Geoffrey West: The surprising math of cities and corporations

170,954 views ・ 2011-07-26

TED


Silakan klik dua kali pada teks bahasa Inggris di bawah ini untuk memutar video.

Translator: Ade Indarta Reviewer: Antonius Yudi Sendjaja
00:16
Cities are the crucible of civilization.
0
16260
3000
Kota adalah wadah peradaban.
00:19
They have been expanding,
1
19260
2000
Kota berkembang,
00:21
urbanization has been expanding,
2
21260
2000
urbanisasi juga meningkat,
00:23
at an exponential rate in the last 200 years
3
23260
2000
dengan laju eksponansial dalam 200 tahun terakhir,
00:25
so that by the second part of this century,
4
25260
3000
sehingga pada paruh kedua abad ini,
00:28
the planet will be completely dominated
5
28260
2000
planet ini akan didominasi
00:30
by cities.
6
30260
3000
oleh kota.
00:33
Cities are the origins of global warming,
7
33260
3000
Kota adalah asal dari pemanasan global,
00:36
impact on the environment,
8
36260
2000
dampak lingkungan,
00:38
health, pollution, disease,
9
38260
3000
kesehatan, polusi, penyakit,
00:41
finance,
10
41260
2000
keuangan,
00:43
economies, energy --
11
43260
3000
ekonomi, energi --
00:46
they're all problems
12
46260
2000
semua itu masalah
00:48
that are confronted by having cities.
13
48260
2000
yang muncul karena adanya kota.
00:50
That's where all these problems come from.
14
50260
2000
Kota adalah asal semua masalah itu.
00:52
And the tsunami of problems that we feel we're facing
15
52260
3000
Dan gelombang tsunami masalah yang kita hadapi
00:55
in terms of sustainability questions
16
55260
2000
dalam hal kesinambungannya,
00:57
are actually a reflection
17
57260
2000
sebenarnya adalah cerminan
00:59
of the exponential increase
18
59260
2000
kenaikan eksponansial
01:01
in urbanization across the planet.
19
61260
3000
dari urbanisasi di seluruh planet ini.
01:04
Here's some numbers.
20
64260
2000
Inilah beberapa angka.
01:06
Two hundred years ago, the United States
21
66260
2000
200 tahun lalu, di Amerika Serikat
01:08
was less than a few percent urbanized.
22
68260
2000
perkotaan kurang dari beberapa persen saja,
01:10
It's now more than 82 percent.
23
70260
2000
Sekarang ada lebih dari 82 persen.
01:12
The planet has crossed the halfway mark a few years ago.
24
72260
3000
Planet ini sudah melebihi 50 persen beberapa tahun lalu.
01:15
China's building 300 new cities
25
75260
2000
Cina membangun 300 kota baru
01:17
in the next 20 years.
26
77260
2000
dalam 20 tahun ke depan.
01:19
Now listen to this:
27
79260
2000
Coba pikirkan ini:
01:21
Every week for the foreseeable future,
28
81260
3000
Setiap minggu mulai dari sekarang,
01:24
until 2050,
29
84260
2000
sampai 2050,
01:26
every week more than a million people
30
86260
2000
setiap minggu lebih dari satu juta orang
01:28
are being added to our cities.
31
88260
2000
ditambahkan ke kota-kota kita.
01:30
This is going to affect everything.
32
90260
2000
Ini akan mempengaruhi segalanya.
01:32
Everybody in this room, if you stay alive,
33
92260
2000
Semua di ruangan ini, jika Anda masih hidup,
01:34
is going to be affected
34
94260
2000
akan terpengaruh oleh
01:36
by what's happening in cities
35
96260
2000
apa yang terjadi di kota
01:38
in this extraordinary phenomenon.
36
98260
2000
dalam fenomena luar biasa ini.
01:40
However, cities,
37
100260
3000
Namun, kota,
01:43
despite having this negative aspect to them,
38
103260
3000
terlepas dari aspek negatif ini,
01:46
are also the solution.
39
106260
2000
juga merupakan solusi.
01:48
Because cities are the vacuum cleaners and the magnets
40
108260
4000
Kota ibarat pembersih debu atau magnet
01:52
that have sucked up creative people,
41
112260
2000
yang menyedot orang-orang kreatif,
01:54
creating ideas, innovation,
42
114260
2000
menghasilkan ide, inovasi,
01:56
wealth and so on.
43
116260
2000
kekayaan, dan lain-lain.
01:58
So we have this kind of dual nature.
44
118260
2000
Jadi kita mempunyai dua sisi ini.
02:00
And so there's an urgent need
45
120260
3000
Jadi ada kebutuhan mendesak
02:03
for a scientific theory of cities.
46
123260
4000
akan teori ilmiah tentang kota.
02:07
Now these are my comrades in arms.
47
127260
3000
Ini adalah rekan-rekan kerja saya.
02:10
This work has been done with an extraordinary group of people,
48
130260
2000
Ini adalah hasil kerja sekelompok orang yang luar biasa,
02:12
and they've done all the work,
49
132260
2000
dan merekalah yang menyelesaikan semuanya,
02:14
and I'm the great bullshitter
50
134260
2000
saya hanya si pembual besar
02:16
that tries to bring it all together.
51
136260
2000
yang mencoba mempresentasikan semuanya.
02:18
(Laughter)
52
138260
2000
(Tertawa)
02:20
So here's the problem: This is what we all want.
53
140260
2000
Ini masalahnya: Inilah yang kita inginkan.
