Geoffrey West: The surprising math of cities and corporations

170,954 views ・ 2011-07-26

TED


Pre spustenie videa dvakrát kliknite na anglické titulky nižšie.

Translator: Michal Ferenc Reviewer: Martina Kyjakova
00:16
Cities are the crucible of civilization.
0
16260
3000
Mestá sú zaťažkávacou skúškou civilizácie.
00:19
They have been expanding,
1
19260
2000
Expandujú,
00:21
urbanization has been expanding,
2
21260
2000
urbanizácia postupuje
00:23
at an exponential rate in the last 200 years
3
23260
2000
exponenciálnou rýchlosťou za posledných 200 rokov,
00:25
so that by the second part of this century,
4
25260
3000
takže v druhej polovici tohoto storočia
00:28
the planet will be completely dominated
5
28260
2000
budú na planéte úplne dominovať
00:30
by cities.
6
30260
3000
mestá.
00:33
Cities are the origins of global warming,
7
33260
3000
Mestá sú pôvodcom globálneho otepľovania,
00:36
impact on the environment,
8
36260
2000
dopadov na životné prostredie,
00:38
health, pollution, disease,
9
38260
3000
zdravie, odpady, choroby,
00:41
finance,
10
41260
2000
financie,
00:43
economies, energy --
11
43260
3000
ekonomiku, energiu --
00:46
they're all problems
12
46260
2000
to sú všetko problémy,
00:48
that are confronted by having cities.
13
48260
2000
ktorým čelíme v mestách.
00:50
That's where all these problems come from.
14
50260
2000
Odtiaľto všetky tieto problémy pochádzajú.
00:52
And the tsunami of problems that we feel we're facing
15
52260
3000
A cunami problémov, ktorým cítime, že čelíme
00:55
in terms of sustainability questions
16
55260
2000
z hľadiska otázok trvalej udržateľnosti
00:57
are actually a reflection
17
57260
2000
sú vlastne odrazom
00:59
of the exponential increase
18
59260
2000
exponenciálneho nárastu
01:01
in urbanization across the planet.
19
61260
3000
urbanizácie na celej planéte.
01:04
Here's some numbers.
20
64260
2000
Tu je niekoľko čísel.
01:06
Two hundred years ago, the United States
21
66260
2000
Pred 200 rokmi bola miera urbanizácie
01:08
was less than a few percent urbanized.
22
68260
2000
v Spojených štátoch len niekoľko málo percent.
01:10
It's now more than 82 percent.
23
70260
2000
Teraz je to viac ako 82 percent.
01:12
The planet has crossed the halfway mark a few years ago.
24
72260
3000
Planéta prekročila 50 percentnú hranicu pred pár rokmi.
01:15
China's building 300 new cities
25
75260
2000
Čína postaví 300 nových miest
01:17
in the next 20 years.
26
77260
2000
v priebehu nasledujúcich 20-tich rokov.
01:19
Now listen to this:
27
79260
2000
A počúvajte:
01:21
Every week for the foreseeable future,
28
81260
3000
Každý týždeň v priebehu dohľadnej budúcnosti,
01:24
until 2050,
29
84260
2000
do roku 2050,
01:26
every week more than a million people
30
86260
2000
každý týždeň sa viac ako milión ľudí
01:28
are being added to our cities.
31
88260
2000
prisťahuje do miest.
01:30
This is going to affect everything.
32
90260
2000
Toto ovplyvní všetko.
01:32
Everybody in this room, if you stay alive,
33
92260
2000
Každý v tejto miestnosti, ak ostanete nažive,
01:34
is going to be affected
34
94260
2000
bude ovplyvnený tým,
01:36
by what's happening in cities
35
96260
2000
čo sa deje v mestách
01:38
in this extraordinary phenomenon.
36
98260
2000
v tomto výnimočnom fenoméne.
01:40
However, cities,
37
100260
3000
Avšak mestá,
01:43
despite having this negative aspect to them,
38
103260
3000
napriek tomuto negatívnemu aspektu
01:46
are also the solution.
39
106260
2000
sú tiež riešením.
01:48
Because cities are the vacuum cleaners and the magnets
40
108260
4000
Pretože mestá sú vysávače a magnety,
01:52
that have sucked up creative people,
41
112260
2000
ktoré pritiahli kreatívnych ľudí,
01:54
creating ideas, innovation,
42
114260
2000
tvoriacich nápady, inovácie,
01:56
wealth and so on.
43
116260
2000
bohatstvo a tak ďalej.
01:58
So we have this kind of dual nature.
44
118260
2000
Máme teda do činenia s touto ich duálnou povahou.
02:00
And so there's an urgent need
45
120260
3000
A rýchlo teda potrebujeme
02:03
for a scientific theory of cities.
46
123260
4000
vedeckú teóriu o mestách.
02:07
Now these are my comrades in arms.
47
127260
3000
Toto sú moji spolubojovníci.
02:10
This work has been done with an extraordinary group of people,
48
130260
2000
Táto práca bola vykonaná výnimočnou skupinou ľudí
02:12
and they've done all the work,
49
132260
2000
a urobili všetku prácu,
02:14
and I'm the great bullshitter
50
134260
2000
a ja som dobrý táraj,
02:16
that tries to bring it all together.
51
136260
2000
ktorý sa to pokúša dať všetko dokopy.
02:18
(Laughter)
52
138260
2000
(Smiech)
02:20
So here's the problem: This is what we all want.
53
140260
2000
Toto je teda problém: Toto je to, čo všetci chceme.
