Geoffrey West: The surprising math of cities and corporations

170,139 views ・ 2011-07-26

TED


Dubbelklik op de Engelse ondertitels hieronder om de video af te spelen.

Vertaald door: Rik Delaet Nagekeken door: Els De Keyser
00:16
Cities are the crucible of civilization.
0
16260
3000
Steden zijn de smeltkroes van de beschaving.
00:19
They have been expanding,
1
19260
2000
Ze breidden zich uit,
00:21
urbanization has been expanding,
2
21260
2000
verstedelijking heeft zich uitgebreid,
00:23
at an exponential rate in the last 200 years
3
23260
2000
op een exponentiële manier in de laatste 200 jaar,
00:25
so that by the second part of this century,
4
25260
3000
zodat in het tweede deel van deze eeuw
00:28
the planet will be completely dominated
5
28260
2000
de planeet volledig
00:30
by cities.
6
30260
3000
door de steden zal worden gedomineerd.
00:33
Cities are the origins of global warming,
7
33260
3000
Steden zijn de oorzaak van de opwarming van de aarde,
00:36
impact on the environment,
8
36260
2000
impact op het milieu,
00:38
health, pollution, disease,
9
38260
3000
gezondheid, vervuiling, ziekte,
00:41
finance,
10
41260
2000
financiën,
00:43
economies, energy --
11
43260
3000
economieën, energie -
00:46
they're all problems
12
46260
2000
zijn allemaal problemen
00:48
that are confronted by having cities.
13
48260
2000
die vandoen hebben met steden.
00:50
That's where all these problems come from.
14
50260
2000
Dat is waar al deze problemen vandaan komen.
00:52
And the tsunami of problems that we feel we're facing
15
52260
3000
Die tsunami van problemen waarmee we ons
00:55
in terms of sustainability questions
16
55260
2000
geconfronteerd voelen in termen van duurzaamheid
00:57
are actually a reflection
17
57260
2000
is eigenlijk een weerspiegeling
00:59
of the exponential increase
18
59260
2000
van de exponentiële toename van
01:01
in urbanization across the planet.
19
61260
3000
de urbanisatie over de hele planeet.
01:04
Here's some numbers.
20
64260
2000
Hier zijn een paar getallen.
01:06
Two hundred years ago, the United States
21
66260
2000
200 jaar geleden was minder dan een paar procent
01:08
was less than a few percent urbanized.
22
68260
2000
van de Verenigde Staten verstedelijkt.
01:10
It's now more than 82 percent.
23
70260
2000
Nu meer dan 82 procent.
01:12
The planet has crossed the halfway mark a few years ago.
24
72260
3000
De planeet heeft die 50 procent een paar jaar geleden overschreden.
01:15
China's building 300 new cities
25
75260
2000
China gaat in de komende 20 jaar
01:17
in the next 20 years.
26
77260
2000
300 nieuwe steden bouwen.
01:19
Now listen to this:
27
79260
2000
En luister goed:
01:21
Every week for the foreseeable future,
28
81260
3000
in de nabije toekomst,
01:24
until 2050,
29
84260
2000
zullen, tot 2050, onze steden
01:26
every week more than a million people
30
86260
2000
elke week met meer dan een miljoen mensen
01:28
are being added to our cities.
31
88260
2000
aangroeien.
01:30
This is going to affect everything.
32
90260
2000
Dit gaat alles beïnvloeden.
01:32
Everybody in this room, if you stay alive,
33
92260
2000
Iedereen in deze zaal zal, als hij blijft leven,
01:34
is going to be affected
34
94260
2000
de impact voelen
01:36
by what's happening in cities
35
96260
2000
van wat er gebeurt in de steden
01:38
in this extraordinary phenomenon.
36
98260
2000
door dit bijzondere fenomeen.
01:40
However, cities,
37
100260
3000
Toch zijn steden,
01:43
despite having this negative aspect to them,
38
103260
3000
ondanks dit negatieve aspect,
01:46
are also the solution.
39
106260
2000
ook de oplossing.
01:48
Because cities are the vacuum cleaners and the magnets
40
108260
4000
Omdat steden de stofzuigers en de magneten zijn
01:52
that have sucked up creative people,
41
112260
2000
die creatieve mensen naar zich toe hebben gezogen.
01:54
creating ideas, innovation,
42
114260
2000
Daar kwamen ideeën, innovatie,
01:56
wealth and so on.
43
116260
2000
rijkdom en ga zo maar door, tot stand.
01:58
So we have this kind of dual nature.
44
118260
2000
Er is dus deze dubbele aard.
02:00
And so there's an urgent need
45
120260
3000
Er is een dringende behoefte
02:03
for a scientific theory of cities.
46
123260
4000
aan een wetenschappelijke theorie van steden.
02:07
Now these are my comrades in arms.
47
127260
3000
Dit zijn mijn wapenbroeders.
02:10
This work has been done with an extraordinary group of people,
48
130260
2000
Dit werk is gedaan met een bijzondere groep mensen,
02:12
and they've done all the work,
49
132260
2000
en ze hebben al het werk gedaan.
02:14
and I'm the great bullshitter
50
134260
2000
Ik ben de grote kwek
02:16
that tries to bring it all together.
51
136260
2000
die het allemaal aan elkaar praat.
02:18
(Laughter)
52
138260
2000
(Gelach)
02:20
So here's the problem: This is what we all want.
53
140260
2000
Hier is het probleem: dit is wat we allemaal willen.