02:22
The 10 billion people on the planet in 2050
54
142260
3000
10 milyar orang di planet ini pada 2050
02:25
want to live in places like this,
55
145260
2000
ingin hidup di tempat seperti ini,
02:27
having things like this,
56
147260
2000
mempunyai barang-barang seperti ini,
02:29
doing things like this,
57
149260
2000
melakukan hal-hal seperti ini,
02:31
with economies that are growing like this,
58
151260
3000
dengan perekonomian tumbuh seperti ini,
02:34
not realizing that entropy
59
154260
2000
tanpa menyadari bahwa entropi
02:36
produces things like this,
60
156260
2000
menghasilkan hal-hal seperti ini,
02:38
this, this
61
158260
4000
ini, ini
02:42
and this.
62
162260
2000
dan ini.
02:44
And the question is:
63
164260
2000
Pertanyaannya adalah:
02:46
Is that what Edinburgh and London and New York
64
166260
2000
Apakah Edinburgh, London, dan New York
02:48
are going to look like in 2050,
65
168260
2000
akan menjadi seperti ini di tahun 2050,
02:50
or is it going to be this?
66
170260
2000
atau seperti ini?
02:52
That's the question.
67
172260
2000
Itulah pertanyaannya.
02:54
I must say, many of the indicators
68
174260
2000
Jujur saja, ada banyak indikator menunjukkan
02:56
look like this is what it's going to look like,
69
176260
3000
inilah yang akan terjadi,
02:59
but let's talk about it.
70
179260
3000
tapi mari kita bahas tentang hal ini.
03:02
So my provocative statement
71
182260
3000
Pernyataan provokatif saya adalah
03:05
is that we desperately need a serious scientific theory of cities.
72
185260
3000
kita benar-benar perlu teori ilmiah tentang kota yang akurat.
03:08
And scientific theory means quantifiable --
73
188260
3000
Teori ilmiah, yang artinya dapat diukur --
03:11
relying on underlying generic principles
74
191260
3000
berdasarkan prinsip-prinsip yang umum
03:14
that can be made into a predictive framework.
75
194260
2000
yang bisa dijadikan kerangka kerja prediktif.
03:16
That's the quest.
76
196260
2000
Itulah yang kita cari.
03:18
Is that conceivable?
77
198260
2000
Apakah ini mungkin?
03:20
Are there universal laws?
78
200260
2000
Apakah ada aturan yang universal?
03:22
So here's two questions
79
202260
2000
Jadi ada dua pertanyaan
03:24
that I have in my head when I think about this problem.
80
204260
2000
yang ada di kepala saya saat memikirkan masalah ini.
03:26
The first is:
81
206260
2000
Yang pertama:
03:28
Are cities part of biology?
82
208260
2000
Apakah kota bagian dari biologi?
03:30
Is London a great big whale?
83
210260
2000
Apakah London seekor ikan paus raksasa?
03:32
Is Edinburgh a horse?
84
212260
2000
Apakah Edinburgh seekor kuda?
03:34
Is Microsoft a great big anthill?
85
214260
2000
Apakah Microsoft seekor semut merah raksasa?
03:36
What do we learn from that?
86
216260
2000
Apa yang bisa kita pelajari dari hal ini?
03:38
We use them metaphorically --
87
218260
2000
Kita bisa menggunakannya secara metafora --
03:40
the DNA of a company, the metabolism of a city, and so on --
88
220260
2000
DNA perusahaan, metabolisme kota, dan sebagainya --
03:42
is that just bullshit, metaphorical bullshit,
89
222260
3000
apakah itu hanya metafora omong kosong,
03:45
or is there serious substance to it?
90
225260
3000
atau ada kebenaran di dalamnya?
03:48
And if that is the case,
91
228260
2000
Dan jika itu benar,
03:50
how come that it's very hard to kill a city?
92
230260
2000
mengapa sulit sekali membunuh sebuah kota?
03:52
You could drop an atom bomb on a city,
93
232260
2000
Kita bisa menjatuhkan bom atom di sebuah kota,
03:54
and 30 years later it's surviving.
94
234260
2000
30 tahun kemudian kota itu tetap hidup.
03:56
Very few cities fail.
95
236260
3000
Hanya ada sedikit kota yang gagal.
03:59
All companies die, all companies.
96
239260
3000
Semua perusahaan akan runtuh, semuanya.
04:02
And if you have a serious theory, you should be able to predict
97
242260
2000
Kalau kita mempunyai teori yang akurat, seharusnya kita bisa memprediksi
04:04
when Google is going to go bust.
98
244260
3000
kapan Google akan hancur.
04:07
So is that just another version
99
247260
3000
Jadi apakah ini hanya versi lain
04:10
of this?
100
250260
2000
dari ini?
04:12
Well we understand this very well.
101
252260
2000
Kita mengerti tentang hal ini dengan baik.
04:14
That is, you ask any generic question about this --
102
254260
2000
Coba ajukan pertanyaan generik tentang hal ini --
04:16
how many trees of a given size,
103
256260
2000
berapa jumlah pohon dengan ukuran tertentu,
04:18
how many branches of a given size does a tree have,
104
258260
2000
jumlah cabang dengan ukuran tertentu di sebuah pohon,
04:20
how many leaves,
105
260260
2000
berapa jumlah daun,
04:22
what is the energy flowing through each branch,
106
262260
2000
berapa besar energi yang mengalir di setiap cabang,
04:24
what is the size of the canopy,
107
264260
2000
berapa ukuran kanopinya,
04:26
what is its growth, what is its mortality?
108
266260
2000
seperti apa pertumbuhannya, tingkat kematiannya?
04:28
We have a mathematical framework
109
268260
2000
Kita mempunyai kerangka matematis
04:30
based on generic universal principles
110
270260
3000
berdasarkan prinsip-prinsip universal generik
04:33
that can answer those questions.
111
273260
2000
yang bisa menjawab pertanyaan itu.
04:35
And the idea is can we do the same for this?
112
275260
4000
Jadi apakah kita bisa melakukan hal yang sama untuk ini?
