Nicholas Christakis: How social networks predict epidemics

Prevodilac: Ivana Korom Lektor: Sandra Gojic

For the last 10 years, I've been spending my time trying to figure out

Последњих 10 година проводим време у покушавању да схватим

how and why human beings

како и зашто се људска бића

assemble themselves into social networks.

окупљају у друштвене мреже.

And the kind of social network I'm talking about

А та врста друштвене мреже о којој причам

is not the recent online variety,

није ова нова интернет врста,

but rather, the kind of social networks

него пре она врста друштвених мрежа

that human beings have been assembling for hundreds of thousands of years,

које људи формирају стотинама хиљада година,

ever since we emerged from the African savannah.

од кад смо се појавили у афричкој пустињи.

So, I form friendships and co-worker

Дакле, ја имам пријатељске и сарадничке

and sibling and relative relationships with other people

и братске и рођачке везе са другим људима

who in turn have similar relationships with other people.

који такође имају сличне везе са другим људима.

And this spreads on out endlessly into a distance.

И ово се бескрајно шири у даљину.

And you get a network that looks like this.

И добијате мрежу која изгледа овако.

Every dot is a person.

Свака тачка је једна особа.

Every line between them is a relationship between two people --

Свака линија је нека веза међу двоје људи -

different kinds of relationships.

различите врсте веза.

And you can get this kind of vast fabric of humanity,

И можете добити овакву тканину човечанства

in which we're all embedded.

у коју смо сви ми уткани.

And my colleague, James Fowler and I have been studying for quite sometime

Мој колега, Џејмс Фаулер и ја, већ дуже време истражујемо

what are the mathematical, social,

каква су математичка, друштвена,

biological and psychological rules

биолошка и психолошка правила

that govern how these networks are assembled

која управљају начином формирања ових веза

and what are the similar rules

и каква су слична правила

that govern how they operate, how they affect our lives.

која управљају њиховим функционисањем и утицајем на наше животе.

But recently, we've been wondering

У последње време се питамо

whether it might be possible to take advantage of this insight,

да ли је могуће искористити овај увид,

to actually find ways to improve the world,

како бисмо нашли начине да побољшамо свет,

to do something better,

учинимо нешто боље,

to actually fix things, not just understand things.

да стварно поправимо ствари, не само да их разумемо.

So one of the first things we thought we would tackle

Једна од првих ствари на којима бисмо радили

would be how we go about predicting epidemics.

била би како бисмо могли да предвиђамо епидемије.

And the current state of the art in predicting an epidemic --

Тренутна уметност предвиђања епидемија -

if you're the CDC or some other national body --

ако припадате Центру за контролу болести или неком другом телу -

is to sit in the middle where you are

састоји се у седењу тамо где јесте

and collect data

и прикупљању података

from physicians and laboratories in the field

од лекара и лабораторија са терена,

that report the prevalence or the incidence of certain conditions.

који пријављују преваленцу и инциденцу одређених стања.

So, so and so patients have been diagnosed with something,

Дакле, толико и толико пацијената има такву дијагнозу овде,

or other patients have been diagnosed,

или неки други имају дијагнозу овде,

and all these data are fed into a central repository, with some delay.

и сви ови подаци сливају се у централно складиште, са кашњењем.

And if everything goes smoothly,

И ако све иде као по лоју,

one to two weeks from now

за недељу до две од сада,

you'll know where the epidemic was today.

знаћете где је епидемија била на данашњи дан.

And actually, about a year or so ago,

И уствари, пре неких годину дана

there was this promulgation

објављена је идеја

of the idea of Google Flu Trends, with respect to the flu,

о "Google Flu Trends", о грипу,

where by looking at people's searching behavior today,

где, пратећи шта људи претражују данас,

we could know where the flu --

могли бисмо знати где грип...

what the status of the epidemic was today,

какав је данас статус епидемије,

what's the prevalence of the epidemic today.