02:22
The 10 billion people on the planet in 2050
54
142260
3000
De 10 miljard mensen op de planeet in 2050
02:25
want to live in places like this,
55
145260
2000
willen leven in plaatsen als deze,
02:27
having things like this,
56
147260
2000
met dit soort dingen,
02:29
doing things like this,
57
149260
2000
dit soort dingen doen,
02:31
with economies that are growing like this,
58
151260
3000
met economieën die groeien zoals deze.
02:34
not realizing that entropy
59
154260
2000
Maar ze realiseren zich niet dat entropie
02:36
produces things like this,
60
156260
2000
dit soort dingen produceert,
02:38
this, this
61
158260
4000
dit, dit
02:42
and this.
62
162260
2000
en dit.
02:44
And the question is:
63
164260
2000
De vraag is:
02:46
Is that what Edinburgh and London and New York
64
166260
2000
gaan Edinburgh, Londen en New York
02:48
are going to look like in 2050,
65
168260
2000
er in 2050 zo uitzien,
02:50
or is it going to be this?
66
170260
2000
of gaat het dit worden?
02:52
That's the question.
67
172260
2000
Dat is de vraag.
02:54
I must say, many of the indicators
68
174260
2000
Veel indicatoren wijzen aan
02:56
look like this is what it's going to look like,
69
176260
3000
dat het dit is waarop het gaat lijken.
02:59
but let's talk about it.
70
179260
3000
Maar laten we erover praten.
03:02
So my provocative statement
71
182260
3000
Mijn provocerende uitspraak is dat we wanhopig
03:05
is that we desperately need a serious scientific theory of cities.
72
185260
3000
een serieuze wetenschappelijke theorie van de steden nodig hebben.
03:08
And scientific theory means quantifiable --
73
188260
3000
Wetenschappelijke theorie betekent meetbaarheid
03:11
relying on underlying generic principles
74
191260
3000
op basis van algemene onderliggende principes
03:14
that can be made into a predictive framework.
75
194260
2000
die kunnen worden uitgewerkt tot
03:16
That's the quest.
76
196260
2000
een voorspellend raamwerk. Dat is de bedoeling.
03:18
Is that conceivable?
77
198260
2000
Is dat haalbaar?
03:20
Are there universal laws?
78
200260
2000
Zijn er universele wetten?
03:22
So here's two questions
79
202260
2000
Hier twee vragen
03:24
that I have in my head when I think about this problem.
80
204260
2000
waar ik mee bezig ben.
03:26
The first is:
81
206260
2000
De eerste is:
03:28
Are cities part of biology?
82
208260
2000
zijn steden een onderdeel van de biologie?
03:30
Is London a great big whale?
83
210260
2000
Is Londen een geweldig grote walvis?
03:32
Is Edinburgh a horse?
84
212260
2000
Is Edinburgh een paard?
03:34
Is Microsoft a great big anthill?
85
214260
2000
Microsoft een hele grote mierenhoop?
03:36
What do we learn from that?
86
216260
2000
Wat kunnen we daaruit leren?
03:38
We use them metaphorically --
87
218260
2000
We gebruiken ze figuurlijk -
03:40
the DNA of a company, the metabolism of a city, and so on --
88
220260
2000
het DNA van een bedrijf, het metabolisme van een stad, en ga zo maar door -
03:42
is that just bullshit, metaphorical bullshit,
89
222260
3000
is dat alleen maar onzin, metaforische prietpraat,
03:45
or is there serious substance to it?
90
225260
3000
of schuilt er iets diepers in?
03:48
And if that is the case,
91
228260
2000
Als dat het geval is,
03:50
how come that it's very hard to kill a city?
92
230260
2000
hoe komt het dan dat het zo moeilijk is om een stad te doden?
03:52
You could drop an atom bomb on a city,
93
232260
2000
Je kunt een atoombom laten vallen op een stad
03:54
and 30 years later it's surviving.
94
234260
2000
en 30 jaar later heeft ze het overleefd.
03:56
Very few cities fail.
95
236260
3000
Zeer weinig steden mislukken.
03:59
All companies die, all companies.
96
239260
3000
Alle bedrijven sterven, alle bedrijven.
04:02
And if you have a serious theory, you should be able to predict
97
242260
2000
Als je een serieuze theorie hebt, moet je in staat zijn om te voorspellen
04:04
when Google is going to go bust.
98
244260
3000
wanneer Google failliet zal gaan.
04:07
So is that just another version
99
247260
3000
Is dat gewoon een andere versie
04:10
of this?
100
250260
2000
van dit?
04:12
Well we understand this very well.
101
252260
2000
Dit begrijpen we heel goed.
04:14
That is, you ask any generic question about this --
102
254260
2000
Dat wil zeggen, hier kan je eender welke algemene vraag over stellen -
04:16
how many trees of a given size,
103
256260
2000
hoeveel bomen van een bepaalde grootte,
04:18
how many branches of a given size does a tree have,
104
258260
2000
hoeveel takken van een bepaalde grootte heeft een boom,
04:20
how many leaves,
105
260260
2000
hoeveel bladeren,
04:22
what is the energy flowing through each branch,
106
262260
2000
wat is de energie die door elke tak vloeit,
04:24
what is the size of the canopy,
107
264260
2000
wat is de grootte van het bladerdek,
04:26
what is its growth, what is its mortality?
108
266260
2000
wat is zijn groei, wat zijn mortaliteit?
04:28
We have a mathematical framework
109
268260
2000
We hebben een wiskundig kader
04:30
based on generic universal principles
110
270260
3000
gebaseerd op algemene universele principes
04:33
that can answer those questions.
111
273260
2000
dat deze vragen kan beantwoorden.
04:35
And the idea is can we do the same for this?
112
275260
4000
Kunnen we hiervoor hetzelfde doen?
