Geoffrey West: The surprising math of cities and corporations

170,507 views ・ 2011-07-26

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

Tłumaczenie: A. Konstancja Wiszniewska Korekta: Alek Kloda
00:16
Cities are the crucible of civilization.
0
16260
3000
Miasta są tyglem cywilizacji.
00:19
They have been expanding,
1
19260
2000
Ciągle się rozrastają,
00:21
urbanization has been expanding,
2
21260
2000
urbanizacja rozwija się
00:23
at an exponential rate in the last 200 years
3
23260
2000
w postępie geometrycznym od dwustu lat,
00:25
so that by the second part of this century,
4
25260
3000
tak, że w drugiej połowie tego stulecia
00:28
the planet will be completely dominated
5
28260
2000
Ziemia będzie całkowicie zdominowana przez miasta.
00:30
by cities.
6
30260
3000
Ziemia będzie całkowicie zdominowana przez miasta.
00:33
Cities are the origins of global warming,
7
33260
3000
Miasta są źródłem globalnego ocieplenia,
00:36
impact on the environment,
8
36260
2000
oddziałują na środowisko naturalne,
00:38
health, pollution, disease,
9
38260
3000
zdrowie, zanieczyszczenie, choroby,
00:41
finance,
10
41260
2000
finanse, gospodarki, energię --
00:43
economies, energy --
11
43260
3000
finanse, gospodarki, energię --
00:46
they're all problems
12
46260
2000
to wyzwania, z którymi musimy się zmierzyć
00:48
that are confronted by having cities.
13
48260
2000
z powodu istnienia miast.
00:50
That's where all these problems come from.
14
50260
2000
Miasta stworzyły wiele problemów.
00:52
And the tsunami of problems that we feel we're facing
15
52260
3000
Nawał problemów związanych z równowagą ekologiczną,
00:55
in terms of sustainability questions
16
55260
2000
Nawał problemów związanych z równowagą ekologiczną,
00:57
are actually a reflection
17
57260
2000
jest tak naprawdę odbiciem wykładniczego wzrostu
00:59
of the exponential increase
18
59260
2000
jest tak naprawdę odbiciem wykładniczego wzrostu
01:01
in urbanization across the planet.
19
61260
3000
urbanizacji na całej planecie.
01:04
Here's some numbers.
20
64260
2000
Teraz trochę liczb.
01:06
Two hundred years ago, the United States
21
66260
2000
200 lat temu Stany Zjednoczone
01:08
was less than a few percent urbanized.
22
68260
2000
były zurbanizowane tylko w kilku procentach.
01:10
It's now more than 82 percent.
23
70260
2000
Dziś to ponad 82 procent.
01:12
The planet has crossed the halfway mark a few years ago.
24
72260
3000
Cała planeta przekroczyła półmetek kilka lat temu.
01:15
China's building 300 new cities
25
75260
2000
Chiny wybudują 300 nowych miast
01:17
in the next 20 years.
26
77260
2000
w ciągu najbliższych 20 lat.
01:19
Now listen to this:
27
79260
2000
Posłuchajcie tego:
01:21
Every week for the foreseeable future,
28
81260
3000
W dającej się przewidzieć przyszłości,
01:24
until 2050,
29
84260
2000
aż po rok 2050, co tydzień w miastach
01:26
every week more than a million people
30
86260
2000
przybędzie ponad milion nowych mieszkańców.
01:28
are being added to our cities.
31
88260
2000
przybędzie ponad milion nowych mieszkańców.
01:30
This is going to affect everything.
32
90260
2000
To odbije się na wszystkim.
01:32
Everybody in this room, if you stay alive,
33
92260
2000
Jeśli przeżyjemy, każdy na tej sali
01:34
is going to be affected
34
94260
2000
odczuje skutki tego, co dzieje się w miastach
01:36
by what's happening in cities
35
96260
2000
odczuje skutki tego, co dzieje się w miastach
01:38
in this extraordinary phenomenon.
36
98260
2000
w ramach tego niezwykłego zjawiska.
01:40
However, cities,
37
100260
3000
Jednak miasta,
01:43
despite having this negative aspect to them,
38
103260
3000
pomimo tego negatywnego aspektu,
01:46
are also the solution.
39
106260
2000
miasta są także rozwiązaniem.
01:48
Because cities are the vacuum cleaners and the magnets
40
108260
4000
Ponieważ miasta są odkurzaczami i magnesami,
01:52
that have sucked up creative people,
41
112260
2000
które wssysają i przyciągają ludzi kreatywnych,
01:54
creating ideas, innovation,
42
114260
2000
tworzących nowe idee i rozwiązania,
01:56
wealth and so on.
43
116260
2000
bogactwo, i tak dalej.
01:58
So we have this kind of dual nature.
44
118260
2000
Zatem mamy tu jakby podwójną naturę.
02:00
And so there's an urgent need
45
120260
3000
Dlatego pilnie potrzebna jest naukowa teoria miast.
02:03
for a scientific theory of cities.
46
123260
4000
Dlatego pilnie potrzebna jest naukowa teoria miast.
02:07
Now these are my comrades in arms.
47
127260
3000
Oto moi towarzysze broni.
02:10
This work has been done with an extraordinary group of people,
48
130260
2000
Ten projekt stworzyła nadzwyczajna grupa ludzi,
02:12
and they've done all the work,
49
132260
2000
i to oni wykonali całą pracę,
02:14
and I'm the great bullshitter
50
134260
2000
a ja jestem bajerantem,
02:16
that tries to bring it all together.
51
136260
2000
który próbuje poskładać to wszystko do kupy.
02:18
(Laughter)
52
138260
2000
(Śmiech)
02:20
So here's the problem: This is what we all want.
53
140260
2000
Oto nasz problem: coś, czego wszyscy pragniemy.