04:40
So the route in is recognizing
113
280260
3000
Cara memulainya adalah dengan mengakui
04:43
one of the most extraordinary things about life,
114
283260
2000
salah satu hal yang luar biasa tentang hidup ini,
04:45
is that it is scalable,
115
285260
2000
adalah semua bisa dibuat skala.
04:47
it works over an extraordinary range.
116
287260
2000
Kisarannya sangat luas.
04:49
This is just a tiny range actually:
117
289260
2000
Ini sebenarnya hanya kisaran kecil:
04:51
It's us mammals;
118
291260
2000
Inilah kita, mamalia,
04:53
we're one of these.
119
293260
2000
kita salah satunya.
04:55
The same principles, the same dynamics,
120
295260
2000
Prinsip yang sama, dinamika yang sama,
04:57
the same organization is at work
121
297260
2000
cara kerja organisasi yang sama
04:59
in all of these, including us,
122
299260
2000
dalam semua ini, termasuk kita,
05:01
and it can scale over a range of 100 million in size.
123
301260
3000
dan ukurannya dapat diperbesar hingga 100 juta kali lipat.
05:04
And that is one of the main reasons
124
304260
3000
Dan itulah salah satu alasan utama
05:07
life is so resilient and robust --
125
307260
2000
mengapa hidup ini mempunyai daya tahan tinggi dan kuat --
05:09
scalability.
126
309260
2000
skalabilitas.
05:11
We're going to discuss that in a moment more.
127
311260
3000
Kita akan membahasnya sebentar lagi.
05:14
But you know, at a local level,
128
314260
2000
Tapi kita tahu, di tingkat paling kecil,
05:16
you scale; everybody in this room is scaled.
129
316260
2000
kita mempunyai skala, semua orang di ruangan ini mempunyai skala.
05:18
That's called growth.
130
318260
2000
Inilah yang kita sebut tumbuh.
05:20
Here's how you grew.
131
320260
2000
Beginilah kita tumbuh.
05:22
Rat, that's a rat -- could have been you.
132
322260
2000
Tikus, ini tikus -- bisa saja kita.
05:24
We're all pretty much the same.
133
324260
3000
Kita semua hampir sama.
05:27
And you see, you're very familiar with this.
134
327260
2000
Sebenarnya kita sangat akrab dengan hal ini,
05:29
You grow very quickly and then you stop.
135
329260
2000
Kita tumbuh dengan cepat dan berhenti.
05:31
And that line there
136
331260
2000
Dan garis itu, di sana
05:33
is a prediction from the same theory,
137
333260
2000
adalah prediksi dari teori yang sama,
05:35
based on the same principles,
138
335260
2000
berdasarkan prinsip yang sama,
05:37
that describes that forest.
139
337260
2000
yang menjelaskan hutan tadi.
05:39
And here it is for the growth of a rat,
140
339260
2000
Berikut ini adalah pertumbuhan tikus.
05:41
and those points on there are data points.
141
341260
2000
Titik di sana adalah datanya.
05:43
This is just the weight versus the age.
142
343260
2000
Ini hanyalah berat berbanding umur.
05:45
And you see, it stops growing.
143
345260
2000
Lihat, berhenti tumbuh.
05:47
Very, very good for biology --
144
347260
2000
Sangat, sangat bagus untuk biologi --
05:49
also one of the reasons for its great resilience.
145
349260
2000
juga salah satu alasan ketahanan tubuhnya yang hebat.
05:51
Very, very bad
146
351260
2000
Sangat, sangat buruk
05:53
for economies and companies and cities
147
353260
2000
untuk ekonomi dan perusahaan dan kota
05:55
in our present paradigm.
148
355260
2000
dalam paradigma kita sekarang.
05:57
This is what we believe.
149
357260
2000
Inilah yang kita yakini.
05:59
This is what our whole economy
150
359260
2000
Inilah apa yang ditunjukkan oleh seluruh ekonomi kita
06:01
is thrusting upon us,
151
361260
2000
kepada kita,
06:03
particularly illustrated in that left-hand corner:
152
363260
3000
terutama yang digambarkan pada sudut kiri:
06:06
hockey sticks.
153
366260
2000
tongkat hoki.
06:08
This is a bunch of software companies --
154
368260
2000
Inilah sekumpulan perusahaan perangkat lunak --
06:10
and what it is is their revenue versus their age --
155
370260
2000
dan pendapatan mereka berbanding umur --
06:12
all zooming away,
156
372260
2000
tampak menjauh,
06:14
and everybody making millions and billions of dollars.
157
374260
2000
dan semua orang menghasilkan jutaan dan milyaran dolar.
06:16
Okay, so how do we understand this?
158
376260
3000
Jadi bagaimana kita memahami hal ini?
06:19
So let's first talk about biology.
159
379260
3000
Mari kita bicara tentang biologi dulu.
06:22
This is explicitly showing you
160
382260
2000
Ini secara eksplisit menunjukkan
06:24
how things scale,
161
384260
2000
bagaimana hal-hal berskala.
06:26
and this is a truly remarkable graph.
162
386260
2000
Grafik ini benar-benar menakjubkan.
06:28
What is plotted here is metabolic rate --
163
388260
3000
Yang digariskan di sini adalah tingkat metabolisme --
06:31
how much energy you need per day to stay alive --
164
391260
3000
banyaknya energi yang kita perlukan per hari untuk hidup --
06:34
versus your weight, your mass,
165
394260
2000
berbanding berat kita, massa kita,
06:36
for all of us bunch of organisms.
166
396260
3000
untuk kita semua, organisme.
06:39
And it's plotted in this funny way by going up by factors of 10,
167
399260
3000
Ini digambarkan dengan cara yang menarik dengan faktor 10,
06:42
otherwise you couldn't get everything on the graph.
168
402260
2000
kalau tidak kita tidak bisa melihat semuanya dalam satu grafik.
