Nicholas Christakis: How social networks predict epidemics

ニコラス・クリスタキス:いかに社会的ネットワークが流行を予想するか

93,295 views

2010-09-16 ・ TED


New videos

Nicholas Christakis: How social networks predict epidemics

ニコラス・クリスタキス:いかに社会的ネットワークが流行を予想するか

93,295 views ・ 2010-09-16

TED


下の英語字幕をダブルクリックすると動画を再生できます。

翻訳: Sawa Horibe 校正: Natsuhiko Mizutani
00:15
For the last 10 years, I've been spending my time trying to figure out
0
15260
3000
私はこの10年間 人はどのようにそしてなぜ
00:18
how and why human beings
1
18260
2000
社会的ネットワークを
00:20
assemble themselves into social networks.
2
20260
3000
形成するのか解明しようと努力してきました
00:23
And the kind of social network I'm talking about
3
23260
2000
ここで言う社会的ネットワークとは
00:25
is not the recent online variety,
4
25260
2000
最近のインターネット上のものでなく
00:27
but rather, the kind of social networks
5
27260
2000
どちらかというと
00:29
that human beings have been assembling for hundreds of thousands of years,
6
29260
3000
アフリカのサバンナに出現して以来何十万年もの間
00:32
ever since we emerged from the African savannah.
7
32260
3000
人類が築いてきた社会的つながりです
00:35
So, I form friendships and co-worker
8
35260
2000
つまり私が友人関係や同僚関係
00:37
and sibling and relative relationships with other people
9
37260
3000
そして兄弟関係や親類関係を持ち
00:40
who in turn have similar relationships with other people.
10
40260
2000
その人達が似た関係を他の人達と持ち
00:42
And this spreads on out endlessly into a distance.
11
42260
3000
これが果てしなくずっと広がっていって
00:45
And you get a network that looks like this.
12
45260
2000
このようなネットワークができます
00:47
Every dot is a person.
13
47260
2000
それぞれの点は人で
00:49
Every line between them is a relationship between two people --
14
49260
2000
間の線は二人が関係していることを表します
00:51
different kinds of relationships.
15
51260
2000
いろいろな人間関係です
00:53
And you can get this kind of vast fabric of humanity,
16
53260
3000
このような広大な人間社会の構造ができ
00:56
in which we're all embedded.
17
56260
2000
私達は皆その一部となっています
00:58
And my colleague, James Fowler and I have been studying for quite sometime
18
58260
3000
私は同僚のジェームス フォウラーと かなり以前から
01:01
what are the mathematical, social,
19
61260
2000
どのような数学的 社会的
01:03
biological and psychological rules
20
63260
3000
生物学的そして心理学的な法則が
01:06
that govern how these networks are assembled
21
66260
2000
これらのネットワークの構築を左右するのか
01:08
and what are the similar rules
22
68260
2000
またどんな法則がどうネットワークを動かし
01:10
that govern how they operate, how they affect our lives.
23
70260
3000
人々の生活に影響するのかについて研究してきました
01:13
But recently, we've been wondering
24
73260
2000
そして最近は 解明するだけでなく
01:15
whether it might be possible to take advantage of this insight,
25
75260
3000
その洞察を利用して実際に
01:18
to actually find ways to improve the world,
26
78260
2000
世の中を改善する方法を見つけ
01:20
to do something better,
27
80260
2000
もっと役立つことをして
01:22
to actually fix things, not just understand things.
28
82260
3000
何かを解決したりできないかと考えています
01:25
So one of the first things we thought we would tackle
29
85260
3000
そこでまず取り組もうと思ったのが
01:28
would be how we go about predicting epidemics.
30
88260
3000
疫病の流行を予想することでした
01:31
And the current state of the art in predicting an epidemic --
31
91260
2000
疫病対策センターやその他の国家機関での
01:33
if you're the CDC or some other national body --
32
93260
3000
感染症流行の予測技術の現状は
01:36
is to sit in the middle where you are
33
96260
2000
現場の医師や研究所が報告する
01:38
and collect data
34
98260
2000
特定の疾患の有病率や
01:40
from physicians and laboratories in the field
35
100260
2000
発生率のデータを
01:42
that report the prevalence or the incidence of certain conditions.
36
102260
3000
機関の拠点から収集するというものです
01:45
So, so and so patients have been diagnosed with something,
37
105260
3000
患者の誰々さんが何かの病気だと診断された
01:48
or other patients have been diagnosed,
38
108260
2000
他にも発症した患者がいた
01:50
and all these data are fed into a central repository, with some delay.
39
110260
3000
こうしたデータが情報センターにいくらか遅れて入るわけです
01:53
And if everything goes smoothly,
40
113260
2000
滞りなくすべて進めば
01:55
one to two weeks from now
41
115260
2000
今日どこで疫病が流行っていたか
01:57
you'll know where the epidemic was today.
42
117260
3000
1~2週間後に分かるのです
02:00
And actually, about a year or so ago,
43
120260
2000
実のところ 1年ほど前に
02:02
there was this promulgation
44
122260
2000
「インフルトレンド」という
02:04
of the idea of Google Flu Trends, with respect to the flu,
45
124260
3000
グーグルのツールが広まりました
02:07
where by looking at people's searching behavior today,
46
127260
3000
人々の現在の検索パターンを見て
02:10
we could know where the flu --
47
130260
2000
インフルエンザの発生地域
02:12
what the status of the epidemic was today,
48
132260
2000
現在の流行状況や
02:14
what's the prevalence of the epidemic today.