02:22
The 10 billion people on the planet in 2050
54
142260
3000
10 miliárd ľudí na planéte v roku 2050
02:25
want to live in places like this,
55
145260
2000
chce žiť na miestach ako je toto,
02:27
having things like this,
56
147260
2000
mať veci ako sú tieto,
02:29
doing things like this,
57
149260
2000
robiť veci ako sú tieto,
02:31
with economies that are growing like this,
58
151260
3000
ekonomikou rastúcou takto,
02:34
not realizing that entropy
59
154260
2000
neuvedomujúc si, že neusporiadanosť
02:36
produces things like this,
60
156260
2000
produkuje veci ako sú tieto,
02:38
this, this
61
158260
4000
toto, toto
02:42
and this.
62
162260
2000
a toto.
02:44
And the question is:
63
164260
2000
Otázkou je:
02:46
Is that what Edinburgh and London and New York
64
166260
2000
Je toto ako bude Edinburgh, Londýn a New York
02:48
are going to look like in 2050,
65
168260
2000
vypadať v roku 2050
02:50
or is it going to be this?
66
170260
2000
alebo budú takéto?
02:52
That's the question.
67
172260
2000
To je otázka.
02:54
I must say, many of the indicators
68
174260
2000
Musím povedať, že podľa mnohých indikátorov
02:56
look like this is what it's going to look like,
69
176260
3000
to bude vypadať takto,
02:59
but let's talk about it.
70
179260
3000
ale poďme sa o tom pobaviť.
03:02
So my provocative statement
71
182260
3000
Mojím provokatívnym výrokom je,
03:05
is that we desperately need a serious scientific theory of cities.
72
185260
3000
že zúfalo potrebujeme serióznu vedeckú teóriu o mestách.
03:08
And scientific theory means quantifiable --
73
188260
3000
A vedecká teória znamená kvantifikovateľné --
03:11
relying on underlying generic principles
74
191260
3000
opierajúce sa o základné všeobecné princípy,
03:14
that can be made into a predictive framework.
75
194260
2000
ktoré sa môžu premeniť na predikčný rámec.
03:16
That's the quest.
76
196260
2000
To je to, po čom pátrame.
03:18
Is that conceivable?
77
198260
2000
Je to možné?
03:20
Are there universal laws?
78
200260
2000
Jestvujú univerzálne zákony?
03:22
So here's two questions
79
202260
2000
Tu sú dve otázky,
03:24
that I have in my head when I think about this problem.
80
204260
2000
ktoré mám na mysli, keď o tomto probléme premýšľam.
03:26
The first is:
81
206260
2000
Prvá je:
03:28
Are cities part of biology?
82
208260
2000
Sú mestá súčasťou biológie?
03:30
Is London a great big whale?
83
210260
2000
Je Londýn obrovskou veľrybou?
03:32
Is Edinburgh a horse?
84
212260
2000
Je Edinburgh kôň?
03:34
Is Microsoft a great big anthill?
85
214260
2000
Je Microsoft veľkým mraveniskom?
03:36
What do we learn from that?
86
216260
2000
Aké plynie z toho pre nás ponaučenie?
03:38
We use them metaphorically --
87
218260
2000
Používame to metaforicky --
03:40
the DNA of a company, the metabolism of a city, and so on --
88
220260
2000
DNA spoločností, metabolizmus mesta, a tak ďalej --
03:42
is that just bullshit, metaphorical bullshit,
89
222260
3000
sú to len táraniny, metaforické táraniny
03:45
or is there serious substance to it?
90
225260
3000
alebo pre to existuje vážna opodstatnenosť?
03:48
And if that is the case,
91
228260
2000
Ak to tak je,
03:50
how come that it's very hard to kill a city?
92
230260
2000
ako je možné, že je veľmi ťažké zabiť mesto?
03:52
You could drop an atom bomb on a city,
93
232260
2000
Mohli by ste zhodiť atómovú bombu na mesto
03:54
and 30 years later it's surviving.
94
234260
2000
a po 30 rokoch stále prežíva.
03:56
Very few cities fail.
95
236260
3000
Veľmi málo miest zlyhá.
03:59
All companies die, all companies.
96
239260
3000
Všetky spoločnosti zaniknú, všetky spoločnosti.
04:02
And if you have a serious theory, you should be able to predict
97
242260
2000
A ak máte serióznu teóriu, mali by ste byť schopní predpovedať,
04:04
when Google is going to go bust.
98
244260
3000
kedy Google skrachuje.
04:07
So is that just another version
99
247260
3000
Je to len inou verziou
04:10
of this?
100
250260
2000
tohoto?
04:12
Well we understand this very well.
101
252260
2000
Tomuto rozumieme veľmi dobre.
04:14
That is, you ask any generic question about this --
102
254260
2000
Čiže ak sa opýtate akúkoľvek všeobecnú otázku o tomto --
04:16
how many trees of a given size,
103
256260
2000
koľko stromov danej veľkosti,
04:18
how many branches of a given size does a tree have,
104
258260
2000
koľko vetiev danej veľkosti strom má,
04:20
how many leaves,
105
260260
2000
koľko listov,
04:22
what is the energy flowing through each branch,
106
262260
2000
aké množstvo energie preteká každou vetvou,
04:24
what is the size of the canopy,
107
264260
2000
aký je korunový zápoj,
04:26
what is its growth, what is its mortality?
108
266260
2000
aký je rast, aká je úmrtnosť?
04:28
We have a mathematical framework
109
268260
2000
Máme matematický rámec
04:30
based on generic universal principles
110
270260
3000
založený na všeobecných princípoch,
04:33
that can answer those questions.
111
273260
2000
ktorý na tieto otázky dokáže odpovedať.
04:35
And the idea is can we do the same for this?