06:44
And what you see if you plot it
169
404260
2000
Dan yang kita lihat kalau kita menggambarkannya
06:46
in this slightly curious way
170
406260
2000
dengan cara yang agak menarik ini,
06:48
is that everybody lies on the same line.
171
408260
3000
semuanya ada di garis yang sama.
06:51
Despite the fact that this is the most complex and diverse system
172
411260
3000
Terlepas dari kenyataan ini sistem yang paling kompleks dan beragam
06:54
in the universe,
173
414260
3000
di alam semesta ini,
06:57
there's an extraordinary simplicity
174
417260
2000
ada kesederhanaan luar biasa
06:59
being expressed by this.
175
419260
2000
yang ditampilkan oleh grafik ini.
07:01
It's particularly astonishing
176
421260
3000
Sangat mengagumkan terutama
07:04
because each one of these organisms,
177
424260
2000
karena masing-masing organisme ini,
07:06
each subsystem, each cell type, each gene,
178
426260
2000
setiap subsistem, setiap jenis sel, setiap gen,
07:08
has evolved in its own unique environmental niche
179
428260
4000
berevolusi dalam ceruk lingkungannya masing-masing yang unik
07:12
with its own unique history.
180
432260
3000
dengan riwayatnya masing-masing yang unik.
07:15
And yet, despite all of that Darwinian evolution
181
435260
3000
Namun, terlepas dari adanya evolusi Darwin
07:18
and natural selection,
182
438260
2000
dan seleksi alam itu,
07:20
they've been constrained to lie on a line.
183
440260
2000
semuanya terkukung dalam satu garis.
07:22
Something else is going on.
184
442260
2000
Ada sesuatu yang lain sedang terjadi.
07:24
Before I talk about that,
185
444260
2000
Sebelum saya membahas tentang hal itu,
07:26
I've written down at the bottom there
186
446260
2000
saya sudah menuliskan di bawah di sana
07:28
the slope of this curve, this straight line.
187
448260
2000
kemiringan kurva ini, garis lurus ini.
07:30
It's three-quarters, roughly,
188
450260
2000
Kurang lebih ¾,
07:32
which is less than one -- and we call that sublinear.
189
452260
3000
kurang dari satu -- dan kita menyebutnya sublinear.
07:35
And here's the point of that.
190
455260
2000
Dan di sini intinya.
07:37
It says that, if it were linear,
191
457260
3000
Jadi kalau grafik ini linear,
07:40
the steepest slope,
192
460260
2000
kemiringan yang paling tinggi,
07:42
then doubling the size
193
462260
2000
untuk menggandakan ukuran
07:44
you would require double the amount of energy.
194
464260
2000
kita perlu jumlah energi dua kali lipat.
07:46
But it's sublinear, and what that translates into
195
466260
3000
Tapi ini sublinear, dan ini artinya
07:49
is that, if you double the size of the organism,
196
469260
2000
kalau kita gandakan ukuran organisme ini,
07:51
you actually only need 75 percent more energy.
197
471260
3000
kita hanya perlu 75 persen energi tambahan.
07:54
So a wonderful thing about all of biology
198
474260
2000
Jadi yang mengagumkan dari biologi
07:56
is that it expresses an extraordinary economy of scale.
199
476260
3000
biologi menampilkan skala keekonomian yang luar biasa.
07:59
The bigger you are systematically,
200
479260
2000
Semakin besar kita, secara sistematis,
08:01
according to very well-defined rules,
201
481260
2000
berdasarkan pada aturan yang sangat akurat,
08:03
less energy per capita.
202
483260
3000
semakin sedikit energi per kapita.
08:06
Now any physiological variable you can think of,
203
486260
3000
Jadi semua variabel fisiologis yang mungkin,
08:09
any life history event you can think of,
204
489260
2000
semua peristiwa sejarah yang pernah ada,
08:11
if you plot it this way, looks like this.
205
491260
3000
kalau digambarkan seperti ini, akan tampak seperti ini.
08:14
There is an extraordinary regularity.
206
494260
2000
Ada keteraturan yang luar biasa.
08:16
So you tell me the size of a mammal,
207
496260
2000
Anda sebut ukuran seekor mamalia,
08:18
I can tell you at the 90 percent level everything about it
208
498260
3000
Saya bisa memberi tahu Anda 90 persen apa pun tentang itu
08:21
in terms of its physiology, life history, etc.
209
501260
4000
baik dalam hal psikologinya, sejarah hidupnya, dan sebagainya.
08:25
And the reason for this is because of networks.
210
505260
3000
Dan ini disebabkan karena jaringan.
08:28
All of life is controlled by networks --
211
508260
3000
Semua kehidupan dikendalikan oleh jaringan --
08:31
from the intracellular through the multicellular
212
511260
2000
dari intraseluler sampai multiseluler
08:33
through the ecosystem level.
213
513260
2000
pada semua tingkatan ekosistem.
08:35
And you're very familiar with these networks.
214
515260
3000
Dan kita sangat akrab dengan jaringan ini.
08:39
That's a little thing that lives inside an elephant.
215
519260
3000
Sesuatu yang kecil yang hidup di dalam seekor gajah.
08:42
And here's the summary of what I'm saying.
216
522260
3000
Dan ini adalah rangkuman apa yang saya katakan.
08:45
If you take those networks,
217
525260
2000
Kalau Anda mengambil jaringan itu,
08:47
this idea of networks,
218
527260
2000
ide tentang jaringan ini,
08:49
and you apply universal principles,
219
529260
2000
dan menerapkan prinsip universal,
08:51
mathematizable, universal principles,
220
531260
2000
secara matematis, prinsip universal,
08:53
all of these scalings
221
533260
2000
semua penskalaan ini
08:55
and all of these constraints follow,
222
535260
3000
dan semua hambatan yang ada,
08:58
including the description of the forest,
223
538260
2000
termasuk gambaran dari hutan,
09:00
the description of your circulatory system,
224
540260
2000
gambaran dari sistem sirkulasi Anda,
09:02
the description within cells.