49
134260
3000
有病率が把握できるのです
02:17
But what I'd like to show you today
50
137260
2000
でも今日皆さんにお見せしたいのは
02:19
is a means by which we might get
51
139260
2000
伝染病の発生を
02:21
not just rapid warning about an epidemic,
52
141260
3000
迅速に警告するだけでなく 実際にその流行を
02:24
but also actually
53
144260
2000
早期に感知できるかもしれない
02:26
early detection of an epidemic.
54
146260
2000
ひとつの方法です
02:28
And, in fact, this idea can be used
55
148260
2000
事実 このアイデアは
02:30
not just to predict epidemics of germs,
56
150260
3000
細菌による感染症を予測するだけでなく
02:33
but also to predict epidemics of all sorts of kinds.
57
153260
3000
様々なタイプの流行の予想に応用できます
02:37
For example, anything that spreads by a form of social contagion
58
157260
3000
例えば社会的感染という形で広まるものは
02:40
could be understood in this way,
59
160260
2000
すべてこうして理解できます
02:42
from abstract ideas on the left
60
162260
2000
図の左に示した愛国心や
02:44
like patriotism, or altruism, or religion
61
164260
3000
利他主義や宗教のような抽象的な概念から
02:47
to practices
62
167260
2000
食生活や書籍購入
02:49
like dieting behavior, or book purchasing,
63
169260
2000
そして飲酒などの習慣
02:51
or drinking, or bicycle-helmet [and] other safety practices,
64
171260
3000
自転車ヘルメット着用などの安全習慣や
02:54
or products that people might buy,
65
174260
2000
売れる商品
02:56
purchases of electronic goods,
66
176260
2000
電子機器の購入などまで
02:58
anything in which there's kind of an interpersonal spread.
67
178260
3000
人を通して広がるものすべてです
03:01
A kind of a diffusion of innovation
68
181260
2000
新しいアイデアの普及なども
03:03
could be understood and predicted
69
183260
2000
今からご覧いただく方法によって
03:05
by the mechanism I'm going to show you now.
70
185260
3000
理解し予測することが可能です
03:08
So, as all of you probably know,
71
188260
2000
おそらく皆さんご存知だと思いますが
03:10
the classic way of thinking about this
72
190260
2000
普及を表すには従来
03:12
is the diffusion-of-innovation,
73
192260
2000
イノベーション普及率という
03:14
or the adoption curve.
74
194260
2000
採用曲線を使用します
03:16
So here on the Y-axis, we have the percent of the people affected,
75
196260
2000
Y軸は何%の人が影響されているか
03:18
and on the X-axis, we have time.
76
198260
2000
そしてX軸は時間を表します
03:20
And at the very beginning, not too many people are affected,
77
200260
3000
最初の時点ではあまり多くの人が影響されておらず
03:23
and you get this classic sigmoidal,
78
203260
2000
典型的なS字型カーブの
03:25
or S-shaped, curve.
79
205260
2000
グラフになります
03:27
And the reason for this shape is that at the very beginning,
80
207260
2000
なぜこのような形になるのかと言うと
03:29
let's say one or two people
81
209260
2000
一番初めに1人か2人が
03:31
are infected, or affected by the thing
82
211260
2000
影響または感染されているとすると
03:33
and then they affect, or infect, two people,
83
213260
2000
その2人が次の2人を感染させ
03:35
who in turn affect four, eight, 16 and so forth,
84
215260
3000
次に感染されるのは4人 そして8人 16人と増え
03:38
and you get the epidemic growth phase of the curve.
85
218260
3000
流行の増殖期のカーブを形成するからです
03:41
And eventually, you saturate the population.
86
221260
2000
最終的には人口のほとんどが感染され
03:43
There are fewer and fewer people
87
223260
2000
まだ感染されていない人が
03:45
who are still available that you might infect,
88
225260
2000
どんどん少なくなり
03:47
and then you get the plateau of the curve,
89
227260
2000
カーブは頭打ちとなります
03:49
and you get this classic sigmoidal curve.
90
229260
3000
そして典型的なS字型カーブとなるのです
03:52
And this holds for germs, ideas,
91
232260
2000
これは病原菌やアイデア
03:54
product adoption, behaviors,
92
234260
2000
製品普及や習慣のようなものでも
03:56
and the like.
93
236260
2000
同じです
03:58
But things don't just diffuse in human populations at random.
94
238260
3000
でも物事は人々の間でランダムに普及しません
04:01
They actually diffuse through networks.
95
241260
2000
普及はネットワークを通して行なわれます
04:03
Because, as I said, we live our lives in networks,
96
243260
3000
私達は皆 ネットワークの中で生きているからです
04:06
and these networks have a particular kind of a structure.
97
246260
3000
そしてこれらのネットワークには特定の構造があります
04:09
Now if you look at a network like this --
98
249260
2000
こちらのネットワークを見てください
04:11
this is 105 people.
99
251260
2000
105人います
04:13
And the lines represent -- the dots are the people,
100
253260
2000
点は人を表し
04:15
and the lines represent friendship relationships.
101
255260
2000
線は友人関係を表します
04:17
You might see that people occupy
102
257260
2000
人によってネットワーク内の位置が
04:19
different locations within the network.
103
259260
2000
違うことが分かると思います
04:21
And there are different kinds of relationships between the people.
104
261260
2000
また人間関係も多様です
04:23
You could have friendship relationships, sibling relationships,
105
263260
3000
友人関係 兄弟関係
04:26
spousal relationships, co-worker relationships,
106
266260
3000
夫婦関係 同僚関係
04:29
neighbor relationships and the like.
107
269260
3000
隣人関係などいろいろあります
04:32
And different sorts of things
108
272260
2000
そして関係によって
04:34
spread across different sorts of ties.
109
274260
2000
違うものが広がります
04:36
For instance, sexually transmitted diseases
110
276260
2000
例えば性感染症は
04:38
will spread across sexual ties.
