Geoffrey West: The surprising math of cities and corporations

170,954 views ・ 2011-07-26

TED


Fare doppio clic sui sottotitoli in inglese per riprodurre il video.

Traduttore: Ana María Pérez Revisore: Daniele Buratti
00:16
Cities are the crucible of civilization.
0
16260
3000
Le città sono il crogiolo della civiltà.
00:19
They have been expanding,
1
19260
2000
Sono cresciute,
00:21
urbanization has been expanding,
2
21260
2000
l'urbanizzazione le ha fatte crescere
00:23
at an exponential rate in the last 200 years
3
23260
2000
ad un ritmo esponenziale negli ultimi 200 anni,
00:25
so that by the second part of this century,
4
25260
3000
e probabilmente entro la seconda metà di questo secolo
00:28
the planet will be completely dominated
5
28260
2000
il pianeta sarà completamente invaso
00:30
by cities.
6
30260
3000
dalle città.
00:33
Cities are the origins of global warming,
7
33260
3000
Le città stanno all'origine del riscaldamento globale,
00:36
impact on the environment,
8
36260
2000
hanno un impatto sull'ambiente,
00:38
health, pollution, disease,
9
38260
3000
sulla salute, sull'inquinamento, sulle malattie,
00:41
finance,
10
41260
2000
della finanza,
00:43
economies, energy --
11
43260
3000
dell'economia, dell'energia -
00:46
they're all problems
12
46260
2000
tutti problemi
00:48
that are confronted by having cities.
13
48260
2000
che si devono affrontare se si costruiscono città.
00:50
That's where all these problems come from.
14
50260
2000
Ecco da dove provengono tutti questi problemi.
00:52
And the tsunami of problems that we feel we're facing
15
52260
3000
E lo tsunami di problemi che abbiamo di fronte
00:55
in terms of sustainability questions
16
55260
2000
sulla questione della sostenibilità,
00:57
are actually a reflection
17
57260
2000
rispecchia in realtà
00:59
of the exponential increase
18
59260
2000
la crescita esponenziale
01:01
in urbanization across the planet.
19
61260
3000
dell'urbanizzazione in tutto il pianeta.
01:04
Here's some numbers.
20
64260
2000
Ecco alcune cifre:
01:06
Two hundred years ago, the United States
21
66260
2000
200 anni fa, il territorio degli Stati Uniti
01:08
was less than a few percent urbanized.
22
68260
2000
era urbanizzato solo in minima parte.
01:10
It's now more than 82 percent.
23
70260
2000
Oggi siamo oltre l'82%.
01:12
The planet has crossed the halfway mark a few years ago.
24
72260
3000
Qualche anno fa il pianeta ha superato la linea della metà.
01:15
China's building 300 new cities
25
75260
2000
La Cina costruirà 300 nuove città
01:17
in the next 20 years.
26
77260
2000
nei prossimi 20 anni.
01:19
Now listen to this:
27
79260
2000
Ora sentite questo:
01:21
Every week for the foreseeable future,
28
81260
3000
Ogni settimana del futuro prossimo venturo,
01:24
until 2050,
29
84260
2000
fino al 2050,
01:26
every week more than a million people
30
86260
2000
ogni settimana, più di un milione di persone
01:28
are being added to our cities.
31
88260
2000
vanno ad abitare in città.
01:30
This is going to affect everything.
32
90260
2000
Questo avrà un impatto su ogni cosa.
01:32
Everybody in this room, if you stay alive,
33
92260
2000
Ognuno di noi in questa sala, se vivremo abbastanza,
01:34
is going to be affected
34
94260
2000
sarà in qualche modo condizionato
01:36
by what's happening in cities
35
96260
2000
da ciò che sta accadendo nelle città
01:38
in this extraordinary phenomenon.
36
98260
2000
per via di questo straordinario fenomeno.
01:40
However, cities,
37
100260
3000
Tuttavia le città,
01:43
despite having this negative aspect to them,
38
103260
3000
pur presentando questo aspetto negativo,
01:46
are also the solution.
39
106260
2000
rappresentano anche la soluzione.
01:48
Because cities are the vacuum cleaners and the magnets
40
108260
4000
Perché le città sono gli aspirapolvere e le calamite
01:52
that have sucked up creative people,
41
112260
2000
che attraggono le persone creative
01:54
creating ideas, innovation,
42
114260
2000
per produrre idee, innovazione,
01:56
wealth and so on.
43
116260
2000
ricchezza e così via.
01:58
So we have this kind of dual nature.
44
118260
2000
Abbiamo questa sorta di duplice natura.
02:00
And so there's an urgent need
45
120260
3000
E quindi c'è un urgente bisogno
02:03
for a scientific theory of cities.
46
123260
4000
di una teoria scientifica delle città.
02:07
Now these are my comrades in arms.
47
127260
3000
Questi sono i miei compagni di avventura.
02:10
This work has been done with an extraordinary group of people,
48
130260
2000
Questo lavoro è stato svolto assieme a uno straordinario gruppo di persone:
02:12
and they've done all the work,
49
132260
2000
loro hanno fatto tutto il lavoro,
02:14
and I'm the great bullshitter
50
134260
2000
e io sono solo il poveraccio
02:16
that tries to bring it all together.
51
136260
2000
che cerca di mettere tutto insieme.
02:18
(Laughter)
52
138260
2000
(Risate)
02:20
So here's the problem: This is what we all want.
53
140260
2000
Quindi ecco il problema, Questo è quello che vogliamo tutti.