каква је данас преваленца епидемије.

But what I'd like to show you today

Али данас желим да вам покажем

is a means by which we might get

средство помоћу којег можемо добити

not just rapid warning about an epidemic,

не само брзо упозорење о епидемији,

but also actually

него и заправо

early detection of an epidemic.

рано откривање епидемије.

And, in fact, this idea can be used

Уствари, ова идеја се може користити

not just to predict epidemics of germs,

не само за предикцију епидемије болести,

but also to predict epidemics of all sorts of kinds.

него за предикцију свакаквих других ствари.

For example, anything that spreads by a form of social contagion

На пример, све што се шири у облику друштвене заразе

could be understood in this way,

може се посматрати на овај начин,

from abstract ideas on the left

од апстрактних идеја с леве стране,

like patriotism, or altruism, or religion

као што су патриотизам, алтруизам, религија

to practices

до понашања,

like dieting behavior, or book purchasing,

као што су дијете, куповина књига,

or drinking, or bicycle-helmet [and] other safety practices,

или пијење, ношење кациге и друге безбедносне мере,

or products that people might buy,

или производи које људи купују,

purchases of electronic goods,

куповина електричних уређаја,

anything in which there's kind of an interpersonal spread.

било шта где постоји интерперсонално ширење.

A kind of a diffusion of innovation

Нека врста распростирања иновација

could be understood and predicted

може се разумети и предвидети

by the mechanism I'm going to show you now.

механизмом који ћу вам сада показати.

So, as all of you probably know,

Дакле, као што сви вероватно знате,

the classic way of thinking about this

стари начин гледања на ово

is the diffusion-of-innovation,

је расипање-иновација

or the adoption curve.

или крива усвајања.

So here on the Y-axis, we have the percent of the people affected,

Овде на Y оси имамо проценат заражених људи,

and on the X-axis, we have time.

а на Х оси имамо време.

And at the very beginning, not too many people are affected,

На самом почетку није много људи заражено,

and you get this classic sigmoidal,

и добијамо ову класичну сигмоидалну,

or S-shaped, curve.

или S кривуљу.

And the reason for this shape is that at the very beginning,

А разлог за овај облик је да је на самом почетку,

let's say one or two people

рецимо једно или двоје људи

are infected, or affected by the thing

заражено, инфицирано, том ствари

and then they affect, or infect, two people,

и онда они заразе или инфицирају двоје људи,

who in turn affect four, eight, 16 and so forth,

који потом заразе четворо, осморо, 16 итд,

and you get the epidemic growth phase of the curve.

и добијете фазу раста епидемије на кривуљи.

And eventually, you saturate the population.

И коначно, дође до засићења популације.

There are fewer and fewer people

Све је мање и мање људи

who are still available that you might infect,

које још можете да заразите,

and then you get the plateau of the curve,

и онда долазимо до платоа кривуље,

and you get this classic sigmoidal curve.

и имамо класичну S кривуљу.

And this holds for germs, ideas,

Ово важи за бациле, идеје,

product adoption, behaviors,

прихватање производа, понашања,

and the like.

и слично.

But things don't just diffuse in human populations at random.

Али ствари се не расипају међу људима случајно.

They actually diffuse through networks.

Оне се уствари шире мрежама.

Because, as I said, we live our lives in networks,

Јер, како сам рекао, живимо животе у мрежама,

and these networks have a particular kind of a structure.

а оне имају посебну врсту структуре.

Now if you look at a network like this --

Када погледате једну овакву мрежу...

this is 105 people.

Овде има 105 људи.

And the lines represent -- the dots are the people,

Линије представњају... тачке су људи,

and the lines represent friendship relationships.

а линије представљају пријатељске везе.

You might see that people occupy

Можете видети да људи заузимају

different locations within the network.

различита места унутар мреже.

And there are different kinds of relationships between the people.

И постоје различите везе међу људима.