02:22
The 10 billion people on the planet in 2050
54
142260
3000
10 miliardów ludzi na świecie w 2050 roku
02:25
want to live in places like this,
55
145260
2000
zechce zamieszkać w takich miejscach,
02:27
having things like this,
56
147260
2000
posiadać takie rzeczy,
02:29
doing things like this,
57
149260
2000
oddawać się takim zajęciom,
02:31
with economies that are growing like this,
58
151260
3000
w krajach z tak rozwijającą się gospodarką,
02:34
not realizing that entropy
59
154260
2000
nie zdając sobie sprawy z tego,
02:36
produces things like this,
60
156260
2000
że entropia prowadzi do tego,
02:38
this, this
61
158260
4000
tego, tego
02:42
and this.
62
162260
2000
i tego.
02:44
And the question is:
63
164260
2000
A pytanie brzmi:
02:46
Is that what Edinburgh and London and New York
64
166260
2000
Czy w 2050 roku tak będą wyglądały miasta
02:48
are going to look like in 2050,
65
168260
2000
Edynburg, Londyn i Nowy Jork,
02:50
or is it going to be this?
66
170260
2000
czy może tak?
02:52
That's the question.
67
172260
2000
Oto jest pytanie.
02:54
I must say, many of the indicators
68
174260
2000
Muszę dodać, że wiele wskazuje na to,
02:56
look like this is what it's going to look like,
69
176260
3000
że będzie to wyglądać właśnie tak,
02:59
but let's talk about it.
70
179260
3000
ale porozmawiajmy o tym.
03:02
So my provocative statement
71
182260
3000
Prowokacyjnie stwierdzę, że rozpaczliwie potrzebujemy
03:05
is that we desperately need a serious scientific theory of cities.
72
185260
3000
poważnej naukowej teorii miast.
03:08
And scientific theory means quantifiable --
73
188260
3000
Teoria naukowa oznacza, że jest ona wymierna --
03:11
relying on underlying generic principles
74
191260
3000
oparta i polegająca na zasadach ogólnych,
03:14
that can be made into a predictive framework.
75
194260
2000
umożliwiająca poprawne wnioskowanie.
03:16
That's the quest.
76
196260
2000
Do tego dążymy.
03:18
Is that conceivable?
77
198260
2000
Czy jest to realne?
03:20
Are there universal laws?
78
200260
2000
Czy istnieją prawa uniwersalne?
03:22
So here's two questions
79
202260
2000
Odnośnie tej kwestii nasuwają mi się dwa pytania.
03:24
that I have in my head when I think about this problem.
80
204260
2000
Odnośnie tej kwestii nasuwają mi się dwa pytania.
03:26
The first is:
81
206260
2000
Pierwsze z nich:
03:28
Are cities part of biology?
82
208260
2000
Czy miasta są częścią przyrody?
03:30
Is London a great big whale?
83
210260
2000
Czy Londyn to ogromny wieloryb?
03:32
Is Edinburgh a horse?
84
212260
2000
Czy Edynburg to koń?
03:34
Is Microsoft a great big anthill?
85
214260
2000
Czy Microsoft to jedno wielkie mrowisko?
03:36
What do we learn from that?
86
216260
2000
Czy to nas czegoś uczy?
03:38
We use them metaphorically --
87
218260
2000
Używamy tych metafor --
03:40
the DNA of a company, the metabolism of a city, and so on --
88
220260
2000
DNA firmy, metabolizm miasta, i tak dalej --
03:42
is that just bullshit, metaphorical bullshit,
89
222260
3000
czy to tylko bzdura, metaforyczna brednia,
03:45
or is there serious substance to it?
90
225260
3000
czy też jest w tym jakieś przesłanie?
03:48
And if that is the case,
91
228260
2000
A jeśli tak,
03:50
how come that it's very hard to kill a city?
92
230260
2000
to dlaczego tak trudno jest uśmiercić miasto?
03:52
You could drop an atom bomb on a city,
93
232260
2000
Można zrzucić bombę atomową na miasto,
03:54
and 30 years later it's surviving.
94
234260
2000
a trzydzieści lat później ono dalej żyje.
03:56
Very few cities fail.
95
236260
3000
Bardzo niewiele miast upada.
03:59
All companies die, all companies.
96
239260
3000
Wszystkie firmy w końcu upadają.
04:02
And if you have a serious theory, you should be able to predict
97
242260
2000
Mając poważną teorię, powinniśmy przewidzieć
04:04
when Google is going to go bust.
98
244260
3000
kiedy splajtuje Google.
04:07
So is that just another version
99
247260
3000
Zatem czy to jest jedynie
04:10
of this?
100
250260
2000
inną wersją tego?
04:12
Well we understand this very well.
101
252260
2000
Bardzo dobrze rozumiemy przyrodę.
04:14
That is, you ask any generic question about this --
102
254260
2000
Możemy zadać w tym temacie każde pytanie --
04:16
how many trees of a given size,
103
256260
2000
ile jest drzew danej wielkości,
04:18
how many branches of a given size does a tree have,
104
258260
2000
ile gałęzi danej wielkości ma drzewo
04:20
how many leaves,
105
260260
2000
ile liści,
04:22
what is the energy flowing through each branch,
106
262260
2000
jaka energia płynie przez każdą gałąź,
04:24
what is the size of the canopy,
107
264260
2000
jak duża jest jego korona,
04:26
what is its growth, what is its mortality?
108
266260
2000
jaki jest wzrost, rozwój i długość jego życia?
04:28
We have a mathematical framework
109
268260
2000
Mamy matematyczny szkielet,
04:30
based on generic universal principles
110
270260
3000
oparty na ogólnych, uniwersalnych zasadach,
04:33
that can answer those questions.
111
273260
2000
który pomaga odpowiedzieć na te pytania.