111
278260
2000
性的つながりをもって広がります
04:40
Or, for instance, people's smoking behavior
112
280260
2000
喫煙習慣は
04:42
might be influenced by their friends.
113
282260
2000
友人関係に影響されるかもしれません
04:44
Or their altruistic or their charitable giving behavior
114
284260
2000
利他的または慈善的行為だと
04:46
might be influenced by their coworkers,
115
286260
2000
同僚に感化されてかもしれませんし
04:48
or by their neighbors.
116
288260
2000
隣人の影響かもしれません
04:50
But not all positions in the network are the same.
117
290260
3000
でもネットワーク内の位置のすべてが平等というわけではありません
04:53
So if you look at this, you might immediately grasp
118
293260
2000
これを見てもらえばすぐ分かりますが
04:55
that different people have different numbers of connections.
119
295260
3000
つながりの数は人によって違います
04:58
Some people have one connection, some have two,
120
298260
2000
1つの人もいれば2つの人もいて
05:00
some have six, some have 10 connections.
121
300260
3000
6つの人もいれば10個の人もいます
05:03
And this is called the "degree" of a node,
122
303260
2000
これはノードの度数とも言われ
05:05
or the number of connections that a node has.
123
305260
2000
節点の持つつながりの数です
05:07
But in addition, there's something else.
124
307260
2000
しかしそれだけではありません
05:09
So, if you look at nodes A and B,
125
309260
2000
節点AとBを見てもらうと
05:11
they both have six connections.
126
311260
2000
両者とも6つのつながりを持っています
05:13
But if you can see this image [of the network] from a bird's eye view,
127
313260
3000
でもこの図を全体的に見ると
05:16
you can appreciate that there's something very different
128
316260
2000
節点AとBには大きな違いがあると
05:18
about nodes A and B.
129
318260
2000
気づくと思います
05:20
So, let me ask you this -- I can cultivate this intuition by asking a question --
130
320260
3000
こう考えたら分かりやすいと思います
05:23
who would you rather be
131
323260
2000
もし致死的な病原菌が
05:25
if a deadly germ was spreading through the network, A or B?
132
325260
3000
ネットワーク内で広まっていたらAとBのどちらになりたいですか?
05:28
(Audience: B.) Nicholas Christakis: B, it's obvious.
133
328260
2000
(聴衆:B) クリスタキス:もちろんBですね
05:30
B is located on the edge of the network.
134
330260
2000
Bはネットワークの端に位置しています
05:32
Now, who would you rather be
135
332260
2000
では気になる噂話が
05:34
if a juicy piece of gossip were spreading through the network?
136
334260
3000
ネットワーク内で流れていたらどちらになりたいですか?
05:37
A. And you have an immediate appreciation
137
337260
3000
Aですね 一見して
05:40
that A is going to be more likely
138
340260
2000
Aの方がいち早く
05:42
to get the thing that's spreading and to get it sooner
139
342260
3000
広まる噂を耳にする可能性が高いと分かります
05:45
by virtue of their structural location within the network.
140
345260
3000
これはネットワーク構造上の位置のおかげです
05:48
A, in fact, is more central,
141
348260
2000
実際にAは中心寄りに位置しており
05:50
and this can be formalized mathematically.
142
350260
3000
これは数式で表すことができます
05:53
So, if we want to track something
143
353260
2000
ですから ネットワークを通じて
05:55
that was spreading through a network,
144
355260
3000
広がっている何かを追跡したい場合
05:58
what we ideally would like to do is to set up sensors
145
358260
2000
節点Aも含んだ
06:00
on the central individuals within the network,
146
360260
2000
ネットワークの中心部の人々に
06:02
including node A,
147
362260
2000
センサーをつけ
06:04
monitor those people that are right there in the middle of the network,
148
364260
3000
その人々を観察することによって
06:07
and somehow get an early detection
149
367260
2000
ネットワークを介して広がっている何かを
06:09
of whatever it is that is spreading through the network.
150
369260
3000
早期発見するのが理想です
06:12
So if you saw them contract a germ or a piece of information,
151
372260
3000
この人々が病気に感染したり情報を得たら
06:15
you would know that, soon enough,
152
375260
2000
近いうちに
06:17
everybody was about to contract this germ
153
377260
2000
全員にこの病原菌または情報が
06:19
or this piece of information.
154
379260
2000
伝わるだろうと分かるのです
06:21
And this would be much better
155
381260
2000
この方法は集団の構造を踏まえずに
06:23
than monitoring six randomly chosen people,
156
383260
2000
ランダムに選出した
06:25
without reference to the structure of the population.
157
385260
3000
6人を観察するよりずっと効果的です
06:28
And in fact, if you could do that,
158
388260
2000
実際 中心部の人々を観察できれば
06:30
what you would see is something like this.
159
390260
2000
このような結果が見られる筈です
06:32
On the left-hand panel, again, we have the S-shaped curve of adoption.
160
392260
3000
左の図には前に見たS字型の採用曲線があります
06:35
In the dotted red line, we show
161
395260
2000
赤の点線は
06:37
what the adoption would be in the random people,
162
397260
2000
ランダムに選出された人々の間での普及です
06:39
and in the left-hand line, shifted to the left,
163
399260
3000
左側の左にずれている線は
06:42
we show what the adoption would be
164
402260
2000
ネットワーク中心部の人々の間での
06:44
in the central individuals within the network.
165
404260
2000
普及を表します
06:46
On the Y-axis is the cumulative instances of contagion,
166
406260
2000
Y軸は感染者の累積人数です
06:48
and on the X-axis is the time.