112
275260
4000
Myšlienkou je, či môžeme to isté urobiť pre toto?
04:40
So the route in is recognizing
113
280260
3000
Cestou teda je poznanie,
04:43
one of the most extraordinary things about life,
114
283260
2000
že najneobyčajnejšou vecou týkajúcou sa života je,
04:45
is that it is scalable,
115
285260
2000
že je škálovateľný,
04:47
it works over an extraordinary range.
116
287260
2000
funguje to na neobyčajnom rozmedzí.
04:49
This is just a tiny range actually:
117
289260
2000
Toto je v skutočnosti iba maličké rozmedzie:
04:51
It's us mammals;
118
291260
2000
Sme to my - cicavce;
04:53
we're one of these.
119
293260
2000
sme jednými z týchto.
04:55
The same principles, the same dynamics,
120
295260
2000
Rovnaké princípy, rovnaká dynamika,
04:57
the same organization is at work
121
297260
2000
a rovnaká organizácia sa uplatňuje
04:59
in all of these, including us,
122
299260
2000
vo všetkom tomto, vrátané nás,
05:01
and it can scale over a range of 100 million in size.
123
301260
3000
a veľkostne to môže škálovať v rozmedzí 100 miliónov.
05:04
And that is one of the main reasons
124
304260
3000
A to je jednou z hlavných príčin toho,
05:07
life is so resilient and robust --
125
307260
2000
že život je tak pružný a odolný --
05:09
scalability.
126
309260
2000
škálovateľnosť.
05:11
We're going to discuss that in a moment more.
127
311260
3000
O chvíľu to podrobnejšie prediskutujeme.
05:14
But you know, at a local level,
128
314260
2000
Však viete, na malej úrovni,
05:16
you scale; everybody in this room is scaled.
129
316260
2000
ste škálovaní; každý v tejto miestnosti je škálovaný.
05:18
That's called growth.
130
318260
2000
Hovorí sa tomu rast.
05:20
Here's how you grew.
131
320260
2000
Takto ste rástli.
05:22
Rat, that's a rat -- could have been you.
132
322260
2000
Potkan, je to potkan -- mohli ste to byť vy.
05:24
We're all pretty much the same.
133
324260
3000
Sme si dosť podobní.
05:27
And you see, you're very familiar with this.
134
327260
2000
A vidíte, že vám je to známe.
05:29
You grow very quickly and then you stop.
135
329260
2000
Rastiete veľmi rýchlo a potom prestanete.
05:31
And that line there
136
331260
2000
A tá krivka tam
05:33
is a prediction from the same theory,
137
333260
2000
je predpoveďou rovnakej teórie,
05:35
based on the same principles,
138
335260
2000
založenej na rovnakých princípoch,
05:37
that describes that forest.
139
337260
2000
aká popisuje les.
05:39
And here it is for the growth of a rat,
140
339260
2000
Tu je pre rast potkana,
05:41
and those points on there are data points.
141
341260
2000
a tie body sú konkrétne údaje.
05:43
This is just the weight versus the age.
142
343260
2000
Toto je len hmotnosť vynesená proti veku.
05:45
And you see, it stops growing.
143
345260
2000
A vidíte, prestane rásť.
05:47
Very, very good for biology --
144
347260
2000
Veľmi, veľmi užitočné v biológii --
05:49
also one of the reasons for its great resilience.
145
349260
2000
tiež jedným z dôvodov veľkej pružnosti.
05:51
Very, very bad
146
351260
2000
Veľmi, veľmi zlé
05:53
for economies and companies and cities
147
353260
2000
pre ekonomiku a spoločnosti a mestá
05:55
in our present paradigm.
148
355260
2000
podľa našej súčasnej paradigmy.
05:57
This is what we believe.
149
357260
2000
Tomuto veríme.
05:59
This is what our whole economy
150
359260
2000
Toto je, čo nám naše hospodárstvo
06:01
is thrusting upon us,
151
361260
2000
nahovára,
06:03
particularly illustrated in that left-hand corner:
152
363260
3000
ilustrované predovšetkým v ľavom rohu:
06:06
hockey sticks.
153
366260
2000
hokejky.
06:08
This is a bunch of software companies --
154
368260
2000
Toto je skupina softvérových firiem --
06:10
and what it is is their revenue versus their age --
155
370260
2000
a to je ich príjem verzus ich vek --
06:12
all zooming away,
156
372260
2000
všetky rýchlo rastúce,
06:14
and everybody making millions and billions of dollars.
157
374260
2000
a všetci zarábajú milióny a miliardy dolárov.
06:16
Okay, so how do we understand this?
158
376260
3000
OK, tak ako to chápeme?
06:19
So let's first talk about biology.
159
379260
3000
Povedzme si najprv o biológii.
06:22
This is explicitly showing you
160
382260
2000
Toto výslovne ukazuje,
06:24
how things scale,
161
384260
2000
ako sú veci škálované,
06:26
and this is a truly remarkable graph.
162
386260
2000
a toto je naozaj pozoruhodný graf.
06:28
What is plotted here is metabolic rate --
163
388260
3000
Je tu zakreslená rýchlosť metabolizmu --
06:31
how much energy you need per day to stay alive --
164
391260
3000
koľko energie denne potrebujete, aby ste zostali nažive --
06:34
versus your weight, your mass,
165
394260
2000
verzus vaša váha,
06:36
for all of us bunch of organisms.
166
396260
3000
pre skupinu organizmov.
06:39
And it's plotted in this funny way by going up by factors of 10,
167
399260
3000
Vynesené je to divným spôsobom - stúpa to po mocninách desiatky,
06:42
otherwise you couldn't get everything on the graph.
