Geoffrey West: The surprising math of cities and corporations

Geoffrey West: A matemática surpreendente de cidades e corporações

170,954 views

2011-07-26 ・ TED


New videos

Geoffrey West: The surprising math of cities and corporations

Geoffrey West: A matemática surpreendente de cidades e corporações

170,954 views ・ 2011-07-26

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Fernando Marinheiro Revisor: Viviane Ferraz Matos
00:16
Cities are the crucible of civilization.
0
16260
3000
As cidades são o crisol da civilização.
00:19
They have been expanding,
1
19260
2000
Elas vêm se expandindo,
00:21
urbanization has been expanding,
2
21260
2000
a urbanização está se expandindo,
00:23
at an exponential rate in the last 200 years
3
23260
2000
a uma taxa exponencial nos últimos 200 anos,
00:25
so that by the second part of this century,
4
25260
3000
de tal modo que na metade deste século,
00:28
the planet will be completely dominated
5
28260
2000
o planeta estará completamente dominado
00:30
by cities.
6
30260
3000
por cidades.
00:33
Cities are the origins of global warming,
7
33260
3000
As cidades são a origem do aquecimento global,
00:36
impact on the environment,
8
36260
2000
do impacto no meio ambiente,
00:38
health, pollution, disease,
9
38260
3000
saúde, poluição, doenças,
00:41
finance,
10
41260
2000
finanças,
00:43
economies, energy --
11
43260
3000
economias, energia --
00:46
they're all problems
12
46260
2000
são todos problemas
00:48
that are confronted by having cities.
13
48260
2000
com os quais nos confrontamos por existirem as cidades.
00:50
That's where all these problems come from.
14
50260
2000
É de onde vêm estes problemas todos.
00:52
And the tsunami of problems that we feel we're facing
15
52260
3000
E o tsunami de problemas que estamos enfrentando
00:55
in terms of sustainability questions
16
55260
2000
em relação às questões de sustentabilidade,
00:57
are actually a reflection
17
57260
2000
são na verdade um reflexo
00:59
of the exponential increase
18
59260
2000
do crescimento exponencial
01:01
in urbanization across the planet.
19
61260
3000
da urbanização por todo o planeta.
01:04
Here's some numbers.
20
64260
2000
Tenho aqui alguns números.
01:06
Two hundred years ago, the United States
21
66260
2000
Há 200 anos, os Estados Unidos
01:08
was less than a few percent urbanized.
22
68260
2000
tinham menos de 4% de urbanização.
01:10
It's now more than 82 percent.
23
70260
2000
Agora esse número chega a mais de 82%.
01:12
The planet has crossed the halfway mark a few years ago.
24
72260
3000
O planeta ultrapassou a marca de 50% alguns anos atrás.
01:15
China's building 300 new cities
25
75260
2000
A China vai construir 300 novas cidades
01:17
in the next 20 years.
26
77260
2000
nos próximos 20 anos.
01:19
Now listen to this:
27
79260
2000
Agora ouçam isto:
01:21
Every week for the foreseeable future,
28
81260
3000
Toda semana num futuro previsível,
01:24
until 2050,
29
84260
2000
até 2050,
01:26
every week more than a million people
30
86260
2000
toda semana mais de um milhão de pessoas
01:28
are being added to our cities.
31
88260
2000
somam-se às nossas cidades.
01:30
This is going to affect everything.
32
90260
2000
Isto vai afetar tudo.
01:32
Everybody in this room, if you stay alive,
33
92260
2000
Todas as pessoas nesta sala, se estiverem vivas,
01:34
is going to be affected
34
94260
2000
serão afetadas
01:36
by what's happening in cities
35
96260
2000
pelo que está acontecendo nas cidades
01:38
in this extraordinary phenomenon.
36
98260
2000
neste extraordinário fenômeno.
01:40
However, cities,
37
100260
3000
Contudo, as cidades,
01:43
despite having this negative aspect to them,
38
103260
3000
apesar de terem este aspecto negativo associado a elas,
01:46
are also the solution.
39
106260
2000
também são a solução.
01:48
Because cities are the vacuum cleaners and the magnets
40
108260
4000
Porque as cidades são os aspiradores e os imãs
01:52
that have sucked up creative people,
41
112260
2000
que têm atraído as pessoas criativas,
01:54
creating ideas, innovation,
42
114260
2000
criando idéias, inovando,
01:56
wealth and so on.
43
116260
2000
gerando riquezas, etc...
01:58
So we have this kind of dual nature.
44
118260
2000
Temos esta espécie de dualidade natural.
02:00
And so there's an urgent need
45
120260
3000
E há uma necessidade urgente
02:03
for a scientific theory of cities.
46
123260
4000
de desenvolver uma teoria científica das cidades.
02:07
Now these are my comrades in arms.
47
127260
3000
Estes são os meus companheiros de luta.
02:10
This work has been done with an extraordinary group of people,
48
130260
2000
Este trabalho tem sido feito com um grupo extraordinário de pessoas,
02:12
and they've done all the work,
49
132260
2000
eles fazem todo o trabalho,
02:14
and I'm the great bullshitter
50
134260
2000
e eu sou o que conta as besteiras
02:16
that tries to bring it all together.
51
136260
2000
e tenta juntar isso tudo.
02:18
(Laughter)
52
138260
2000
(Risos)
02:20
So here's the problem: This is what we all want.
