Geoffrey West: The surprising math of cities and corporations

Джеффри Вест: Удивительная математика городов и корпораций

170,954 views

2011-07-26 ・ TED


New videos

Geoffrey West: The surprising math of cities and corporations

Джеффри Вест: Удивительная математика городов и корпораций

170,954 views ・ 2011-07-26

TED


Пожалуйста, дважды щелкните на английские субтитры ниже, чтобы воспроизвести видео.

Переводчик: Aliaksandr Autayeu Редактор: Larisa Larionova
00:16
Cities are the crucible of civilization.
0
16260
3000
Города — горнила цивилизации.
00:19
They have been expanding,
1
19260
2000
В последние 200 лет города и
00:21
urbanization has been expanding,
2
21260
2000
урбанизация расширялись
00:23
at an exponential rate in the last 200 years
3
23260
2000
экспоненциально,
00:25
so that by the second part of this century,
4
25260
3000
так что ко второй половине этого века
00:28
the planet will be completely dominated
5
28260
2000
планета будет полностью покорена
00:30
by cities.
6
30260
3000
городами.
00:33
Cities are the origins of global warming,
7
33260
3000
Города являются причиной глобального потепления,
00:36
impact on the environment,
8
36260
2000
влияют на окружающую среду,
00:38
health, pollution, disease,
9
38260
3000
здоровье, загрязнение, болезни,
00:41
finance,
10
41260
2000
финансы,
00:43
economies, energy --
11
43260
3000
экономику, энергию —
00:46
they're all problems
12
46260
2000
с этими проблемами
00:48
that are confronted by having cities.
13
48260
2000
приходится сталкиваться при наличии городов.
00:50
That's where all these problems come from.
14
50260
2000
Оттуда начинаются все эти проблемы.
00:52
And the tsunami of problems that we feel we're facing
15
52260
3000
Говоря об устойчивости, цунами проблем,
00:55
in terms of sustainability questions
16
55260
2000
которые перед нами стоят,
00:57
are actually a reflection
17
57260
2000
на самом деле отражает
00:59
of the exponential increase
18
59260
2000
экспоненциальный рост
01:01
in urbanization across the planet.
19
61260
3000
урбанизации на планете.
01:04
Here's some numbers.
20
64260
2000
Вот некоторые цифры.
01:06
Two hundred years ago, the United States
21
66260
2000
200 лет назад, США
01:08
was less than a few percent urbanized.
22
68260
2000
были урбанизированы всего на несколько процентов.
01:10
It's now more than 82 percent.
23
70260
2000
Теперь — более чем на 82%.
01:12
The planet has crossed the halfway mark a few years ago.
24
72260
3000
Планета пересекла отметку в 50% несколько лет назад.
01:15
China's building 300 new cities
25
75260
2000
В ближайшие 20 лет
01:17
in the next 20 years.
26
77260
2000
Китай построит 300 новых городов.
01:19
Now listen to this:
27
79260
2000
Вслушайтесь в это:
01:21
Every week for the foreseeable future,
28
81260
3000
Каждую неделю в обозримом будущем,
01:24
until 2050,
29
84260
2000
до 2050-го,
01:26
every week more than a million people
30
86260
2000
каждую неделю более миллиона людей
01:28
are being added to our cities.
31
88260
2000
будет переезжать в города.
01:30
This is going to affect everything.
32
90260
2000
Это повлияет на всё.
01:32
Everybody in this room, if you stay alive,
33
92260
2000
Каждый в этой комнате, если доживёт,
01:34
is going to be affected
34
94260
2000
будет затронут тем,
01:36
by what's happening in cities
35
96260
2000
что происходит в городах
01:38
in this extraordinary phenomenon.
36
98260
2000
в рамках этого необычного явления.
01:40
However, cities,
37
100260
3000
Однако, города,
01:43
despite having this negative aspect to them,
38
103260
3000
несмотря на наличие этого негативного момента,
01:46
are also the solution.
39
106260
2000
также являются решением.
01:48
Because cities are the vacuum cleaners and the magnets
40
108260
4000
Города — пылесосы и магниты,
01:52
that have sucked up creative people,
41
112260
2000
которые притянули творческих людей,
01:54
creating ideas, innovation,
42
114260
2000
создавая идеи, инновации,
01:56
wealth and so on.
43
116260
2000
богатство и так далее.
01:58
So we have this kind of dual nature.
44
118260
2000
Итак, перед нами двойственность.
02:00
And so there's an urgent need
45
120260
3000
А также острая необходимость
02:03
for a scientific theory of cities.
46
123260
4000
в научной теории городов.
02:07
Now these are my comrades in arms.
47
127260
3000
Вот мои братья по оружию.
02:10
This work has been done with an extraordinary group of people,
48
130260
2000
Эта работа была проделана выдающейся группой людей,
02:12
and they've done all the work,
49
132260
2000
они сделали всю работу,
02:14
and I'm the great bullshitter
50
134260
2000
а я всего лишь трепло,
02:16
that tries to bring it all together.
51
136260
2000
которое пытается связать всё это вместе.
02:18
(Laughter)
52
138260
2000
(Смех)
02:20
So here's the problem: This is what we all want.
53
140260
2000
Итак, проблема: Это то, что мы все хотим.