02:22
The 10 billion people on the planet in 2050
54
142260
3000
I 10 miliardi di persone che avrà il pianeta nel 2050
02:25
want to live in places like this,
55
145260
2000
vorranno vivere in posti come questo,
02:27
having things like this,
56
147260
2000
avere cose come questa,
02:29
doing things like this,
57
149260
2000
fare cose come questa,
02:31
with economies that are growing like this,
58
151260
3000
con un'economia che cresce in questo modo,
02:34
not realizing that entropy
59
154260
2000
senza rendersi conto che l'entropia
02:36
produces things like this,
60
156260
2000
produce cose come questa,
02:38
this, this
61
158260
4000
questa, questa
02:42
and this.
62
162260
2000
e questa.
02:44
And the question is:
63
164260
2000
E la domanda è:
02:46
Is that what Edinburgh and London and New York
64
166260
2000
E' così che saranno Edimburgo, Londra e New York
02:48
are going to look like in 2050,
65
168260
2000
nel 2050,
02:50
or is it going to be this?
66
170260
2000
oppure così?
02:52
That's the question.
67
172260
2000
Questa è la domanda.
02:54
I must say, many of the indicators
68
174260
2000
Secondo molti indicatori, devo dire
02:56
look like this is what it's going to look like,
69
176260
3000
che è così che saranno,
02:59
but let's talk about it.
70
179260
3000
ma parliamone.
03:02
So my provocative statement
71
182260
3000
La mia affermazione provocatoria
03:05
is that we desperately need a serious scientific theory of cities.
72
185260
3000
è che abbiamo un disperato bisogno di una solida teoria scientifica delle città.
03:08
And scientific theory means quantifiable --
73
188260
3000
E teoria scientifica significa quantificare -
03:11
relying on underlying generic principles
74
191260
3000
basandosi su principi generici
03:14
that can be made into a predictive framework.
75
194260
2000
che possano essere incorporati in un quadro di previsione.
03:16
That's the quest.
76
196260
2000
Questa è la ricerca da fare.
03:18
Is that conceivable?
77
198260
2000
È concepibile?
03:20
Are there universal laws?
78
200260
2000
Esistono leggi universali?
03:22
So here's two questions
79
202260
2000
Ecco due domande
03:24
that I have in my head when I think about this problem.
80
204260
2000
che mi vengono in mente quando penso a questo problema.
03:26
The first is:
81
206260
2000
La prima è:
03:28
Are cities part of biology?
82
208260
2000
Le città fanno parte della biologia?
03:30
Is London a great big whale?
83
210260
2000
Londra è come una grande balena?
03:32
Is Edinburgh a horse?
84
212260
2000
Edimburgo come un cavallo?
03:34
Is Microsoft a great big anthill?
85
214260
2000
La Microsoft è un formicaio enorme?
03:36
What do we learn from that?
86
216260
2000
Che cosa impariamo da questo?
03:38
We use them metaphorically --
87
218260
2000
Li usiamo metaforicamente -
03:40
the DNA of a company, the metabolism of a city, and so on --
88
220260
2000
il DNA di una società, il metabolismo di una città, e così via -
03:42
is that just bullshit, metaphorical bullshit,
89
222260
3000
sono solo sciocchezze metaforiche,
03:45
or is there serious substance to it?
90
225260
3000
oppure c'è qualcosa di vero?
03:48
And if that is the case,
91
228260
2000
E se fosse così,
03:50
how come that it's very hard to kill a city?
92
230260
2000
perché è così difficile uccidere una città?
03:52
You could drop an atom bomb on a city,
93
232260
2000
Potete lanciare una bomba atomica su una città
03:54
and 30 years later it's surviving.
94
234260
2000
e 30 anni dopo la ritrovereste ancora vitale.
03:56
Very few cities fail.
95
236260
3000
Poche città falliscono.
03:59
All companies die, all companies.
96
239260
3000
Tutte le aziende muoiono, tutte.
04:02
And if you have a serious theory, you should be able to predict
97
242260
2000
E se disporreste di una teoria seria, dovreste essere in grado di prevedere
04:04
when Google is going to go bust.
98
244260
3000
quando fallirà Google.
04:07
So is that just another version
99
247260
3000
Dunque è solo un'altra versione
04:10
of this?
100
250260
2000
di questo?
04:12
Well we understand this very well.
101
252260
2000
Bene, noi lo sappiamo molto bene.
04:14
That is, you ask any generic question about this --
102
254260
2000
Cioè, fate qualsiasi domanda generica su questo -
04:16
how many trees of a given size,
103
256260
2000
quanti alberi di una certa dimensione,
04:18
how many branches of a given size does a tree have,
104
258260
2000
quanti rami di una certa grandezza ha un albero,
04:20
how many leaves,
105
260260
2000
quante foglie,
04:22
what is the energy flowing through each branch,
106
262260
2000
qual è l'energia che scorre attraverso ogni ramo,
04:24
what is the size of the canopy,
107
264260
2000
quali sono le dimensioni della chioma,
04:26
what is its growth, what is its mortality?
108
266260
2000
qual è la sua crescita, qual è la sua mortalità?
04:28
We have a mathematical framework
109
268260
2000
Abbiamo una struttura matematica
04:30
based on generic universal principles
110
270260
3000
basata su principi universali generici
04:33
that can answer those questions.
111
273260
2000
in grado di rispondere a queste domande.
04:35
And the idea is can we do the same for this?
112
275260
4000
E l'idea è, possiamo fare lo stesso per questo?