04:40
So the route in is recognizing
113
280260
3000
De aanpak bestaat erin een van de meest bijzondere dingen
04:43
one of the most extraordinary things about life,
114
283260
2000
over het leven te onderkennen.
04:45
is that it is scalable,
115
285260
2000
Het is namelijk schaalbaar.
04:47
it works over an extraordinary range.
116
287260
2000
Het werkt over een buitengewone reeks ordes van grootte.
04:49
This is just a tiny range actually:
117
289260
2000
Dit is slechts een klein gebied.
04:51
It's us mammals;
118
291260
2000
Wij, zoogdieren,
04:53
we're one of these.
119
293260
2000
vallen daar onder.
04:55
The same principles, the same dynamics,
120
295260
2000
Dezelfde beginselen, dezelfde dynamiek,
04:57
the same organization is at work
121
297260
2000
dezelfde organisatie is hier aan het werk.
04:59
in all of these, including us,
122
299260
2000
Geldt ook voor ons.
05:01
and it can scale over a range of 100 million in size.
123
301260
3000
En het kan tot wel 100 miljoen keer groter opschalen.
05:04
And that is one of the main reasons
124
304260
3000
Dat is een van de belangrijkste redenen
05:07
life is so resilient and robust --
125
307260
2000
waarom leven zo veerkrachtig en robuust is -
05:09
scalability.
126
309260
2000
schaalbaarheid.
05:11
We're going to discuss that in a moment more.
127
311260
3000
We gaan dat dadelijk bespreken.
05:14
But you know, at a local level,
128
314260
2000
Maar weet je, op lokaal niveau
05:16
you scale; everybody in this room is scaled.
129
316260
2000
'schaal' je ook, is iedereen in deze zaal 'geschaald'.
05:18
That's called growth.
130
318260
2000
Dat heet groei.
05:20
Here's how you grew.
131
320260
2000
Hier is hoe je groeit.
05:22
Rat, that's a rat -- could have been you.
132
322260
2000
Rat, dat is een rat - maar het had jij kunnen zijn.
05:24
We're all pretty much the same.
133
324260
3000
We zijn allemaal vrijwel hetzelfde.
05:27
And you see, you're very familiar with this.
134
327260
2000
Je ziet dat je er zeer mee vertrouwd bent.
05:29
You grow very quickly and then you stop.
135
329260
2000
Je groeit heel snel en dan stop je.
05:31
And that line there
136
331260
2000
En die lijn daar
05:33
is a prediction from the same theory,
137
333260
2000
is een voorspelling van dezelfde theorie,
05:35
based on the same principles,
138
335260
2000
gebaseerd op dezelfde principes,
05:37
that describes that forest.
139
337260
2000
die dat bos beschrijft.
05:39
And here it is for the growth of a rat,
140
339260
2000
Hier is het voor de groei van een rat.
05:41
and those points on there are data points.
141
341260
2000
Die punten daar zijn gegevenspunten.
05:43
This is just the weight versus the age.
142
343260
2000
Dit is alleen maar het gewicht tegenover de leeftijd.
05:45
And you see, it stops growing.
143
345260
2000
Je ziet dat ze stopt met groeien.
05:47
Very, very good for biology --
144
347260
2000
Zeer, zeer goed voor de biologie -
05:49
also one of the reasons for its great resilience.
145
349260
2000
ook een van de redenen voor haar grote veerkracht.
05:51
Very, very bad
146
351260
2000
Heel, heel slecht
05:53
for economies and companies and cities
147
353260
2000
voor de economie, bedrijven en steden
05:55
in our present paradigm.
148
355260
2000
in ons huidige paradigma.
05:57
This is what we believe.
149
357260
2000
Dit is wat wij geloven.
05:59
This is what our whole economy
150
359260
2000
Dit is wat onze hele economie
06:01
is thrusting upon us,
151
361260
2000
ons oplegt,
06:03
particularly illustrated in that left-hand corner:
152
363260
3000
in het bijzonder geïllustreerd in die linkerhoek:
06:06
hockey sticks.
153
366260
2000
hockeysticks.
06:08
This is a bunch of software companies --
154
368260
2000
Dit zijn een aantal software-bedrijven -
06:10
and what it is is their revenue versus their age --
155
370260
2000
hun omzet ten opzichte van hun leeftijd -
06:12
all zooming away,
156
372260
2000
allemaal opstijgend
06:14
and everybody making millions and billions of dollars.
157
374260
2000
terwijl iedereen miljoenen en miljarden dollars verdient.
06:16
Okay, so how do we understand this?
158
376260
3000
Hoe moeten we dit begrijpen?
06:19
So let's first talk about biology.
159
379260
3000
Laten we eerst wat praten over biologie.
06:22
This is explicitly showing you
160
382260
2000
Dit toont je expliciet
06:24
how things scale,
161
384260
2000
hoe dingen schalen.
06:26
and this is a truly remarkable graph.
162
386260
2000
Dit is een werkelijk opmerkelijke grafiek.
06:28
What is plotted here is metabolic rate --
163
388260
3000
Wat hier wordt uitgezet, is stofwisseling -
06:31
how much energy you need per day to stay alive --
164
391260
3000
hoeveel energie je per dag nodig hebt om in leven te blijven -
06:34
versus your weight, your mass,
165
394260
2000
versus je gewicht, je massa,
06:36
for all of us bunch of organisms.
166
396260
3000
voor ons stelletje organismen.
06:39
And it's plotted in this funny way by going up by factors of 10,
167
399260
3000
Het is uitgezet op die nogal grappige manier van omhooggaan met factor 10.
06:42
otherwise you couldn't get everything on the graph.