225
542260
2000
gambaran di dalam sel.
09:04
One of the things I did not stress in that introduction
226
544260
3000
Salah satu hal yang tidak saya tekankan di awal
09:07
was that, systematically, the pace of life
227
547260
3000
adalah, secara sistematis, laju kehidupan
09:10
decreases as you get bigger.
228
550260
2000
melambat ketika Anda bertambah besar.
09:12
Heart rates are slower; you live longer;
229
552260
3000
Detak jantung melambat; Anda hidup lebih lama;
09:15
diffusion of oxygen and resources
230
555260
2000
difusi oksigen dan sumber daya
09:17
across membranes is slower, etc.
231
557260
2000
pada membran melambat, dan sebagainya.
09:19
The question is: Is any of this true
232
559260
2000
Pertanyaan adalah: Apakah ini juga benar
09:21
for cities and companies?
233
561260
3000
untuk kota dan perusahaan?
09:24
So is London a scaled up Birmingham,
234
564260
3000
Jadi apakah London adalah perbesaran dari Birmingham,
09:27
which is a scaled up Brighton, etc., etc.?
235
567260
3000
yang merupakan perbesaran dari Brighton, dan sebagainya?
09:30
Is New York a scaled up San Francisco,
236
570260
2000
Apakah New York perbesaran dari San Francisco,
09:32
which is a scaled up Santa Fe?
237
572260
2000
yang merupakan perbesaran Santa Fe?
09:34
Don't know. We will discuss that.
238
574260
2000
Belum tahu. Kita akan membahasnya nanti.
09:36
But they are networks,
239
576260
2000
Tapi semua itu jaringan.
09:38
and the most important network of cities
240
578260
2000
Dan jaringan yang paling penting dari kota
09:40
is you.
241
580260
2000
adalah Anda.
09:42
Cities are just a physical manifestation
242
582260
3000
Kota hanyalah manifestasi fisik
09:45
of your interactions,
243
585260
2000
dari interaksi Anda,
09:47
our interactions,
244
587260
2000
interaksi kita,
09:49
and the clustering and grouping of individuals.
245
589260
2000
dan kumpulan kelompok dari individual.
09:51
Here's just a symbolic picture of that.
246
591260
3000
Ini hanya gambar simbolis dari hal itu.
09:54
And here's scaling of cities.
247
594260
2000
Dan ini adalah penskalaan kota.
09:56
This shows that in this very simple example,
248
596260
3000
Ini menunjukkan bahwa pada contoh yang sangat sederhana ini,
09:59
which happens to be a mundane example
249
599260
2000
yang kebetulan juga contoh yang sepele
10:01
of number of petrol stations
250
601260
2000
dari jumlah pompa bensin
10:03
as a function of size --
251
603260
2000
sebagai fungsi dari ukuran --
10:05
plotted in the same way as the biology --
252
605260
2000
digambarkan dengan cara yang sama dengan biologi --
10:07
you see exactly the same kind of thing.
253
607260
2000
kita melihat hal yang sama persis.
10:09
There is a scaling.
254
609260
2000
Ada penskalaan.
10:11
That is that the number of petrol stations in the city
255
611260
4000
Yaitu jumlah pompa bensin di kota
10:15
is now given to you
256
615260
2000
sekarang diperlihatkan
10:17
when you tell me its size.
257
617260
2000
Anda bisa melihat ukurannya.
10:19
The slope of that is less than linear.
258
619260
3000
Kemiringannya kurang dari linear.
10:22
There is an economy of scale.
259
622260
2000
Ada skala keekonomian di sana.
10:24
Less petrol stations per capita the bigger you are -- not surprising.
260
624260
3000
Semakin sedikit per kapita, semakin besar -- tidak mengejutkan.
10:27
But here's what's surprising.
261
627260
2000
Tapi inilah yang mengejutkan.
10:29
It scales in the same way everywhere.
262
629260
2000
Skalanya sama di mana pun.
10:31
This is just European countries,
263
631260
2000
Ini hanyalah negara-negara Eropa,
10:33
but you do it in Japan or China or Colombia,
264
633260
3000
tapi kalau kita melakukan ini di Jepang, Cina, atau Kolumbia,
10:36
always the same
265
636260
2000
selalu sama
10:38
with the same kind of economy of scale
266
638260
2000
dengan skala keekonomian yang sama
10:40
to the same degree.
267
640260
2000
hingga tingkatan yang sama.
10:42
And any infrastructure you look at --
268
642260
3000
Dan infrastruktur apa pun yang Anda lihat --
10:45
whether it's the length of roads, length of electrical lines --
269
645260
3000
baik panjang jalan, panjang kabel listrik --
10:48
anything you look at
270
648260
2000
apa pun yang Anda lihat
10:50
has the same economy of scale scaling in the same way.
271
650260
3000
memiliki skala keekonomian yang sama, dengan cara yang sama.
10:53
It's an integrated system
272
653260
2000
Ini sistem yang terintegrasi
10:55
that has evolved despite all the planning and so on.
273
655260
3000
berkembang terlepas dari perencanaan yang ada, dan lainnya.
10:58
But even more surprising
274
658260
2000
Tapi yang lebih mengejutkan
11:00
is if you look at socio-economic quantities,
275
660260
2000
kalau kita melihat kuantitas sosio-ekonomis,
11:02
quantities that have no analog in biology,
276
662260
3000
ukuran yang tidak ada perbandingannya dalam biologi,
11:05
that have evolved when we started forming communities
277
665260
3000
yang sudah berevolusi sejak kita mulai membentuk komunitas
11:08
eight to 10,000 years ago.