02:22
The 10 billion people on the planet in 2050
54
142260
3000
К 2050-му году 10 миллиардов людей на планете
02:25
want to live in places like this,
55
145260
2000
захотят жить вот в таких местах,
02:27
having things like this,
56
147260
2000
иметь вот такие вещи,
02:29
doing things like this,
57
149260
2000
заниматься вот такими делами,
02:31
with economies that are growing like this,
58
151260
3000
с экономикой, растущей вот так,
02:34
not realizing that entropy
59
154260
2000
не понимая, что энтропия
02:36
produces things like this,
60
156260
2000
производит вот такие,
02:38
this, this
61
158260
4000
такие, такие,
02:42
and this.
62
162260
2000
и вот такие вещи.
02:44
And the question is:
63
164260
2000
Вот в чём вопрос:
02:46
Is that what Edinburgh and London and New York
64
166260
2000
Вот так будут выглядеть Эдинбург, Лондон и Нью-Йорк
02:48
are going to look like in 2050,
65
168260
2000
в 2050-м,
02:50
or is it going to be this?
66
170260
2000
или вот так?
02:52
That's the question.
67
172260
2000
В этом и есть вопрос.
02:54
I must say, many of the indicators
68
174260
2000
Я должен сказать, многое указывает на то,
02:56
look like this is what it's going to look like,
69
176260
3000
что выглядеть они будут вот так,
02:59
but let's talk about it.
70
179260
3000
но давайте об этом поговорим.
03:02
So my provocative statement
71
182260
3000
Моё провокационное утверждение в том,
03:05
is that we desperately need a serious scientific theory of cities.
72
185260
3000
что мы отчаянно нуждаемся в серьёзной научной теории городов.
03:08
And scientific theory means quantifiable --
73
188260
3000
Научная теория означает измеримая —
03:11
relying on underlying generic principles
74
191260
3000
полагающаяся на общие принципы,
03:14
that can be made into a predictive framework.
75
194260
2000
которые могут сформировать предсказательную основу.
03:16
That's the quest.
76
196260
2000
В этом и состоит задача.
03:18
Is that conceivable?
77
198260
2000
Возможно ли это?
03:20
Are there universal laws?
78
200260
2000
Есть ли универсальные законы?
03:22
So here's two questions
79
202260
2000
Два вопроса,
03:24
that I have in my head when I think about this problem.
80
204260
2000
которые меня волнуют, когда я думаю об этой проблеме.
03:26
The first is:
81
206260
2000
Первый:
03:28
Are cities part of biology?
82
208260
2000
Являются ли города биосистемами?
03:30
Is London a great big whale?
83
210260
2000
Можно ли сравнить Лондон с большим китом?
03:32
Is Edinburgh a horse?
84
212260
2000
Эдинбург — с лошадью?
03:34
Is Microsoft a great big anthill?
85
214260
2000
Microsoft — с большим муравейником?
03:36
What do we learn from that?
86
216260
2000
Чему это может нас научить?
03:38
We use them metaphorically --
87
218260
2000
Мы говорим метафорически —
03:40
the DNA of a company, the metabolism of a city, and so on --
88
220260
2000
ДНК компании, метаболизм города, и так далее —
03:42
is that just bullshit, metaphorical bullshit,
89
222260
3000
это ерунда, метафорическая чушь,
03:45
or is there serious substance to it?
90
225260
3000
или в это есть что-то серьёзное?
03:48
And if that is the case,
91
228260
2000
А если это так,
03:50
how come that it's very hard to kill a city?
92
230260
2000
то почему так сложно умертвить город?
03:52
You could drop an atom bomb on a city,
93
232260
2000
Можно сбросить на город атомную бомбу,
03:54
and 30 years later it's surviving.
94
234260
2000
и 30 лет спустя он живёт.
03:56
Very few cities fail.
95
236260
3000
Очень немногие города погибают.
03:59
All companies die, all companies.
96
239260
3000
Все компании разваливаются, абсолютно все.
04:02
And if you have a serious theory, you should be able to predict
97
242260
2000
И если ваша теория серьёзна, то вы должны уметь предсказать,
04:04
when Google is going to go bust.
98
244260
3000
когда Google прекратит своё существование.
04:07
So is that just another version
99
247260
3000
Или же это просто ещё одна версия
04:10
of this?
100
250260
2000
вот этого?
04:12
Well we understand this very well.
101
252260
2000
Мы это хорошо понимаем.
04:14
That is, you ask any generic question about this --
102
254260
2000
Задайте любой общий вопрос на эту тему —
04:16
how many trees of a given size,
103
256260
2000
сколько деревьев заданного размера,
04:18
how many branches of a given size does a tree have,
104
258260
2000
как много ветвей заданного размера на дереве,
04:20
how many leaves,
105
260260
2000
как много листьев,
04:22
what is the energy flowing through each branch,
106
262260
2000
какова энергия, проходящая сквозь каждую ветвь,
04:24
what is the size of the canopy,
107
264260
2000
каков размер кроны,
04:26
what is its growth, what is its mortality?
108
266260
2000
какова скорость роста, какова смертность?
04:28
We have a mathematical framework
109
268260
2000
У нас есть математическая база,
04:30
based on generic universal principles
110
270260
3000
основанная на общих универсальных принципах,
04:33
that can answer those questions.