168
402260
2000
Anders krijg je niet alles op de grafiek.
06:44
And what you see if you plot it
169
404260
2000
Wat je ziet als je het uitzet
06:46
in this slightly curious way
170
406260
2000
op deze nogal merkwaardige manier,
06:48
is that everybody lies on the same line.
171
408260
3000
is dat iedereen op dezelfde lijn ligt.
06:51
Despite the fact that this is the most complex and diverse system
172
411260
3000
Ondanks het feit dat dit het meest complexe en diverse systeem
06:54
in the universe,
173
414260
3000
in het universum is,
06:57
there's an extraordinary simplicity
174
417260
2000
komt hier
06:59
being expressed by this.
175
419260
2000
een buitengewone eenvoud tot uitdrukking.
07:01
It's particularly astonishing
176
421260
3000
Het is vooral verbazingwekkend
07:04
because each one of these organisms,
177
424260
2000
omdat elkeen van deze organismen,
07:06
each subsystem, each cell type, each gene,
178
426260
2000
elk subsysteem, elk celtype, elk gen,
07:08
has evolved in its own unique environmental niche
179
428260
4000
geëvolueerd is in zijn eigen unieke ecologische niche
07:12
with its own unique history.
180
432260
3000
met zijn eigen unieke geschiedenis.
07:15
And yet, despite all of that Darwinian evolution
181
435260
3000
En toch, ondanks al die darwinistische evolutie
07:18
and natural selection,
182
438260
2000
en natuurlijke selectie,
07:20
they've been constrained to lie on a line.
183
440260
2000
zijn ze gedwongen om op één lijn te gaan liggen.
07:22
Something else is going on.
184
442260
2000
Er iets anders aan de hand.
07:24
Before I talk about that,
185
444260
2000
Voordat ik daarover ga praten,
07:26
I've written down at the bottom there
186
446260
2000
heb ik hieronder
07:28
the slope of this curve, this straight line.
187
448260
2000
de helling van deze curve, deze rechte lijn, genoteerd.
07:30
It's three-quarters, roughly,
188
450260
2000
Het is ruwweg driekwart,
07:32
which is less than one -- and we call that sublinear.
189
452260
3000
dat is minder dan één - en dat noemen we sublineair.
07:35
And here's the point of that.
190
455260
2000
Hier is het punt.
07:37
It says that, if it were linear,
191
457260
3000
Het zegt: als ze lineair was
07:40
the steepest slope,
192
460260
2000
de steilste helling,
07:42
then doubling the size
193
462260
2000
dan zou een verdubbeling van de grootte
07:44
you would require double the amount of energy.
194
464260
2000
een verdubbeling van de benodigde hoeveelheid energie betekenen.
07:46
But it's sublinear, and what that translates into
195
466260
3000
Maar ze is sublineair en dat betekent
07:49
is that, if you double the size of the organism,
196
469260
2000
dat een verdubbeling van de grootte van het organisme
07:51
you actually only need 75 percent more energy.
197
471260
3000
neerkomt op slechts 75 procent meer energiebehoefte.
07:54
So a wonderful thing about all of biology
198
474260
2000
Prachtig aan de hele biologie
07:56
is that it expresses an extraordinary economy of scale.
199
476260
3000
is dat ze een buitengewoon schaalvoordeel uitdrukt.
07:59
The bigger you are systematically,
200
479260
2000
Hoe groter je bent, betekent
08:01
according to very well-defined rules,
201
481260
2000
volgens zeer goed gedefinieerde regels
08:03
less energy per capita.
202
483260
3000
minder energie per kop.
08:06
Now any physiological variable you can think of,
203
486260
3000
Welke fysiologische variabele je ook kunt bedenken,
08:09
any life history event you can think of,
204
489260
2000
elke gebeurtenis uit de geschiedenis van het leven die je kunt bedenken,
08:11
if you plot it this way, looks like this.
205
491260
3000
geeft, als je ze op deze manier uitzet, dit te zien.
08:14
There is an extraordinary regularity.
206
494260
2000
Er is een buitengewone regelmaat.
08:16
So you tell me the size of a mammal,
207
496260
2000
Vertel me de grootte van een zoogdier
08:18
I can tell you at the 90 percent level everything about it
208
498260
3000
en ik kan je voor 90 procent op de hoogte brengen van alles
08:21
in terms of its physiology, life history, etc.
209
501260
4000
wat zijn fysiologie, levensgeschiedenis, enz. aangaat.
08:25
And the reason for this is because of networks.
210
505260
3000
De reden hiervoor: netwerken.
08:28
All of life is controlled by networks --
211
508260
3000
Het hele leven wordt beheerst door netwerken -
08:31
from the intracellular through the multicellular
212
511260
2000
van het intracellulaire via het meercellige
08:33
through the ecosystem level.
213
513260
2000
tot het ecosysteem-niveau.
08:35
And you're very familiar with these networks.
214
515260
3000
Je bent zeer vertrouwd met deze netwerken.
08:39
That's a little thing that lives inside an elephant.
215
519260
3000
Dit is een klein ding dat leeft in een olifant.
08:42
And here's the summary of what I'm saying.
216
522260
3000
Hier is de samenvatting van wat ik zeg.
08:45
If you take those networks,
217
525260
2000
Als je uitgaat van deze netwerken,
08:47
this idea of networks,
218
527260
2000
dit idee van netwerken,
08:49
and you apply universal principles,
219
529260
2000
en je universele principes toepast,
08:51
mathematizable, universal principles,
220
531260
2000
universele principes die wiskundig kunnen worden uitgedrukt,
08:53
all of these scalings
221
533260
2000
dan volgen daaruit al deze schalen
08:55
and all of these constraints follow,
222
535260
3000
en al deze beperkingen,
08:58
including the description of the forest,
223
538260
2000
met inbegrip van de beschrijving van het bos,
09:00
the description of your circulatory system,
224
540260
2000
de beschrijving van jouw cellulaire systeem
09:02
the description within cells.