53
140260
2000
E aqui está o problema: isto é o que todos queremos.
02:22
The 10 billion people on the planet in 2050
54
142260
3000
Os 10 bilhões de pessoas no planeta em 2050
02:25
want to live in places like this,
55
145260
2000
querem viver em lugares como este,
02:27
having things like this,
56
147260
2000
ter coisas como estas,
02:29
doing things like this,
57
149260
2000
fazer coisas como estas,
02:31
with economies that are growing like this,
58
151260
3000
com economias que crescem assim,
02:34
not realizing that entropy
59
154260
2000
não percebendo que a entropia
02:36
produces things like this,
60
156260
2000
produz coisas como isto,
02:38
this, this
61
158260
4000
isto, isto
02:42
and this.
62
162260
2000
e isto.
02:44
And the question is:
63
164260
2000
E a questão é:
02:46
Is that what Edinburgh and London and New York
64
166260
2000
É assim que Edimburgo, Londres e Nova York
02:48
are going to look like in 2050,
65
168260
2000
serão em 2050,
02:50
or is it going to be this?
66
170260
2000
ou então serão assim?
02:52
That's the question.
67
172260
2000
Esta é a questão.
02:54
I must say, many of the indicators
68
174260
2000
Devo dizer que, muitos dos indicadores
02:56
look like this is what it's going to look like,
69
176260
3000
mostram que será assim,
02:59
but let's talk about it.
70
179260
3000
mas falemos sobre isto.
03:02
So my provocative statement
71
182260
3000
Então, a minha provocadora afirmação
03:05
is that we desperately need a serious scientific theory of cities.
72
185260
3000
é que nós precisamos desesperadamente de uma teoria científica séria das cidades.
03:08
And scientific theory means quantifiable --
73
188260
3000
E por teoria científica quero dizer quantificável --
03:11
relying on underlying generic principles
74
191260
3000
baseada em princípios genéricos subjacentes
03:14
that can be made into a predictive framework.
75
194260
2000
que pode ser realizada num quadro preditivo.
03:16
That's the quest.
76
196260
2000
É o que busco.
03:18
Is that conceivable?
77
198260
2000
É concebível?
03:20
Are there universal laws?
78
200260
2000
Haverá leis universais?
03:22
So here's two questions
79
202260
2000
Há duas questões
03:24
that I have in my head when I think about this problem.
80
204260
2000
que me vêm à cabeça quando penso neste problema.
03:26
The first is:
81
206260
2000
A primeira é:
03:28
Are cities part of biology?
82
208260
2000
As cidades são parte da Biologia?
03:30
Is London a great big whale?
83
210260
2000
Será Londres uma baleia enorme?
03:32
Is Edinburgh a horse?
84
212260
2000
Será Edimburgo um cavalo?
03:34
Is Microsoft a great big anthill?
85
214260
2000
Será a Microsoft um grande formigueiro?
03:36
What do we learn from that?
86
216260
2000
O que aprendemos com isto?
03:38
We use them metaphorically --
87
218260
2000
Nós as usamos metaforicamente --
03:40
the DNA of a company, the metabolism of a city, and so on --
88
220260
2000
o DNA de uma companhia, o metabolismo de uma cidade, e daí por diante --
03:42
is that just bullshit, metaphorical bullshit,
89
222260
3000
são apenas besteiras, besteiras metafóricas,
03:45
or is there serious substance to it?
90
225260
3000
ou há algum argumento sério nisso?
03:48
And if that is the case,
91
228260
2000
E se é o caso,
03:50
how come that it's very hard to kill a city?
92
230260
2000
por que é tão difícil matar uma cidade?
03:52
You could drop an atom bomb on a city,
93
232260
2000
Vocês poderiam jogar uma bomba atômica numa cidade,
03:54
and 30 years later it's surviving.
94
234260
2000
e 30 anos depois ela estaria sobrevivendo.
03:56
Very few cities fail.
95
236260
3000
Muito poucas cidades desaparecem.
03:59
All companies die, all companies.
96
239260
3000
Todas as empresas morrem, todas as empresas.
04:02
And if you have a serious theory, you should be able to predict
97
242260
2000
E se vocês têm uma teoria séria, vocês devem ser capazes de predizer
04:04
when Google is going to go bust.
98
244260
3000
quando a Google vai falir.
04:07
So is that just another version
99
247260
3000
Então isso é apenas uma outra versão
04:10
of this?
100
250260
2000
disto?
04:12
Well we understand this very well.
101
252260
2000
Nós compreendemos isto muito bem.
04:14
That is, you ask any generic question about this --
102
254260
2000
Perguntem qualquer questão genérica sobre isto --
04:16
how many trees of a given size,
103
256260
2000
quantas árvores de um determinado tamanho,
04:18
how many branches of a given size does a tree have,
104
258260
2000
quantos ramos de um determinado tamanho tem uma árvore,
04:20
how many leaves,
105
260260
2000
quantas folhas,
04:22
what is the energy flowing through each branch,
106
262260
2000
qual é a energia que flui em cada ramo,
04:24
what is the size of the canopy,
107
264260
2000
qual é o tamanho da copa,
04:26
what is its growth, what is its mortality?
108
266260
2000
qual é seu crescimento, qual é sua mortalidade?