167
408260
2000
X軸は時間です
06:50
And on the right-hand side, we show the same data,
168
410260
2000
右にあるのは同じデータですが
06:52
but here with daily incidence.
169
412260
2000
1日ごとの発症件数です
06:54
And what we show here is -- like, here --
170
414260
2000
ここにご覧いただけるのは
06:56
very few people are affected, more and more and more and up to here,
171
416260
2000
たった数人の感染者からどんどん増えて
06:58
and here's the peak of the epidemic.
172
418260
2000
ここで流行のピークとなることです
07:00
But shifted to the left is what's occurring in the central individuals.
173
420260
2000
左にずれたグラフが中心部の人々の状態です
07:02
And this difference in time between the two
174
422260
3000
そしてこの2つの間の時間差が
07:05
is the early detection, the early warning we can get,
175
425260
3000
兆しとなり
07:08
about an impending epidemic
176
428260
2000
この人々の間で流行が起こる
07:10
in the human population.
177
430260
2000
早期警告となるのです
07:12
The problem, however,
178
432260
2000
しかし問題は
07:14
is that mapping human social networks
179
434260
2000
社会的ネットワークを図にするのが
07:16
is not always possible.
180
436260
2000
いつも可能なわけでないことです
07:18
It can be expensive, not feasible,
181
438260
2000
コストが高すぎたり実施が難しかったり
07:20
unethical,
182
440260
2000
倫理的でなかったり
07:22
or, frankly, just not possible to do such a thing.
183
442260
3000
ただ単にそんなことは不可能な場合もあります
07:25
So, how can we figure out
184
445260
2000
では実際にネットワークを図にしないで
07:27
who the central people are in a network
185
447260
2000
どのように中心にいるのは誰かを
07:29
without actually mapping the network?
186
449260
3000
調べることができるのでしょうか?
07:32
What we came up with
187
452260
2000
我々が思いついたのは
07:34
was an idea to exploit an old fact,
188
454260
2000
社会的ネットワークについて前から
07:36
or a known fact, about social networks,
189
456260
2000
知られている現象を利用することでした
07:38
which goes like this:
190
458260
2000
このような現象です
07:40
Do you know that your friends
191
460260
2000
あなたの友人にはあなたより
07:42
have more friends than you do?
192
462260
3000
たくさん友人がいると知っていましたか?
07:45
Your friends have more friends than you do,
193
465260
3000
あなたの友人にはあなたより友人がいるのです
07:48
and this is known as the friendship paradox.
194
468260
2000
「友人関係のパラドックス」と言われています
07:50
Imagine a very popular person in the social network --
195
470260
2000
社会的ネットワークの中でとても人気があり
07:52
like a party host who has hundreds of friends --
196
472260
3000
友人が多いパーティのホストと
07:55
and a misanthrope who has just one friend,
197
475260
2000
友人は1人だけの人間嫌いがいるとします
07:57
and you pick someone at random from the population;
198
477260
3000
ここからランダムに選ばれた人はパーティのホストを
08:00
they were much more likely to know the party host.
199
480260
2000
知っている確率の方が高いのです
08:02
And if they nominate the party host as their friend,
200
482260
2000
彼らがパーティのホストを友人として挙げたら
08:04
that party host has a hundred friends,
201
484260
2000
パーティのホストには大勢の友人がいるので
08:06
therefore, has more friends than they do.
202
486260
3000
彼らよりも友人が多いということになります
08:09
And this, in essence, is what's known as the friendship paradox.
203
489260
3000
基本的にこれが「友人関係のパラドックス」というものです
08:12
The friends of randomly chosen people
204
492260
3000
ランダムに選ばれた人達よりその友人達の方が
08:15
have higher degree, and are more central
205
495260
2000
より多くのつながりを持ち
08:17
than the random people themselves.
206
497260
2000
中心寄りの位置にいるのです
08:19
And you can get an intuitive appreciation for this
207
499260
2000
ネットワークの端の方にいる人々に注目すると
08:21
if you imagine just the people at the perimeter of the network.
208
501260
3000
このことが自然に理解できると思います
08:24
If you pick this person,
209
504260
2000
この人を見ると
08:26
the only friend they have to nominate is this person,
210
506260
3000
友人として挙げられるのはこの人しかいません そして
08:29
who, by construction, must have at least two
211
509260
2000
この人にはネットワークの構造上 最低2人
08:31
and typically more friends.
212
511260
2000
通常はそれ以上の友人がいることになります
08:33
And that happens at every peripheral node.
213
513260
2000
端の節点のどれをとってもこの現象は見られ
08:35
And in fact, it happens throughout the network as you move in,
214
515260
3000
実際ネットワークの中心に向かって全体的に見られます
08:38
everyone you pick, when they nominate a random --
215
518260
2000
誰を選出してもです
08:40
when a random person nominates a friend of theirs,
216
520260
3000
ランダムに選出された人が友人を挙げると
08:43
you move closer to the center of the network.
217
523260
3000
ネットワークの中心に近づくわけです
08:46
So, we thought we would exploit this idea
218
526260
3000
そこで我々はこのアイデアを利用して
08:49
in order to study whether we could predict phenomena within networks.
219
529260
3000
ネットワーク内の現象を予測できるか研究しようと考えました
08:52
Because now, with this idea
220
532260
2000
このアイデアをもとにすれば
08:54
we can take a random sample of people,
221
534260
2000
ネットワークの図がなくても
08:56
have them nominate their friends,
222
536260
2000
集団からランダムに誰かを選び
08:58
those friends would be more central,
223
538260
2000
友人を挙げてもらって
09:00
and we could do this without having to map the network.
224
540260
3000
中央寄りの人の選出ができるからです
09:03
And we tested this idea with an outbreak of H1N1 flu
225
543260
3000
我々はハーバード大学での新型インフルエンザの発生で
09:06
at Harvard College
226
546260
2000
これを検証しました
09:08
in the fall and winter of 2009, just a few months ago.