168
402260
2000
inak by sa všetko na graf nevošlo.
06:44
And what you see if you plot it
169
404260
2000
A čo vidíte, ak si to nakreslíte
06:46
in this slightly curious way
170
406260
2000
týmto trochu divným spôsobom je,
06:48
is that everybody lies on the same line.
171
408260
3000
že všetci sú na rovnakej priamke.
06:51
Despite the fact that this is the most complex and diverse system
172
411260
3000
Napriek tomu, že toto je najkomplexnejší a najrozmanitejší systém
06:54
in the universe,
173
414260
3000
vo vesmíre,
06:57
there's an extraordinary simplicity
174
417260
2000
existuje tu výnimočná jednoduchosť
06:59
being expressed by this.
175
419260
2000
takto vyjadrená.
07:01
It's particularly astonishing
176
421260
3000
Je to obzvlášť udivujúce,
07:04
because each one of these organisms,
177
424260
2000
pretože každý z týchto organizmov,
07:06
each subsystem, each cell type, each gene,
178
426260
2000
každý podsystém, každý typ bunky, každý gén,
07:08
has evolved in its own unique environmental niche
179
428260
4000
sa vyvíjal vo svojej unikátnej environmentálnej nike,
07:12
with its own unique history.
180
432260
3000
so svojou jedinečnou históriou.
07:15
And yet, despite all of that Darwinian evolution
181
435260
3000
A predsa, napriek všetkej tej darwinovskej evolúcii
07:18
and natural selection,
182
438260
2000
a prirodzenému výberu,
07:20
they've been constrained to lie on a line.
183
440260
2000
sú obmedzené tak, že ležia na jednej priamke.
07:22
Something else is going on.
184
442260
2000
Deje sa niečo iné.
07:24
Before I talk about that,
185
444260
2000
Pred tým, než o tom budem hovoriť,
07:26
I've written down at the bottom there
186
446260
2000
dole som napísal
07:28
the slope of this curve, this straight line.
187
448260
2000
sklon tejto krivky, tejto priamky.
07:30
It's three-quarters, roughly,
188
450260
2000
Sú to tri štvrtiny, zhruba,
07:32
which is less than one -- and we call that sublinear.
189
452260
3000
čo je menej ako jedna -- hovoríme tomu sublineárny.
07:35
And here's the point of that.
190
455260
2000
A tu je pointa.
07:37
It says that, if it were linear,
191
457260
3000
Hovorí nám to, že keby to bolo lineárne,
07:40
the steepest slope,
192
460260
2000
najstrmší sklon,
07:42
then doubling the size
193
462260
2000
potom zdvojnásobenie veľkosti
07:44
you would require double the amount of energy.
194
464260
2000
by vyžadovalo zdvojnásobenie energie.
07:46
But it's sublinear, and what that translates into
195
466260
3000
Ale je to sublineárne, čo znamená,
07:49
is that, if you double the size of the organism,
196
469260
2000
že po zdvojnásobení veľkosti organizmu,
07:51
you actually only need 75 percent more energy.
197
471260
3000
sa vyžaduje len o 75% viac energie.
07:54
So a wonderful thing about all of biology
198
474260
2000
Čiže nádherná vec v biológii je,
07:56
is that it expresses an extraordinary economy of scale.
199
476260
3000
že vyjadruje výnimočnú hospodárnosť merítka.
07:59
The bigger you are systematically,
200
479260
2000
Čim väčší ste systematicky,
08:01
according to very well-defined rules,
201
481260
2000
v súlade s veľmi dobre definovanými pravidlami,
08:03
less energy per capita.
202
483260
3000
tým menej energie na hlavu.
08:06
Now any physiological variable you can think of,
203
486260
3000
Akákoľvek fyziologická veličina, ktorá vás napadne,
08:09
any life history event you can think of,
204
489260
2000
akákoľvek charakteristika životnej stratégie,
08:11
if you plot it this way, looks like this.
205
491260
3000
vypadá po takomto znázornení takto.
08:14
There is an extraordinary regularity.
206
494260
2000
Jestvuje tu výnimočná pravidelnosť.
08:16
So you tell me the size of a mammal,
207
496260
2000
Povedzte mi veľkosť cicavca,
08:18
I can tell you at the 90 percent level everything about it
208
498260
3000
na 90% vám o ňom poviem všetko
08:21
in terms of its physiology, life history, etc.
209
501260
4000
čo sa týka jeho fyziológie, životnej stratégie, atd.
08:25
And the reason for this is because of networks.
210
505260
3000
Dôvodom sú siete.
08:28
All of life is controlled by networks --
211
508260
3000
Všetok život je riadený sieťami --
08:31
from the intracellular through the multicellular
212
511260
2000
od vnútrobunečného cez mnohobunečný
08:33
through the ecosystem level.
213
513260
2000
až po úroveň ekosystémov.
08:35
And you're very familiar with these networks.
214
515260
3000
A tieto siete sú vám veľmi známe.
08:39
That's a little thing that lives inside an elephant.
215
519260
3000
Toto je maličká vec žijúca v útrobách slona.
08:42
And here's the summary of what I'm saying.
216
522260
3000
A tu je súhrn mojej rozpravy.
08:45
If you take those networks,
217
525260
2000
Ak si vezmete tie siete,
08:47
this idea of networks,
218
527260
2000
túto myšlienku sietí,
08:49
and you apply universal principles,
219
529260
2000
a uplatníte univerzálne princípy,
08:51
mathematizable, universal principles,
220
531260
2000
matematicky popísateľné univerzálne princípy
08:53
all of these scalings
221
533260
2000
všetky tie škálovania
08:55
and all of these constraints follow,
222
535260
3000
všetky obmedzenia z nich vyplývajú,
08:58
including the description of the forest,
223
538260
2000
vrátane popisu lesa,
09:00
the description of your circulatory system,
224
540260
2000
popisu vášho obehového systému,
09:02
the description within cells.