04:40
So the route in is recognizing
113
280260
3000
Tutto sta a rendersi conto
04:43
one of the most extraordinary things about life,
114
283260
2000
di una delle cose più straordinarie della vita,
04:45
is that it is scalable,
115
285260
2000
cioè la rappresentazione in scala
04:47
it works over an extraordinary range.
116
287260
2000
si può applicare a molti concetti diversi.
04:49
This is just a tiny range actually:
117
289260
2000
Qui si tratta di una gamma molto limitata;
04:51
It's us mammals;
118
291260
2000
parliamo di noi mammiferi,
04:53
we're one of these.
119
293260
2000
noi siamo uno di questi.
04:55
The same principles, the same dynamics,
120
295260
2000
Gli stessi principi, le stesse dinamiche,
04:57
the same organization is at work
121
297260
2000
la stessa organizzazione funziona
04:59
in all of these, including us,
122
299260
2000
in tutti questi gruppi, noi compresi,
05:01
and it can scale over a range of 100 million in size.
123
301260
3000
e può funzionare per numeri dell'ordine di 100 milioni di unità.
05:04
And that is one of the main reasons
124
304260
3000
E questo è uno dei principali motivi
05:07
life is so resilient and robust --
125
307260
2000
per cui la vita è così resistente e vigorosa -
05:09
scalability.
126
309260
2000
per via della scalabilità.
05:11
We're going to discuss that in a moment more.
127
311260
3000
Approfondiremo l'argomento tra poco.
05:14
But you know, at a local level,
128
314260
2000
Ma si sa che a livello locale,
05:16
you scale; everybody in this room is scaled.
129
316260
2000
si ridimensiona, tutti in questa sala siamo in scala.
05:18
That's called growth.
130
318260
2000
Questo si chiama crescita.
05:20
Here's how you grew.
131
320260
2000
Ecco come si cresce.
05:22
Rat, that's a rat -- could have been you.
132
322260
2000
Questo è un ratto - ma potrebbe essere uno di voi.
05:24
We're all pretty much the same.
133
324260
3000
Non siamo molto diversi.
05:27
And you see, you're very familiar with this.
134
327260
2000
Guardate, questo vi sarà famigliare.
05:29
You grow very quickly and then you stop.
135
329260
2000
Si cresce molto velocemente e ad un certo punto ci si ferma.
05:31
And that line there
136
331260
2000
E questa curva
05:33
is a prediction from the same theory,
137
333260
2000
è una predizione della stessa teoria,
05:35
based on the same principles,
138
335260
2000
basata sugli stessi principi,
05:37
that describes that forest.
139
337260
2000
che descrive quella foresta.
05:39
And here it is for the growth of a rat,
140
339260
2000
Questa è la curva di crescita di un ratto.
05:41
and those points on there are data points.
141
341260
2000
E questi punti indicano i dati reali.
05:43
This is just the weight versus the age.
142
343260
2000
Mostrano semplicemente il peso relativo all'età.
05:45
And you see, it stops growing.
143
345260
2000
E vedete, smette di crescere.
05:47
Very, very good for biology --
144
347260
2000
Questo è ottimo per la biologia -
05:49
also one of the reasons for its great resilience.
145
349260
2000
ed è anche uno dei motivi della sua grande resistenza.
05:51
Very, very bad
146
351260
2000
Ma è una cosa molto negativa
05:53
for economies and companies and cities
147
353260
2000
per l'economia, le aziende e le città
05:55
in our present paradigm.
148
355260
2000
nel nostro modello attuale.
05:57
This is what we believe.
149
357260
2000
Questo è ciò in cui crediamo.
05:59
This is what our whole economy
150
359260
2000
Quello che ci impone
06:01
is thrusting upon us,
151
361260
2000
l'intera l'economia,
06:03
particularly illustrated in that left-hand corner:
152
363260
3000
come si vede a sinistra:
06:06
hockey sticks.
153
366260
2000
come mazze da hockey.
06:08
This is a bunch of software companies --
154
368260
2000
Questo è un gruppo di società di software -
06:10
and what it is is their revenue versus their age --
155
370260
2000
e il loro reddito in base all'età -
06:12
all zooming away,
156
372260
2000
estendono il loro campo d'azione
06:14
and everybody making millions and billions of dollars.
157
374260
2000
e fanno milioni, miliardi di dollari.
06:16
Okay, so how do we understand this?
158
376260
3000
Bene, ma come facciamo a capire questo concetto?
06:19
So let's first talk about biology.
159
379260
3000
Dunque, cominciamo a parlare di biologia.
06:22
This is explicitly showing you
160
382260
2000
Questo vi mostra esplicitamente
06:24
how things scale,
161
384260
2000
come le cose avvengano in scala.
06:26
and this is a truly remarkable graph.
162
386260
2000
E questo è un grafico davvero notevole.
06:28
What is plotted here is metabolic rate --
163
388260
3000
Quello che vediamo qui è il consumo metabolico -
06:31
how much energy you need per day to stay alive --
164
391260
3000
la quantità giornaliera di energia necessaria per rimanere in vita -
06:34
versus your weight, your mass,
165
394260
2000
rispetto a peso e massa
06:36
for all of us bunch of organisms.
166
396260
3000
in organismi come i nostri.
06:39
And it's plotted in this funny way by going up by factors of 10,
167
399260
3000
Viene tracciato in questo strano modo usando un fattore di incremento 10,
06:42
otherwise you couldn't get everything on the graph.
168
402260
2000
altrimenti non entrerebbero tutti nel grafico.