225
542260
2000
en van wat er in de cellen gebeurt.
09:04
One of the things I did not stress in that introduction
226
544260
3000
Een van de dingen die ik in deze inleiding nog niet benadrukte,
09:07
was that, systematically, the pace of life
227
547260
3000
was dat het tempo van het leven systematisch
09:10
decreases as you get bigger.
228
550260
2000
afneemt naarmate je groter wordt.
09:12
Heart rates are slower; you live longer;
229
552260
3000
Je hartslag is langzamer. Je leeft langer.
09:15
diffusion of oxygen and resources
230
555260
2000
De diffusie van zuurstof en voedingsstoffen
09:17
across membranes is slower, etc.
231
557260
2000
door membranen is langzamer, etc.
09:19
The question is: Is any of this true
232
559260
2000
De vraag is: is iets hiervan ook geldig
09:21
for cities and companies?
233
561260
3000
voor steden en bedrijven?
09:24
So is London a scaled up Birmingham,
234
564260
3000
Is Londen een opgeschaald Birmingham,
09:27
which is a scaled up Brighton, etc., etc.?
235
567260
3000
dat weer een opgeschaald Brighton, etc., etc.?
09:30
Is New York a scaled up San Francisco,
236
570260
2000
Is New York een opgeschaald San Francisco,
09:32
which is a scaled up Santa Fe?
237
572260
2000
en dat weer een opgeschaald Santa Fe?
09:34
Don't know. We will discuss that.
238
574260
2000
Weet ik niet. Bespreken we later.
09:36
But they are networks,
239
576260
2000
Maar het zijn netwerken.
09:38
and the most important network of cities
240
578260
2000
Het belangrijkste netwerk van steden
09:40
is you.
241
580260
2000
ben jij.
09:42
Cities are just a physical manifestation
242
582260
3000
Steden zijn slechts een fysieke manifestatie
09:45
of your interactions,
243
585260
2000
van jouw interacties,
09:47
our interactions,
244
587260
2000
onze interacties,
09:49
and the clustering and grouping of individuals.
245
589260
2000
en het verzamelen en groeperen van individuen.
09:51
Here's just a symbolic picture of that.
246
591260
3000
Hier slechts een symbolisch beeld.
09:54
And here's scaling of cities.
247
594260
2000
Hier de schaalvergroting in steden.
09:56
This shows that in this very simple example,
248
596260
3000
Je ziet in dit heel eenvoudig voorbeeld,
09:59
which happens to be a mundane example
249
599260
2000
dat toevallig een alledaags voorbeeld is
10:01
of number of petrol stations
250
601260
2000
van het aantal tankstations
10:03
as a function of size --
251
603260
2000
in functie van de grootte van de stad -
10:05
plotted in the same way as the biology --
252
605260
2000
uitgezet op dezelfde manier als in de biologie -
10:07
you see exactly the same kind of thing.
253
607260
2000
je ziet precies hetzelfde soort dingen.
10:09
There is a scaling.
254
609260
2000
Er is een schaalvergroting.
10:11
That is that the number of petrol stations in the city
255
611260
4000
Je kan het aantal tankstations in de stad
10:15
is now given to you
256
615260
2000
afleiden
10:17
when you tell me its size.
257
617260
2000
uit de grootte van de stad.
10:19
The slope of that is less than linear.
258
619260
3000
De helling is minder dan lineair.
10:22
There is an economy of scale.
259
622260
2000
Er is een schaalvoordeel.
10:24
Less petrol stations per capita the bigger you are -- not surprising.
260
624260
3000
Minder benzinestations per hoofd van de bevolking hoe groter je bent - niet verwonderlijk.
10:27
But here's what's surprising.
261
627260
2000
Maar dit hier is verrassend.
10:29
It scales in the same way everywhere.
262
629260
2000
Het schaalt overal op dezelfde manier.
10:31
This is just European countries,
263
631260
2000
Dit zijn slechts Europese landen,
10:33
but you do it in Japan or China or Colombia,
264
633260
3000
maar je vindt in Japan of China of Columbia
10:36
always the same
265
636260
2000
altijd hetzelfde
10:38
with the same kind of economy of scale
266
638260
2000
met hetzelfde soort van schaalvoordeel
10:40
to the same degree.
267
640260
2000
in dezelfde mate.
10:42
And any infrastructure you look at --
268
642260
3000
Elke infrastructuur waar je naar kijkt -
10:45
whether it's the length of roads, length of electrical lines --
269
645260
3000
of het nu de lengte van de wegen of de lengte van elektrische leidingen is -
10:48
anything you look at
270
648260
2000
alles waar je naar kijkt
10:50
has the same economy of scale scaling in the same way.
271
650260
3000
heeft dezelfde schaalvoordelen door te schalen op dezelfde manier.
10:53
It's an integrated system
272
653260
2000
Het is een geïntegreerd systeem
10:55
that has evolved despite all the planning and so on.
273
655260
3000
dat is geëvolueerd ondanks alle planning en ga zo maar door.
10:58
But even more surprising
274
658260
2000
Maar nog verrassender
11:00
is if you look at socio-economic quantities,
275
660260
2000
is dit: kijk naar de sociaal-economische grootheden,
11:02
quantities that have no analog in biology,
276
662260
3000
grootheden die geen analogie in de biologie kennen,
11:05
that have evolved when we started forming communities
277
665260
3000
die zijn ontstaan toen we gemeenschappen begonnen te vormen
11:08
eight to 10,000 years ago.