225
542260
2000
popis vnútra buniek.
09:04
One of the things I did not stress in that introduction
226
544260
3000
Jednu vec som v úvode nezdôraznil
09:07
was that, systematically, the pace of life
227
547260
3000
a to, že tempo života systematicky
09:10
decreases as you get bigger.
228
550260
2000
klesá čím ste väčší.
09:12
Heart rates are slower; you live longer;
229
552260
3000
Pulz srdca je nižší; žijete dlhšie;
09:15
diffusion of oxygen and resources
230
555260
2000
difúzia kyslíka a zdrojov
09:17
across membranes is slower, etc.
231
557260
2000
cez membrány je pomalšia, atd.
09:19
The question is: Is any of this true
232
559260
2000
Otázka znie: platí čokoľvek z tohoto
09:21
for cities and companies?
233
561260
3000
pre mestá a spoločnosti?
09:24
So is London a scaled up Birmingham,
234
564260
3000
Je teda Londýn zväčšený Birmingham,
09:27
which is a scaled up Brighton, etc., etc.?
235
567260
3000
ktorý je zväčšeninou Brightonu, atd., atd.?
09:30
Is New York a scaled up San Francisco,
236
570260
2000
Je New York zväčšeným San Franciscom,
09:32
which is a scaled up Santa Fe?
237
572260
2000
ktoré je zväčšeným Santa Fe?
09:34
Don't know. We will discuss that.
238
574260
2000
Neviem. Preberieme si to.
09:36
But they are networks,
239
576260
2000
Sú to však siete,
09:38
and the most important network of cities
240
578260
2000
a najdôležitejšou sieťou miest
09:40
is you.
241
580260
2000
ste vy sami.
09:42
Cities are just a physical manifestation
242
582260
3000
Mestá sú len materiálnym prejavom
09:45
of your interactions,
243
585260
2000
vašich interakcií,
09:47
our interactions,
244
587260
2000
našich interakcií,
09:49
and the clustering and grouping of individuals.
245
589260
2000
zhlukovania a zoskupovania jedincov.
09:51
Here's just a symbolic picture of that.
246
591260
3000
Tu je symbolické znázornenie.
09:54
And here's scaling of cities.
247
594260
2000
A tu je škálovanie miest.
09:56
This shows that in this very simple example,
248
596260
3000
Ukazuje to, že v tomto veľmi jednoduchom príklade,
09:59
which happens to be a mundane example
249
599260
2000
čo je náhodou praobyčajným príkladom
10:01
of number of petrol stations
250
601260
2000
počtu čerpacích staníc
10:03
as a function of size --
251
603260
2000
ako funkcia veľkosti --
10:05
plotted in the same way as the biology --
252
605260
2000
znázornené rovnakým spôsobom ako v biológii --
10:07
you see exactly the same kind of thing.
253
607260
2000
vidíte presne tú istú vec.
10:09
There is a scaling.
254
609260
2000
Existuje tu škálovanie.
10:11
That is that the number of petrol stations in the city
255
611260
4000
Čiže počet čerpacích staníc v meste
10:15
is now given to you
256
615260
2000
vám poviem,
10:17
when you tell me its size.
257
617260
2000
ak mi zadáte veľkosť mesta.
10:19
The slope of that is less than linear.
258
619260
3000
Sklon je menší ako lineárny.
10:22
There is an economy of scale.
259
622260
2000
Jestvuje tu úspornosť merítka.
10:24
Less petrol stations per capita the bigger you are -- not surprising.
260
624260
3000
Menej čerpacích staníc na hlavu, čím ste väčší -- neprekvapivé.
10:27
But here's what's surprising.
261
627260
2000
Avšak toto je prekvapivé.
10:29
It scales in the same way everywhere.
262
629260
2000
Mení sa to s merítkom všade rovnako.
10:31
This is just European countries,
263
631260
2000
Toto sú len európske mestá,
10:33
but you do it in Japan or China or Colombia,
264
633260
3000
ale urobíte to pre Japonsko či Čínu alebo Kolumbiu,
10:36
always the same
265
636260
2000
vždy rovnaké,
10:38
with the same kind of economy of scale
266
638260
2000
s rovnakou úspornosťou merítka
10:40
to the same degree.
267
640260
2000
zhodného stupňa.
10:42
And any infrastructure you look at --
268
642260
3000
Na akúkoľvek infraštruktúru sa pozriete --
10:45
whether it's the length of roads, length of electrical lines --
269
645260
3000
či je to dĺžka ciest, elektrických vedení --
10:48
anything you look at
270
648260
2000
na čokoľvek sa pozriete,
10:50
has the same economy of scale scaling in the same way.
271
650260
3000
má to rovnakú úspornosť merítka meniacu sa rovnakým spôsobom.
10:53
It's an integrated system
272
653260
2000
Je to integrovaný systém,
10:55
that has evolved despite all the planning and so on.
273
655260
3000
ktorý sa vyvíjal napriek všetkému plánovaniu atd.
10:58
But even more surprising
274
658260
2000
Čo je však ešte prekvapivejšie,
11:00
is if you look at socio-economic quantities,
275
660260
2000
že ak sa pozriete na socioekonomické ukazovatele,
11:02
quantities that have no analog in biology,
276
662260
3000
ukazovatele bez obdoby v biológii,
11:05
that have evolved when we started forming communities
277
665260
3000
ktoré sme vyvinuli, keď sme začali vytvárať spoločenstvá
11:08
eight to 10,000 years ago.