04:28
We have a mathematical framework
109
268260
2000
Nós temos um quadro matemático
04:30
based on generic universal principles
110
270260
3000
baseado em princípios genéricos universais
04:33
that can answer those questions.
111
273260
2000
que pode responder estas questões.
04:35
And the idea is can we do the same for this?
112
275260
4000
E a ideia é, podemos fazer o mesmo em relação a isto?
04:40
So the route in is recognizing
113
280260
3000
Então, o caminho é reconhecer
04:43
one of the most extraordinary things about life,
114
283260
2000
que uma das coisas mais extraordinárias sobre a vida,
04:45
is that it is scalable,
115
285260
2000
é a possibilidade de sua representação em escala,
04:47
it works over an extraordinary range.
116
287260
2000
e isso funciona em uma amplitude extraordinária.
04:49
This is just a tiny range actually:
117
289260
2000
Este é um pequeno exemplo dessa amplitude, na verdade;
04:51
It's us mammals;
118
291260
2000
Somos nós, os mamíferos,
04:53
we're one of these.
119
293260
2000
somos um destes.
04:55
The same principles, the same dynamics,
120
295260
2000
Os mesmos princípios, as mesmas dinâmicas,
04:57
the same organization is at work
121
297260
2000
a mesma organização funciona
04:59
in all of these, including us,
122
299260
2000
em tudo isto, incluindo nós mesmos,
05:01
and it can scale over a range of 100 million in size.
123
301260
3000
e pode estar em escalas, representando proporções de até 100 milhões.
05:04
And that is one of the main reasons
124
304260
3000
E este é um dos principais motivos
05:07
life is so resilient and robust --
125
307260
2000
da vida ser tão resiliente e robusta --
05:09
scalability.
126
309260
2000
"escalabilidade".
05:11
We're going to discuss that in a moment more.
127
311260
3000
Vamos discutir isso daqui a pouco.
05:14
But you know, at a local level,
128
314260
2000
Vocês sabem, a um nível local,
05:16
you scale; everybody in this room is scaled.
129
316260
2000
todos nesta sala são representados em escala.
05:18
That's called growth.
130
318260
2000
Isso é chamado de crescimento.
05:20
Here's how you grew.
131
320260
2000
Vejam como vocês crescem.
05:22
Rat, that's a rat -- could have been you.
132
322260
2000
Um rato, isto é um rato -- poderia ser um de vocês.
05:24
We're all pretty much the same.
133
324260
3000
Nós somos muito parecidos.
05:27
And you see, you're very familiar with this.
134
327260
2000
E como veem, vocês são familiarizados com isto.
05:29
You grow very quickly and then you stop.
135
329260
2000
Crescemos muito rápido e depois paramos.
05:31
And that line there
136
331260
2000
E aquela linha ali
05:33
is a prediction from the same theory,
137
333260
2000
é uma previsão da mesma teoria,
05:35
based on the same principles,
138
335260
2000
baseada nos mesmos princípios,
05:37
that describes that forest.
139
337260
2000
que descrevem aquela floresta.
05:39
And here it is for the growth of a rat,
140
339260
2000
E este aqui é o crescimento de um rato.
05:41
and those points on there are data points.
141
341260
2000
E aqueles pontos lá são dados.
05:43
This is just the weight versus the age.
142
343260
2000
Isto é apenas o peso em função da idade.
05:45
And you see, it stops growing.
143
345260
2000
E como podem ver, ele para de crescer.
05:47
Very, very good for biology --
144
347260
2000
Muito, muito bom para a biologia --
05:49
also one of the reasons for its great resilience.
145
349260
2000
e também uma das razões para a sua grande resiliência.
05:51
Very, very bad
146
351260
2000
Muito, muito ruim
05:53
for economies and companies and cities
147
353260
2000
para a economia, empresas e cidades
05:55
in our present paradigm.
148
355260
2000
em nosso paradigma atual.
05:57
This is what we believe.
149
357260
2000
É no que acreditamos.
05:59
This is what our whole economy
150
359260
2000
Isto é o que toda a economia
06:01
is thrusting upon us,
151
361260
2000
está nos impondo,
06:03
particularly illustrated in that left-hand corner:
152
363260
3000
particularmente ilustrada nesse canto esquerdo:
06:06
hockey sticks.
153
366260
2000
bastões de hockey.
06:08
This is a bunch of software companies --
154
368260
2000
Esta é uma série de empresas de software --
06:10
and what it is is their revenue versus their age --
155
370260
2000
e esses são seus rendimentos em função da idade --
06:12
all zooming away,
156
372260
2000
todos crescendo bastante,
06:14
and everybody making millions and billions of dollars.
157
374260
2000
e todo mundo ganhando milhões e bilhões de dólares.
06:16
Okay, so how do we understand this?
158
376260
3000
Ok, como é que entendemos isto?
06:19
So let's first talk about biology.
159
379260
3000
Por isso, primeiro vamos falar de biologia.
06:22
This is explicitly showing you
160
382260
2000
Isto explicitamente nos mostra
06:24
how things scale,
161
384260
2000
como as coisas são representadas em escala.
06:26
and this is a truly remarkable graph.
162
386260
2000
E este é um gráfico verdadeiramente notável.
06:28
What is plotted here is metabolic rate --
163
388260
3000
O que está aqui traçado é a taxa metabólica --
06:31
how much energy you need per day to stay alive --
164
391260
3000
quanta energia é necessária por dia para nos mantermos vivos --
06:34
versus your weight, your mass,
165
394260
2000
em função do peso, da massa,
06:36
for all of us bunch of organisms.