278
668260
2000
zo'n 8 tot 10.000 jaar geleden.
11:10
The top one is wages as a function of size
279
670260
2000
De bovenste zijn lonen in functie van de grootte
11:12
plotted in the same way.
280
672260
2000
uitgezet op dezelfde manier.
11:14
And the bottom one is you lot --
281
674260
2000
de onderste zijn jullie -
11:16
super-creatives plotted in the same way.
282
676260
3000
de super-creatieven op dezelfde manier uitgezet.
11:19
And what you see
283
679260
2000
Wat je ziet
11:21
is a scaling phenomenon.
284
681260
2000
is een schalingsfenomeen.
11:23
But most important in this,
285
683260
2000
Maar het meest belangrijk hieraan is
11:25
the exponent, the analog to that three-quarters
286
685260
2000
dat de exponent, analoog met die driekwart
11:27
for the metabolic rate,
287
687260
2000
voor de stofwisseling,
11:29
is bigger than one -- it's about 1.15 to 1.2.
288
689260
2000
groter is dan 1 - het is ongeveer 1,15 tot 1,2.
11:31
Here it is,
289
691260
2000
Hier is het,
11:33
which says that the bigger you are
290
693260
3000
het zegt dat hoe groter je bent
11:36
the more you have per capita, unlike biology --
291
696260
3000
hoe meer je hebt per hoofd van de bevolking, in tegenstelling tot in de biologie -
11:39
higher wages, more super-creative people per capita as you get bigger,
292
699260
4000
hogere lonen, meer super-creatieve mensen per hoofd van de bevolking als je groter bent,
11:43
more patents per capita, more crime per capita.
293
703260
3000
meer patenten per hoofd van de bevolking, meer criminaliteit per hoofd van de bevolking.
11:46
And we've looked at everything:
294
706260
2000
We hebben naar alles gekeken:
11:48
more AIDS cases, flu, etc.
295
708260
3000
gevallen van aids, griep, etc.
11:51
And here, they're all plotted together.
296
711260
2000
Hier staan ze allemaal samen uitgezet.
11:53
Just to show you what we plotted,
297
713260
2000
Gewoon om je te laten zien wat we hebben uitgezet,
11:55
here is income, GDP --
298
715260
3000
hier is het inkomen, het bnp -
11:58
GDP of the city --
299
718260
2000
bnp van de stad -
12:00
crime and patents all on one graph.
300
720260
2000
misdaad en octrooien allemaal op één grafiek.
12:02
And you can see, they all follow the same line.
301
722260
2000
Je kunt zien dat ze allemaal dezelfde lijn volgen.
12:04
And here's the statement.
302
724260
2000
Hier is de stelling.
12:06
If you double the size of a city from 100,000 to 200,000,
303
726260
3000
Als je de grootte van een stad zou verdubbelen van 100.000 tot 200.000,
12:09
from a million to two million, 10 to 20 million,
304
729260
2000
van één miljoen tot twee miljoen, 10 tot 20 miljoen,
12:11
it doesn't matter,
305
731260
2000
het maakt niet uit,
12:13
then systematically
306
733260
2000
dan krijg je vervolgens systematisch
12:15
you get a 15 percent increase
307
735260
2000
een stijging met 15 procent
12:17
in wages, wealth, number of AIDS cases,
308
737260
2000
in de lonen, de rijkdom, het aantal gevallen van aids,
12:19
number of police,
309
739260
2000
het aantal politiemensen,
12:21
anything you can think of.
310
741260
2000
alles wat je maar kunt bedenken.
12:23
It goes up by 15 percent,
311
743260
2000
Het gaat omhoog met 15 procent.
12:25
and you have a 15 percent savings
312
745260
3000
Je hebt dus een besparing van 15 procent
12:28
on the infrastructure.
313
748260
3000
op de infrastructuur.
12:31
This, no doubt, is the reason
314
751260
3000
Dit is zonder twijfel de reden
12:34
why a million people a week are gathering in cities.
315
754260
3000
waarom per week één miljoen mensen naar de stad trekken.
12:37
Because they think that all those wonderful things --
316
757260
3000
Al die prachtige dingen
12:40
like creative people, wealth, income --
317
760260
2000
zoals creatieve mensen, rijkdom, inkomen,
12:42
is what attracts them,
318
762260
2000
trekken hen aan en
12:44
forgetting about the ugly and the bad.
319
764260
2000
ze vergeten het lelijke en het slechte.
12:46
What is the reason for this?
320
766260
2000
Wat is de reden hiervoor?
12:48
Well I don't have time to tell you about all the mathematics,
321
768260
3000
Ik heb geen tijd om je de hele wiskunde uit te leggen,
12:51
but underlying this is the social networks,
322
771260
3000
maar aan de basis liggen de sociale netwerken,
12:54
because this is a universal phenomenon.
323
774260
3000
want dit is een universeel fenomeen.
12:57
This 15 percent rule
324
777260
3000
Deze 15 procent-regel
13:00
is true
325
780260
2000
is waar
13:02
no matter where you are on the planet --
326
782260
2000
ongeacht waar je bent op de planeet -
13:04
Japan, Chile,
327
784260
2000
Japan, Chili,
13:06
Portugal, Scotland, doesn't matter.
328
786260
3000
Portugal, Schotland, maakt niet uit.
13:09
Always, all the data shows it's the same,
329
789260
3000
Altijd blijkt uit al de gegevens dat het hetzelfde is,
13:12
despite the fact that these cities have evolved independently.