111
273260
2000
которая может ответить на эти вопросы.
04:35
And the idea is can we do the same for this?
112
275260
4000
А можем ли мы применить её здесь?
04:40
So the route in is recognizing
113
280260
3000
Путь к пониманию одной из самых необычных истин
04:43
one of the most extraordinary things about life,
114
283260
2000
о жизни лежит через понимание того,
04:45
is that it is scalable,
115
285260
2000
что она масштабируется,
04:47
it works over an extraordinary range.
116
287260
2000
что она работает в огромном диапазоне.
04:49
This is just a tiny range actually:
117
289260
2000
Это всего лишь его малая часть,
04:51
It's us mammals;
118
291260
2000
всего лишь мы, млекопитающие,
04:53
we're one of these.
119
293260
2000
мы одни из них.
04:55
The same principles, the same dynamics,
120
295260
2000
Те же принципы, та же динамика,
04:57
the same organization is at work
121
297260
2000
та же организация присутствуют
04:59
in all of these, including us,
122
299260
2000
у всех из них, включая нас,
05:01
and it can scale over a range of 100 million in size.
123
301260
3000
и масштабируется в размере в пределах 100 миллионов.
05:04
And that is one of the main reasons
124
304260
3000
Это одна из причин, почему
05:07
life is so resilient and robust --
125
307260
2000
жизнь столь прочна и сильна —
05:09
scalability.
126
309260
2000
масштабируемость.
05:11
We're going to discuss that in a moment more.
127
311260
3000
Сейчас мы обсудим это подробнее.
05:14
But you know, at a local level,
128
314260
2000
На местном уровне,
05:16
you scale; everybody in this room is scaled.
129
316260
2000
вы масштабируетесь, любой в этой комнате масштабирован.
05:18
That's called growth.
130
318260
2000
Это называется ростом.
05:20
Here's how you grew.
131
320260
2000
Вот, как вы растёте.
05:22
Rat, that's a rat -- could have been you.
132
322260
2000
Крыса, это крыса — могли бы быть вы.
05:24
We're all pretty much the same.
133
324260
3000
Мы все практически одинаковы.
05:27
And you see, you're very familiar with this.
134
327260
2000
Вам это очень знакомо.
05:29
You grow very quickly and then you stop.
135
329260
2000
Вы очень быстро растёте и затем прекращаете.
05:31
And that line there
136
331260
2000
Вот эта линия
05:33
is a prediction from the same theory,
137
333260
2000
предсказана той же теорией,
05:35
based on the same principles,
138
335260
2000
основана на тех же принципах,
05:37
that describes that forest.
139
337260
2000
которые описывают лес.
05:39
And here it is for the growth of a rat,
140
339260
2000
Это описывает рост крысы.
05:41
and those points on there are data points.
141
341260
2000
Точки на графике соответствуют данным.
05:43
This is just the weight versus the age.
142
343260
2000
Вес и соответствующий ему возраст.
05:45
And you see, it stops growing.
143
345260
2000
Можно заметить, рост прекращается.
05:47
Very, very good for biology --
144
347260
2000
Очень, очень хорошая вещь для биосистем
05:49
also one of the reasons for its great resilience.
145
349260
2000
и одна из причин их высокой прочности.
05:51
Very, very bad
146
351260
2000
Но очень, очень плохая вещь
05:53
for economies and companies and cities
147
353260
2000
для экономики, компаний и городов,
05:55
in our present paradigm.
148
355260
2000
в нашем текущем понимании.
05:57
This is what we believe.
149
357260
2000
Вот, во что мы верим.
05:59
This is what our whole economy
150
359260
2000
Это то, что вся наша экономика
06:01
is thrusting upon us,
151
361260
2000
навязывает нам,
06:03
particularly illustrated in that left-hand corner:
152
363260
3000
проиллюстрировано в левом углу:
06:06
hockey sticks.
153
366260
2000
хоккейные клюшки.
06:08
This is a bunch of software companies --
154
368260
2000
Это группа информационных компаний —
06:10
and what it is is their revenue versus their age --
155
370260
2000
и их выручка в зависимости от их возраста —
06:12
all zooming away,
156
372260
2000
всё увеличивающаяся,
06:14
and everybody making millions and billions of dollars.
157
374260
2000
все зарабатывают миллионы и миллиарды долларов.
06:16
Okay, so how do we understand this?
158
376260
3000
Итак, как же нам в этом разобраться?
06:19
So let's first talk about biology.
159
379260
3000
Давайте сначала обсудим биосистемы.
06:22
This is explicitly showing you
160
382260
2000
Здесь явно показано,
06:24
how things scale,
161
384260
2000
как работает масштаб.
06:26
and this is a truly remarkable graph.
162
386260
2000
Это удивительный график.
06:28
What is plotted here is metabolic rate --
163
388260
3000
Здесь показана скорость обмена веществ —
06:31
how much energy you need per day to stay alive --
164
391260
3000
сколько энергии нужно, чтобы прожить день —
06:34
versus your weight, your mass,
165
394260
2000
в зависимости от веса – массы -
06:36
for all of us bunch of organisms.
166
396260
3000
для целой группы организмов.
06:39
And it's plotted in this funny way by going up by factors of 10,
167
399260
3000
Это представлено в масштабе, увеличивающемся степенями десяти,
06:42
otherwise you couldn't get everything on the graph.