166
396260
3000
para nossos organismos.
06:39
And it's plotted in this funny way by going up by factors of 10,
167
399260
3000
E foi traçada neste jeito curioso, crescente, por fatores de 10,
06:42
otherwise you couldn't get everything on the graph.
168
402260
2000
de outra maneira não seria possível colocar tudo no gráfico.
06:44
And what you see if you plot it
169
404260
2000
E o que podemos ver se você traçá-lo
06:46
in this slightly curious way
170
406260
2000
desta forma um pouco curiosa,
06:48
is that everybody lies on the same line.
171
408260
3000
é que todo mundo está na mesma linha.
06:51
Despite the fact that this is the most complex and diverse system
172
411260
3000
Apesar do fato deste ser o sistema mais complexo e diverso
06:54
in the universe,
173
414260
3000
do universo,
06:57
there's an extraordinary simplicity
174
417260
2000
há uma simplicidade extraordinária
06:59
being expressed by this.
175
419260
2000
expressa aqui.
07:01
It's particularly astonishing
176
421260
3000
É particularmente surpreendente
07:04
because each one of these organisms,
177
424260
2000
porque cada um destes organismos,
07:06
each subsystem, each cell type, each gene,
178
426260
2000
cada subsistema, cada tipo de célula, cada gene,
07:08
has evolved in its own unique environmental niche
179
428260
4000
evoluiu em seu próprio e único nicho ambiental
07:12
with its own unique history.
180
432260
3000
com sua própria história.
07:15
And yet, despite all of that Darwinian evolution
181
435260
3000
E ainda assim, apesar de toda a evolução darwinista
07:18
and natural selection,
182
438260
2000
e seleção natural,
07:20
they've been constrained to lie on a line.
183
440260
2000
eles têm sido forçados a permanecer numa linha.
07:22
Something else is going on.
184
442260
2000
Alguma coisa está acontecendo.
07:24
Before I talk about that,
185
444260
2000
Antes de falar sobre isso,
07:26
I've written down at the bottom there
186
446260
2000
eu escrevi ali embaixo
07:28
the slope of this curve, this straight line.
187
448260
2000
a inclinação desta curva, esta linha reta.
07:30
It's three-quarters, roughly,
188
450260
2000
São ¾, a grosso modo,
07:32
which is less than one -- and we call that sublinear.
189
452260
3000
que é menos de 1 -- e nós a chamamos de sublinear.
07:35
And here's the point of that.
190
455260
2000
E este é o ponto da questão.
07:37
It says that, if it were linear,
191
457260
3000
Diz que, se fosse linear,
07:40
the steepest slope,
192
460260
2000
a inclinação mais acentuada,
07:42
then doubling the size
193
462260
2000
então, duplicando o tamanho
07:44
you would require double the amount of energy.
194
464260
2000
você precisaria do dobro da quantidade de energia.
07:46
But it's sublinear, and what that translates into
195
466260
3000
Mas é sublinear, e significa que,
07:49
is that, if you double the size of the organism,
196
469260
2000
se duplicarmos o tamanho do organismo,
07:51
you actually only need 75 percent more energy.
197
471260
3000
na verdade só precisaremos de mais 75% de energia.
07:54
So a wonderful thing about all of biology
198
474260
2000
E por isso algo maravilhoso na biologia
07:56
is that it expresses an extraordinary economy of scale.
199
476260
3000
é que expressa uma extraordinária economia de escala.
07:59
The bigger you are systematically,
200
479260
2000
Sistematicamente quanto maior você for,
08:01
according to very well-defined rules,
201
481260
2000
de acordo com regras muito bem definidas,
08:03
less energy per capita.
202
483260
3000
menos energia per capita.
08:06
Now any physiological variable you can think of,
203
486260
3000
Agora qualquer variável fisiológica em que possam pensar,
08:09
any life history event you can think of,
204
489260
2000
qualquer história de vida em que possam pensar,
08:11
if you plot it this way, looks like this.
205
491260
3000
se for traçada desta maneira, fica assim.
08:14
There is an extraordinary regularity.
206
494260
2000
Há uma regularidade extraordinária.
08:16
So you tell me the size of a mammal,
207
496260
2000
Digam-me o tamanho de um mamífero,
08:18
I can tell you at the 90 percent level everything about it
208
498260
3000
eu posso dizer a vocês com 90% de certeza tudo sobre ele
08:21
in terms of its physiology, life history, etc.
209
501260
4000
em termos de fisiologia, história de vida, etc...
08:25
And the reason for this is because of networks.
210
505260
3000
E isto se deve às redes.
08:28
All of life is controlled by networks --
211
508260
3000
Tudo na vida é controlado por redes --
08:31
from the intracellular through the multicellular
212
511260
2000
desde o intracelular ao multicelular
08:33
through the ecosystem level.
213
513260
2000
em nível do ecossistema.
08:35
And you're very familiar with these networks.
214
515260
3000
E vocês conhecem bem estas redes.
08:39
That's a little thing that lives inside an elephant.
215
519260
3000
Isso é uma pequena coisa que vive dentro de um elefante.
08:42
And here's the summary of what I'm saying.
216
522260
3000
E aqui está o resumo do que estou dizendo.