278
668260
2000
8.000 sampai 10.000 tahun lalu.
11:10
The top one is wages as a function of size
279
670260
2000
Yang paling atas adalah gaji sebagai fungsi dari ukuran
11:12
plotted in the same way.
280
672260
2000
digambarkan dengan cara yang sama.
11:14
And the bottom one is you lot --
281
674260
2000
Dan di bagian bawah adalah kita semua --
11:16
super-creatives plotted in the same way.
282
676260
3000
super-kreatif, digambarkan dengan cara yang sama.
11:19
And what you see
283
679260
2000
Dan yang kita lihat
11:21
is a scaling phenomenon.
284
681260
2000
adalah fenomena penskalaan.
11:23
But most important in this,
285
683260
2000
Tapi yang paling penting,
11:25
the exponent, the analog to that three-quarters
286
685260
2000
eksponen, analog terhadap ¾ tadi
11:27
for the metabolic rate,
287
687260
2000
untuk tingkat metabolisme,
11:29
is bigger than one -- it's about 1.15 to 1.2.
288
689260
2000
ternyata lebih besar dari satu -- sekitar 1,15 atau 1,2.
11:31
Here it is,
289
691260
2000
Ini dia,
11:33
which says that the bigger you are
290
693260
3000
yang menunjukkan semakin besar Anda
11:36
the more you have per capita, unlike biology --
291
696260
3000
semakin banyak yang Anda peroleh per kapita, tidak seperti biologi --
11:39
higher wages, more super-creative people per capita as you get bigger,
292
699260
4000
semakin tinggi gaji, semakin banyak orang-orang super-kreatif per kapita, saat Anda semakin besar,
11:43
more patents per capita, more crime per capita.
293
703260
3000
semakin banyak paten per kapita, semakin banyak kejahatan per kapita.
11:46
And we've looked at everything:
294
706260
2000
Dan kita melihat semuanya:
11:48
more AIDS cases, flu, etc.
295
708260
3000
kasus AIDS, flu, dan sebagainya.
11:51
And here, they're all plotted together.
296
711260
2000
Dan di sini, semuanya digambarkan di sini.
11:53
Just to show you what we plotted,
297
713260
2000
Sekadar untuk menunjukkan apa yang kita gambarkan,
11:55
here is income, GDP --
298
715260
3000
inilah pendapatan, PDB --
11:58
GDP of the city --
299
718260
2000
PDB kota ini --
12:00
crime and patents all on one graph.
300
720260
2000
kejahatan dan paten semuanya di satu grafik.
12:02
And you can see, they all follow the same line.
301
722260
2000
Seperti yang kita lihat, semuanya mengikuti garis yang sama.
12:04
And here's the statement.
302
724260
2000
Dan inilah pernyataannya.
12:06
If you double the size of a city from 100,000 to 200,000,
303
726260
3000
Kalau kita menggandakan ukuran sebuah kota dari 100.000 jadi 200.000,
12:09
from a million to two million, 10 to 20 million,
304
729260
2000
dari satu juta jadi dua juta, 10 jadi 20 juta,
12:11
it doesn't matter,
305
731260
2000
sama saja,
12:13
then systematically
306
733260
2000
secara sistematis
12:15
you get a 15 percent increase
307
735260
2000
kita akan mendapat peningkatan 15 persen
12:17
in wages, wealth, number of AIDS cases,
308
737260
2000
dalam hal gaji, kesehatan, jumlah kasus AIDS,
12:19
number of police,
309
739260
2000
jumlah polisi,
12:21
anything you can think of.
310
741260
2000
apa pun yang bisa kita pikirkan.
12:23
It goes up by 15 percent,
311
743260
2000
Semua naik 15 persen.
12:25
and you have a 15 percent savings
312
745260
3000
Dan kita bisa menghemat 15 persen
12:28
on the infrastructure.
313
748260
3000
pada infrastruktur.
12:31
This, no doubt, is the reason
314
751260
3000
Pastinya, inilah alasan
12:34
why a million people a week are gathering in cities.
315
754260
3000
mengapa jutaan orang setiap minggu berkumpul di kota.
12:37
Because they think that all those wonderful things --
316
757260
3000
Karena mereka berpikir semua hal yang menarik itu,
12:40
like creative people, wealth, income --
317
760260
2000
seperti orang-orang yang kreatif, kekayaan, penghasilan,
12:42
is what attracts them,
318
762260
2000
menarik mereka,
12:44
forgetting about the ugly and the bad.
319
764260
2000
melupakan tentang mereka yang buruk dan jahat.
12:46
What is the reason for this?
320
766260
2000
Apa alasannya?
12:48
Well I don't have time to tell you about all the mathematics,
321
768260
3000
Sayang kita tidak punya banyak waktu untuk menjelaskan semua hitungan matematisnya,
12:51
but underlying this is the social networks,
322
771260
3000
tapi prinsip yang mendasari adalah jaringan sosial,
12:54
because this is a universal phenomenon.
323
774260
3000
karena ini adalah fenomena universal.
12:57
This 15 percent rule
324
777260
3000
Aturan 15 persen ini
13:00
is true
325
780260
2000
benar
13:02
no matter where you are on the planet --
326
782260
2000
terlepas dari lokasi Anda di planet ini --
13:04
Japan, Chile,
327
784260
2000
Jepang, Chili,
13:06
Portugal, Scotland, doesn't matter.
328
786260
3000
Portugal, Skotlandia, sama saja.
13:09
Always, all the data shows it's the same,
329
789260
3000
Selalu, data yang ditampilkan selalu sama,
13:12
despite the fact that these cities have evolved independently.
330
792260
3000
terlepas dari kenyataan bahwa kota ini masing-masing berkembang secara independen.
13:15
Something universal is going on.
331
795260
2000
Ada sesuatu yang universal terjadi.