04:35
And the idea is can we do the same for this?
112
275260
4000
Pytanie brzmi: czy to samo da się zrobić tutaj?
04:40
So the route in is recognizing
113
280260
3000
Na początku musimy zrozumieć,
04:43
one of the most extraordinary things about life,
114
283260
2000
że jedną z najbardziej niezwykłych prawd o życiu,
04:45
is that it is scalable,
115
285260
2000
jest jego skalowalność,
04:47
it works over an extraordinary range.
116
287260
2000
i to w ogromnym zakresie.
04:49
This is just a tiny range actually:
117
289260
2000
Oto zaledwie maleńki fragment tej rozpiętości;
04:51
It's us mammals;
118
291260
2000
to my, ssaki;
04:53
we're one of these.
119
293260
2000
to do nich należymy.
04:55
The same principles, the same dynamics,
120
295260
2000
Te same zasady, ta sama dynamika,
04:57
the same organization is at work
121
297260
2000
te same struktury działają
04:59
in all of these, including us,
122
299260
2000
dla nich wszystkich, w tym nas,
05:01
and it can scale over a range of 100 million in size.
123
301260
3000
a rozmiarowo możemy się różnić nawet 100 milionów razy.
05:04
And that is one of the main reasons
124
304260
3000
I to jeden z głównych powodów,
05:07
life is so resilient and robust --
125
307260
2000
przez które życie jest tak solidne i odporne --
05:09
scalability.
126
309260
2000
skalowalność.
05:11
We're going to discuss that in a moment more.
127
311260
3000
Przedyskutujemy to głębiej za chwilę.
05:14
But you know, at a local level,
128
314260
2000
Ale na podstawowym poziomie,
05:16
you scale; everybody in this room is scaled.
129
316260
2000
skalowalność dotyczy nas wszystkich na tej sali.
05:18
That's called growth.
130
318260
2000
Nazywa się to rozwojem.
05:20
Here's how you grew.
131
320260
2000
Tak się rozwijamy.
05:22
Rat, that's a rat -- could have been you.
132
322260
2000
A tutaj szczur -- mógłby to być ktoś z nas.
05:24
We're all pretty much the same.
133
324260
3000
W zasadzie jesteśmy tacy sami.
05:27
And you see, you're very familiar with this.
134
327260
2000
Zresztą sami dobrze wiecie.
05:29
You grow very quickly and then you stop.
135
329260
2000
Rośnie się bardzo szybko, a potem przestaje.
05:31
And that line there
136
331260
2000
A ta linia
05:33
is a prediction from the same theory,
137
333260
2000
to prognoza wzięta z tej samej teorii,
05:35
based on the same principles,
138
335260
2000
oparta na tym samych zasadach,
05:37
that describes that forest.
139
337260
2000
które opisują las.
05:39
And here it is for the growth of a rat,
140
339260
2000
Ta linia jest prognozą wzrostu szczura,
05:41
and those points on there are data points.
141
341260
2000
a punkty na niej to szczegółowe dane.
05:43
This is just the weight versus the age.
142
343260
2000
To waga w stosunku do wieku.
05:45
And you see, it stops growing.
143
345260
2000
Widać, że przestaje rosnąć.
05:47
Very, very good for biology --
144
347260
2000
Bardzo dobrze dla przyrody --
05:49
also one of the reasons for its great resilience.
145
349260
2000
stąd między innymi jej wielka żywotność.
05:51
Very, very bad
146
351260
2000
Bardzo źle
05:53
for economies and companies and cities
147
353260
2000
dla gospodarki, dla przedsiębiorstw i miast
05:55
in our present paradigm.
148
355260
2000
w dzisiejszym świecie.
05:57
This is what we believe.
149
357260
2000
W to wierzymy.
05:59
This is what our whole economy
150
359260
2000
To wmawia nam cała nasza gospodarka,
06:01
is thrusting upon us,
151
361260
2000
To wmawia nam cała nasza gospodarka,
06:03
particularly illustrated in that left-hand corner:
152
363260
3000
widać to zwłaszcza w lewym dolnym rogu:
06:06
hockey sticks.
153
366260
2000
te jakby kije hokejowe.
06:08
This is a bunch of software companies --
154
368260
2000
To firmy produkujące oprogramowanie --
06:10
and what it is is their revenue versus their age --
155
370260
2000
to stosunek ich przychodów do wieku --
06:12
all zooming away,
156
372260
2000
wszystko szybuje w górę,
06:14
and everybody making millions and billions of dollars.
157
374260
2000
i wszyscy zarabiają grube miliony.
06:16
Okay, so how do we understand this?
158
376260
3000
Jak to rozumieć?
06:19
So let's first talk about biology.
159
379260
3000
Porozmawiajmy najpierw o przyrodzie.
06:22
This is explicitly showing you
160
382260
2000
Tu jest wyraźnie pokazane,
06:24
how things scale,
161
384260
2000
jak wszystko jest skalowalne --
06:26
and this is a truly remarkable graph.
162
386260
2000
to naprawdę niezwykły wykres.
06:28
What is plotted here is metabolic rate --
163
388260
3000
Przedstawia on tempo przemiany materii --
06:31
how much energy you need per day to stay alive --
164
391260
3000
ile energii dziennie potrzebujemy, by przeżyć --
06:34
versus your weight, your mass,
165
394260
2000
w stosunku do naszej wagi,
06:36
for all of us bunch of organisms.
166
396260
3000
dla nas wszystkich, różnych organizmów.
06:39
And it's plotted in this funny way by going up by factors of 10,
167
399260
3000
Zilustrowane w ten zabawny sposób, zwiększając skalę co krok o 10 razy,
06:42
otherwise you couldn't get everything on the graph.
168
402260
2000
gdyż inaczej nie wszystko zmieściłoby się na wykresie.