08:45
If you take those networks,
217
525260
2000
Se pegarem essas redes,
08:47
this idea of networks,
218
527260
2000
esta ideia de redes,
08:49
and you apply universal principles,
219
529260
2000
e aplicarem princípios universais,
08:51
mathematizable, universal principles,
220
531260
2000
princípios matemáticos, universais,
08:53
all of these scalings
221
533260
2000
todas estas representações em escalas
08:55
and all of these constraints follow,
222
535260
3000
e todas estas restrições se sucedem,
08:58
including the description of the forest,
223
538260
2000
incluindo a descrição da floresta,
09:00
the description of your circulatory system,
224
540260
2000
a descrição de nosso sistema circulatório,
09:02
the description within cells.
225
542260
2000
a descrição do interior das células.
09:04
One of the things I did not stress in that introduction
226
544260
3000
Uma das coisas que eu não mencionei na introdução
09:07
was that, systematically, the pace of life
227
547260
3000
foi que, sistematicamente, o ritmo de vida
09:10
decreases as you get bigger.
228
550260
2000
diminui à medida em que você cresce.
09:12
Heart rates are slower; you live longer;
229
552260
3000
O ritmo cardíaco é mais lento, você vive mais;
09:15
diffusion of oxygen and resources
230
555260
2000
a difusão de oxigênio e os recursos
09:17
across membranes is slower, etc.
231
557260
2000
dentro das membranas é menor, etc.
09:19
The question is: Is any of this true
232
559260
2000
A questão é: algo disto é verdadeiro
09:21
for cities and companies?
233
561260
3000
para as cidades e empresas?
09:24
So is London a scaled up Birmingham,
234
564260
3000
Então, Londres é uma Birmingham em maior escala,
09:27
which is a scaled up Brighton, etc., etc.?
235
567260
3000
que por sua vez é uma Brighton em maior escala, etc., etc.?
09:30
Is New York a scaled up San Francisco,
236
570260
2000
Seria Nova York uma São Francisco em maior escala,
09:32
which is a scaled up Santa Fe?
237
572260
2000
que é uma Santa Fé em maior escala?
09:34
Don't know. We will discuss that.
238
574260
2000
Não sabemos. Nós vamos discutir isso.
09:36
But they are networks,
239
576260
2000
Mas elas são redes.
09:38
and the most important network of cities
240
578260
2000
E o mais importante na rede das cidades
09:40
is you.
241
580260
2000
são vocês.
09:42
Cities are just a physical manifestation
242
582260
3000
As cidades são uma manifestação física
09:45
of your interactions,
243
585260
2000
das suas interações,
09:47
our interactions,
244
587260
2000
das nossas interações,
09:49
and the clustering and grouping of individuals.
245
589260
2000
e da agregação e agrupamento de indivíduos.
09:51
Here's just a symbolic picture of that.
246
591260
3000
Aqui está uma fotografia simbólica disso.
09:54
And here's scaling of cities.
247
594260
2000
E aqui estão escalas de cidades.
09:56
This shows that in this very simple example,
248
596260
3000
Isto mostra que neste exemplo simples,
09:59
which happens to be a mundane example
249
599260
2000
que por acaso é um exemplo banal
10:01
of number of petrol stations
250
601260
2000
do número de postos de gasolina
10:03
as a function of size --
251
603260
2000
em função do tamanho --
10:05
plotted in the same way as the biology --
252
605260
2000
traçado da mesma maneira que na biologia --
10:07
you see exactly the same kind of thing.
253
607260
2000
vocês podem ver exatamente o mesmo tipo de coisa.
10:09
There is a scaling.
254
609260
2000
Há uma evolução na escala.
10:11
That is that the number of petrol stations in the city
255
611260
4000
O número de postos de gasolina na cidade
10:15
is now given to you
256
615260
2000
agora é dado a vocês
10:17
when you tell me its size.
257
617260
2000
quando me dizem o tamanho dela.
10:19
The slope of that is less than linear.
258
619260
3000
A inclinação disso é menos que linear.
10:22
There is an economy of scale.
259
622260
2000
Há uma economia de escala.
10:24
Less petrol stations per capita the bigger you are -- not surprising.
260
624260
3000
Menos postos de gasolina per capita quanto maior você for - não é surpreendente.
10:27
But here's what's surprising.
261
627260
2000
Mas aqui está o que é surpreendente.
10:29
It scales in the same way everywhere.
262
629260
2000
O resultado da escala é igual em todo lugar.
10:31
This is just European countries,
263
631260
2000
Aqui estão apenas países europeus,
10:33
but you do it in Japan or China or Colombia,
264
633260
3000
mas se fizermos no Japão, China ou Colômbia,
10:36
always the same
265
636260
2000
é sempre o mesmo
10:38
with the same kind of economy of scale
266
638260
2000
com o mesmo tipo de economia de escala
10:40
to the same degree.
267
640260
2000
no mesmo grau.
10:42
And any infrastructure you look at --
268
642260
3000
E qualquer infraestrutura que observamos --
10:45
whether it's the length of roads, length of electrical lines --
269
645260
3000
seja o comprimento de estradas, o comprimento das linhas elétricas --
10:48
anything you look at
270
648260
2000
qualquer coisa que você vê
10:50
has the same economy of scale scaling in the same way.
271
650260
3000
tem a mesma economia de escala, da mesma maneira.