06:44
And what you see if you plot it
169
404260
2000
E ciò che si vede se si traccia il grafico
06:46
in this slightly curious way
170
406260
2000
in questo modo un po' curioso,
06:48
is that everybody lies on the same line.
171
408260
3000
è che si trovano tutti sulla stessa linea.
06:51
Despite the fact that this is the most complex and diverse system
172
411260
3000
Nonostante che questo sia il sistema più complesso e diversificato
06:54
in the universe,
173
414260
3000
dell'universo,
06:57
there's an extraordinary simplicity
174
417260
2000
c'è una straordinaria semplicità
06:59
being expressed by this.
175
419260
2000
che emerge dal grafico.
07:01
It's particularly astonishing
176
421260
3000
E' particolarmente sorprendente
07:04
because each one of these organisms,
177
424260
2000
perché ognuno di questi organismi,
07:06
each subsystem, each cell type, each gene,
178
426260
2000
ogni sottosistema, ogni tipo di cellula, ogni gene,
07:08
has evolved in its own unique environmental niche
179
428260
4000
si è evoluto nella propria singolare nicchia ambientale
07:12
with its own unique history.
180
432260
3000
con la sua propria e unica storia.
07:15
And yet, despite all of that Darwinian evolution
181
435260
3000
E nonostante tutto l'evoluzione darwiniana
07:18
and natural selection,
182
438260
2000
e la selezione naturale,
07:20
they've been constrained to lie on a line.
183
440260
2000
si ritrovano tutti sulla stessa linea.
07:22
Something else is going on.
184
442260
2000
Ma c'è dell'altro.
07:24
Before I talk about that,
185
444260
2000
Prima di parlarvene
07:26
I've written down at the bottom there
186
446260
2000
ho tracciato qui in basso
07:28
the slope of this curve, this straight line.
187
448260
2000
la pendenza di questa curva, questa linea retta.
07:30
It's three-quarters, roughly,
188
450260
2000
E' di circa tre quarti,
07:32
which is less than one -- and we call that sublinear.
189
452260
3000
che è meno di uno - noi la chiamiamo sublineare.
07:35
And here's the point of that.
190
455260
2000
E questo è il punto.
07:37
It says that, if it were linear,
191
457260
3000
Se fosse lineare,
07:40
the steepest slope,
192
460260
2000
ossia con la pendenza più ripida,
07:42
then doubling the size
193
462260
2000
allora raddoppiando la dimensione
07:44
you would require double the amount of energy.
194
464260
2000
sarebbe necessario il doppio di energia.
07:46
But it's sublinear, and what that translates into
195
466260
3000
Ma siccome è sublineare, questo significa che
07:49
is that, if you double the size of the organism,
196
469260
2000
se si raddoppia la dimensione dell'organismo,
07:51
you actually only need 75 percent more energy.
197
471260
3000
basta in realtà solo il 75% di energia in più.
07:54
So a wonderful thing about all of biology
198
474260
2000
Quindi la cosa fantastica della biologia
07:56
is that it expresses an extraordinary economy of scale.
199
476260
3000
è che esprime una straordinaria economia di scala.
07:59
The bigger you are systematically,
200
479260
2000
Maggiore è il sistema,
08:01
according to very well-defined rules,
201
481260
2000
in base a regole ben definite,
08:03
less energy per capita.
202
483260
3000
minore l'energia pro-capite.
08:06
Now any physiological variable you can think of,
203
486260
3000
Ora, qualsiasi variabile fisiologica immaginabile,
08:09
any life history event you can think of,
204
489260
2000
qualsiasi evento della vita a cui si possa pensare,
08:11
if you plot it this way, looks like this.
205
491260
3000
se li si traccia in questo modo, avremo qualcosa del genere.
08:14
There is an extraordinary regularity.
206
494260
2000
C'è una regolarità straordinaria.
08:16
So you tell me the size of a mammal,
207
496260
2000
Se mi date le dimensioni di un mammifero
08:18
I can tell you at the 90 percent level everything about it
208
498260
3000
sono in grado di dirvi tutto su di lui, con una precisione del 90%
08:21
in terms of its physiology, life history, etc.
209
501260
4000
in termini di fisiologia, storia di vita, ecc.
08:25
And the reason for this is because of networks.
210
505260
3000
E il motivo di questo sono le reti.
08:28
All of life is controlled by networks --
211
508260
3000
Tutto nella vita è controllato da reti -
08:31
from the intracellular through the multicellular
212
511260
2000
dal livello intracellulare al pluricellulare,
08:33
through the ecosystem level.
213
513260
2000
fino al livello degli ecosistemi.
08:35
And you're very familiar with these networks.
214
515260
3000
E voi ne sapete abbastanza di queste reti.
08:39
That's a little thing that lives inside an elephant.
215
519260
3000
Questo è un piccolo organismo che vive dentro all'elefante.
08:42
And here's the summary of what I'm saying.
216
522260
3000
Ed ecco la sintesi di quello che sto dicendo.
08:45
If you take those networks,
217
525260
2000
Se prendete quelle reti,
08:47
this idea of networks,
218
527260
2000
il concetto di reti,
08:49
and you apply universal principles,
219
529260
2000
e le applicate ai principi universali,
08:51
mathematizable, universal principles,
220
531260
2000
quantificabili e universali,
08:53
all of these scalings
221
533260
2000
si otterranno modelli scalari
08:55
and all of these constraints follow,
222
535260
3000
con le relative regole,
08:58
including the description of the forest,
223
538260
2000
che ci consentiranno di descrivere la foresta,
09:00
the description of your circulatory system,
224
540260
2000
il sistema circolatorio,
09:02
the description within cells.