06:44
And what you see if you plot it
169
404260
2000
Łatwo zobaczyć, na wykresie stworzonym
06:46
in this slightly curious way
170
406260
2000
w ten nieco osobliwy sposób,
06:48
is that everybody lies on the same line.
171
408260
3000
że wszyscy znajdują się na tej samej linii.
06:51
Despite the fact that this is the most complex and diverse system
172
411260
3000
Pomimo, że to najbardziej skomplikowany
06:54
in the universe,
173
414260
3000
i różnorodny system we wszechświecie,
06:57
there's an extraordinary simplicity
174
417260
2000
widać tu niesamowitą prostotę.
06:59
being expressed by this.
175
419260
2000
widać tu niesamowitą prostotę.
07:01
It's particularly astonishing
176
421260
3000
Jest to tym bardziej zadziwiające,
07:04
because each one of these organisms,
177
424260
2000
ponieważ każdy z tych organizmów,
07:06
each subsystem, each cell type, each gene,
178
426260
2000
każdy podukład, każdy typ komórki, każdy gen
07:08
has evolved in its own unique environmental niche
179
428260
4000
ewoluował we własnej, unikalnej niszy ekologicznej
07:12
with its own unique history.
180
432260
3000
i ma swoją unikalną historię.
07:15
And yet, despite all of that Darwinian evolution
181
435260
3000
A jednak, pomimo całej tej darwinowskiej ewolucji
07:18
and natural selection,
182
438260
2000
i naturalnej selekcji,
07:20
they've been constrained to lie on a line.
183
440260
2000
one wszystkie znalazły się na jednej linii.
07:22
Something else is going on.
184
442260
2000
Tu musi być coś jeszcze.
07:24
Before I talk about that,
185
444260
2000
Zanim o tym opowiem,
07:26
I've written down at the bottom there
186
446260
2000
zapisałem u dołu
07:28
the slope of this curve, this straight line.
187
448260
2000
nachylenie tej krzywej, tej linii prostej.
07:30
It's three-quarters, roughly,
188
450260
2000
W przybliżeniu jest to trzy czwarte,
07:32
which is less than one -- and we call that sublinear.
189
452260
3000
czyli mniej niż jeden -- nazywamy to funkcją podliniową.
07:35
And here's the point of that.
190
455260
2000
I o to chodzi.
07:37
It says that, if it were linear,
191
457260
3000
To znaczy, że gdyby była liniowa,
07:40
the steepest slope,
192
460260
2000
szybciej wznosząca się,
07:42
then doubling the size
193
462260
2000
wówczas podwojenie rozmiaru,
07:44
you would require double the amount of energy.
194
464260
2000
wymagałoby podwojenia ilości energii.
07:46
But it's sublinear, and what that translates into
195
466260
3000
Ale to funkcja podliniowa, co oznacza,
07:49
is that, if you double the size of the organism,
196
469260
2000
że dwukrotne zwiększenie wymiarów organizmu,
07:51
you actually only need 75 percent more energy.
197
471260
3000
wymaga tylko 75 procent energii więcej.
07:54
So a wonderful thing about all of biology
198
474260
2000
Więc cudowne w przyrodzie jest to,
07:56
is that it expresses an extraordinary economy of scale.
199
476260
3000
że przejawia ona niesamowitą korzyść skali.
07:59
The bigger you are systematically,
200
479260
2000
Im jesteś większy, automatycznie,
08:01
according to very well-defined rules,
201
481260
2000
zgodnie ze ściśle określonymi regułami,
08:03
less energy per capita.
202
483260
3000
tym mniej energii na głowę.
08:06
Now any physiological variable you can think of,
203
486260
3000
Każda zmienna fizjologiczna którą sobie wyobrazisz,
08:09
any life history event you can think of,
204
489260
2000
każde zdarzenie z życia,
08:11
if you plot it this way, looks like this.
205
491260
3000
po sporządzeniu takiego wykresu wygląda tak samo.
08:14
There is an extraordinary regularity.
206
494260
2000
Mamy tu do czynienia z niezwykłą regularnością.
08:16
So you tell me the size of a mammal,
207
496260
2000
Więc wy podajecie mi wielkość ssaka,
08:18
I can tell you at the 90 percent level everything about it
208
498260
3000
a ja powiem wam o nim wszystko z 90% dokładnością,
08:21
in terms of its physiology, life history, etc.
209
501260
4000
poczynając od fizjologii, poprzez historię życia, itd.
08:25
And the reason for this is because of networks.
210
505260
3000
Wytłumaczeniem tego są sieci.
08:28
All of life is controlled by networks --
211
508260
3000
Sieci kontrolują każdą postać życia --
08:31
from the intracellular through the multicellular
212
511260
2000
od wewnątrzkomórkowego, poprzez wielokomórkowe,
08:33
through the ecosystem level.
213
513260
2000
do poziomu ekosystemu.
08:35
And you're very familiar with these networks.
214
515260
3000
Bardzo dobrze znacie te sieci.
08:39
That's a little thing that lives inside an elephant.
215
519260
3000
To mały stwór żyjący w środku słonia.
08:42
And here's the summary of what I'm saying.
216
522260
3000
Oto streszczenie tego, o czym mówię.
08:45
If you take those networks,
217
525260
2000
Jeśli weźmiesz sieci,
08:47
this idea of networks,
218
527260
2000
tę ideę sieci,
08:49
and you apply universal principles,
219
529260
2000
i zastosujesz uniwersalne zasady,
08:51
mathematizable, universal principles,
220
531260
2000
matematycznie wyrażone, uniwersalne zasady,
08:53
all of these scalings
221
533260
2000
wszystkie te skalowania
08:55
and all of these constraints follow,
222
535260
3000
i ograniczenia są logicznym następstwem,
08:58
including the description of the forest,
223
538260
2000
w tym opis lasu,
09:00
the description of your circulatory system,
224
540260
2000
opis układu krążenia,
09:02
the description within cells.