227
548260
3000
つい2~3ヶ月前の2009年秋から冬でした
09:11
We took 1,300 randomly selected undergraduates,
228
551260
3000
ランダムに選出した学部生1300人に
09:14
we had them nominate their friends,
229
554260
2000
友人を挙げてもらい
09:16
and we followed both the random students and their friends
230
556260
2000
そのランダムの学生と友人の両方を
09:18
daily in time
231
558260
2000
毎日 追跡調査して
09:20
to see whether or not they had the flu epidemic.
232
560260
3000
流行のインフルエンザへの感染を調べました
09:23
And we did this passively by looking at whether or not they'd gone to university health services.
233
563260
3000
大学内診療所の利用監視と
09:26
And also, we had them [actively] email us a couple of times a week.
234
566260
3000
週に数回のメール報告での調査です
09:29
Exactly what we predicted happened.
235
569260
3000
すると我々が予想した通りのことが起こりました
09:32
So the random group is in the red line.
236
572260
3000
赤い線がランダムのグループです
09:35
The epidemic in the friends group has shifted to the left, over here.
237
575260
3000
友人グループの中での流行は左のこちらへ寄っています
09:38
And the difference in the two is 16 days.
238
578260
3000
2つのグループの違いは16日です
09:41
By monitoring the friends group,
239
581260
2000
友人グループを追跡することによって
09:43
we could get 16 days advance warning
240
583260
2000
この集団における感染流行を
09:45
of an impending epidemic in this human population.
241
585260
3000
16日前に警告できるわけです
09:48
Now, in addition to that,
242
588260
2000
またそれだけでなく
09:50
if you were an analyst who was trying to study an epidemic
243
590260
3000
アナリストが流行の研究や
09:53
or to predict the adoption of a product, for example,
244
593260
3000
新製品の普及の予測をしようするときに
09:56
what you could do is you could pick a random sample of the population,
245
596260
3000
集団からランダムに選んだサンプルと
09:59
also have them nominate their friends and follow the friends
246
599260
3000
さらに挙げてもらった友人の
10:02
and follow both the randoms and the friends.
247
602260
3000
両方のグループを追跡することができます
10:05
Among the friends, the first evidence you saw of a blip above zero
248
605260
3000
例えばその友人グループで
10:08
in adoption of the innovation, for example,
249
608260
3000
イノベーション普及に急上昇があれば
10:11
would be evidence of an impending epidemic.
250
611260
2000
流行の兆しとなります
10:13
Or you could see the first time the two curves diverged,
251
613260
3000
また左にあるように2つの線が
10:16
as shown on the left.
252
616260
2000
分岐し始めるのもサインです
10:18
When did the randoms -- when did the friends take off
253
618260
3000
友人グループの線が急上昇し
10:21
and leave the randoms,
254
621260
2000
ランダムサンプルのグループに差をつけて
10:23
and [when did] their curve start shifting?
255
623260
2000
開き始めたのはどの時点か?
10:25
And that, as indicated by the white line,
256
625260
2000
それはこの白い線が示す時点で
10:27
occurred 46 days
257
627260
2000
流行のピークの
10:29
before the peak of the epidemic.
258
629260
2000
46日前でした
10:31
So this would be a technique
259
631260
2000
つまりこの方法を使えば
10:33
whereby we could get more than a month-and-a-half warning
260
633260
2000
一定の集団の中で起こる
10:35
about a flu epidemic in a particular population.
261
635260
3000
インフルエンザの流行を1ヵ月半以上前に察知できるのです
10:38
I should say that
262
638260
2000
どのくらい前の時点で
10:40
how far advanced a notice one might get about something
263
640260
2000
そのような兆しが見られるかは
10:42
depends on a host of factors.
264
642260
2000
様々な要素により異なると思います
10:44
It could depend on the nature of the pathogen --
265
644260
2000
病原体の特性によることもあり得ます
10:46
different pathogens,
266
646260
2000
この方法で違う種類の病原体を
10:48
using this technique, you'd get different warning --
267
648260
2000
見た場合 異なる兆候が出ると思います
10:50
or other phenomena that are spreading,
268
650260
2000
他の広がっている現象でもそうです
10:52
or frankly, on the structure of the human network.
269
652260
3000
人のネットワークの構造が違うからということもあります
10:55
Now in our case, although it wasn't necessary,
270
655260
3000
我々の実例では必要ではなかったのですが 実際に
10:58
we could also actually map the network of the students.
271
658260
2000
学生のネットワークを図にすることが出来ました
11:00
So, this is a map of 714 students
272
660260
2000
これが714人の学生と
11:02
and their friendship ties.
273
662260
2000
彼らの友人のつながりを示した図です
11:04
And in a minute now, I'm going to put this map into motion.
274
664260
2000
これからこの図の移り変わりを見せます
11:06
We're going to take daily cuts through the network
275
666260
2000
ネットワークの日々の変化を
11:08
for 120 days.
276
668260
2000
120日分見てみましょう
11:10
The red dots are going to be cases of the flu,
277
670260
3000
赤い点がインフルエンザの感染を示します
11:13
and the yellow dots are going to be friends of the people with the flu.
278
673260
3000
そして黄色い点がインフルエンザ感染者の友人です
11:16
And the size of the dots is going to be proportional
279
676260
2000
点の大きさはインフルエンザに感染している
11:18
to how many of their friends have the flu.
280
678260
2000
友人の数に応じて大きくなります
11:20
So bigger dots mean more of your friends have the flu.