168
402260
2000
иначе на график всё не поместить.
06:44
And what you see if you plot it
169
404260
2000
Такое хитрое отображение
06:46
in this slightly curious way
170
406260
2000
позволяет увидеть,
06:48
is that everybody lies on the same line.
171
408260
3000
что всё лежит на одной прямой.
06:51
Despite the fact that this is the most complex and diverse system
172
411260
3000
Несмотря на тот факт, что это наиболее сложная и разнообразная
06:54
in the universe,
173
414260
3000
система во вселенной,
06:57
there's an extraordinary simplicity
174
417260
2000
мы видим
06:59
being expressed by this.
175
419260
2000
необычайную простоту.
07:01
It's particularly astonishing
176
421260
3000
Наиболее удивительно то,
07:04
because each one of these organisms,
177
424260
2000
что каждый из этих организмов,
07:06
each subsystem, each cell type, each gene,
178
426260
2000
каждая подсистема, каждая клетка, каждый ген
07:08
has evolved in its own unique environmental niche
179
428260
4000
эволюционировали в своей собственной природной нише,
07:12
with its own unique history.
180
432260
3000
со своей особенной историей.
07:15
And yet, despite all of that Darwinian evolution
181
435260
3000
И всё же, несмотря на всю эту Дарвиновскую эволюцию
07:18
and natural selection,
182
438260
2000
и естественный отбор,
07:20
they've been constrained to lie on a line.
183
440260
2000
они вынуждены помещаться на прямой.
07:22
Something else is going on.
184
442260
2000
В этом что-то есть.
07:24
Before I talk about that,
185
444260
2000
Прежде чем рассказать об этом,
07:26
I've written down at the bottom there
186
446260
2000
посмотрите вниз, вот сюда,
07:28
the slope of this curve, this straight line.
187
448260
2000
где я написал наклон этой линии, наклон этой прямой.
07:30
It's three-quarters, roughly,
188
450260
2000
Примерно три четверти,
07:32
which is less than one -- and we call that sublinear.
189
452260
3000
меньше единицы — мы называем такой наклон сублинейным.
07:35
And here's the point of that.
190
455260
2000
И вот в чём суть:
07:37
It says that, if it were linear,
191
457260
3000
если бы он был линейным,
07:40
the steepest slope,
192
460260
2000
более крутая линия,
07:42
then doubling the size
193
462260
2000
то удвоение размера
07:44
you would require double the amount of energy.
194
464260
2000
потребовало бы удвоения количества энергии.
07:46
But it's sublinear, and what that translates into
195
466260
3000
Однако он сублинейный, и, как следствие,
07:49
is that, if you double the size of the organism,
196
469260
2000
для удвоения размера организма
07:51
you actually only need 75 percent more energy.
197
471260
3000
нужно всего лишь на 75 процентов больше энергии.
07:54
So a wonderful thing about all of biology
198
474260
2000
Замечательной особенностью биосистем является
07:56
is that it expresses an extraordinary economy of scale.
199
476260
3000
их невероятный положительный эффект масштаба.
07:59
The bigger you are systematically,
200
479260
2000
Чем больше вы систематически,
08:01
according to very well-defined rules,
201
481260
2000
согласно очень чётко определённых правил,
08:03
less energy per capita.
202
483260
3000
тем меньше энергии «на единицу».
08:06
Now any physiological variable you can think of,
203
486260
3000
Любая физиологическая переменная, о которой можно подумать,
08:09
any life history event you can think of,
204
489260
2000
любое событие из жизненного цикла,
08:11
if you plot it this way, looks like this.
205
491260
3000
изображённое подобным образом, выглядит так же.
08:14
There is an extraordinary regularity.
206
494260
2000
Это невероятная закономерность.
08:16
So you tell me the size of a mammal,
207
496260
2000
Если вы мне скажете размер млекопитающего,
08:18
I can tell you at the 90 percent level everything about it
208
498260
3000
я могу с уверенностью в 90% рассказать всё о нём,
08:21
in terms of its physiology, life history, etc.
209
501260
4000
его физиологию, жизненный цикл, и так далее.
08:25
And the reason for this is because of networks.
210
505260
3000
Причиной этого являются сети.
08:28
All of life is controlled by networks --
211
508260
3000
Вся жизнь контролируется сетями —
08:31
from the intracellular through the multicellular
212
511260
2000
начиная с межклеточной, далее мультиклеточной,
08:33
through the ecosystem level.
213
513260
2000
и до уровня экосистемы.
08:35
And you're very familiar with these networks.
214
515260
3000
Вам хорошо знакомы эти сети.
08:39
That's a little thing that lives inside an elephant.
215
519260
3000
Этот небольшой организм живёт внутри слона.
08:42
And here's the summary of what I'm saying.
216
522260
3000
Здесь резюме того, о чём я говорю.
08:45
If you take those networks,
217
525260
2000
В этих сетях,
08:47
this idea of networks,
218
527260
2000
в самой идее сетей,
08:49
and you apply universal principles,
219
529260
2000
из применения универсальных принципов,
08:51
mathematizable, universal principles,
220
531260
2000
математических, универсальных принципов,
08:53
all of these scalings
221
533260
2000
следуют все эти
08:55
and all of these constraints follow,
222
535260
3000
масштабирования и ограничения,
08:58
including the description of the forest,
223
538260
2000
включая описание леса,
09:00
the description of your circulatory system,
224
540260
2000
описание кровеносной системы,
09:02
the description within cells.