10:53
It's an integrated system
272
653260
2000
É um sistema integrado
10:55
that has evolved despite all the planning and so on.
273
655260
3000
que evoluiu apesar de todo o planejamento e todo o resto.
10:58
But even more surprising
274
658260
2000
Mas ainda mais surpreendente
11:00
is if you look at socio-economic quantities,
275
660260
2000
é que se observarmos as 'quantidades' socioeconômicas,
11:02
quantities that have no analog in biology,
276
662260
3000
quantidades que não têm analogia na biologia,
11:05
that have evolved when we started forming communities
277
665260
3000
que evoluíram quando começamos a formar comunidades
11:08
eight to 10,000 years ago.
278
668260
2000
8 a 10.000 anos atrás.
11:10
The top one is wages as a function of size
279
670260
2000
A de cima é o salário em função do tamanho
11:12
plotted in the same way.
280
672260
2000
representado da mesma maneira.
11:14
And the bottom one is you lot --
281
674260
2000
E a de baixo representa vocês --
11:16
super-creatives plotted in the same way.
282
676260
3000
super criativos representados da mesma maneira.
11:19
And what you see
283
679260
2000
E o que podem ver
11:21
is a scaling phenomenon.
284
681260
2000
é um fenômeno de escala.
11:23
But most important in this,
285
683260
2000
Mas o mais importante nisto,
11:25
the exponent, the analog to that three-quarters
286
685260
2000
o expoente, o análogo a esses ¾
11:27
for the metabolic rate,
287
687260
2000
para a taxa metabólica,
11:29
is bigger than one -- it's about 1.15 to 1.2.
288
689260
2000
é maior do que um - é cerca de 1.15 a 1.2.
11:31
Here it is,
289
691260
2000
Aqui está,
11:33
which says that the bigger you are
290
693260
3000
diz que quanto maior você for
11:36
the more you have per capita, unlike biology --
291
696260
3000
mais terá per capita, contrariamente à biologia --
11:39
higher wages, more super-creative people per capita as you get bigger,
292
699260
4000
maiores salários, mais pessoas criativas per capita à medida que somos maiores,
11:43
more patents per capita, more crime per capita.
293
703260
3000
mais patentes per capita, mais crime per capita.
11:46
And we've looked at everything:
294
706260
2000
E nós olhamos tudo:
11:48
more AIDS cases, flu, etc.
295
708260
3000
casos de HIV, gripe, etc.
11:51
And here, they're all plotted together.
296
711260
2000
E aqui, estão todos representados em conjunto.
11:53
Just to show you what we plotted,
297
713260
2000
Só para mostrar a vocês como representamos,
11:55
here is income, GDP --
298
715260
3000
aqui está a renda, PIB --
11:58
GDP of the city --
299
718260
2000
PIB da cidade --
12:00
crime and patents all on one graph.
300
720260
2000
crime e patentes todos num só gráfico.
12:02
And you can see, they all follow the same line.
301
722260
2000
E podem ver, todos seguem a mesma linha.
12:04
And here's the statement.
302
724260
2000
E aqui está a afirmação.
12:06
If you double the size of a city from 100,000 to 200,000,
303
726260
3000
Se duplicarem o tamanho de uma cidade de 100.000 para 200.000,
12:09
from a million to two million, 10 to 20 million,
304
729260
2000
de um milhão para dois milhões, de 10 para 20 milhões,
12:11
it doesn't matter,
305
731260
2000
não faz diferença,
12:13
then systematically
306
733260
2000
porque sistematicamente
12:15
you get a 15 percent increase
307
735260
2000
há um aumento de 15%
12:17
in wages, wealth, number of AIDS cases,
308
737260
2000
nos salários, saúde, número de casos de HIV,
12:19
number of police,
309
739260
2000
número de policiais,
12:21
anything you can think of.
310
741260
2000
em tudo que possam pensar.
12:23
It goes up by 15 percent,
311
743260
2000
Aumenta cerca de 15%.
12:25
and you have a 15 percent savings
312
745260
3000
E temos 15% de economia
12:28
on the infrastructure.
313
748260
3000
na infraestrutura.
12:31
This, no doubt, is the reason
314
751260
3000
Esta, sem dúvida, é a razão
12:34
why a million people a week are gathering in cities.
315
754260
3000
de um milhão de pessoas por semana se juntarem às cidades.
12:37
Because they think that all those wonderful things --
316
757260
3000
Porque pensam que todas essas coisas maravilhosas,
12:40
like creative people, wealth, income --
317
760260
2000
como pessoas criativas, saúde, salários,
12:42
is what attracts them,
318
762260
2000
são o que as atrai,
12:44
forgetting about the ugly and the bad.
319
764260
2000
esquecendo o feio e o mau.
12:46
What is the reason for this?
320
766260
2000
Qual é a razão disto?
12:48
Well I don't have time to tell you about all the mathematics,
321
768260
3000
Eu não tenho tempo para mostrar a vocês toda a matemática,
12:51
but underlying this is the social networks,
322
771260
3000
mas por trás disto estão as redes sociais,
12:54
because this is a universal phenomenon.
323
774260
3000
porque este é um fenômeno universal.
12:57
This 15 percent rule
324
777260
3000
Esta regra dos 15%
13:00
is true
325
780260
2000
é verdadeira
13:02
no matter where you are on the planet --
326
782260
2000
onde quer que você esteja no planeta --
13:04
Japan, Chile,
327
784260
2000
Japão, Chile,
13:06
Portugal, Scotland, doesn't matter.