281
680260
3000
つまり大きい点はインフルエンザに感染した友人が多い人です
11:23
And if you look at this image -- here we are now in September the 13th --
282
683260
3000
この図を見てください 9月13日の状態です
11:26
you're going to see a few cases light up.
283
686260
2000
いくつか色のついた点がみられます
11:28
You're going to see kind of blooming of the flu in the middle.
284
688260
2000
インフルエンザが中心でポツポツ見られます
11:30
Here we are on October the 19th.
285
690260
3000
今10月19日の状態です
11:33
The slope of the epidemic curve is approaching now, in November.
286
693260
2000
11月になると流行のカーブが立ち上がり
11:35
Bang, bang, bang, bang, bang -- you're going to see lots of blooming in the middle,
287
695260
3000
パッパッと中心部で次々に感染が広がります
11:38
and then you're going to see a sort of leveling off,
288
698260
2000
そしてだんだん頭打ちになっていきます
11:40
fewer and fewer cases towards the end of December.
289
700260
3000
12月末に近づくにつれて感染がどんどん少なくなります
11:43
And this type of a visualization
290
703260
2000
このような可視化によって
11:45
can show that epidemics like this take root
291
705260
2000
こういった流行はまず
11:47
and affect central individuals first,
292
707260
2000
中央部の人間から感染して
11:49
before they affect others.
293
709260
2000
他の人々に感染することが明らかになります
11:51
Now, as I've been suggesting,
294
711260
2000
それで今まで申し上げてきたように
11:53
this method is not restricted to germs,
295
713260
3000
この方法は細菌だけでなく
11:56
but actually to anything that spreads in populations.
296
716260
2000
人々の間で伝染するもの何にでも使えます
11:58
Information spreads in populations,
297
718260
2000
情報は人々を通じて広がります
12:00
norms can spread in populations,
298
720260
2000
常識も人から人へと広がります
12:02
behaviors can spread in populations.
299
722260
2000
言動も人々の間で広がります
12:04
And by behaviors, I can mean things like criminal behavior,
300
724260
3000
言動というのは犯罪行為や
12:07
or voting behavior, or health care behavior,
301
727260
3000
選挙投票もあれば 健康管理行為で
12:10
like smoking, or vaccination,
302
730260
2000
喫煙や予防接種のようなこともあり
12:12
or product adoption, or other kinds of behaviors
303
732260
2000
製品普及やその他の行動で
12:14
that relate to interpersonal influence.
304
734260
2000
人間同士が影響し合うものもあります
12:16
If I'm likely to do something that affects others around me,
305
736260
3000
言動によって回りの人間が影響される傾向があったら
12:19
this technique can get early warning or early detection
306
739260
3000
この方法により その集団における流行の発生や
12:22
about the adoption within the population.
307
742260
3000
兆しを早期に知り得ることができるわけです
12:25
The key thing is that for it to work,
308
745260
2000
この方法が成り立つポイントは
12:27
there has to be interpersonal influence.
309
747260
2000
人間同士の影響があることです
12:29
It cannot be because of some broadcast mechanism
310
749260
2000
一斉に実施され全員が
12:31
affecting everyone uniformly.
311
751260
3000
同じように影響されるような仕組みでは駄目です
12:35
Now the same insights
312
755260
2000
さてこの同じ洞察を違うやり方で
12:37
can also be exploited -- with respect to networks --
313
757260
3000
ネットワークに関連するものに対して
12:40
can also be exploited in other ways,
314
760260
3000
活用することもできます
12:43
for example, in the use of targeting
315
763260
2000
介入目的のために特定の人々を
12:45
specific people for interventions.
316
765260
2000
対象として選ぶのに利用するのが一例です
12:47
So, for example, most of you are probably familiar
317
767260
2000
例えば皆さん集団免疫については
12:49
with the notion of herd immunity.
318
769260
2000
たぶん知っていると思いますが
12:51
So, if we have a population of a thousand people,
319
771260
3000
1000人のグループがいたとして
12:54
and we want to make the population immune to a pathogen,
320
774260
3000
このグループをある病原体から守りたい場合
12:57
we don't have to immunize every single person.
321
777260
2000
全員に予防接種する必要はありません
12:59
If we immunize 960 of them,
322
779260
2000
このうち960人に免疫ができれば
13:01
it's as if we had immunized a hundred [percent] of them.
323
781260
3000
1000人に予防接種したのと同じになります
13:04
Because even if one or two of the non-immune people gets infected,
324
784260
3000
たとえ1人か2人の免疫のない人が感染しても
13:07
there's no one for them to infect.
325
787260
2000
その人達が病気をうつす相手がいないからです
13:09
They are surrounded by immunized people.
326
789260
2000
免疫のある人ばかりに囲まれているわけです
13:11
So 96 percent is as good as 100 percent.
327
791260
3000
このように96%は100%と同じくらい効果的です
13:14
Well, some other scientists have estimated
328
794260
2000
1000人の中から30%をランダムで選出し
13:16
what would happen if you took a 30 percent random sample
329
796260
2000
予防接種をしたらどうなるか
13:18
of these 1000 people, 300 people and immunized them.
330
798260
3000
計算した科学者達がいましたが
13:21
Would you get any population-level immunity?
331
801260
2000
集団レベルでの免疫が得られるかと言うと
13:23
And the answer is no.
332
803260
3000
得られません
13:26
But if you took this 30 percent, these 300 people
333
806260
2000
でもこの同じ30%の300人に
13:28
and had them nominate their friends
334
808260
2000
友人を挙げてもらって
13:30
and took the same number of vaccine doses
335
810260
3000
同じ数の予防接種を
13:33
and vaccinated the friends of the 300 --
336
813260
2000
300人が挙げた友人達300人に
13:35
the 300 friends --
337
815260
2000
実施すると
13:37
you can get the same level of herd immunity
338
817260
2000
集団免疫と同等の免疫ができます
13:39
as if you had vaccinated 96 percent of the population
339
819260
3000
集団の96%に予防接種したのと同じ効果を
13:42
at a much greater efficiency, with a strict budget constraint.