225
542260
2000
описание внутриклеточных систем.
09:04
One of the things I did not stress in that introduction
226
544260
3000
Одним из фактов, которые я не подчёркнул во введении,
09:07
was that, systematically, the pace of life
227
547260
3000
является то, что систематически, ритм жизни
09:10
decreases as you get bigger.
228
550260
2000
замедляется с увеличением размера.
09:12
Heart rates are slower; you live longer;
229
552260
3000
Сердечный ритм медленнее, продолжительность жизни выше,
09:15
diffusion of oxygen and resources
230
555260
2000
распространение кислорода и ресурсов
09:17
across membranes is slower, etc.
231
557260
2000
сквозь мембраны медленнее, и так далее.
09:19
The question is: Is any of this true
232
559260
2000
Вопрос в том, так ли это
09:21
for cities and companies?
233
561260
3000
для городов и компаний?
09:24
So is London a scaled up Birmingham,
234
564260
3000
Является ли Лондон увеличенным Бирмингемом,
09:27
which is a scaled up Brighton, etc., etc.?
235
567260
3000
который является увеличенным Брайтоном, и так далее?
09:30
Is New York a scaled up San Francisco,
236
570260
2000
Является ли Нью-Йорк увеличенным Сан-Франциско,
09:32
which is a scaled up Santa Fe?
237
572260
2000
который является увеличенным Санте-Фе?
09:34
Don't know. We will discuss that.
238
574260
2000
Неизвестно. Мы это обсудим.
09:36
But they are networks,
239
576260
2000
Но они являются сетями.
09:38
and the most important network of cities
240
578260
2000
Наиболее важной сетью городов
09:40
is you.
241
580260
2000
являетесь вы.
09:42
Cities are just a physical manifestation
242
582260
3000
Города всего лишь физическое воплощение
09:45
of your interactions,
243
585260
2000
ваших взаимодействий,
09:47
our interactions,
244
587260
2000
наших взаимодействий,
09:49
and the clustering and grouping of individuals.
245
589260
2000
а также кластеризации и группировки индивидуумов.
09:51
Here's just a symbolic picture of that.
246
591260
3000
Вот здесь это изображено символически.
09:54
And here's scaling of cities.
247
594260
2000
А вот здесь масштабирование городов.
09:56
This shows that in this very simple example,
248
596260
3000
В этом очень простом примере -
09:59
which happens to be a mundane example
249
599260
2000
весьма, кстати, приземлённом -
10:01
of number of petrol stations
250
601260
2000
количества заправок
10:03
as a function of size --
251
603260
2000
в зависимости от размера —
10:05
plotted in the same way as the biology --
252
605260
2000
изображённый таким же образом, как и пример из биологии —
10:07
you see exactly the same kind of thing.
253
607260
2000
виден точно такой же факт.
10:09
There is a scaling.
254
609260
2000
Масштабирование.
10:11
That is that the number of petrol stations in the city
255
611260
4000
Количество заправок в городе
10:15
is now given to you
256
615260
2000
можно определить
10:17
when you tell me its size.
257
617260
2000
по его размеру.
10:19
The slope of that is less than linear.
258
619260
3000
Наклон этой линии менее чем линейный.
10:22
There is an economy of scale.
259
622260
2000
Это и есть положительный эффект масштаба.
10:24
Less petrol stations per capita the bigger you are -- not surprising.
260
624260
3000
Неудивительно, что чем больше размер, тем меньше заправок «на единицу».
10:27
But here's what's surprising.
261
627260
2000
А вот что удивительно.
10:29
It scales in the same way everywhere.
262
629260
2000
Оно везде масштабируется одинаково.
10:31
This is just European countries,
263
631260
2000
Это европейские страны,
10:33
but you do it in Japan or China or Colombia,
264
633260
3000
но если взять Японию, или Китай, или Колумбию,
10:36
always the same
265
636260
2000
всё то же самое,
10:38
with the same kind of economy of scale
266
638260
2000
с тем же положительным эффектом масштаба и
10:40
to the same degree.
267
640260
2000
в такой же степени.
10:42
And any infrastructure you look at --
268
642260
3000
Посмотрите на любую инфраструктуру —
10:45
whether it's the length of roads, length of electrical lines --
269
645260
3000
длина дорог, длина линий электропередачи —
10:48
anything you look at
270
648260
2000
на что ни посмотри,
10:50
has the same economy of scale scaling in the same way.
271
650260
3000
везде тот же положительный эффект масштаба, работающий тем же образом.
10:53
It's an integrated system
272
653260
2000
Это интегрированная система,
10:55
that has evolved despite all the planning and so on.
273
655260
3000
которая эволюционировала, несмотря на всё планирование.
10:58
But even more surprising
274
658260
2000
Ещё более удивительно,
11:00
is if you look at socio-economic quantities,
275
660260
2000
если посмотреть на социоэкономические величины,
11:02
quantities that have no analog in biology,
276
662260
3000
величины, не имеющие аналогов в биологии,
11:05
that have evolved when we started forming communities
277
665260
3000
те, которые эволюционировали, когда мы начали формировать сообщества
11:08
eight to 10,000 years ago.