225
542260
2000
l'interazione tra le cellule.
09:04
One of the things I did not stress in that introduction
226
544260
3000
Una delle cose che non ho sottolineato nell'introduzione
09:07
was that, systematically, the pace of life
227
547260
3000
era che, sistematicamente, il ritmo della vita
09:10
decreases as you get bigger.
228
550260
2000
diminuisce con l'aumentare delle dimensioni.
09:12
Heart rates are slower; you live longer;
229
552260
3000
La frequenza cardiaca è più lenta, si vive più a lungo;
09:15
diffusion of oxygen and resources
230
555260
2000
la diffusione di ossigeno e di risorse
09:17
across membranes is slower, etc.
231
557260
2000
attraverso le membrane diventa più lenta, ecc.
09:19
The question is: Is any of this true
232
559260
2000
La domanda è: Questo funziona anche
09:21
for cities and companies?
233
561260
3000
per le città e le imprese?
09:24
So is London a scaled up Birmingham,
234
564260
3000
Ad esempio, Londra è una Birmingham più grande,
09:27
which is a scaled up Brighton, etc., etc.?
235
567260
3000
che a sua volta è una Brighton più grande, e così via?
09:30
Is New York a scaled up San Francisco,
236
570260
2000
New York è una San Francisco in scala maggiore,
09:32
which is a scaled up Santa Fe?
237
572260
2000
che lo è a sua volta di Santa Fe?
09:34
Don't know. We will discuss that.
238
574260
2000
Non lo so. Ne discuteremo dopo.
09:36
But they are networks,
239
576260
2000
Ma sono delle reti.
09:38
and the most important network of cities
240
578260
2000
E la più importante rete delle città
09:40
is you.
241
580260
2000
siete voi.
09:42
Cities are just a physical manifestation
242
582260
3000
Le città sono solo una manifestazione fisica
09:45
of your interactions,
243
585260
2000
delle vostre interazioni,
09:47
our interactions,
244
587260
2000
delle nostre interazioni,
09:49
and the clustering and grouping of individuals.
245
589260
2000
e il raggruppamento a comparti di individui.
09:51
Here's just a symbolic picture of that.
246
591260
3000
Questo è solo un grafico simbolico.
09:54
And here's scaling of cities.
247
594260
2000
Ed ecco come si analizzano le città in scala.
09:56
This shows that in this very simple example,
248
596260
3000
Questo mostra che in questo semplicissimo esempio,
09:59
which happens to be a mundane example
249
599260
2000
che banalmente prende in considerazione
10:01
of number of petrol stations
250
601260
2000
il numero di stazioni di servizio
10:03
as a function of size --
251
603260
2000
in funzione della dimensione della città -
10:05
plotted in the same way as the biology --
252
605260
2000
è un grafico simile a quello biologico -
10:07
you see exactly the same kind of thing.
253
607260
2000
si nota esattamente lo stesso tipo di fenomeni.
10:09
There is a scaling.
254
609260
2000
C'è una proporzionalità.
10:11
That is that the number of petrol stations in the city
255
611260
4000
Per cui il numero delle stazioni di servizio in città
10:15
is now given to you
256
615260
2000
si deduce
10:17
when you tell me its size.
257
617260
2000
dalla sua dimensione.
10:19
The slope of that is less than linear.
258
619260
3000
Questa pendenza è meno che lineare.
10:22
There is an economy of scale.
259
622260
2000
C'è un'economia di scala.
10:24
Less petrol stations per capita the bigger you are -- not surprising.
260
624260
3000
Più grande la città, minore il numero di stazioni di servizio pro-capite - niente di strano.
10:27
But here's what's surprising.
261
627260
2000
Ma ecco cosa è sorprendente.
10:29
It scales in the same way everywhere.
262
629260
2000
Questo rapporto è costante in tutto il mondo.
10:31
This is just European countries,
263
631260
2000
Qui abbiamo solo i paesi europei,
10:33
but you do it in Japan or China or Colombia,
264
633260
3000
ma lo si può applicare in Giappone, in Cina o in Colombia,
10:36
always the same
265
636260
2000
sempre la stessa cosa
10:38
with the same kind of economy of scale
266
638260
2000
con lo stesso tipo di economie di scala
10:40
to the same degree.
267
640260
2000
nella stessa misura.
10:42
And any infrastructure you look at --
268
642260
3000
E qualsiasi infrastruttura si guardi -
10:45
whether it's the length of roads, length of electrical lines --
269
645260
3000
che sia la lunghezza delle strade, la lunghezza delle linee elettriche -
10:48
anything you look at
270
648260
2000
qualunque cosa si consideri,
10:50
has the same economy of scale scaling in the same way.
271
650260
3000
si avrà la stessa economia di scala in proporzioni analoghe.
10:53
It's an integrated system
272
653260
2000
È un sistema integrato
10:55
that has evolved despite all the planning and so on.
273
655260
3000
che si è evoluto nonostante tutta la pianificazione e altro.
10:58
But even more surprising
274
658260
2000
Ma è ancora più sorprendente
11:00
is if you look at socio-economic quantities,
275
660260
2000
se si guardano i parametri socio-economici,
11:02
quantities that have no analog in biology,
276
662260
3000
dati che non hanno alcuna analogia in biologia,
11:05
that have evolved when we started forming communities
277
665260
3000
che si sono evoluti quando cominciarono a formarsi le comunità umane
11:08
eight to 10,000 years ago.