You could have friendship relationships, sibling relationships,

Имате пријатељске везе, братске,

spousal relationships, co-worker relationships,

супружничке, сарадничке,

neighbor relationships and the like.

комшијске и сличне.

And different sorts of things

И различите ствари

spread across different sorts of ties.

се шире различитим везама.

For instance, sexually transmitted diseases

На пример, сексуално преносиве болести

will spread across sexual ties.

шириће се сексуалним везама.

Or, for instance, people's smoking behavior

Или, на пример, пушачко понашање

might be influenced by their friends.

је можда под утицајем пријатеља.

Or their altruistic or their charitable giving behavior

Или на алтруистично или добротворно понашање

might be influenced by their coworkers,

можда утичу колеге

or by their neighbors.

или суседи.

But not all positions in the network are the same.

Али нису све позиције у мрежи исте.

So if you look at this, you might immediately grasp

Када погледате ово, можда одмах можете схватити

that different people have different numbers of connections.

да различити људи имају различит број веза.

Some people have one connection, some have two,

Неки имају једну везу, неки две,

some have six, some have 10 connections.

неки шест, неки имају десет.

And this is called the "degree" of a node,

Ово се зове "степен" чвора,

or the number of connections that a node has.

или број повезаности које неки чвор има.

But in addition, there's something else.

Али, има још нешто поред тога.

So, if you look at nodes A and B,

Дакле, ако погледате чвор А и Б,

they both have six connections.

оба имају по шест веза.

But if you can see this image [of the network] from a bird's eye view,

Али ако можете да видите ову слику мреже из птичије перспективе,

you can appreciate that there's something very different

примећујете да има много разлике

about nodes A and B.

међу чворовима А и Б.

So, let me ask you this -- I can cultivate this intuition by asking a question --

Питам вас - могу покренути ово размишљање питањем -

who would you rather be

ко бисте радије били,

if a deadly germ was spreading through the network, A or B?

да се смртоносни бацил шири мрежом, А или Б?

(Audience: B.) Nicholas Christakis: B, it's obvious.

(Публика: Б) Николас Кристакис: Б, очигледно.

B is located on the edge of the network.

Б се налази на ивици мреже.

Now, who would you rather be

А сада, ко бисте радије били,

if a juicy piece of gossip were spreading through the network?

да се неки сочни трач шири мрежом?

A. And you have an immediate appreciation

А. И одмах схватате

that A is going to be more likely

да је вероватније да ће А,

to get the thing that's spreading and to get it sooner

због своје структурне позиције у мрежи,

by virtue of their structural location within the network.

пре добити ту ствар која се њоме шири.

A, in fact, is more central,

А је уствари централнији,

and this can be formalized mathematically.

и то се може и математички приказати.

So, if we want to track something

Дакле, ако желимо да пратимо нешто

that was spreading through a network,

што се шири мрежом,

what we ideally would like to do is to set up sensors

заправо желимо да поставимо сензоре

on the central individuals within the network,

на централне поједнице у мрежи,

including node A,

укључујући чвор А,

monitor those people that are right there in the middle of the network,

да посматрамо те људе који се налазе усред мреже

and somehow get an early detection

и некако рано откријемо

of whatever it is that is spreading through the network.

шта год да је то што се шири мрежом.

So if you saw them contract a germ or a piece of information,

То јест, ако их видите да се заразе бацилом или неком информацијом,

you would know that, soon enough,

знаћете да ће, ускоро,

everybody was about to contract this germ

сви да се заразе тим бацилом

or this piece of information.

или том информацијом.

And this would be much better

Ово би било много боље

than monitoring six randomly chosen people,

него посматрање шесторо насумичних људи,

without reference to the structure of the population.

без знања о структури популације.

And in fact, if you could do that,

Уствари, кад бисте то могли,

what you would see is something like this.

добили бисте нешто што изгледа као ово.