278
668260
2000
pred 8 - 10 tisíc rokmi.
11:10
The top one is wages as a function of size
279
670260
2000
Hore sú mzdy ako funkcia veľkosti
11:12
plotted in the same way.
280
672260
2000
znázornené rovnakým spôsobom.
11:14
And the bottom one is you lot --
281
674260
2000
Dole ste vy --
11:16
super-creatives plotted in the same way.
282
676260
3000
super-kreatívni ľudia, znázornené rovnako.
11:19
And what you see
283
679260
2000
A čo vidíte
11:21
is a scaling phenomenon.
284
681260
2000
je fenomén škálovania.
11:23
But most important in this,
285
683260
2000
Čo je najdôležitejšie je,
11:25
the exponent, the analog to that three-quarters
286
685260
2000
že exponent, analóg tých troch štvrtín
11:27
for the metabolic rate,
287
687260
2000
rýchlosti metabolizmu,
11:29
is bigger than one -- it's about 1.15 to 1.2.
288
689260
2000
je vyšší než jedna -- je to okolo 1.15 až 1.2.
11:31
Here it is,
289
691260
2000
Tu to je,
11:33
which says that the bigger you are
290
693260
3000
čím ste väčší
11:36
the more you have per capita, unlike biology --
291
696260
3000
tým viac máte na hlavu, na rozdiel od biológie --
11:39
higher wages, more super-creative people per capita as you get bigger,
292
699260
4000
vyššie mzdy, viac super kreatívnych ľudí na hlavu pri väčššej veľkosti,
11:43
more patents per capita, more crime per capita.
293
703260
3000
viac patentov na hlavu, viac trestných činov na hlavu.
11:46
And we've looked at everything:
294
706260
2000
A pozreli sme sa na všetko:
11:48
more AIDS cases, flu, etc.
295
708260
3000
viac prípadov AIDS, chrípky atd.
11:51
And here, they're all plotted together.
296
711260
2000
Tu sú všetky vynesené spolu.
11:53
Just to show you what we plotted,
297
713260
2000
Len vám ukážem, čo sme vyniesli,
11:55
here is income, GDP --
298
715260
3000
tu je príjem, HDP --
11:58
GDP of the city --
299
718260
2000
HDP mesta --
12:00
crime and patents all on one graph.
300
720260
2000
kriminalita a patenty, všetko na jednom grafe.
12:02
And you can see, they all follow the same line.
301
722260
2000
A vidíte, že všetko je na rovnakej priamke.
12:04
And here's the statement.
302
724260
2000
Tvrdenie je:
12:06
If you double the size of a city from 100,000 to 200,000,
303
726260
3000
Ak zväčšíte mesto zo 100 000 na 200 000,
12:09
from a million to two million, 10 to 20 million,
304
729260
2000
z milióna na dva milióny, z 10 na 20 miliónov,
12:11
it doesn't matter,
305
731260
2000
na tom nezáleží,
12:13
then systematically
306
733260
2000
potom systematicky
12:15
you get a 15 percent increase
307
735260
2000
získavate 15-percentný nárast
12:17
in wages, wealth, number of AIDS cases,
308
737260
2000
miezd, bohatstva, počtu prípadov AIDS,
12:19
number of police,
309
739260
2000
počtu policajtov,
12:21
anything you can think of.
310
741260
2000
na čokoľvek si spomeniete.
12:23
It goes up by 15 percent,
311
743260
2000
Rastie to o 15 percent,
12:25
and you have a 15 percent savings
312
745260
3000
a dostávame 15-percentné úspory
12:28
on the infrastructure.
313
748260
3000
na infraštruktúre.
12:31
This, no doubt, is the reason
314
751260
3000
Toto je bezpochyby dôvod,
12:34
why a million people a week are gathering in cities.
315
754260
3000
prečo sa milión ľudí týždenne sťahuje do miest.
12:37
Because they think that all those wonderful things --
316
757260
3000
Pretože si myslia, že všetky tie skvelé veci --
12:40
like creative people, wealth, income --
317
760260
2000
ako kreatívni ľudia, bohatstvo, príjem --
12:42
is what attracts them,
318
762260
2000
je to, čo ich láka,
12:44
forgetting about the ugly and the bad.
319
764260
2000
zabúdajú na to ošklivé a zlé.
12:46
What is the reason for this?
320
766260
2000
Čo je dôvodom?
12:48
Well I don't have time to tell you about all the mathematics,
321
768260
3000
Nemám čas povedať vám o všetkej tej matematike,
12:51
but underlying this is the social networks,
322
771260
3000
ale základom sú sociálne prepojenia,
12:54
because this is a universal phenomenon.
323
774260
3000
pretože toto je univerzálny fenomén.
12:57
This 15 percent rule
324
777260
3000
Toto 15-percentné pravidlo
13:00
is true
325
780260
2000
platí
13:02
no matter where you are on the planet --
326
782260
2000
bez ohľadu na to, kde na planéte ste --
13:04
Japan, Chile,
327
784260
2000
Japonsko, Čile,
13:06
Portugal, Scotland, doesn't matter.
328
786260
3000
Portugalsko, Škótsko, na tom nezáleží.
13:09
Always, all the data shows it's the same,
329
789260
3000
Všetko je to, ako ukazujú údaje, rovnaké,
13:12
despite the fact that these cities have evolved independently.
330
792260
3000
naprie faktu, že tieto mestá sa vyvíjali nezávisle.
13:15
Something universal is going on.
331
795260
2000
Deje sa niečo univerzálne.
13:17
The universality, to repeat, is us --
332
797260
3000
Univerzalita, pre zopakovanie, sme my --
13:20
that we are the city.