278
668260
2000
от 8 до 10 тысяч лет назад.
11:10
The top one is wages as a function of size
279
670260
2000
Сверху — зависимость зарплат работников от размера,
11:12
plotted in the same way.
280
672260
2000
представленная тем же образом.
11:14
And the bottom one is you lot --
281
674260
2000
Внизу, собственно, вы - супертворческие -
11:16
super-creatives plotted in the same way.
282
676260
3000
ваша занятость, так же отображённая на графике.
11:19
And what you see
283
679260
2000
Можно заметить
11:21
is a scaling phenomenon.
284
681260
2000
явление масштабирования.
11:23
But most important in this,
285
683260
2000
Однако наиболее важным является то,
11:25
the exponent, the analog to that three-quarters
286
685260
2000
что экспонента, аналог тех трёх четвертей
11:27
for the metabolic rate,
287
687260
2000
для скорости обмена веществ,
11:29
is bigger than one -- it's about 1.15 to 1.2.
288
689260
2000
здесь больше единицы —примерно 1,15 - 1,2.
11:31
Here it is,
289
691260
2000
Вот здесь
11:33
which says that the bigger you are
290
693260
3000
говорится, что чем вы больше,
11:36
the more you have per capita, unlike biology --
291
696260
3000
тем больше имеете «на единицу», в отличие от биологии —
11:39
higher wages, more super-creative people per capita as you get bigger,
292
699260
4000
выше зарплаты, больше творческих людей на душу населения при увеличении размера,
11:43
more patents per capita, more crime per capita.
293
703260
3000
больше патентов, выше преступность.
11:46
And we've looked at everything:
294
706260
2000
Мы рассмотрели всё:
11:48
more AIDS cases, flu, etc.
295
708260
3000
СПИД, грипп, и так далее.
11:51
And here, they're all plotted together.
296
711260
2000
Вот они, изображённые вместе.
11:53
Just to show you what we plotted,
297
713260
2000
Вот что мы нарисовали,
11:55
here is income, GDP --
298
715260
3000
вот доход, ВНП —
11:58
GDP of the city --
299
718260
2000
ВВП города —
12:00
crime and patents all on one graph.
300
720260
2000
преступность и патенты, всё на одном графике.
12:02
And you can see, they all follow the same line.
301
722260
2000
Можно заметить, все они лежат на одной прямой.
12:04
And here's the statement.
302
724260
2000
Факт:
12:06
If you double the size of a city from 100,000 to 200,000,
303
726260
3000
При увеличении размера города со ста до двухсот тысяч,
12:09
from a million to two million, 10 to 20 million,
304
729260
2000
с миллиона до двух, с 10 до 20 миллионов,
12:11
it doesn't matter,
305
731260
2000
не важно,
12:13
then systematically
306
733260
2000
систематически
12:15
you get a 15 percent increase
307
735260
2000
получаются 15-ти процентное увеличение
12:17
in wages, wealth, number of AIDS cases,
308
737260
2000
зарплат, богатства, количество случаев СПИДа,
12:19
number of police,
309
739260
2000
размер полиции, —
12:21
anything you can think of.
310
741260
2000
всего, о чём можно подумать.
12:23
It goes up by 15 percent,
311
743260
2000
Увеличивается на 15 процентов.
12:25
and you have a 15 percent savings
312
745260
3000
И 15 процентов экономится
12:28
on the infrastructure.
313
748260
3000
на инфраструктуре.
12:31
This, no doubt, is the reason
314
751260
3000
Вне сомнения, это и есть причина,
12:34
why a million people a week are gathering in cities.
315
754260
3000
по которой миллион людей в неделю переезжает в города.
12:37
Because they think that all those wonderful things --
316
757260
3000
Их привлекают все эти замечательные вещи,
12:40
like creative people, wealth, income --
317
760260
2000
творческие люди, богатство, доход,
12:42
is what attracts them,
318
762260
2000
вот что их привлекает,
12:44
forgetting about the ugly and the bad.
319
764260
2000
и они забывают о плохом и ужасном.
12:46
What is the reason for this?
320
766260
2000
В чём причина?
12:48
Well I don't have time to tell you about all the mathematics,
321
768260
3000
У меня нет времени рассказывать всю математику,
12:51
but underlying this is the social networks,
322
771260
3000
но в основе лежат социальные сети,
12:54
because this is a universal phenomenon.
323
774260
3000
потому что это универсальное явление.
12:57
This 15 percent rule
324
777260
3000
Это правило 15-ти процентов
13:00
is true
325
780260
2000
работает
13:02
no matter where you are on the planet --
326
782260
2000
вне зависимости от местонахождения на планете —
13:04
Japan, Chile,
327
784260
2000
Япония, Чили,
13:06
Portugal, Scotland, doesn't matter.
328
786260
3000
Португалия, Шотландия — не важно.
13:09
Always, all the data shows it's the same,
329
789260
3000
Всегда, все данные показывают, что они одинаковы,
13:12
despite the fact that these cities have evolved independently.
330
792260
3000
несмотря на то, что эти города развивались независимо.
13:15
Something universal is going on.
331
795260
2000
Здесь есть что-то универсальное.
13:17
The universality, to repeat, is us --
332
797260
3000
Универсальность, повторю, это мы —
13:20
that we are the city.