278
668260
2000
8-10 mila anni fa.
11:10
The top one is wages as a function of size
279
670260
2000
In alto vediamo i salari in funzione della dimensione
11:12
plotted in the same way.
280
672260
2000
tracciati nello stesso modo.
11:14
And the bottom one is you lot --
281
674260
2000
E in basso quello che vi rappresenta -
11:16
super-creatives plotted in the same way.
282
676260
3000
i super-creativi, tracciati nello stesso modo.
11:19
And what you see
283
679260
2000
Quello che si vede
11:21
is a scaling phenomenon.
284
681260
2000
è un fenomeno di scala.
11:23
But most important in this,
285
683260
2000
Ma la cosa più importante qui
11:25
the exponent, the analog to that three-quarters
286
685260
2000
è che l'esponente, l'analogo dei tre quarti
11:27
for the metabolic rate,
287
687260
2000
per il tasso metabolico,
11:29
is bigger than one -- it's about 1.15 to 1.2.
288
689260
2000
è maggiore di uno - va da circa 1,15 a 1,2.
11:31
Here it is,
289
691260
2000
Eccolo,
11:33
which says that the bigger you are
290
693260
3000
dice che più grandi siete,
11:36
the more you have per capita, unlike biology --
291
696260
3000
più ne avrete pro-capite, a differenza della biologia -
11:39
higher wages, more super-creative people per capita as you get bigger,
292
699260
4000
salari più alti, più gente creativa con l'aumentare delle dimensioni della città,
11:43
more patents per capita, more crime per capita.
293
703260
3000
più brevetti pro capite, più criminalità.
11:46
And we've looked at everything:
294
706260
2000
Abbiamo esaminato tutto:
11:48
more AIDS cases, flu, etc.
295
708260
3000
casi di AIDS, influenza, ecc.
11:51
And here, they're all plotted together.
296
711260
2000
E qui sono tutti tracciati insieme.
11:53
Just to show you what we plotted,
297
713260
2000
Solo per mostrarvi ciò che abbiamo trovato,
11:55
here is income, GDP --
298
715260
3000
ecco il reddito, il PIL -
11:58
GDP of the city --
299
718260
2000
il PIL della città -
12:00
crime and patents all on one graph.
300
720260
2000
crimine e brevetti, tutto su un unico grafico.
12:02
And you can see, they all follow the same line.
301
722260
2000
E come vedete, tutti seguono la stessa linea.
12:04
And here's the statement.
302
724260
2000
Ed ecco la teoria.
12:06
If you double the size of a city from 100,000 to 200,000,
303
726260
3000
Se si raddoppia la dimensione di una città da 100.000 a 200.000 abitanti,
12:09
from a million to two million, 10 to 20 million,
304
729260
2000
da un milione a due milioni, da 10 a 20 milioni,
12:11
it doesn't matter,
305
731260
2000
non importa,
12:13
then systematically
306
733260
2000
sistematicamente
12:15
you get a 15 percent increase
307
735260
2000
si ottiene un aumento del 15%
12:17
in wages, wealth, number of AIDS cases,
308
737260
2000
in termine di salari, ricchezza, numero di casi di AIDS,
12:19
number of police,
309
739260
2000
numero di poliziotti,
12:21
anything you can think of.
310
741260
2000
qualsiasi cosa vi possiate immaginare.
12:23
It goes up by 15 percent,
311
743260
2000
Un aumento del 15%.
12:25
and you have a 15 percent savings
312
745260
3000
Ma anche un 15% di risparmio
12:28
on the infrastructure.
313
748260
3000
sull'infrastruttura.
12:31
This, no doubt, is the reason
314
751260
3000
Senza dubbio questa è la ragione
12:34
why a million people a week are gathering in cities.
315
754260
3000
per cui un milione di persone alla settimana va ad abitare in città.
12:37
Because they think that all those wonderful things --
316
757260
3000
Perché pensano che tutte quelle cose meravigliose,
12:40
like creative people, wealth, income --
317
760260
2000
come le persone creative, la ricchezza, il reddito,
12:42
is what attracts them,
318
762260
2000
è ciò che li attrae,
12:44
forgetting about the ugly and the bad.
319
764260
2000
dimenticando gli aspetti brutti e cattivi.
12:46
What is the reason for this?
320
766260
2000
Qual è la ragione di questo?
12:48
Well I don't have time to tell you about all the mathematics,
321
768260
3000
Beh non ho tempo di raccontarvelo in termini matematici,
12:51
but underlying this is the social networks,
322
771260
3000
ma sotto tutto questo ci sono i social network,
12:54
because this is a universal phenomenon.
323
774260
3000
perché si tratta di un fenomeno universale.
12:57
This 15 percent rule
324
777260
3000
Questa regola del 15%
13:00
is true
325
780260
2000
è vera
13:02
no matter where you are on the planet --
326
782260
2000
in qualsiasi luogo vi troviate -
13:04
Japan, Chile,
327
784260
2000
Giappone, Cile,
13:06
Portugal, Scotland, doesn't matter.
328
786260
3000
Portogallo, Scozia, non importa!
13:09
Always, all the data shows it's the same,
329
789260
3000
Tutti i dati mostrano sempre la stessa cosa,
13:12
despite the fact that these cities have evolved independently.
330
792260
3000
nonostante l'evoluzione indipendente delle città.
13:15
Something universal is going on.