225
542260
2000
opis wnętrza komórki.
09:04
One of the things I did not stress in that introduction
226
544260
3000
W tym wprowadzeniu nie podkreśliłem jeszcze,
09:07
was that, systematically, the pace of life
227
547260
3000
że systemowo, tempo życia
09:10
decreases as you get bigger.
228
550260
2000
maleje ze wzrostem organizmu.
09:12
Heart rates are slower; you live longer;
229
552260
3000
Tętno spowalnia; żyjesz dłużej;
09:15
diffusion of oxygen and resources
230
555260
2000
dyfuzja tlenu i przepływ substancji
09:17
across membranes is slower, etc.
231
557260
2000
przez błony jest wolniejszy, itd.
09:19
The question is: Is any of this true
232
559260
2000
Pytanie brzmi: czy coś z tego odnosi się również do miast i przedsiębiorstw?
09:21
for cities and companies?
233
561260
3000
Pytanie brzmi: czy coś z tego odnosi się również do miast i przedsiębiorstw?
09:24
So is London a scaled up Birmingham,
234
564260
3000
Czy Londyn to Birmingham w powiększonej skali,
09:27
which is a scaled up Brighton, etc., etc.?
235
567260
3000
a to z kolei większe Brighton, etc.?
09:30
Is New York a scaled up San Francisco,
236
570260
2000
Czy Nowy Jork to większe San Francisco.
09:32
which is a scaled up Santa Fe?
237
572260
2000
które jest większym Santa Fe?
09:34
Don't know. We will discuss that.
238
574260
2000
Nie wiadomo. O tym porozmawiamy.
09:36
But they are networks,
239
576260
2000
Ale są to sieci,
09:38
and the most important network of cities
240
578260
2000
a najważniejszą siecią miasta jesteście wy.
09:40
is you.
241
580260
2000
A najważniejszą siecią miasta jesteście wy.
09:42
Cities are just a physical manifestation
242
582260
3000
Miasta to wynik fizycznej manifestacji
09:45
of your interactions,
243
585260
2000
waszych wzajemnych relacji,
09:47
our interactions,
244
587260
2000
naszych interakcji,
09:49
and the clustering and grouping of individuals.
245
589260
2000
skupiania się i łączenia jednostek w grupy.
09:51
Here's just a symbolic picture of that.
246
591260
3000
Tutaj przedstawiono to symbolicznie.
09:54
And here's scaling of cities.
247
594260
2000
A to skalowanie miast.
09:56
This shows that in this very simple example,
248
596260
3000
Na tym bardzo prostym przykładzie,
09:59
which happens to be a mundane example
249
599260
2000
przyziemnym przykładzie liczby stacji benzynowych
10:01
of number of petrol stations
250
601260
2000
przyziemnym przykładzie liczby stacji benzynowych
10:03
as a function of size --
251
603260
2000
jako funkcji rozmiaru --
10:05
plotted in the same way as the biology --
252
605260
2000
widać, że wykres sporządzony tak, jak dla żywych organizmów --
10:07
you see exactly the same kind of thing.
253
607260
2000
pokaże identyczny rezultat.
10:09
There is a scaling.
254
609260
2000
Ma miejsce skalowanie.
10:11
That is that the number of petrol stations in the city
255
611260
4000
To znaczy, że znamy liczbę stacji benzynowych w mieście
10:15
is now given to you
256
615260
2000
To znaczy, że znamy liczbę stacji benzynowych w mieście,
10:17
when you tell me its size.
257
617260
2000
kiedy znamy jego wielkość.
10:19
The slope of that is less than linear.
258
619260
3000
Nachylenie krzywej jest mniejsze niż dla funkcji liniowej.
10:22
There is an economy of scale.
259
622260
2000
Występuje tu ekonomia skali.
10:24
Less petrol stations per capita the bigger you are -- not surprising.
260
624260
3000
Im większe miasto, tym mniej stacji na mieszkańca -- żadne zaskoczenie.
10:27
But here's what's surprising.
261
627260
2000
Ale jest też coś zaskakującego.
10:29
It scales in the same way everywhere.
262
629260
2000
Skalowalność jest taka sama wszędzie.
10:31
This is just European countries,
263
631260
2000
To kraje europejskie,
10:33
but you do it in Japan or China or Colombia,
264
633260
3000
ale weźmy Japonię, Chiny lub Kolumbię,
10:36
always the same
265
636260
2000
i zawsze będzie to samo,
10:38
with the same kind of economy of scale
266
638260
2000
ten sam rodzaj ekonomii skali,
10:40
to the same degree.
267
640260
2000
w tym samym stopniu.
10:42
And any infrastructure you look at --
268
642260
3000
Której infrastrukturze się nie przyjrzeć --
10:45
whether it's the length of roads, length of electrical lines --
269
645260
3000
czy to długość dróg, długość linii energetycznych --
10:48
anything you look at
270
648260
2000
na co nie spojrzeć,
10:50
has the same economy of scale scaling in the same way.
271
650260
3000
wszędzie ta sama ekonomia skali, ta sama skalowalność.
10:53
It's an integrated system
272
653260
2000
To zintegrowany system,
10:55
that has evolved despite all the planning and so on.
273
655260
3000
który ewoluował pomimo całego planowania i tak dalej.
10:58
But even more surprising
274
658260
2000
Ale jeszcze bardziej zaskakujące,
11:00
is if you look at socio-economic quantities,
275
660260
2000
jeśli przyjrzeć się wielkościom socjoekonomicznym,
11:02
quantities that have no analog in biology,
276
662260
3000
wielkościom, które nie mają odpowiednika w przyrodzie,
11:05
that have evolved when we started forming communities
277
665260
3000
które wykształciły się, kiedy zaczęliśmy tworzyć społeczności,
11:08
eight to 10,000 years ago.