333
800260
2000
мы и есть город.
13:22
And it is our interactions and the clustering of those interactions.
334
802260
3000
Это наши взаимодействия и кластеризация этих взаимодействий.
13:25
So there it is, I've said it again.
335
805260
2000
Итак, я повторил это снова.
13:27
So if it is those networks and their mathematical structure,
336
807260
3000
Если эти сети и их математическая структура,
13:30
unlike biology, which had sublinear scaling,
337
810260
3000
в отличие от биосистем, где мы видели сублинейное масштабирование
13:33
economies of scale,
338
813260
2000
и положительный эффект масштаба,
13:35
you had the slowing of the pace of life
339
815260
2000
где было замедление скорости жизни
13:37
as you get bigger.
340
817260
2000
при увеличении размеов.
13:39
If it's social networks with super-linear scaling --
341
819260
2000
если это социальные сети с суперлинейным масштабированием —
13:41
more per capita --
342
821260
2000
больше «на единицу» —
13:43
then the theory says
343
823260
2000
тогда теория утверждает,
13:45
that you increase the pace of life.
344
825260
2000
что скорость жизни увеличивается.
13:47
The bigger you are, life gets faster.
345
827260
2000
Чем больше, тем быстрее жизнь.
13:49
On the left is the heart rate showing biology.
346
829260
2000
Слева показана частота сердцебиений, из биологии.
13:51
On the right is the speed of walking
347
831260
2000
Справа — скорость ходьбы
13:53
in a bunch of European cities,
348
833260
2000
в ряде европейских городов,
13:55
showing that increase.
349
835260
2000
демонстрирующая увеличение.
13:57
Lastly, I want to talk about growth.
350
837260
3000
В последнюю очередь, я хочу поговорить о росте.
14:00
This is what we had in biology, just to repeat.
351
840260
3000
То, что было в биологии, просто повторю.
14:03
Economies of scale
352
843260
3000
Положительный эффект масштаба
14:06
gave rise to this sigmoidal behavior.
353
846260
3000
даёт начало такому сигмоидному поведению.
14:09
You grow fast and then stop --
354
849260
3000
Быстрый рост и затем остановка —
14:12
part of our resilience.
355
852260
2000
часть устойчивости.
14:14
That would be bad for economies and cities.
356
854260
3000
Подобное было бы плохо для экономик и городов.
14:17
And indeed, one of the wonderful things about the theory
357
857260
2000
В самом деле, один из удивительных фактов теории в том,
14:19
is that if you have super-linear scaling
358
859260
3000
что при суперлинейном масштабировании,
14:22
from wealth creation and innovation,
359
862260
2000
начиная с создания богатства и инноваций,
14:24
then indeed you get, from the same theory,
360
864260
3000
из той же теории следует
14:27
a beautiful rising exponential curve -- lovely.
361
867260
2000
замечательная восходящая экспоненциальная кривая — красиво.
14:29
And in fact, if you compare it to data,
362
869260
2000
На самом деле, если сравнить её с данными,
14:31
it fits very well
363
871260
2000
она очень хорошо сходится
14:33
with the development of cities and economies.
364
873260
2000
с развитием городов и экономик.
14:35
But it has a terrible catch,
365
875260
2000
Но в ней есть ужасная ловушка.
14:37
and the catch
366
877260
2000
Ловушка в том,
14:39
is that this system is destined to collapse.
367
879260
3000
что эта система обречена на провал.
14:42
And it's destined to collapse for many reasons --
368
882260
2000
Она обречена на провал по многим причинам —
14:44
kind of Malthusian reasons -- that you run out of resources.
369
884260
3000
мальтузианского типа — потому что ресурсов перестанет хватать.
14:47
And how do you avoid that? Well we've done it before.
370
887260
3000
Как же этого избежать? Мы уже это делали.
14:50
What we do is,
371
890260
2000
Мы делаем вот так,
14:52
as we grow and we approach the collapse,
372
892260
3000
когда мы вырастаем и приближаемся к провалу —
14:55
a major innovation takes place
373
895260
3000
происходит революционное открытие
14:58
and we start over again,
374
898260
2000
и мы начинаем заново.
15:00
and we start over again as we approach the next one, and so on.
375
900260
3000
И мы начинаем заново при приближении к следующему, и так далее.
15:03
So there's this continuous cycle of innovation
376
903260
2000
Существует этот непрерывный цикл инноваций,
15:05
that is necessary
377
905260
2000
который необходим
15:07
in order to sustain growth and avoid collapse.
378
907260
3000
для поддержания роста и избегания провала.
15:10
The catch, however, to this
379
910260
2000
Однако и здесь есть ловушка —
15:12
is that you have to innovate
380
912260
2000
нужно изобретать
15:14
faster and faster and faster.
381
914260
3000
всё быстрее, и быстрее, и быстрее.
15:17
So the image
382
917260
2000
Картинка показывает,
15:19
is that we're not only on a treadmill that's going faster,
383
919260
3000
что мы не только находимся на беговой дорожке, которая ускоряется,
15:22
but we have to change the treadmill faster and faster.
384
922260
3000
но нам нужно менять беговые дорожки всё быстрее и быстрее.
15:25
We have to accelerate on a continuous basis.
385
925260
3000
Нам нужно ускоряться на постоянной основе.
