2000
Por otra parte, las redes sociales con su escala superlineal;
13:41
more per capita --
342
821260
2000
más per cápita;
13:43
then the theory says
343
823260
2000
la teoría dice
13:45
that you increase the pace of life.
344
825260
2000
que se incrementa el ritmo vital.
13:47
The bigger you are, life gets faster.
345
827260
2000
Con el crecimiento, la vida va más rápido.
13:49
On the left is the heart rate showing biology.
346
829260
2000
A la izquierda se muestra el ritmo cardíaco.
13:51
On the right is the speed of walking
347
831260
2000
Y a la derecha, la velocidad al caminar
13:53
in a bunch of European cities,
348
833260
2000
en algunas ciudades europeas,
13:55
showing that increase.
349
835260
2000
y se ve el aumento.
13:57
Lastly, I want to talk about growth.
350
837260
3000
Por último, quiero hablar del crecimiento.
14:00
This is what we had in biology, just to repeat.
351
840260
3000
Repito; esto es lo que se ve en biología.
14:03
Economies of scale
352
843260
3000
Las economías de escala
14:06
gave rise to this sigmoidal behavior.
353
846260
3000
generan este comportamiento sigmoideo.
14:09
You grow fast and then stop --
354
849260
3000
Crecemos rápidamente y luego nos detenemos;
14:12
part of our resilience.
355
852260
2000
es parte de nuestra resiliencia.
14:14
That would be bad for economies and cities.
356
854260
3000
Eso sería malo para la economía y para las ciudades.
14:17
And indeed, one of the wonderful things about the theory
357
857260
2000
Pero uno de los mejores aspectos de esta teoría
14:19
is that if you have super-linear scaling
358
859260
3000
es que si uno tiene una escala superlineal
14:22
from wealth creation and innovation,
359
862260
2000
para la creación de riqueza y para la innovación,
14:24
then indeed you get, from the same theory,
360
864260
3000
entonces se obtiene, por la misma teoría,
14:27
a beautiful rising exponential curve -- lovely.
361
867260
2000
una hermosa curva exponencial ascendente, encantadora.
14:29
And in fact, if you compare it to data,
362
869260
2000
Y si se compara con los datos,
14:31
it fits very well
363
871260
2000
se ajusta muy bien
14:33
with the development of cities and economies.
364
873260
2000
con el desarrollo de las ciudades y la economía.
14:35
But it has a terrible catch,
365
875260
2000
Pero hay un problema,
14:37
and the catch
366
877260
2000
y es que
14:39
is that this system is destined to collapse.
367
879260
3000
el sistema está destinado a colapsar.
14:42
And it's destined to collapse for many reasons --
368
882260
2000
Y se debe a muchas razones;
14:44
kind of Malthusian reasons -- that you run out of resources.
369
884260
3000
razones de tipo Malthus; o sea, que se agotan los recursos.
14:47
And how do you avoid that? Well we've done it before.
370
887260
3000
¿Y cómo se puede evitar? Bueno, se ha hecho en el pasado.
14:50
What we do is,
371
890260
2000
Lo que se ha hecho es
14:52
as we grow and we approach the collapse,
372
892260
3000
que a medida que crecemos y nos acercamos al colapso,
14:55
a major innovation takes place
373
895260
3000
surge una innovación importante
14:58
and we start over again,
374
898260
2000
y volvemos a empezar.
15:00
and we start over again as we approach the next one, and so on.
375
900260
3000
Y al acercarnos a la siguiente, volvemos a empezar, y así sucesivamente.
15:03
So there's this continuous cycle of innovation
376
903260
2000
Esta serie continua de innovaciones
15:05
that is necessary
377
905260
2000
es necesaria
15:07
in order to sustain growth and avoid collapse.
378
907260
3000
a fin de sostener el crecimiento y evitar el colapso.
15:10
The catch, however, to this
379
910260
2000
Sin embargo, el problema es que
15:12
is that you have to innovate
380
912260
2000
es necesario innovar
15:14
faster and faster and faster.
381
914260
3000
más rápido, cada vez más rápido.
15:17
So the image
382
917260
2000
Usando una imagen,
15:19
is that we're not only on a treadmill that's going faster,
383
919260
3000
no solo estamos en una máquina trotadora que se acelera,
15:22
but we have to change the treadmill faster and faster.
384
922260
3000
sino que tenemos que cambiarla, con más y más frecuencia.
15:25
We have to accelerate on a continuous basis.
385
925260
3000
Tenemos que acelerar continuamente.
15:28
And the question is: Can we, as socio-economic beings,
386
928260
3000
La gran pregunta es: ¿Será posible, como seres socioeconómicos,
15:31
avoid a heart attack?