331
795260
2000
Sta accadendo qualcosa a livello universale.
13:17
The universality, to repeat, is us --
332
797260
3000
Ripeto, l'universalità siamo noi -
13:20
that we are the city.
333
800260
2000
le città siamo noi.
13:22
And it is our interactions and the clustering of those interactions.
334
802260
3000
Sono le nostre interazioni e le associazioni di queste interazioni.
13:25
So there it is, I've said it again.
335
805260
2000
E' così, ancora una volta.
13:27
So if it is those networks and their mathematical structure,
336
807260
3000
Quindi, se queste reti e la loro struttura matematica
13:30
unlike biology, which had sublinear scaling,
337
810260
3000
si comportassero come in biologia, col suo andamento sublineare,
13:33
economies of scale,
338
813260
2000
per ottenere economie di scala,
13:35
you had the slowing of the pace of life
339
815260
2000
si avrebbe un rallentamento del ritmo della vita
13:37
as you get bigger.
340
817260
2000
con l'aumentare delle dimensioni.
13:39
If it's social networks with super-linear scaling --
341
819260
2000
Ma per i social network e la loro scalabilità super-lineare -
13:41
more per capita --
342
821260
2000
di più pro capite -
13:43
then the theory says
343
823260
2000
la teoria dice
13:45
that you increase the pace of life.
344
825260
2000
che si aumenta il ritmo della vita.
13:47
The bigger you are, life gets faster.
345
827260
2000
Più grandi si è, più la vita diventa veloce.
13:49
On the left is the heart rate showing biology.
346
829260
2000
Quella a sinistra è la frequenza cardiaca.
13:51
On the right is the speed of walking
347
831260
2000
Quella a destra è la velocità pedonale
13:53
in a bunch of European cities,
348
833260
2000
in alcune città europee,
13:55
showing that increase.
349
835260
2000
che indicano questo aumento.
13:57
Lastly, I want to talk about growth.
350
837260
3000
Per finire, voglio parlarvi della crescita.
14:00
This is what we had in biology, just to repeat.
351
840260
3000
Ripeto, questo è ciò che avevamo in biologia.
14:03
Economies of scale
352
843260
3000
Le economie di scala
14:06
gave rise to this sigmoidal behavior.
353
846260
3000
hanno dato origine a questo comportamento sigmoidale.
14:09
You grow fast and then stop --
354
849260
3000
Si cresce rapidamente e poi si ci ferma -
14:12
part of our resilience.
355
852260
2000
parte della nostra resistenza.
14:14
That would be bad for economies and cities.
356
854260
3000
Che sarebbe un male per le economie e le città.
14:17
And indeed, one of the wonderful things about the theory
357
857260
2000
E in effetti, una delle cose meravigliose di questa teoria
14:19
is that if you have super-linear scaling
358
859260
3000
è che se si dispone di una scala super-lineare
14:22
from wealth creation and innovation,
359
862260
2000
per creare ricchezza e innovazione,
14:24
then indeed you get, from the same theory,
360
864260
3000
allora si ottiene, dalla stessa teoria,
14:27
a beautiful rising exponential curve -- lovely.
361
867260
2000
una bella curva di crescita esponenziale - affascinante.
14:29
And in fact, if you compare it to data,
362
869260
2000
E in effetti, se si paragona ai dati,
14:31
it fits very well
363
871260
2000
corrisponde perfettamente
14:33
with the development of cities and economies.
364
873260
2000
allo sviluppo delle città e delle economie.
14:35
But it has a terrible catch,
365
875260
2000
Ma c'è un rovescio della medaglia.
14:37
and the catch
366
877260
2000
Ossia che
14:39
is that this system is destined to collapse.
367
879260
3000
questo sistema è destinato a crollare.
14:42
And it's destined to collapse for many reasons --
368
882260
2000
Ed è così per diversi motivi -
14:44
kind of Malthusian reasons -- that you run out of resources.
369
884260
3000
motivi di tipo malthusiano - cioè, che si esauriscono le risorse.
14:47
And how do you avoid that? Well we've done it before.
370
887260
3000
E come si fa ad evitarlo? Beh, l'abbiamo già fatto nel passato.
14:50
What we do is,
371
890260
2000
Quello che facciamo è che
14:52
as we grow and we approach the collapse,
372
892260
3000
man mano che si cresce e ci si avvicina al collasso,
14:55
a major innovation takes place
373
895260
3000
avviene una grande innovazione
14:58
and we start over again,
374
898260
2000
e si inizia da capo.
15:00
and we start over again as we approach the next one, and so on.
375
900260
3000
E così via, collasso dopo collasso.
15:03
So there's this continuous cycle of innovation
376
903260
2000
Quindi, questo ciclo continuo di innovazione
15:05
that is necessary
377
905260
2000
è necessario
15:07
in order to sustain growth and avoid collapse.
378
907260
3000
per sostenere la crescita ed evitare il collasso.
15:10
The catch, however, to this
379
910260
2000
Tuttavia, il problema che rimane
15:12
is that you have to innovate
380
912260
2000
è che bisogna innovare
15:14
faster and faster and faster.
381
914260
3000
in modo sempre più veloce.
15:17
So the image
382
917260
2000
Per dirlo con le immagini,
15:19
is that we're not only on a treadmill that's going faster,
383
919260
3000
non stiamo solo correndo su un tapis roulant che accelera,
15:22
but we have to change the treadmill faster and faster.
384
922260
3000
ma dobbiamo cambiare lo stesso tapis roulant sempre più di frequente.