13:17
The universality, to repeat, is us --
332
797260
3000
Sekali lagi, yang universal adalah kita --
13:20
that we are the city.
333
800260
2000
kita adalah kota.
13:22
And it is our interactions and the clustering of those interactions.
334
802260
3000
Dan interaksi kita dan pembentukan kelompok dari interaksi itu.
13:25
So there it is, I've said it again.
335
805260
2000
Seperti itu, saya katakan sekali lagi.
13:27
So if it is those networks and their mathematical structure,
336
807260
3000
Kalau penyebabnya adalah jaringan dan struktur matematisnya,
13:30
unlike biology, which had sublinear scaling,
337
810260
3000
tidak seperti biologi, yang memiliki skala sublinear,
13:33
economies of scale,
338
813260
2000
skala keekonomian,
13:35
you had the slowing of the pace of life
339
815260
2000
laju kehidupan kita melambat
13:37
as you get bigger.
340
817260
2000
ketika kita semakin besar.
13:39
If it's social networks with super-linear scaling --
341
819260
2000
Kalau itu jaringan sosial dengan skala super-linear --
13:41
more per capita --
342
821260
2000
semakin besar per kapita --
13:43
then the theory says
343
823260
2000
maka teori akan mengatakan
13:45
that you increase the pace of life.
344
825260
2000
kita akan meningkatkan laju kehidupan.
13:47
The bigger you are, life gets faster.
345
827260
2000
Semakin besar kita, semakin cepat hidup berjalan.
13:49
On the left is the heart rate showing biology.
346
829260
2000
Di sebelah kiri adalah laju jantung berdasarkan biologi.
13:51
On the right is the speed of walking
347
831260
2000
Di sebelah kanan adalah kecepatan berjalan
13:53
in a bunch of European cities,
348
833260
2000
di beberapa kota Eropa,
13:55
showing that increase.
349
835260
2000
yang menunjukkan peningkatan itu.
13:57
Lastly, I want to talk about growth.
350
837260
3000
Terakhir, saya ingin membahas tentang pertumbuhan.
14:00
This is what we had in biology, just to repeat.
351
840260
3000
Inilah yang kita punya dalam biologi, sekali lagi.
14:03
Economies of scale
352
843260
3000
Skala keekonomian
14:06
gave rise to this sigmoidal behavior.
353
846260
3000
melahirkan perilaku sigmoid ini.
14:09
You grow fast and then stop --
354
849260
3000
Kita tumbuh dengan cepat dan lalu berhenti --
14:12
part of our resilience.
355
852260
2000
bagian dari daya tahan kita.
14:14
That would be bad for economies and cities.
356
854260
3000
Ini buruk bagi ekonomi dan kota.
14:17
And indeed, one of the wonderful things about the theory
357
857260
2000
Bahkan, salah satu hal yang menarik dari teori ini
14:19
is that if you have super-linear scaling
358
859260
3000
adalah kalau kita mempunyai skala super-linear
14:22
from wealth creation and innovation,
359
862260
2000
dari produksi kekayaan dan inovasi,
14:24
then indeed you get, from the same theory,
360
864260
3000
kita akan dapat, dengan teori yang sama,
14:27
a beautiful rising exponential curve -- lovely.
361
867260
2000
kurva ekponansial naik yang cantik ini -- sangat cantik.
14:29
And in fact, if you compare it to data,
362
869260
2000
Bahkan, kalau kita bandingkan dengan data,
14:31
it fits very well
363
871260
2000
cocok sekali
14:33
with the development of cities and economies.
364
873260
2000
dengan perkembangan kota dan ekonomi.
14:35
But it has a terrible catch,
365
875260
2000
Tapi hal ini mempunyai dampak buruk.
14:37
and the catch
366
877260
2000
Dan dampaknya
14:39
is that this system is destined to collapse.
367
879260
3000
adalah sistem ini ditakdirkan untuk runtuh.
14:42
And it's destined to collapse for many reasons --
368
882260
2000
Dan ada banyak alasan mengapa ditakdirkan untuk runtuh --
14:44
kind of Malthusian reasons -- that you run out of resources.
369
884260
3000
seperti teori Malthus -- kita kehabisan sumber daya.
14:47
And how do you avoid that? Well we've done it before.
370
887260
3000
Bagaimana menghindarinya? Kita sudah melakukan sebelumnya.
14:50
What we do is,
371
890260
2000
Yang kita lakukan adalah,
14:52
as we grow and we approach the collapse,
372
892260
3000
ketika kita tumbuh dan hampir runtuh,
14:55
a major innovation takes place
373
895260
3000
inovasi besar terjadi
14:58
and we start over again,
374
898260
2000
dan kita mulai dari awal lagi.
15:00
and we start over again as we approach the next one, and so on.
375
900260
3000
Dan kita mulai dari awal lagi sambil kembali mendekati yang selanjutnya, dan seterusnya.
15:03
So there's this continuous cycle of innovation
376
903260
2000
Jadi ada daur inovasi yang berkelanjutan ini
15:05
that is necessary
377
905260
2000
yang diperlukan
15:07
in order to sustain growth and avoid collapse.
378
907260
3000
agar bisa mendukung pertumbuhan dan menghindari kehancuran.
15:10
The catch, however, to this
379
910260
2000
Namun dampak dari ini
15:12
is that you have to innovate
380
912260
2000
kita harus berinovasi
15:14
faster and faster and faster.
381
914260
3000
semakin cepat dan semakin cepat.
15:17
So the image
382
917260
2000
Jadi ilustrasinya
15:19
is that we're not only on a treadmill that's going faster,
383
919260
3000
kita tidak hanya di atas treadmill yang bergerak semakin cepat,
15:22
but we have to change the treadmill faster and faster.
384
922260
3000
tapi kita juga harus mengatur treadmill agar semakin cepat.