387
931260
3000
evitar el ataque al corazón?
15:34
So lastly, I'm going to finish up in this last minute or two
388
934260
3000
Para terminar, en este par de minutos que quedan,
15:37
asking about companies.
389
937260
2000
pregunto sobre las empresas.
15:39
See companies, they scale.
390
939260
2000
Las empresas se ajustan a escala.
15:41
The top one, in fact, is Walmart on the right.
391
941260
2000
Esta empresa, bien conocida, es Walmart.
15:43
It's the same plot.
392
943260
2000
La misma gráfica
15:45
This happens to be income and assets
393
945260
2000
muestra ingresos y activos
15:47
versus the size of the company as denoted by its number of employees.
394
947260
2000
en función del tamaño de la compañía, por el número de empleados.
15:49
We could use sales, anything you like.
395
949260
3000
Podría usarse volumen de ventas, o lo que quiera.
15:52
There it is: after some little fluctuations at the beginning,
396
952260
3000
Ahí está; luego de unas pequeñas fluctuaciones al principio,
15:55
when companies are innovating,
397
955260
2000
cuando las empresas hacen innovaciones,
15:57
they scale beautifully.
398
957260
2000
siguen después la escala de manera estupenda.
15:59
And we've looked at 23,000 companies
399
959260
3000
Hemos estudiado 23 000 compañías
16:02
in the United States, may I say.
400
962260
2000
en los Estados Unidos, si puedo decirlo.
16:04
And I'm only showing you a little bit of this.
401
964260
3000
Y solo estoy mostrando una pequeña parte.
16:07
What is astonishing about companies
402
967260
2000
Lo sorprendente de esto
16:09
is that they scale sublinearly
403
969260
3000
es que siguen la escala sublineal,
16:12
like biology,
404
972260
2000
como en biología,
16:14
indicating that they're dominated,
405
974260
2000
lo cual indica que están regidas,
16:16
not by super-linear
406
976260
2000
no por lo superlineal,
16:18
innovation and ideas;
407
978260
3000
innovación e ideas;
16:21
they become dominated
408
981260
2000
sino que están dominadas
16:23
by economies of scale.
409
983260
2000
por economías de escala.
16:25
In that interpretation,
410
985260
2000
En esta interpretación,
16:27
by bureaucracy and administration,
411
987260
2000
por burocracia y administración,
16:29
and they do it beautifully, may I say.
412
989260
2000
funcionan de manera estupenda.
16:31
So if you tell me the size of some company, some small company,
413
991260
3000
De modo que si me dicen el tamaño de una compañía pequeña,
16:34
I could have predicted the size of Walmart.
414
994260
3000
podría haber predicho el tamaño de Walmart.
16:37
If it has this sublinear scaling,
415
997260
2000
Si se tiene esta escala sublineal,
16:39
the theory says
416
999260
2000
según la teoría,
16:41
we should have sigmoidal growth.
417
1001260
3000
tendríamos crecimiento sigmoideo.
16:44
There's Walmart. Doesn't look very sigmoidal.
418
1004260
2000
Ahí está Walmart. No parece muy sigmoidea,
16:46
That's what we like, hockey sticks.
419
1006260
3000
como nos gusta, como un palo de hockey.
16:49
But you notice, I've cheated,
420
1009260
2000
Pero habrán notado que hice trampa,
16:51
because I've only gone up to '94.
421
1011260
2000
pues solo fui hasta el 94.
16:53
Let's go up to 2008.
422
1013260
2000
Vayamos hasta el 2008.
16:55
That red line is from the theory.
423
1015260
3000
La línea roja sigue la teoría.
16:58
So if I'd have done this in 1994,
424
1018260
2000
Si lo hubiera hecho así en 1994,
17:00
I could have predicted what Walmart would be now.
425
1020260
3000
habría podido predecir cómo estaría Walmart ahora.
17:03
And then this is repeated
426
1023260
2000
Y esto se repite
17:05
across the entire spectrum of companies.
427
1025260
2000
en todas las empresas del sector.
17:07
There they are. That's 23,000 companies.
428
1027260
3000
Ahí están. Las 23 000 compañías.
17:10
They all start looking like hockey sticks,
429
1030260
2000
Al principio todas parecen palos de hockey,
17:12
they all bend over,
430
1032260
2000
todas se pliegan,
17:14
and they all die like you and me.
431
1034260
2000
y todas mueren, como ustedes y como yo.
17:16
Thank you.
432
1036260
2000
Gracias.
17:18
(Applause)
433
1038260
9000
(Aplausos)
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7