333
800260
2000
my sme to mesto.
13:22
And it is our interactions and the clustering of those interactions.
334
802260
3000
A sú to naše interakcie a zhlukovanie týchto interakcií.
13:25
So there it is, I've said it again.
335
805260
2000
Tu to je, zopakoval som to.
13:27
So if it is those networks and their mathematical structure,
336
807260
3000
Ak sa jedná o tie siete a ich matematickú štruktúru,
13:30
unlike biology, which had sublinear scaling,
337
810260
3000
na rozdiel od biológie, kde sme videli nižší sklon než 1,
13:33
economies of scale,
338
813260
2000
úspornosť merítka,
13:35
you had the slowing of the pace of life
339
815260
2000
videli sme spomaľujúce sa tempo života
13:37
as you get bigger.
340
817260
2000
pri rastúcej veľkosti.
13:39
If it's social networks with super-linear scaling --
341
819260
2000
Ak sa jedná o sociálne prepojenia so sklonom vyšším ako 1 --
13:41
more per capita --
342
821260
2000
viac na hlavu --
13:43
then the theory says
343
823260
2000
teória potom tvrdí,
13:45
that you increase the pace of life.
344
825260
2000
že tempo života sa zvyšuje.
13:47
The bigger you are, life gets faster.
345
827260
2000
Čím ste väčší, tým je život rýchlejší.
13:49
On the left is the heart rate showing biology.
346
829260
2000
Naľavo je pulz srdca znázorňujúci biológiu.
13:51
On the right is the speed of walking
347
831260
2000
Napravo je rýchlosť chôdze
13:53
in a bunch of European cities,
348
833260
2000
v európskych mestách,
13:55
showing that increase.
349
835260
2000
znázorňujúca ten nárast.
13:57
Lastly, I want to talk about growth.
350
837260
3000
Nakoniec chcem hovoriť o raste.
14:00
This is what we had in biology, just to repeat.
351
840260
3000
Len pre zopakovanie, takto to vypadá v biológii.
14:03
Economies of scale
352
843260
3000
Úspornosť merítka
14:06
gave rise to this sigmoidal behavior.
353
846260
3000
zapríčinila sigmoidálny nárast.
14:09
You grow fast and then stop --
354
849260
3000
Rastiete rýchlo a potom prestanete --
14:12
part of our resilience.
355
852260
2000
súčasť našej odolnosti.
14:14
That would be bad for economies and cities.
356
854260
3000
To by bolo zlé pre ekonomiky a mestá.
14:17
And indeed, one of the wonderful things about the theory
357
857260
2000
A naozaj, jednou z nádherných vecí týkajúcich sa teórie je,
14:19
is that if you have super-linear scaling
358
859260
3000
že ak máte sklon vyšší ako 1
14:22
from wealth creation and innovation,
359
862260
2000
pre bohatstvo, tvorivosť a inovatívnosť,
14:24
then indeed you get, from the same theory,
360
864260
3000
potom naozaj vidíme, na základe rovnakej teórie
14:27
a beautiful rising exponential curve -- lovely.
361
867260
2000
krásne rastúcu exponenciálnu krivku -- skvelé.
14:29
And in fact, if you compare it to data,
362
869260
2000
V skutočnosti, ak to porovnáte s údajmi,
14:31
it fits very well
363
871260
2000
zodpovedá to veľmi dobre
14:33
with the development of cities and economies.
364
873260
2000
rozvoju miest a ekonomík.
14:35
But it has a terrible catch,
365
875260
2000
Ale má to veľký háčik,
14:37
and the catch
366
877260
2000
a háčikom je,
14:39
is that this system is destined to collapse.
367
879260
3000
že tento systém je odsúdený na kolaps.
14:42
And it's destined to collapse for many reasons --
368
882260
2000
Je odsúdený na kolaps z mnohých dôvodov --
14:44
kind of Malthusian reasons -- that you run out of resources.
369
884260
3000
akési Malthuziánske príčiny -- dojdú vám zdroje.
14:47
And how do you avoid that? Well we've done it before.
370
887260
3000
Ako sa tomu vyhnete? Nuž podarilo sa nám to už predtým.
14:50
What we do is,
371
890260
2000
Čo urobíme je,
14:52
as we grow and we approach the collapse,
372
892260
3000
že rastúc a približujúc sa kolapsu,
14:55
a major innovation takes place
373
895260
3000
vznikne významná inovácia
14:58
and we start over again,
374
898260
2000
a začíname znova,
15:00
and we start over again as we approach the next one, and so on.
375
900260
3000
a znova, ako sa blížime k ďalšiemu, atd.
15:03
So there's this continuous cycle of innovation
376
903260
2000
Existuje teda tento spojitý cyklus inovácií,
15:05
that is necessary
377
905260
2000
ktorý je potrebný
15:07
in order to sustain growth and avoid collapse.
378
907260
3000
pre udržanie rastu a vyhnutie sa kolapsu.
15:10
The catch, however, to this
379
910260
2000
Háčik však je,
15:12
is that you have to innovate
380
912260
2000
že musíte inovovať
15:14
faster and faster and faster.
381
914260
3000
rýchlejšie a rýchlejšie a rýchlejšie.
15:17
So the image
382
917260
2000
Situácia teda je,
15:19
is that we're not only on a treadmill that's going faster,
383
919260
3000
že nie sme len v mlyne, ktorý sa hýbe stále rýchlejšie,
15:22
but we have to change the treadmill faster and faster.
384
922260
3000
ale musíme ten mlyn meniť rýchlejšie a rýchlejšie.
15:25
We have to accelerate on a continuous basis.