On the left-hand panel, again, we have the S-shaped curve of adoption.

С леве стране опет имамо Ѕ кривуљу прихватања.

In the dotted red line, we show

Црвеном истачканом линијом приказано је

what the adoption would be in the random people,

како би то ширење изгледало у насумичној популацији,

and in the left-hand line, shifted to the left,

и на левој страни, померено улево,

we show what the adoption would be

приказано је како би изгледало

in the central individuals within the network.

међу централним појединцима у оквиру мреже.

On the Y-axis is the cumulative instances of contagion,

На Y оси је кумулативни случај заразе,

and on the X-axis is the time.

а на Х оси је време.

And on the right-hand side, we show the same data,

А са десне стране приказани су исти подаци,

but here with daily incidence.

али овде са дневном инциденцом.

And what we show here is -- like, here --

Овде је приказано да је

very few people are affected, more and more and more and up to here,

само неколико људи инфицирано, све више довде,

and here's the peak of the epidemic.

а овде је врхунац епидемије.

But shifted to the left is what's occurring in the central individuals.

Али с леве стране је оно што се догађа централним појединцима.

And this difference in time between the two

Та разлика у времену између ова два

is the early detection, the early warning we can get,

је то рано откривање, рано упозорење које можемо добити,

about an impending epidemic

о предстојећој епидемији

in the human population.

у људској популацији.

The problem, however,

Међутим, проблем је

is that mapping human social networks

што мапирање људских друштвених мрежа

is not always possible.

није увек могуће.

It can be expensive, not feasible,

Може бити скупо, веома тешко,

unethical,

неетичко,

or, frankly, just not possible to do such a thing.

или, искрено, само немогуће да се тако нешто уради.

So, how can we figure out

Дакле, како можемо утврдити

who the central people are in a network

ко су централни појединци у некој мрежи

without actually mapping the network?

а да не мапирамо ту мрежу?

What we came up with

Дошли смо на идеју

was an idea to exploit an old fact,

да истражимо стару чињеницу,

or a known fact, about social networks,

или познату чињеницу, о друштвеним мрежама,

which goes like this:

која је следећа:

Do you know that your friends

Да ли знате да ваши пријатељи

have more friends than you do?

имају више пријатеља него ви?

Your friends have more friends than you do,

Ваши пријатељи имају више пријатеља него ви.

and this is known as the friendship paradox.

Ово је познато као парадокс пријатељства.

Imagine a very popular person in the social network --

Замислите веома популарну особу у друштвеној мрежи -

like a party host who has hundreds of friends --

на пример домаћина забаве који има стотине пријатеља -

and a misanthrope who has just one friend,

и мизантропа који има само једног пријатеља,

and you pick someone at random from the population;

и изаберете насумично неког из популације;

they were much more likely to know the party host.

та особа ће вероватније познавати тог домаћина забаве.

And if they nominate the party host as their friend,

И ако означе да им је домаћин пријатељ,

that party host has a hundred friends,

тај домаћин има стотине пријатеља,

therefore, has more friends than they do.

и на тај начин има више пријатеља него они.

And this, in essence, is what's known as the friendship paradox.

Ово је, у суштини, познато као парадокс пријатељства.

The friends of randomly chosen people

Пријатељи насумично одабраних људи

have higher degree, and are more central

имају виши степен и централнији су,

than the random people themselves.

него сами ти насумични људи.

And you can get an intuitive appreciation for this

Можете интуитивно схватити ово,

if you imagine just the people at the perimeter of the network.

ако замислите само људе на ивицама мреже.

If you pick this person,

Ако одаберете ову особу,

the only friend they have to nominate is this person,

једини пријатељ кога могу да наведу је ова особа,

who, by construction, must have at least two

која, по конструкцији, мора имати барем два,

and typically more friends.

а заправо и више, пријатеља.

And that happens at every peripheral node.

И то се дешава са сваким периферним чвором.