278
668260
2000
osiem do 10 tysięcy lat temu.
11:10
The top one is wages as a function of size
279
670260
2000
Na samej górze jest płaca jako funkcja rozmiaru
11:12
plotted in the same way.
280
672260
2000
przedstawiona w taki sam sposób.
11:14
And the bottom one is you lot --
281
674260
2000
Na dole jesteście właśnie wy --
11:16
super-creatives plotted in the same way.
282
676260
3000
klasa kreatywna przedstawiona w taki sam sposób.
11:19
And what you see
283
679260
2000
Widać tu zjawisko skalowania.
11:21
is a scaling phenomenon.
284
681260
2000
Widać tu zjawisko skalowania.
11:23
But most important in this,
285
683260
2000
Ale najważniejsze w tym, że wykładnik,
11:25
the exponent, the analog to that three-quarters
286
685260
2000
odpowiednik trzech czwartych dla przemiany materii,
11:27
for the metabolic rate,
287
687260
2000
odpowiednik trzech czwartych dla przemiany materii,
11:29
is bigger than one -- it's about 1.15 to 1.2.
288
689260
2000
jest większy niż 1 - to około 1,15 do 1,2.
11:31
Here it is,
289
691260
2000
To oznacza, że im większy jesteś,
11:33
which says that the bigger you are
290
693260
3000
To oznacza, że im większy jesteś,
11:36
the more you have per capita, unlike biology --
291
696260
3000
tym więcej masz na głowę, inaczej niż w przyrodzie --
11:39
higher wages, more super-creative people per capita as you get bigger,
292
699260
4000
większa płaca, więcej kreatywnych osób, gdy stajesz się większy,
11:43
more patents per capita, more crime per capita.
293
703260
3000
więcej patentów na jednego mieszkańca, większy wskaźnik przestępczości.
11:46
And we've looked at everything:
294
706260
2000
Przyjrzeliśmy się wszystkiemu:
11:48
more AIDS cases, flu, etc.
295
708260
3000
więcej przypadków AIDS, grypy, etc.
11:51
And here, they're all plotted together.
296
711260
2000
Wszystko na jednym wykresie.
11:53
Just to show you what we plotted,
297
713260
2000
Aby pokazać wam, co ujęliśmy na wykresie,
11:55
here is income, GDP --
298
715260
3000
tutaj mamy dochód, PKB miasta --
11:58
GDP of the city --
299
718260
2000
tutaj mamy dochód, PKB miasta --
12:00
crime and patents all on one graph.
300
720260
2000
przestępczość i patenty wszystkie na jednym wykresie.
12:02
And you can see, they all follow the same line.
301
722260
2000
Jak widać, wszystkie trzymają się tej samej linii.
12:04
And here's the statement.
302
724260
2000
Oto nasza teza.
12:06
If you double the size of a city from 100,000 to 200,000,
303
726260
3000
Jeśli populacja miasta podwoi się ze 100,000 do 200,000,
12:09
from a million to two million, 10 to 20 million,
304
729260
2000
z miliona do dwóch, z 10 do 20 milionów,
12:11
it doesn't matter,
305
731260
2000
nieważne ile,
12:13
then systematically
306
733260
2000
to automatycznie uzyskuje się wzrost 15%
12:15
you get a 15 percent increase
307
735260
2000
to automatycznie uzyskuje się wzrost 15%
12:17
in wages, wealth, number of AIDS cases,
308
737260
2000
w płacach, poziomie zamożności, liczbie przypadków AIDS,
12:19
number of police,
309
739260
2000
liczebności policji,
12:21
anything you can think of.
310
741260
2000
we wszystkim, co tylko przyjdzie ci na myśl.
12:23
It goes up by 15 percent,
311
743260
2000
Wszystko wzrasta o 15%,
12:25
and you have a 15 percent savings
312
745260
3000
i mamy oszczędności rzędu 15%,
12:28
on the infrastructure.
313
748260
3000
jeśli chodzi o infrastrukturę.
12:31
This, no doubt, is the reason
314
751260
3000
To niewątpliwie tłumaczy,
12:34
why a million people a week are gathering in cities.
315
754260
3000
dlaczego co tydzień milion ludzi zjeżdża do miast.
12:37
Because they think that all those wonderful things --
316
757260
3000
Ponieważ myślą o tych wszystkich wspaniałościach --
12:40
like creative people, wealth, income --
317
760260
2000
takich jak kreatywni ludzie, zamożność, dochód --
12:42
is what attracts them,
318
762260
2000
to ich przyciąga,
12:44
forgetting about the ugly and the bad.
319
764260
2000
zapominając o tym, co ohydne i złe.
12:46
What is the reason for this?
320
766260
2000
Dlaczego tak się dzieje?
12:48
Well I don't have time to tell you about all the mathematics,
321
768260
3000
Nie mam czasu, by omówić całą teorię matematyczną,
12:51
but underlying this is the social networks,
322
771260
3000
ale podłożem tego są sieci społeczne,
12:54
because this is a universal phenomenon.
323
774260
3000
ponieważ to fenomen uniwersalny.
12:57
This 15 percent rule
324
777260
3000
Reguła 15% jest prawdziwa
13:00
is true
325
780260
2000
Reguła 15% jest prawdziwa
13:02
no matter where you are on the planet --
326
782260
2000
bez względu na to, w którym miejscu tej planety się znajdujemy --
13:04
Japan, Chile,
327
784260
2000
w Japonii, Chile,
13:06
Portugal, Scotland, doesn't matter.
328
786260
3000
Portugalii, Szkocji - to nie ma znaczenia.