328
786260
3000
Portugal, Escócia, não interessa.
13:09
Always, all the data shows it's the same,
329
789260
3000
Sempre, todos os dados mostram que é igual,
13:12
despite the fact that these cities have evolved independently.
330
792260
3000
apesar destas cidades terem evoluído independentemente.
13:15
Something universal is going on.
331
795260
2000
Algo universal está acontecendo.
13:17
The universality, to repeat, is us --
332
797260
3000
A universalidade, repito, somos nós --
13:20
that we are the city.
333
800260
2000
nós somos a cidade.
13:22
And it is our interactions and the clustering of those interactions.
334
802260
3000
E são as nossas interações e o agrupamento dessas interações.
13:25
So there it is, I've said it again.
335
805260
2000
E aqui está, como já disse.
13:27
So if it is those networks and their mathematical structure,
336
807260
3000
Então se são essas redes e suas estruturas matemáticas,
13:30
unlike biology, which had sublinear scaling,
337
810260
3000
contrariamente à biologia, de escala sublinear,
13:33
economies of scale,
338
813260
2000
economias de escala,
13:35
you had the slowing of the pace of life
339
815260
2000
você teria a diminuição do ritmo de vida
13:37
as you get bigger.
340
817260
2000
à medida que crescemos.
13:39
If it's social networks with super-linear scaling --
341
819260
2000
Se são redes sociais com escalas super-lineares --
13:41
more per capita --
342
821260
2000
mais per capita --
13:43
then the theory says
343
823260
2000
então a teoria diz que
13:45
that you increase the pace of life.
344
825260
2000
você aumenta o ritmo de vida.
13:47
The bigger you are, life gets faster.
345
827260
2000
Quanto maior você for, mais rápida ficará a vida.
13:49
On the left is the heart rate showing biology.
346
829260
2000
À esquerda está a frequência cardíaca que a biologia mostra.
13:51
On the right is the speed of walking
347
831260
2000
À direita está a velocidade do passo
13:53
in a bunch of European cities,
348
833260
2000
numa série de países europeus,
13:55
showing that increase.
349
835260
2000
mostrando esse aumento.
13:57
Lastly, I want to talk about growth.
350
837260
3000
Por último, quero falar sobre crescimento.
14:00
This is what we had in biology, just to repeat.
351
840260
3000
Isto é o que temos na biologia, repito.
14:03
Economies of scale
352
843260
3000
Economias de escala
14:06
gave rise to this sigmoidal behavior.
353
846260
3000
deram origem a este comportamento sigmoidal.
14:09
You grow fast and then stop --
354
849260
3000
Crescemos rápido e depois paramos --
14:12
part of our resilience.
355
852260
2000
parte da nossa resiliência.
14:14
That would be bad for economies and cities.
356
854260
3000
Isso seria ruim para as economias e cidades.
14:17
And indeed, one of the wonderful things about the theory
357
857260
2000
E na verdade, uma das coisas extraordinárias da teoria
14:19
is that if you have super-linear scaling
358
859260
3000
é que se temos escalas super-lineares
14:22
from wealth creation and innovation,
359
862260
2000
a partir da criação de riquezas e inovação,
14:24
then indeed you get, from the same theory,
360
864260
3000
então na verdade temos, segundo a mesma teoria,
14:27
a beautiful rising exponential curve -- lovely.
361
867260
2000
um belo crescimento exponencial da curva -- adorável.
14:29
And in fact, if you compare it to data,
362
869260
2000
E na verdade, se a compararem com os dados,
14:31
it fits very well
363
871260
2000
ela se encaixa muito bem
14:33
with the development of cities and economies.
364
873260
2000
com o desenvolvimento das cidades e das economias.
14:35
But it has a terrible catch,
365
875260
2000
Mas há um problema terrível.
14:37
and the catch
366
877260
2000
E o problema é
14:39
is that this system is destined to collapse.
367
879260
3000
que este sistema está destinado ao colapso.
14:42
And it's destined to collapse for many reasons --
368
882260
2000
E está destinado ao colapso por várias razões --
14:44
kind of Malthusian reasons -- that you run out of resources.
369
884260
3000
razões de tipo "malthusiano" -- de que esgotamos os recursos.
14:47
And how do you avoid that? Well we've done it before.
370
887260
3000
E como se evita isso? Bem, já o fizemos antes.
14:50
What we do is,
371
890260
2000
O que fazemos é,
14:52
as we grow and we approach the collapse,
372
892260
3000
à medida que crescemos e nos aproximamos do colapso,
14:55
a major innovation takes place
373
895260
3000
uma inovação maior entra em cena
14:58
and we start over again,
374
898260
2000
e começamos tudo novamente.
15:00
and we start over again as we approach the next one, and so on.
375
900260
3000
E começamos de novo quando nos aproximamos do próximo, e daí por diante.
15:03
So there's this continuous cycle of innovation
376
903260
2000
Por isso há ciclos contínuos de inovação
15:05
that is necessary
377
905260
2000
que são necessários
15:07
in order to sustain growth and avoid collapse.
378
907260
3000
para sustentar o crescimento e evitar o colapso.