And in fact, it happens throughout the network as you move in,

Уствари, дешава се кроз мрежу, како пролазите њоме,

everyone you pick, when they nominate a random --

свако кога изаберете, када они одаберу неког...

when a random person nominates a friend of theirs,

када насумична особа наведе једног свог пријатеља,

you move closer to the center of the network.

приближавате се центру мреже.

So, we thought we would exploit this idea

Ми смо мислили да истражимо ову идеју

in order to study whether we could predict phenomena within networks.

како бисмо видели можемо ли да предвидимо феномене унутар мрежа.

Because now, with this idea

Јер сада, са овом идејом,

we can take a random sample of people,

можемо узети насумични узорак људи,

have them nominate their friends,

тражити да наведу своје пријатеље,

those friends would be more central,

ти пријатељи ће бити централнији

and we could do this without having to map the network.

и то бисмо урадили без мапирања мреже.

And we tested this idea with an outbreak of H1N1 flu

Ову идеју тестирали смо са епидемијом H1N1 грипа,

at Harvard College

на Харварду

in the fall and winter of 2009, just a few months ago.

у јесен и зиму 2009., пре само неколико месеци.

We took 1,300 randomly selected undergraduates,

Узели смо 1300 насумично одабраних студената,

we had them nominate their friends,

замолили их да наведу своје пријатеље,

and we followed both the random students and their friends

и пратили смо и насумичне студенте и њихове пријатеље

daily in time

дневно у одређено време,

to see whether or not they had the flu epidemic.

да видимо да ли су заражени или не.

And we did this passively by looking at whether or not they'd gone to university health services.

То смо чинили пасивно, посматрајући да ли иду у студентске амбуланте.

And also, we had them [actively] email us a couple of times a week.

Такође су нам они слали мејлове неколико пута недељно.

Exactly what we predicted happened.

Десило се управо оно што смо предвидели.

So the random group is in the red line.

Црвена линија представља насумичну групу.

The epidemic in the friends group has shifted to the left, over here.

Епидемија међу пријатељима померила се улево, овде.

And the difference in the two is 16 days.

А разлика између две групе је 16 дана.

By monitoring the friends group,

Посматрајући групу пријатеља,

we could get 16 days advance warning

могли смо да добијемо упозорење о

of an impending epidemic in this human population.

долазећој епидемији у овој популацији 16 дана унапред.

Now, in addition to that,

Сад, поврх тога,

if you were an analyst who was trying to study an epidemic

ако сте аналитичар који покушава да проучи епидемију

or to predict the adoption of a product, for example,

или предвиди усвајање неког производа на пример,

what you could do is you could pick a random sample of the population,

могли бисте узети насумичан узорак из популације,

also have them nominate their friends and follow the friends

такође тражити да именују своје пријатеље и пратити пријатеље,

and follow both the randoms and the friends.

и пратити и пријатеље и насумичну групу.

Among the friends, the first evidence you saw of a blip above zero

Међу пријатељима, први доказ пораста изнад нуле

in adoption of the innovation, for example,

у прихватању неке иновације, не пример,

would be evidence of an impending epidemic.

био би доказ предстојеће епидемије.

Or you could see the first time the two curves diverged,

Или бисте први пут видели да се две кривуље разилазе,

as shown on the left.

као што је приказано с леве стране.

When did the randoms -- when did the friends take off

Када су пријатељи отишли

and leave the randoms,

и оставили насумичне,

and [when did] their curve start shifting?

а њихова кривуља почела да се мења?

And that, as indicated by the white line,

То се, као што показује бела линија,

occurred 46 days

десило 46 дана

before the peak of the epidemic.

пре врхунца епидемије.

So this would be a technique

Дакле ово би била техника

whereby we could get more than a month-and-a-half warning

којом бисмо више од месец ипо дана унапред добили

about a flu epidemic in a particular population.

упозорење о епидемији грипа у некој популацији.