13:09
Always, all the data shows it's the same,
329
789260
3000
Zawsze wszystkie dane pokazują to samo,
13:12
despite the fact that these cities have evolved independently.
330
792260
3000
mimo że miasta rozwijają się niezależnie od siebie.
13:15
Something universal is going on.
331
795260
2000
Mamy do czynienia z czymś uniwersalnym.
13:17
The universality, to repeat, is us --
332
797260
3000
Uniwersalność, powtórzę po raz kolejny, to my --
13:20
that we are the city.
333
800260
2000
to my jesteśmy miastem.
13:22
And it is our interactions and the clustering of those interactions.
334
802260
3000
To nasze wzajemne relacje i skupienie tych relacji.
13:25
So there it is, I've said it again.
335
805260
2000
No i proszę, znów to powiedziałem.
13:27
So if it is those networks and their mathematical structure,
336
807260
3000
Więc przy sieciach z ich matematyczną strukturą,
13:30
unlike biology, which had sublinear scaling,
337
810260
3000
inaczej niż w przyrodzie, która miała skalowalność podliniową ,
13:33
economies of scale,
338
813260
2000
ekonomię skali,
13:35
you had the slowing of the pace of life
339
815260
2000
mieliśmy spowolnienie tempa życia
13:37
as you get bigger.
340
817260
2000
w miarę powiększania się rozmiaru.
13:39
If it's social networks with super-linear scaling --
341
819260
2000
Jeśli to sieci społeczne ze skalowalnością nadliniową --
13:41
more per capita --
342
821260
2000
więcej na głowę --
13:43
then the theory says
343
823260
2000
wtedy teoria mówi,
13:45
that you increase the pace of life.
344
825260
2000
że zwiększa się tempo życia.
13:47
The bigger you are, life gets faster.
345
827260
2000
Im jesteś większy, tym szybsze życie.
13:49
On the left is the heart rate showing biology.
346
829260
2000
Po lewej przyroda i tętno w stosunku do rozmiaru.
13:51
On the right is the speed of walking
347
831260
2000
Po prawej szybkość chodzenia
13:53
in a bunch of European cities,
348
833260
2000
w dużej liczbie miast europejskich,
13:55
showing that increase.
349
835260
2000
pokazująca ten wzrost.
13:57
Lastly, I want to talk about growth.
350
837260
3000
Na koniec, chcę pomówić o rozwoju.
14:00
This is what we had in biology, just to repeat.
351
840260
3000
To mieliśmy w przyrodzie, pozwólcie, że powtórzę.
14:03
Economies of scale
352
843260
3000
Korzyść skali spowodowała wzrost sigmoidalny.
14:06
gave rise to this sigmoidal behavior.
353
846260
3000
Korzyść skali spowodowała wzrost sigmoidalny.
14:09
You grow fast and then stop --
354
849260
3000
Szybki wzrost a potem zatrzymanie --
14:12
part of our resilience.
355
852260
2000
część naszej żywotności.
14:14
That would be bad for economies and cities.
356
854260
3000
Miasta i gospodarka źle by na tym wyszły.
14:17
And indeed, one of the wonderful things about the theory
357
857260
2000
Wspaniałą cechą tej teorii jest to,
14:19
is that if you have super-linear scaling
358
859260
3000
że jeśli mamy skalowanie nadliniowe,
14:22
from wealth creation and innovation,
359
862260
2000
z tworzenia bogactwa i innowacji,
14:24
then indeed you get, from the same theory,
360
864260
3000
wtedy na podstawie tej samej teorii uzyskujemy
14:27
a beautiful rising exponential curve -- lovely.
361
867260
2000
piękną krzywą rosnącą w postępie geometrycznym -- ślicznie.
14:29
And in fact, if you compare it to data,
362
869260
2000
Rzeczywiście, jeśli porównać to z danymi,
14:31
it fits very well
363
871260
2000
świetnie pasuje do rozwoju miast i gospodarki.
14:33
with the development of cities and economies.
364
873260
2000
świetnie pasuje do rozwoju miast i gospodarki.
14:35
But it has a terrible catch,
365
875260
2000
Ale jest jeden haczyk,
14:37
and the catch
366
877260
2000
haczyk polega na tym,
14:39
is that this system is destined to collapse.
367
879260
3000
że temu systemowi pisany jest upadek.
14:42
And it's destined to collapse for many reasons --
368
882260
2000
System musi upaść z wielu powodów --
14:44
kind of Malthusian reasons -- that you run out of resources.
369
884260
3000
powodów rodem z maltuzjanizmu -- że zabraknie zasobów.
14:47
And how do you avoid that? Well we've done it before.
370
887260
3000
Jak tego uniknąć? Już nam się nieraz udawało.
14:50
What we do is,
371
890260
2000
To co się dzieje,
14:52
as we grow and we approach the collapse,
372
892260
3000
kiedy rośniemy i zbliżamy się do upadku,
14:55
a major innovation takes place
373
895260
3000
zachodzą jakieś istotne innowacje,
14:58
and we start over again,
374
898260
2000
i zaczynamy od początku,
15:00
and we start over again as we approach the next one, and so on.
375
900260
3000
zaczynamy, zbliżamy się do następnego krachu i tak dalej.
15:03
So there's this continuous cycle of innovation
376
903260
2000
Ma miejsce ciągły cykl innowacji,
15:05
that is necessary
377
905260
2000
konieczny, żeby podtrzymać rozwój i uniknąć krachu.
15:07
in order to sustain growth and avoid collapse.
378
907260
3000
konieczny, żeby podtrzymać rozwój i uniknąć krachu.
15:10
The catch, however, to this
379
910260
2000
Tutaj jednak haczyk polega na tym,
15:12
is that you have to innovate
380
912260
2000
że innowacje potrzeba wprowadzać coraz szybciej
15:14
faster and faster and faster.