340
822260
3000
厳しい予算でもずっと効率よく得られるのです
13:45
And similar ideas can be used, for instance,
341
825260
2000
似たようなアイデアを使って
13:47
to target distribution of things like bed nets
342
827260
2000
発展途上国で蚊帳などを配布する際に
13:49
in the developing world.
343
829260
2000
対象者を限定することもできます
13:51
If we could understand the structure of networks in villages,
344
831260
3000
村のネットワークの構造が分かっていれば
13:54
we could target to whom to give the interventions
345
834260
2000
蚊帳などの普及を促進する中心部の
13:56
to foster these kinds of spreads.
346
836260
2000
人々をターゲットにして介入援助できます
13:58
Or, frankly, for advertising with all kinds of products.
347
838260
3000
また率直に言って これはどんな商品の宣伝にも使えます
14:01
If we could understand how to target,
348
841260
2000
対象者の選定の仕方が分かれば
14:03
it could affect the efficiency
349
843260
2000
目的を達成する効率を
14:05
of what we're trying to achieve.
350
845260
2000
上げることができます
14:07
And in fact, we can use data
351
847260
2000
事実 現在ありとあらゆるところで
14:09
from all kinds of sources nowadays [to do this].
352
849260
2000
集められているデータを利用できます
14:11
This is a map of eight million phone users
353
851260
2000
こちらはヨーロッパにおける
14:13
in a European country.
354
853260
2000
800万人の電話利用者の関係図です
14:15
Every dot is a person, and every line represents
355
855260
2000
それぞれの点は人を表し
14:17
a volume of calls between the people.
356
857260
2000
線はその人達の間の電話回数を表します
14:19
And we can use such data, that's being passively obtained,
357
859260
3000
私達はこのような自動的に集められたデータによって
14:22
to map these whole countries
358
862260
2000
これらの国の全体像を見たり
14:24
and understand who is located where within the network.
359
864260
3000
ネットワークのどこに誰がいるか理解できます
14:27
Without actually having to query them at all,
360
867260
2000
特別なデータ処理などしなくても
14:29
we can get this kind of a structural insight.
361
869260
2000
このような構造の洞察を得ることができるのです
14:31
And other sources of information, as you're no doubt aware
362
871260
3000
お気づきと思いますが このようなデータは
14:34
are available about such features, from email interactions,
363
874260
3000
他の情報源からも手にすることができます
14:37
online interactions,
364
877260
2000
メールやインターネット上のやりとり
14:39
online social networks and so forth.
365
879260
3000
ソーシャルネットワークなどです
14:42
And in fact, we are in the era of what I would call
366
882260
2000
実際 今の時代は
14:44
"massive-passive" data collection efforts.
367
884260
3000
大量のデータが自動的に蓄積されています
14:47
They're all kinds of ways we can use massively collected data
368
887260
3000
大量に収集されたデータの使い道は幾通りもあります
14:50
to create sensor networks
369
890260
3000
集団を追跡するためのセンサーとなる
14:53
to follow the population,
370
893260
2000
中心部の人々を特定したり
14:55
understand what's happening in the population,
371
895260
2000
その集団の中で何が起こっているか理解したり
14:57
and intervene in the population for the better.
372
897260
3000
改善の為に介入したりできます
15:00
Because these new technologies tell us
373
900260
2000
最近の技術では
15:02
not just who is talking to whom,
374
902260
2000
誰と誰がしゃべっているかだけでなく
15:04
but where everyone is,
375
904260
2000
人々がどこにいるのかも分かるからです
15:06
and what they're thinking based on what they're uploading on the Internet,
376
906260
3000
アップロードされるものから人々が考えていることが分かり
15:09
and what they're buying based on their purchases.
377
909260
2000
購入記録から商品の売れ筋も分かります
15:11
And all this administrative data can be pulled together
378
911260
3000
これらすべての管理データを合わせて処理すれば
15:14
and processed to understand human behavior
379
914260
2000
人々の行動を
15:16
in a way we never could before.
380
916260
3000
以前はできなかった方法で理解できます
15:19
So, for example, we could use truckers' purchases of fuel.
381
919260
3000
トラックの運転手による燃料購入を例にします
15:22
So the truckers are just going about their business,
382
922260
2000
運転手達は普段通りに仕事をして
15:24
and they're buying fuel.
383
924260
2000
燃料を購入します
15:26
And we see a blip up in the truckers' purchases of fuel,
384
926260
3000
私たちは燃料の購入量が急上昇するのを見て
15:29
and we know that a recession is about to end.
385
929260
2000
経済低迷期の終わりが近いと分かります
15:31
Or we can monitor the velocity
386
931260
2000
または人々が高速道路を
15:33
with which people are moving with their phones on a highway,
387
933260
3000
移動している速度を携帯電話で計測することもできます
15:36
and the phone company can see,
388
936260
2000
電話会社は
15:38
as the velocity is slowing down,
389
938260
2000
速度が落ちるのを見て
15:40
that there's a traffic jam.
390
940260
2000
渋滞を感知できます
15:42
And they can feed that information back to their subscribers,
391
942260
3000
更にその情報を携帯電話ユーザーに提供できるわけです
15:45
but only to their subscribers on the same highway
392
945260
2000
それも同じ高速道路上で
15:47
located behind the traffic jam!