I should say that

Морам да кажем да,

how far advanced a notice one might get about something

добијање раног упозорења о нечему

depends on a host of factors.

зависи од сијасет фактора.

It could depend on the nature of the pathogen --

Може зависити од природе патогена -

different pathogens,

различитих патогена,

using this technique, you'd get different warning --

коришћењем ове технике добили бисте разна упозорења -

or other phenomena that are spreading,

или других феномена који се шире,

or frankly, on the structure of the human network.

или, заправо од структуре мреже.

Now in our case, although it wasn't necessary,

Сада, у нашем случају, иако није било потребно,

we could also actually map the network of the students.

могли смо такође да мапирамо мрежу студената.

So, this is a map of 714 students

Дакле, ово је мапа 714 студената

and their friendship ties.

и њихових пријатељских веза.

And in a minute now, I'm going to put this map into motion.

За тренутак ћу покренути ову мапу.

We're going to take daily cuts through the network

Направићемо дневни преглед кроз мрежу

for 120 days.

у трајању од 120 дана.

The red dots are going to be cases of the flu,

Црвене тачке ће бити случајеви грипа,

and the yellow dots are going to be friends of the people with the flu.

а жуте тачке ће бити пријатељи људи са грипом.

And the size of the dots is going to be proportional

А величина тачака биће пропорционална

to how many of their friends have the flu.

броју пријатеља који имају грип.

So bigger dots mean more of your friends have the flu.

Веће тачке значе да више ваших пријатеља има грип.

And if you look at this image -- here we are now in September the 13th --

Ако погледате ову слику - сада смо у 13. септемрбу -

you're going to see a few cases light up.

видећете да се појављује неколико случајева.

You're going to see kind of blooming of the flu in the middle.

Видећете неку врста процвата грипа у средини.

Here we are on October the 19th.

Овде смо у 19. октобру.

The slope of the epidemic curve is approaching now, in November.

Нагиб епидемије се приближава сад, у новембру.

Bang, bang, bang, bang, bang -- you're going to see lots of blooming in the middle,

Бенг, бенг, бенг, бенг, бенг, видећете много процвата у средини,

and then you're going to see a sort of leveling off,

и онда ћете видети заравњење,

fewer and fewer cases towards the end of December.

све мање и мање случајева до краја децембра.

And this type of a visualization

Ова врста визуализације

can show that epidemics like this take root

приказује да се овакве епидемије јављају

and affect central individuals first,

и утичу прво на централне појединце,

before they affect others.

пре него што погоде друге.

Now, as I've been suggesting,

Сад, као што сам рекао,

this method is not restricted to germs,

овај метод није ограничен на бациле,

but actually to anything that spreads in populations.

него на било шта што се шири у популацијама.

Information spreads in populations,

Информације се шире у популацијама.

norms can spread in populations,

Норме могу да се шире.

behaviors can spread in populations.

Понашања могу да се шире.

And by behaviors, I can mean things like criminal behavior,

Под тиме мислим на криминална понашања,

or voting behavior, or health care behavior,

или гласање, брига о здравственом стању,

like smoking, or vaccination,

као што је пушење, вакцинација,

or product adoption, or other kinds of behaviors

или прихватање неког производа, или друге врсте понашања

that relate to interpersonal influence.

које имају везе са интерперсоналним утицајем.

If I'm likely to do something that affects others around me,

Ако ћу ја урадити нешто што утиче на људе око мене,

this technique can get early warning or early detection

ова техника може дати рано упозорење, рано откривање,

about the adoption within the population.

прихватања у популацији.

The key thing is that for it to work,

Кључна ствар је, да би функционисало,

there has to be interpersonal influence.

неопходно је да постоји интерперсонални утицај.

It cannot be because of some broadcast mechanism

Не дешава се тако што неки механизам емитовања

affecting everyone uniformly.

утиче на све једнако.