15:25
We have to accelerate on a continuous basis.
385
925260
3000
Dobbiamo accelerare continuamente.
15:28
And the question is: Can we, as socio-economic beings,
386
928260
3000
E la domanda è: sarà possibile, in quanto esseri socio-economici,
15:31
avoid a heart attack?
387
931260
3000
evitare un attacco cardiaco?
15:34
So lastly, I'm going to finish up in this last minute or two
388
934260
3000
Quindi, in questo paio di minuti che ci restano concluderò
15:37
asking about companies.
389
937260
2000
parlando delle aziende.
15:39
See companies, they scale.
390
939260
2000
Vedete, la scalabilità si applica anche alle aziende.
15:41
The top one, in fact, is Walmart on the right.
391
941260
2000
Infatti la più grossa è Walmart, a destra.
15:43
It's the same plot.
392
943260
2000
Segue lo stesso tracciato.
15:45
This happens to be income and assets
393
945260
2000
Questo indica reddito e patrimonio
15:47
versus the size of the company as denoted by its number of employees.
394
947260
2000
rispetto alla dimensione della società, determinata dal numero di dipendenti.
15:49
We could use sales, anything you like.
395
949260
3000
Potremmo usare il numero di vendite, quello che preferite.
15:52
There it is: after some little fluctuations at the beginning,
396
952260
3000
Eccolo: dopo alcune piccole fluttuazioni all'inizio,
15:55
when companies are innovating,
397
955260
2000
quando le aziende fanno innovazione,
15:57
they scale beautifully.
398
957260
2000
poi si ha una magnifica scala.
15:59
And we've looked at 23,000 companies
399
959260
3000
Abbiamo analizzato 23.000 aziende
16:02
in the United States, may I say.
400
962260
2000
negli Stati Uniti.
16:04
And I'm only showing you a little bit of this.
401
964260
3000
E ne state vedendo solo una piccola parte.
16:07
What is astonishing about companies
402
967260
2000
La cosa sorprendente sulle aziende
16:09
is that they scale sublinearly
403
969260
3000
è che seguono la scala sublineare
16:12
like biology,
404
972260
2000
come la biologia,
16:14
indicating that they're dominated,
405
974260
2000
indicando che sono regolate
16:16
not by super-linear
406
976260
2000
non dalla super-linearità,
16:18
innovation and ideas;
407
978260
3000
dall'innovazione e dalle idee;
16:21
they become dominated
408
981260
2000
ma sono regolate
16:23
by economies of scale.
409
983260
2000
dalle economie di scala.
16:25
In that interpretation,
410
985260
2000
In questa interpretazione,
16:27
by bureaucracy and administration,
411
987260
2000
dalla burocrazia e dall'amministrazione,
16:29
and they do it beautifully, may I say.
412
989260
2000
e lo fanno in modo egregio, direi.
16:31
So if you tell me the size of some company, some small company,
413
991260
3000
Quindi, se mi si danno le dimensioni di un'azienda, una piccola,
16:34
I could have predicted the size of Walmart.
414
994260
3000
posso prevederne le dimensioni di crescita.
16:37
If it has this sublinear scaling,
415
997260
2000
Se si ha questa scala sublineare,
16:39
the theory says
416
999260
2000
la teoria dice che
16:41
we should have sigmoidal growth.
417
1001260
3000
dovremmo avere una crescita sigmoidale.
16:44
There's Walmart. Doesn't look very sigmoidal.
418
1004260
2000
Ecco Walmart. Non sembra molto sigmoidale.
16:46
That's what we like, hockey sticks.
419
1006260
3000
Un grafico che ci piace, a forma di mazza da hockey.
16:49
But you notice, I've cheated,
420
1009260
2000
Ma è solo una parte della crescita,
16:51
because I've only gone up to '94.
421
1011260
2000
perché arriva fino al '94.
16:53
Let's go up to 2008.
422
1013260
2000
Andiamo fino al 2008.
16:55
That red line is from the theory.
423
1015260
3000
La linea rossa segue la teoria.
16:58
So if I'd have done this in 1994,
424
1018260
2000
Quindi se avessi disegnato questo grafico nel '94
17:00
I could have predicted what Walmart would be now.
425
1020260
3000
avrei potuto prevedere come sarebbe stata Walmart oggi.
17:03
And then this is repeated
426
1023260
2000
E questo paradigma si ripete
17:05
across the entire spectrum of companies.
427
1025260
2000
per tutto lo spettro delle aziende.
17:07
There they are. That's 23,000 companies.
428
1027260
3000
Eccole. Ecco le 23.000 aziende.
17:10
They all start looking like hockey sticks,
429
1030260
2000
All'inizio hanno una curva a forma di mazza da hockey,
17:12
they all bend over,
430
1032260
2000
poi si piegano
17:14
and they all die like you and me.
431
1034260
2000
e infine muoiono, come tutti noi.
17:16
Thank you.
432
1036260
2000
Grazie.
17:18
(Applause)
433
1038260
9000
(Applausi)
A proposito di questo sito web

Questo sito vi presenterà i video di YouTube utili per l'apprendimento dell'inglese. Vedrete lezioni di inglese tenute da insegnanti di alto livello provenienti da tutto il mondo. Fate doppio clic sui sottotitoli in inglese visualizzati su ogni pagina video per riprodurre il video da lì. I sottotitoli scorrono in sincronia con la riproduzione del video. Se avete commenti o richieste, contattateci tramite questo modulo di contatto.

https://forms.gle/WvT1wiN1qDtmnspy7