330
792260
3000
ondanks het feit dat deze steden onafhankelijk van elkaar zijn geëvolueerd.
13:15
Something universal is going on.
331
795260
2000
Iets universeels is hier aan de hand.
13:17
The universality, to repeat, is us --
332
797260
3000
Het universele, om te herhalen, zijn wij -
13:20
that we are the city.
333
800260
2000
wij zijn de stad.
13:22
And it is our interactions and the clustering of those interactions.
334
802260
3000
Het zijn onze interacties en de verzameling van deze interacties.
13:25
So there it is, I've said it again.
335
805260
2000
Daar is het, ik heb het weer gezegd.
13:27
So if it is those networks and their mathematical structure,
336
807260
3000
Je hebt dus die netwerken met hun wiskundige structuur.
13:30
unlike biology, which had sublinear scaling,
337
810260
3000
Bij de biologie met sublineaire schaling,
13:33
economies of scale,
338
813260
2000
schaalvoordelen,
13:35
you had the slowing of the pace of life
339
815260
2000
kreeg je de vertraging van het tempo van het leven
13:37
as you get bigger.
340
817260
2000
als je groter werd.
13:39
If it's social networks with super-linear scaling --
341
819260
2000
Maar bij sociale netwerken met superlineaire schalen -
13:41
more per capita --
342
821260
2000
meer per hoofd van de bevolking -
13:43
then the theory says
343
823260
2000
zegt de theorie
13:45
that you increase the pace of life.
344
825260
2000
dat je het tempo van het leven verhoogt.
13:47
The bigger you are, life gets faster.
345
827260
2000
Hoe groter je bent, hoe sneller het leven gaat.
13:49
On the left is the heart rate showing biology.
346
829260
2000
Aan de linkerkant is de hartslag uit de biologie.
13:51
On the right is the speed of walking
347
831260
2000
Aan de rechterkant is de snelheid van het lopen
13:53
in a bunch of European cities,
348
833260
2000
in een aantal Europese steden,
13:55
showing that increase.
349
835260
2000
waaruit dat verhogen blijkt.
13:57
Lastly, I want to talk about growth.
350
837260
3000
Tot slot wil ik het hebben over de groei.
14:00
This is what we had in biology, just to repeat.
351
840260
3000
Dit is wat we hadden in de biologie, even herhalen.
14:03
Economies of scale
352
843260
3000
Schaalvoordelen
14:06
gave rise to this sigmoidal behavior.
353
846260
3000
gaven aanleiding tot dit sigmoïdale gedrag.
14:09
You grow fast and then stop --
354
849260
3000
Je groeit snel en stopt dan -
14:12
part of our resilience.
355
852260
2000
door onze veerkracht.
14:14
That would be bad for economies and cities.
356
854260
3000
Dat zou slecht zijn voor de economie en de steden.
14:17
And indeed, one of the wonderful things about the theory
357
857260
2000
Een van de prachtige dingen over de theorie
14:19
is that if you have super-linear scaling
358
859260
3000
is dit: als je superlineaire schaling
14:22
from wealth creation and innovation,
359
862260
2000
van welvaart en innovatie hebt,
14:24
then indeed you get, from the same theory,
360
864260
3000
dan volgt inderdaad uit dezelfde theorie
14:27
a beautiful rising exponential curve -- lovely.
361
867260
2000
een mooie stijgende exponentiële curve - mooi.
14:29
And in fact, if you compare it to data,
362
869260
2000
Als je dat vergelijkt met de gegevens,
14:31
it fits very well
363
871260
2000
past het heel goed
14:33
with the development of cities and economies.
364
873260
2000
bij de ontwikkeling van steden en economieën.
14:35
But it has a terrible catch,
365
875260
2000
Maar er zit een verschrikkelijk addertje onder het gras.
14:37
and the catch
366
877260
2000
Dat addertje is
14:39
is that this system is destined to collapse.
367
879260
3000
dat dit systeem voorbestemd is om in te storten.
14:42
And it's destined to collapse for many reasons --
368
882260
2000
Het is om vele redenen bestemd om in te storten -
14:44
kind of Malthusian reasons -- that you run out of resources.
369
884260
3000
Malthusiaanse redenen - dat je zonder middelen komt te zitten.
14:47
And how do you avoid that? Well we've done it before.
370
887260
3000
Hoe voorkom je dat? We hebben het al eerder gedaan.
14:50
What we do is,
371
890260
2000
Wij doen dit:
14:52
as we grow and we approach the collapse,
372
892260
3000
als we groeien, vindt er bij het naderen van de instorting
14:55
a major innovation takes place
373
895260
3000
een belangrijke innovatie plaats
14:58
and we start over again,
374
898260
2000
en we beginnen opnieuw.
15:00
and we start over again as we approach the next one, and so on.
375
900260
3000
We beginnen weer opnieuw als we de volgende naderen, en ga zo maar door.
15:03
So there's this continuous cycle of innovation
376
903260
2000
Er is een continue cyclus van innovatie
15:05
that is necessary
377
905260
2000
die nodig is
15:07
in order to sustain growth and avoid collapse.
378
907260
3000
om de groei te ondersteunen en instorten te voorkomen.
15:10
The catch, however, to this
379
910260
2000
Het addertje daarbij is echter
15:12
is that you have to innovate
380
912260
2000
dat je sneller en sneller
15:14
faster and faster and faster.
381
914260
3000
en sneller moet innoveren.
15:17
So the image
382
917260
2000
Het beeld is dus niet
15:19
is that we're not only on a treadmill that's going faster,
383
919260
3000
een loopband die altijd maar sneller gaat,
15:22
but we have to change the treadmill faster and faster.