15:28
And the question is: Can we, as socio-economic beings,
386
928260
3000
Вот в чём вопрос: Можем ли мы, как социоэкономические создания,
15:31
avoid a heart attack?
387
931260
3000
избежать сердечного приступа?
15:34
So lastly, I'm going to finish up in this last minute or two
388
934260
3000
Итак, в последние пару минут я хочу завершить,
15:37
asking about companies.
389
937260
2000
спрашивая о компаниях.
15:39
See companies, they scale.
390
939260
2000
Посмотрите на компании, они масштабируются.
15:41
The top one, in fact, is Walmart on the right.
391
941260
2000
На самом деле, верхняя справа — Walmart.
15:43
It's the same plot.
392
943260
2000
Это тот же график.
15:45
This happens to be income and assets
393
945260
2000
Это прибыль и активы, по отношению
15:47
versus the size of the company as denoted by its number of employees.
394
947260
2000
к размеру компании, выраженном количеством сотрудников.
15:49
We could use sales, anything you like.
395
949260
3000
Можно было взять продажи, всё что угодно.
15:52
There it is: after some little fluctuations at the beginning,
396
952260
3000
Итак, вот оно: после небольших колебаний в начале,
15:55
when companies are innovating,
397
955260
2000
когда компании изобретают,
15:57
they scale beautifully.
398
957260
2000
они великолепно масштабируются.
15:59
And we've looked at 23,000 companies
399
959260
3000
Я должен сказать, мы просмотрели
16:02
in the United States, may I say.
400
962260
2000
23 тысячи компаний в США.
16:04
And I'm only showing you a little bit of this.
401
964260
3000
И я показываю вам лишь небольшую часть.
16:07
What is astonishing about companies
402
967260
2000
Поразительным фактом о компаниях является
16:09
is that they scale sublinearly
403
969260
3000
их сублинейное масштабирование,
16:12
like biology,
404
972260
2000
как в биологии,
16:14
indicating that they're dominated,
405
974260
2000
показывая, что они управляются
16:16
not by super-linear
406
976260
2000
не суперлинейными
16:18
innovation and ideas;
407
978260
3000
изобретениями и идеями,
16:21
they become dominated
408
981260
2000
они управляются
16:23
by economies of scale.
409
983260
2000
положительным эффектом масштаба.
16:25
In that interpretation,
410
985260
2000
В данной трактовке,
16:27
by bureaucracy and administration,
411
987260
2000
это бюрократия и администрация,
16:29
and they do it beautifully, may I say.
412
989260
2000
и я должен сказать, они отлично с этим справляются.
16:31
So if you tell me the size of some company, some small company,
413
991260
3000
Итак, если вы мне скажете размер компании, какой-то небольшой компании,
16:34
I could have predicted the size of Walmart.
414
994260
3000
я смог бы предсказать размер Walmart.
16:37
If it has this sublinear scaling,
415
997260
2000
Если он подчиняется сублинейному масштабированию,
16:39
the theory says
416
999260
2000
теория утверждает,
16:41
we should have sigmoidal growth.
417
1001260
3000
что должен быть сигмоидный рост.
16:44
There's Walmart. Doesn't look very sigmoidal.
418
1004260
2000
Вот Walmart. Не похоже на сигмоидный.
16:46
That's what we like, hockey sticks.
419
1006260
3000
Это то, что нам нравится, хоккейные клюшки.
16:49
But you notice, I've cheated,
420
1009260
2000
Но если заметить, я смухлевал,
16:51
because I've only gone up to '94.
421
1011260
2000
потому что я дошёл только до 94-го.
16:53
Let's go up to 2008.
422
1013260
2000
Давайте продолжим до 2008-го.
16:55
That red line is from the theory.
423
1015260
3000
Красная линия — теоретическая.
16:58
So if I'd have done this in 1994,
424
1018260
2000
Если бы я сделал это в 1994-м,
17:00
I could have predicted what Walmart would be now.
425
1020260
3000
я смог бы предсказать, чем Walmart был бы сейчас.
17:03
And then this is repeated
426
1023260
2000
Это повторяется
17:05
across the entire spectrum of companies.
427
1025260
2000
на всём спектре компаний.
17:07
There they are. That's 23,000 companies.
428
1027260
3000
Вот они. 23 тысячи компаний.
17:10
They all start looking like hockey sticks,
429
1030260
2000
Они все начинают, выглядя как хоккейные клюшки,
17:12
they all bend over,
430
1032260
2000
они все сгибаются,
17:14
and they all die like you and me.
431
1034260
2000
и они все умирают, как вы и я.
17:16
Thank you.
432
1036260
2000
Спасибо.
17:18
(Applause)
433
1038260
9000
(Аплодисменты)
Об этом сайте

Этот сайт познакомит вас с видеороликами YouTube, полезными для изучения английского языка. Вы увидите уроки английского языка, преподаваемые высококлассными учителями со всего мира. Дважды щелкните по английским субтитрам, отображаемым на каждой странице видео, чтобы воспроизвести видео оттуда. Субтитры прокручиваются синхронно с воспроизведением видео. Если у вас есть какие-либо комментарии или пожелания, пожалуйста, свяжитесь с нами, используя эту контактную форму.

https://forms.gle/WvT1wiN1qDtmnspy7