381
914260
3000
że innowacje potrzeba wprowadzać coraz szybciej.
15:17
So the image
382
917260
2000
Zatem wygląda to tak, że nie tylko
15:19
is that we're not only on a treadmill that's going faster,
383
919260
3000
jesteśmy na bieżni, która porusza się coraz szybciej,
15:22
but we have to change the treadmill faster and faster.
384
922260
3000
ale musimy tę bieżnię wymieniać coraz częściej.
15:25
We have to accelerate on a continuous basis.
385
925260
3000
Musimy non stop przyspieszać.
15:28
And the question is: Can we, as socio-economic beings,
386
928260
3000
Pytanie brzmi: Czy my, jako istoty społeczno-ekonomiczne,
15:31
avoid a heart attack?
387
931260
3000
jesteśmy w stanie uniknąć ataku serca?
15:34
So lastly, I'm going to finish up in this last minute or two
388
934260
3000
Na koniec chciałbym wrócić do firm.
15:37
asking about companies.
389
937260
2000
Na koniec chciałbym wrócić do firm.
15:39
See companies, they scale.
390
939260
2000
Firmy są skalowalne.
15:41
The top one, in fact, is Walmart on the right.
391
941260
2000
Ta u góry to Walmart.
15:43
It's the same plot.
392
943260
2000
To ten sam diagram.
15:45
This happens to be income and assets
393
945260
2000
Tu widać dochody i aktywa
15:47
versus the size of the company as denoted by its number of employees.
394
947260
2000
w stosunku do wielkości firmy mierzonej liczbą pracowników.
15:49
We could use sales, anything you like.
395
949260
3000
Moglibyśmy wykorzystać sprzedaż czy cokolwiek innego.
15:52
There it is: after some little fluctuations at the beginning,
396
952260
3000
Po niewielkich początkowych wahaniach,
15:55
when companies are innovating,
397
955260
2000
kiedy firmy wprowadzają innowacje,
15:57
they scale beautifully.
398
957260
2000
świetnie widać skalowalność.
15:59
And we've looked at 23,000 companies
399
959260
3000
Dodam, że przyjrzeliśmy się 23 000 firm
16:02
in the United States, may I say.
400
962260
2000
w Stanach Zjednoczonych.
16:04
And I'm only showing you a little bit of this.
401
964260
3000
Pokazuję wam tylko mały fragment.
16:07
What is astonishing about companies
402
967260
2000
Zaskakujące jeśli chodzi o firmy jest to,
16:09
is that they scale sublinearly
403
969260
3000
że skalują się one podliniowo
16:12
like biology,
404
972260
2000
tak jak przyroda,
16:14
indicating that they're dominated,
405
974260
2000
co świadczy o tym, że są zdominowane
16:16
not by super-linear
406
976260
2000
nie przez nadliniowe innowacje i pomysły;
16:18
innovation and ideas;
407
978260
3000
nie przez nadliniowe innowacje i pomysły;
16:21
they become dominated
408
981260
2000
zostają zdominowane przez korzyść skali.
16:23
by economies of scale.
409
983260
2000
zostają zdominowane przez korzyść skali.
16:25
In that interpretation,
410
985260
2000
W tej interpretacji, przez biurokrację i administrację,
16:27
by bureaucracy and administration,
411
987260
2000
przez biurokrację i administrację,
16:29
and they do it beautifully, may I say.
412
989260
2000
i dodam, że robią to świetnie.
16:31
So if you tell me the size of some company, some small company,
413
991260
3000
Więc jeśli podacie mi wielkość jakiejś firmy, małej firmy,
16:34
I could have predicted the size of Walmart.
414
994260
3000
mógłbym przewidzieć rozmiar Walmartu.
16:37
If it has this sublinear scaling,
415
997260
2000
Jeśli podlega skalowaniu podliniowemu,
16:39
the theory says
416
999260
2000
teoria mówi,
16:41
we should have sigmoidal growth.
417
1001260
3000
że powinniśmy mieć wzrost sigmoidalny.
16:44
There's Walmart. Doesn't look very sigmoidal.
418
1004260
2000
Oto Walmart. Nie wygląda zbyt sigmoidalnie.
16:46
That's what we like, hockey sticks.
419
1006260
3000
To się nam podoba, kije hokejowe.
16:49
But you notice, I've cheated,
420
1009260
2000
Ale zauważcie, popełniłem oszustwo,
16:51
because I've only gone up to '94.
421
1011260
2000
ponieważ doszedłem tylko do roku 94.
16:53
Let's go up to 2008.
422
1013260
2000
Przenieśmy się do roku 2008.
16:55
That red line is from the theory.
423
1015260
3000
Czerwona linia wynika z teorii.
16:58
So if I'd have done this in 1994,
424
1018260
2000
Gdybym sporządził taki wykres w 1994,
17:00
I could have predicted what Walmart would be now.
425
1020260
3000
mogłem przewidzieć, gdzie Walmart będzie dziś.
17:03
And then this is repeated
426
1023260
2000
To powtarza się w całym spektrum firm.
17:05
across the entire spectrum of companies.
427
1025260
2000
To powtarza się w całym spektrum firm.
17:07
There they are. That's 23,000 companies.
428
1027260
3000
Oto one. 23 000 firm.
17:10
They all start looking like hockey sticks,
429
1030260
2000
Wszystkie zaczynają wyglądać jak kije hokejowe,
17:12
they all bend over,
430
1032260
2000
wszystkie zakrzywiają się w dół,
17:14
and they all die like you and me.
431
1034260
2000
i wszystkie umierają tak jak wy i ja.
17:16
Thank you.
432
1036260
2000
Dziękuję.
17:18
(Applause)
433
1038260
9000
(Oklaski)
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7