384
922260
3000
maar we moeten sneller en sneller van loopband veranderen.
15:25
We have to accelerate on a continuous basis.
385
925260
3000
We moeten continu versnellen.
15:28
And the question is: Can we, as socio-economic beings,
386
928260
3000
De vraag is of wij als sociaal-economische wezens
15:31
avoid a heart attack?
387
931260
3000
een hartaanval kunnen voorkomen.
15:34
So lastly, I'm going to finish up in this last minute or two
388
934260
3000
Tot slot ga ik het deze laatste paar minuten
15:37
asking about companies.
389
937260
2000
over bedrijven hebben.
15:39
See companies, they scale.
390
939260
2000
Bedrijven schalen.
15:41
The top one, in fact, is Walmart on the right.
391
941260
2000
Het bovenste is Walmart.
15:43
It's the same plot.
392
943260
2000
Het is hetzelfde soort grafiek.
15:45
This happens to be income and assets
393
945260
2000
Dit geeft inkomen en vermogen weer
15:47
versus the size of the company as denoted by its number of employees.
394
947260
2000
ten opzichte van de grootte van het bedrijf zoals aangegeven door het aantal werknemers.
15:49
We could use sales, anything you like.
395
949260
3000
We konden ook verkoop gebruiken, alles wat je maar wilt.
15:52
There it is: after some little fluctuations at the beginning,
396
952260
3000
Daar is het: na wat kleine schommelingen in het begin,
15:55
when companies are innovating,
397
955260
2000
wanneer bedrijven innoveren,
15:57
they scale beautifully.
398
957260
2000
gaan ze prachtig schalen.
15:59
And we've looked at 23,000 companies
399
959260
3000
We hebben naar 23.000 bedrijven
16:02
in the United States, may I say.
400
962260
2000
in de Verenigde Staten gekeken.
16:04
And I'm only showing you a little bit of this.
401
964260
3000
Ik toon hier maar een beetje van.
16:07
What is astonishing about companies
402
967260
2000
Wat verbazingwekkend is aan bedrijven,
16:09
is that they scale sublinearly
403
969260
3000
is dat ze sublineair schalen
16:12
like biology,
404
972260
2000
zoals in de biologie.
16:14
indicating that they're dominated,
405
974260
2000
Dat geeft aan dat ze
16:16
not by super-linear
406
976260
2000
niet door superlineaire
16:18
innovation and ideas;
407
978260
3000
innovatie en ideeën gedomineerd worden.
16:21
they become dominated
408
981260
2000
Ze worden gedomineerd
16:23
by economies of scale.
409
983260
2000
door schaalvoordelen.
16:25
In that interpretation,
410
985260
2000
In deze interpretatie
16:27
by bureaucracy and administration,
411
987260
2000
door bureaucratie en administratie.
16:29
and they do it beautifully, may I say.
412
989260
2000
En ze doen dat prachtig, kan ik wel zeggen.
16:31
So if you tell me the size of some company, some small company,
413
991260
3000
Uit de grootte van een of ander bedrijf, een klein bedrijf,
16:34
I could have predicted the size of Walmart.
414
994260
3000
had ik de grootte van Walmart kunnen voorspellen.
16:37
If it has this sublinear scaling,
415
997260
2000
Als het dit sublineair schalen volgt,
16:39
the theory says
416
999260
2000
zegt de theorie
16:41
we should have sigmoidal growth.
417
1001260
3000
dat we sigmoïdale groei moeten krijgen.
16:44
There's Walmart. Doesn't look very sigmoidal.
418
1004260
2000
Daar is Walmart. Ziet er niet erg sigmoïdaal uit.
16:46
That's what we like, hockey sticks.
419
1006260
3000
Dat is wat we willen, hockeysticks.
16:49
But you notice, I've cheated,
420
1009260
2000
Maar ik heb jullie beduveld,
16:51
because I've only gone up to '94.
421
1011260
2000
want ik heb het alleen maar weergegeven tot '94.
16:53
Let's go up to 2008.
422
1013260
2000
Laten we doorgaan tot 2008.
16:55
That red line is from the theory.
423
1015260
3000
Die rode lijn is van de theorie.
16:58
So if I'd have done this in 1994,
424
1018260
2000
Als ik dit zou hebben gedaan in 1994,
17:00
I could have predicted what Walmart would be now.
425
1020260
3000
had ik kunnen voorspellen wat Walmart nu zou zijn.
17:03
And then this is repeated
426
1023260
2000
Dit zie je
17:05
across the entire spectrum of companies.
427
1025260
2000
over het hele spectrum van bedrijven.
17:07
There they are. That's 23,000 companies.
428
1027260
3000
Daar zijn ze. 23.000 bedrijven.
17:10
They all start looking like hockey sticks,
429
1030260
2000
Ze beginnen allemaal als hockeysticks,
17:12
they all bend over,
430
1032260
2000
plooien dan om
17:14
and they all die like you and me.
431
1034260
2000
en sterven als jij en ik.
17:16
Thank you.
432
1036260
2000
Dank je.
17:18
(Applause)
433
1038260
9000
(Applaus)
Over deze website

Deze site laat u kennismaken met YouTube-video's die nuttig zijn om Engels te leren. U ziet Engelse lessen gegeven door topdocenten uit de hele wereld. Dubbelklik op de Engelse ondertitels op elke videopagina om de video af te spelen. De ondertitels scrollen synchroon met het afspelen van de video. Heeft u opmerkingen of verzoeken, neem dan contact met ons op via dit contactformulier.

https://forms.gle/WvT1wiN1qDtmnspy7