393
947260
2000
その渋滞の後続のユーザーに限定できます
15:49
Or we can monitor doctors prescribing behaviors, passively,
394
949260
3000
医師の薬品処方状況を観察することもできます
15:52
and see how the diffusion of innovation with pharmaceuticals
395
952260
3000
新規の医薬品がどのように医師の間で普及するのか
15:55
occurs within [networks of] doctors.
396
955260
2000
理解することができます
15:57
Or again, we can monitor purchasing behavior in people
397
957260
2000
人々の商品購入状況の観察をして
15:59
and watch how these types of phenomena
398
959260
2000
このようなタイプの現象がどうやって
16:01
can diffuse within human populations.
399
961260
3000
人々の間で普及するのか確認することができます
16:04
And there are three ways, I think,
400
964260
2000
自動蓄積された大量データの利用法は
16:06
that these massive-passive data can be used.
401
966260
2000
3つあると思います
16:08
One is fully passive,
402
968260
2000
1つ目は完全に受身的な
16:10
like I just described --
403
970260
2000
先ほど説明したようなものです
16:12
as in, for instance, the trucker example,
404
972260
2000
トラックの運転手の例のような
16:14
where we don't actually intervene in the population in any way.
405
974260
2000
実際には集団に一切介入しないしないものです
16:16
One is quasi-active,
406
976260
2000
そして半能動的な
16:18
like the flu example I gave,
407
978260
2000
例に挙げたインフルエンザのような
16:20
where we get some people to nominate their friends
408
980260
3000
人々に友人を挙げてもらい
16:23
and then passively monitor their friends --
409
983260
2000
彼らがインフルエンザに感染しないか
16:25
do they have the flu, or not? -- and then get warning.
410
985260
2000
観察して警告を受けるものもあります
16:27
Or another example would be,
411
987260
2000
別の例として
16:29
if you're a phone company, you figure out who's central in the network
412
989260
3000
電話会社がネットワークの中心に位置する人を調べて
16:32
and you ask those people, "Look, will you just text us your fever every day?
413
992260
3000
「毎日熱を測って携帯メールで送ってもらえますか?」
16:35
Just text us your temperature."
414
995260
2000
「体温だけでかまいません」と頼み
16:37
And collect vast amounts of information about people's temperature,
415
997260
3000
大量の体温データを中心部の人々に限定して
16:40
but from centrally located individuals.
416
1000260
2000
収集することも考えられます
16:42
And be able, on a large scale,
417
1002260
2000
こうして人々の最低限の情報提供だけで
16:44
to monitor an impending epidemic
418
1004260
2000
伝染病の流行の兆しを
16:46
with very minimal input from people.
419
1006260
2000
広範囲に監視できるのです
16:48
Or, finally, it can be more fully active --
420
1008260
2000
またはもっと積極的なアプローチもできます
16:50
as I know subsequent speakers will also talk about today --
421
1010260
2000
このあとの講演者も話しますが
16:52
where people might globally participate in wikis,
422
1012260
2000
人々が世界中からウィキに参加したり
16:54
or photographing, or monitoring elections,
423
1014260
3000
写真や選挙の追跡をしたりして
16:57
and upload information in a way that allows us to pool
424
1017260
2000
情報をアップロードしたものを
16:59
information in order to understand social processes
425
1019260
2000
社会的プロセスや現象を理解するために
17:01
and social phenomena.
426
1021260
2000
収集することもできます
17:03
In fact, the availability of these data, I think,
427
1023260
2000
事実これらのデータが入手できるのは
17:05
heralds a kind of new era
428
1025260
2000
専門家が言うところの
17:07
of what I and others would like to call
429
1027260
2000
「計算社会科学」のような一種の新たな
17:09
"computational social science."
430
1029260
2000
時代の到来を告げています
17:11
It's sort of like when Galileo invented -- or, didn't invent --
431
1031260
3000
これはガリレオが望遠鏡を使って
17:14
came to use a telescope
432
1034260
2000
それまでにないやり方で
17:16
and could see the heavens in a new way,
433
1036260
2000
天空の観察ができたことや
17:18
or Leeuwenhoek became aware of the microscope --
434
1038260
2000
レーウェンフクが顕微鏡を発明し
17:20
or actually invented --
435
1040260
2000
生物学に新たな見解を
17:22
and could see biology in a new way.
436
1042260
2000
もたらしたことに似ています
17:24
But now we have access to these kinds of data
437
1044260
2000
今度は大量データが入手できるようになり
17:26
that allow us to understand social processes
438
1046260
2000
社会的プロセスや現象を
17:28
and social phenomena
439
1048260
2000
以前にはなかったやり方で
17:30
in an entirely new way that was never before possible.
440
1050260
3000
理解することができるようになったわけです
17:33
And with this science, we can
441
1053260
2000
そしてこの科学により私達は
17:35
understand how exactly
442
1055260
2000
社会全体が具体的にどうやって
17:37
the whole comes to be greater
443
1057260
2000
ただ一人ひとりを足しただけよりも
17:39
than the sum of its parts.
444
1059260
2000
偉大となるのか理解することができるのです
17:41
And actually, we can use these insights
445
1061260
2000
そして実際にこれらの洞察を利用して
17:43
to improve society and improve human well-being.
446
1063260
3000
社会および人々の生活を改善できるのです
17:46
Thank you.
447
1066260
2000
ありがとうございました
このウェブサイトについて

このサイトでは英語学習に役立つYouTube動画を紹介します。世界中の一流講師による英語レッスンを見ることができます。各ビデオのページに表示される英語字幕をダブルクリックすると、そこからビデオを再生することができます。字幕はビデオの再生と同期してスクロールします。ご意見・ご要望がございましたら、こちらのお問い合わせフォームよりご連絡ください。

https://forms.gle/WvT1wiN1qDtmnspy7