15:10
The catch, however, to this
379
910260
2000
Contudo, o problema é
15:12
is that you have to innovate
380
912260
2000
que temos de inovar
15:14
faster and faster and faster.
381
914260
3000
cada vez mais rápido.
15:17
So the image
382
917260
2000
Por isso a imagem
15:19
is that we're not only on a treadmill that's going faster,
383
919260
3000
é que não estamos apenas em uma esteira que vai mais rápido,
15:22
but we have to change the treadmill faster and faster.
384
922260
3000
mas temos que mudar a esteira mais e mais rápido.
15:25
We have to accelerate on a continuous basis.
385
925260
3000
Temos de acelerar continuamente.
15:28
And the question is: Can we, as socio-economic beings,
386
928260
3000
E a questão é: podemos, enquanto seres socioeconômicos
15:31
avoid a heart attack?
387
931260
3000
evitar um ataque de coração?
15:34
So lastly, I'm going to finish up in this last minute or two
388
934260
3000
E finalmente, vou terminar nestes últimos minutos
15:37
asking about companies.
389
937260
2000
perguntando sobre as empresas.
15:39
See companies, they scale.
390
939260
2000
Vejam as empresas, elas evoluem em escala.
15:41
The top one, in fact, is Walmart on the right.
391
941260
2000
A primeira é, de fato, Walmart à direita.
15:43
It's the same plot.
392
943260
2000
É o mesmo gráfico.
15:45
This happens to be income and assets
393
945260
2000
Estes são os rendimentos e os ativos
15:47
versus the size of the company as denoted by its number of employees.
394
947260
2000
em função do tamanho da empresa conforme o número de seus empregados.
15:49
We could use sales, anything you like.
395
949260
3000
Poderíamos usar vendas, o que quiserem.
15:52
There it is: after some little fluctuations at the beginning,
396
952260
3000
Aqui está: após algumas flutuações no início,
15:55
when companies are innovating,
397
955260
2000
quando as empresas estão inovando
15:57
they scale beautifully.
398
957260
2000
elas crescem lindamente.
15:59
And we've looked at 23,000 companies
399
959260
3000
E nós olhamos 23.000 empresas,
16:02
in the United States, may I say.
400
962260
2000
nos Estados Unidos, devo dizer.
16:04
And I'm only showing you a little bit of this.
401
964260
3000
E estou mostrando a vocês apenas um pouco disto.
16:07
What is astonishing about companies
402
967260
2000
O que é surpreendente sobre as empresas
16:09
is that they scale sublinearly
403
969260
3000
é que seguem na escala sublinearmente
16:12
like biology,
404
972260
2000
como a biologia,
16:14
indicating that they're dominated,
405
974260
2000
indicando que elas são dominadas,
16:16
not by super-linear
406
976260
2000
não por super-lineares
16:18
innovation and ideas;
407
978260
3000
inovação e ideias;
16:21
they become dominated
408
981260
2000
elas tornam-se dominadas
16:23
by economies of scale.
409
983260
2000
pelas economias de escala.
16:25
In that interpretation,
410
985260
2000
Nessa interpretação,
16:27
by bureaucracy and administration,
411
987260
2000
pela burocracia e administração,
16:29
and they do it beautifully, may I say.
412
989260
2000
e elas fazem isso lindamente, devo dizer.
16:31
So if you tell me the size of some company, some small company,
413
991260
3000
Por isso se me disserem o tamanho de uma empresa, alguma empresa pequena,
16:34
I could have predicted the size of Walmart.
414
994260
3000
eu poderia ter previsto o tamanho da Walmart.
16:37
If it has this sublinear scaling,
415
997260
2000
Se tivesse esta escala sublinear,
16:39
the theory says
416
999260
2000
a teoria diz que
16:41
we should have sigmoidal growth.
417
1001260
3000
deveríamos ter crescimento sigmoidal.
16:44
There's Walmart. Doesn't look very sigmoidal.
418
1004260
2000
Ali está a Walmart. Não parece muito sigmoidal.
16:46
That's what we like, hockey sticks.
419
1006260
3000
É disto que gostamos, bastões de hockey
16:49
But you notice, I've cheated,
420
1009260
2000
Mas se vocês repararem, eu trapaceei,
16:51
because I've only gone up to '94.
421
1011260
2000
porque eu apenas fui até 1994.
16:53
Let's go up to 2008.
422
1013260
2000
Vamos até 2008.
16:55
That red line is from the theory.
423
1015260
3000
Essa linha vermelha vem da teoria.
16:58
So if I'd have done this in 1994,
424
1018260
2000
Então, se eu tivesse feito isto em 1994,
17:00
I could have predicted what Walmart would be now.
425
1020260
3000
poderia ter previsto o que o Walmart seria agora.
17:03
And then this is repeated
426
1023260
2000
E isto se repete
17:05
across the entire spectrum of companies.
427
1025260
2000
em todo o espectro de empresas.
17:07
There they are. That's 23,000 companies.
428
1027260
3000
Ali estão. São 23.000 empresas.
17:10
They all start looking like hockey sticks,
429
1030260
2000
Elas começam todas parecendo bastões de hockey,
17:12
they all bend over,
430
1032260
2000
todas se inclinam,
17:14
and they all die like you and me.
431
1034260
2000
e todas morrem como vocês e eu.
17:16
Thank you.
432
1036260
2000
Obrigado.
17:18
(Applause)
433
1038260
9000
(Aplausos)
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7