385
925260
3000
Musíme sa neustále zrýchľovať.
15:28
And the question is: Can we, as socio-economic beings,
386
928260
3000
Otázka je: môžeme sa my ako socio-ekonomické bytosti
15:31
avoid a heart attack?
387
931260
3000
vyhnúť srdcovej príhode?
15:34
So lastly, I'm going to finish up in this last minute or two
388
934260
3000
Nakoniec, ukončím tú poslednú minútu či dve
15:37
asking about companies.
389
937260
2000
otázkami o spoločnostiach.
15:39
See companies, they scale.
390
939260
2000
Vidíte spoločnosti, menia sa s merítkom.
15:41
The top one, in fact, is Walmart on the right.
391
941260
2000
Hore je vlastne Walmart, napravo.
15:43
It's the same plot.
392
943260
2000
Je to rovnaké znázornenie.
15:45
This happens to be income and assets
393
945260
2000
Toto sú príjmy a imanie
15:47
versus the size of the company as denoted by its number of employees.
394
947260
2000
verzus veľkosť spoločnosti vyjadrená počtom jej zamestnancov.
15:49
We could use sales, anything you like.
395
949260
3000
Mohli by sme použiť odbyt, čokoľvek.
15:52
There it is: after some little fluctuations at the beginning,
396
952260
3000
Tu to je: po miernych výkyvoch na začiatku,
15:55
when companies are innovating,
397
955260
2000
keď spoločnosti inovujú,
15:57
they scale beautifully.
398
957260
2000
menia sa krásne s merítkom.
15:59
And we've looked at 23,000 companies
399
959260
3000
A pozreli sme sa na 23 000 spoločností
16:02
in the United States, may I say.
400
962260
2000
v Spojených štátoch.
16:04
And I'm only showing you a little bit of this.
401
964260
3000
A ukazujem vám len maličký kúsok z toho.
16:07
What is astonishing about companies
402
967260
2000
Čo je udivujúce na spoločnostiach je,
16:09
is that they scale sublinearly
403
969260
3000
že majú sklon nižší ako 1,
16:12
like biology,
404
972260
2000
ako v biológii,
16:14
indicating that they're dominated,
405
974260
2000
čo naznačuje, že nie sú ovládané
16:16
not by super-linear
406
976260
2000
inováciami a ideami
16:18
innovation and ideas;
407
978260
3000
so sklonom vyšším než 1;
16:21
they become dominated
408
981260
2000
dominujúcou sa stáva
16:23
by economies of scale.
409
983260
2000
úspornosť merítka.
16:25
In that interpretation,
410
985260
2000
Inak povedané
16:27
by bureaucracy and administration,
411
987260
2000
byrokracia a administratíva,
16:29
and they do it beautifully, may I say.
412
989260
2000
a deje sa tak skutočne krásne.
16:31
So if you tell me the size of some company, some small company,
413
991260
3000
Takže ak mi zadáte veľkosť spoločnosti, nejakej malej spoločnosti,
16:34
I could have predicted the size of Walmart.
414
994260
3000
mohol som predpovedať veľkosť Walmartu.
16:37
If it has this sublinear scaling,
415
997260
2000
Ak je sklon zmeny s merítkom menší než 1
16:39
the theory says
416
999260
2000
teória tvrdí,
16:41
we should have sigmoidal growth.
417
1001260
3000
že by sme mali dostať sigmoidálny rast.
16:44
There's Walmart. Doesn't look very sigmoidal.
418
1004260
2000
Tu je Walmart. Nevypadá príliš sigmoidálne.
16:46
That's what we like, hockey sticks.
419
1006260
3000
Toto je to, čo máme radi, hokejky.
16:49
But you notice, I've cheated,
420
1009260
2000
Ale všimnite si, že som podvádzal
16:51
because I've only gone up to '94.
421
1011260
2000
pretože som to znázornil len do roku 1994.
16:53
Let's go up to 2008.
422
1013260
2000
Poďme k až k roku 2008.
16:55
That red line is from the theory.
423
1015260
3000
Tá červená krivka je odvodená z teórie.
16:58
So if I'd have done this in 1994,
424
1018260
2000
Čiže keby som to urobil v roku 1994,
17:00
I could have predicted what Walmart would be now.
425
1020260
3000
mohol som predpovedať, aký by Walmart mal byť teraz.
17:03
And then this is repeated
426
1023260
2000
Toto je zopakované
17:05
across the entire spectrum of companies.
427
1025260
2000
cez celé spektrum spoločností.
17:07
There they are. That's 23,000 companies.
428
1027260
3000
Tu sú. To je 23 000 spoločností.
17:10
They all start looking like hockey sticks,
429
1030260
2000
Všetky sa začínajú približovať hokejke,
17:12
they all bend over,
430
1032260
2000
všetky sa zakrivujú,
17:14
and they all die like you and me.
431
1034260
2000
a všetky zanikajú ako vy a ja.
17:16
Thank you.
432
1036260
2000
Ďakujem.
17:18
(Applause)
433
1038260
9000
(Potlesk)
O tomto webe

Táto stránka vám predstaví videá na YouTube, ktoré sú užitočné pri učení angličtiny. Uvidíte lekcie angličtiny, ktoré vedú špičkoví učitelia z celého sveta. Dvojitým kliknutím na anglické titulky zobrazené na stránke každého videa si môžete video odtiaľ prehrať. Titulky sa posúvajú synchronizovane s prehrávaním videa. Ak máte akékoľvek pripomienky alebo požiadavky, kontaktujte nás prostredníctvom tohto kontaktného formulára.

https://forms.gle/WvT1wiN1qDtmnspy7