15:25
We have to accelerate on a continuous basis.
385
925260
3000
Kita harus menaikkan kecepatan secara terus menerus.
15:28
And the question is: Can we, as socio-economic beings,
386
928260
3000
Dan pertanyaannya: Apakah kita, sebagai makhluk sosio-ekonomis,
15:31
avoid a heart attack?
387
931260
3000
bisa menghindari serangan jantung?
15:34
So lastly, I'm going to finish up in this last minute or two
388
934260
3000
Terakhir, saya ingin menghabiskan satu atau dua menit terakhir
15:37
asking about companies.
389
937260
2000
membahas tentang perusahaan.
15:39
See companies, they scale.
390
939260
2000
Perusahaan, juga berskala.
15:41
The top one, in fact, is Walmart on the right.
391
941260
2000
Paling atas ternyata Walmart di sisi kanan.
15:43
It's the same plot.
392
943260
2000
Ini pola yang sama.
15:45
This happens to be income and assets
393
945260
2000
Ini kebetulan adalah pendapatan dan aset
15:47
versus the size of the company as denoted by its number of employees.
394
947260
2000
berbanding dengan ukuran perusahaan yang diwakili oleh jumlah karyawannya.
15:49
We could use sales, anything you like.
395
949260
3000
Kita bisa menggunakan penjualan, apa pun.
15:52
There it is: after some little fluctuations at the beginning,
396
952260
3000
Ini dia: setelah sedikit fluktuasi di awal,
15:55
when companies are innovating,
397
955260
2000
saat perusahaan berinovasi
15:57
they scale beautifully.
398
957260
2000
dengan cantik perusahaan itu berskala.
15:59
And we've looked at 23,000 companies
399
959260
3000
Dan kami sudah melihat 23.000 perusahaan,
16:02
in the United States, may I say.
400
962260
2000
di Amerika Serikat.
16:04
And I'm only showing you a little bit of this.
401
964260
3000
Dan saya hanya menunjukkan sedikit saja dari ini.
16:07
What is astonishing about companies
402
967260
2000
Yang luar biasa tentang perusahaan
16:09
is that they scale sublinearly
403
969260
3000
mereka berskala secara sublinear
16:12
like biology,
404
972260
2000
seperti biologi,
16:14
indicating that they're dominated,
405
974260
2000
menunjukkan mereka didominasi,
16:16
not by super-linear
406
976260
2000
bukan oleh super-linear
16:18
innovation and ideas;
407
978260
3000
inovasi dan ide;
16:21
they become dominated
408
981260
2000
mereka didominasi oleh
16:23
by economies of scale.
409
983260
2000
skala keekonomian
16:25
In that interpretation,
410
985260
2000
Dalam interpretasi ini,
16:27
by bureaucracy and administration,
411
987260
2000
oleh birokrasi dan administrasi,
16:29
and they do it beautifully, may I say.
412
989260
2000
dan mereka melakukannya dengan cantik.
16:31
So if you tell me the size of some company, some small company,
413
991260
3000
Jadi kalau Anda sebutkan ukuran beberapa perusahaan, perusahaan kecil,
16:34
I could have predicted the size of Walmart.
414
994260
3000
Saya bisa memprediksi ukuran Walmart.
16:37
If it has this sublinear scaling,
415
997260
2000
Kalau grafik ini mempunyai skala sublinear,
16:39
the theory says
416
999260
2000
teorinya mengatakan
16:41
we should have sigmoidal growth.
417
1001260
3000
kita seharusnya mendapat pertumbuhan sigmoid.
16:44
There's Walmart. Doesn't look very sigmoidal.
418
1004260
2000
Inilah Walmart. Tidak tampak seperti sigmoid.
16:46
That's what we like, hockey sticks.
419
1006260
3000
Itu yang kita suka, tongkat hoki.
16:49
But you notice, I've cheated,
420
1009260
2000
Tapi Anda lihat, saya curang,
16:51
because I've only gone up to '94.
421
1011260
2000
karena saya hanya menunjukkan sampai pada tahun 94.
16:53
Let's go up to 2008.
422
1013260
2000
Mari kita lihat tahun 2008.
16:55
That red line is from the theory.
423
1015260
3000
Garis merah ini dari teori.
16:58
So if I'd have done this in 1994,
424
1018260
2000
Jadi kalau saya melakukan ini di 1994,
17:00
I could have predicted what Walmart would be now.
425
1020260
3000
saya bisa memprediksi seperti apa Walmart sekarang.
17:03
And then this is repeated
426
1023260
2000
Dan ini terus berulang
17:05
across the entire spectrum of companies.
427
1025260
2000
di seluruh spektrum perusahaan.
17:07
There they are. That's 23,000 companies.
428
1027260
3000
Ini dia. Ada 23.000 perusahaan.
17:10
They all start looking like hockey sticks,
429
1030260
2000
Semuanya mulai nampak seperti tongkat hoki,
17:12
they all bend over,
430
1032260
2000
semua membengkok,
17:14
and they all die like you and me.
431
1034260
2000
dan semuanya akan runtuh seperti Anda dan saya.
17:16
Thank you.
432
1036260
2000
Terima kasih.
17:18
(Applause)
433
1038260
9000
(Tepuk tangan)
Tentang situs web ini

Situs ini akan memperkenalkan Anda pada video YouTube yang berguna untuk belajar bahasa Inggris. Anda akan melihat pelajaran bahasa Inggris yang diajarkan oleh guru-guru terbaik dari seluruh dunia. Klik dua kali pada subtitle bahasa Inggris yang ditampilkan di setiap halaman video untuk memutar video dari sana. Subtitle bergulir selaras dengan pemutaran video. Jika Anda memiliki komentar atau permintaan, silakan hubungi kami menggunakan formulir kontak ini.

https://forms.gle/WvT1wiN1qDtmnspy7