Now the same insights

Исти ови налази

can also be exploited -- with respect to networks --

могу се користити - који се односе на мреже -

can also be exploited in other ways,

могу се користити и на друге начине,

for example, in the use of targeting

на пример, у корист циљања на

specific people for interventions.

одређене људе за интервенције.

So, for example, most of you are probably familiar

На пример, већина вас је вероватно упозната

with the notion of herd immunity.

са идејом "имунитета стада".

So, if we have a population of a thousand people,

дакле, имамо популацију од хиљаду људи,

and we want to make the population immune to a pathogen,

и желимо да је учинимо имуном на неки патоген,

we don't have to immunize every single person.

не морамо да вакцинишемо сваку поједину особу.

If we immunize 960 of them,

Ако имунизирамо њих 960,

it's as if we had immunized a hundred [percent] of them.

то је као да смо имунизирали 100 посто.

Because even if one or two of the non-immune people gets infected,

Јер чак иако се један или двоје од неимунизираних зарази,

there's no one for them to infect.

нема никога коме би пренели.

They are surrounded by immunized people.

Окружени су имунизованим људима.

So 96 percent is as good as 100 percent.

Дакле, 96% је једнако добро као и 100%.

Well, some other scientists have estimated

Па, неки други научници су проценили

what would happen if you took a 30 percent random sample

шта би се догодило кад бисте узели 30% насумичног узорка

of these 1000 people, 300 people and immunized them.

од ових 1000 људи, њих 300 и имунизовали их.

Would you get any population-level immunity?

Да ли бисте добили имунитет на нивоу популације?

And the answer is no.

Одговор је не.

But if you took this 30 percent, these 300 people

Али ако узмете тих 30%, тих 300 људи,

and had them nominate their friends

и тражите да наведу своје пријатеље

and took the same number of vaccine doses

и узмете исти број доза вакцина,

and vaccinated the friends of the 300 --

и вакцинишете пријатеље од тих 300 људи,

the 300 friends --

300 пријатеља,

you can get the same level of herd immunity

можете добити исти ниво "имунитета стада"

as if you had vaccinated 96 percent of the population

као да сте вакцинисали 96% популације,

at a much greater efficiency, with a strict budget constraint.

са много већом ефикасношћу и ограниченим буџетом.

And similar ideas can be used, for instance,

Сличне идеје се могу користити, на пример,

to target distribution of things like bed nets

за циљање дистрибуције ствари као што су балдахини

in the developing world.

у земљама у развоју.

If we could understand the structure of networks in villages,

Кад бисмо разумели структуру мрежа у селима,

we could target to whom to give the interventions

могли бисмо одредити на коме треба интервенисати

to foster these kinds of spreads.

да бисмо покренули ова ширења.

Or, frankly, for advertising with all kinds of products.

Или за рекламирање свих врста производа.

If we could understand how to target,

Кад бисмо разумели како да циљамо,

it could affect the efficiency

то би утицало на ефикасност

of what we're trying to achieve.

онога што желимо да постигнемо.

And in fact, we can use data

Данас за ово можемо да користимо

from all kinds of sources nowadays [to do this].

податке из свакаквих извора.

This is a map of eight million phone users

Ово је мапа осам милиона корисника телефона

in a European country.

у једној европској земљи.

Every dot is a person, and every line represents

Свака тачка је једна особа, а свака линија представља

a volume of calls between the people.

количину позива међу људима.

And we can use such data, that's being passively obtained,

Можемо користити такве податке, који се пасивно скупљају,

to map these whole countries

да мапирамо читаве земље

and understand who is located where within the network.

и разумемо ко је где лоциран у мрежи.

Without actually having to query them at all,

Не бисмо морали ни да их испитујемо,

we can get this kind of a structural insight.

а добили бисмо увид у структуру.

And other sources of information, as you're no doubt aware

И друге врсте информација су, као што знате,

are available about such features, from email interactions,

доступне о тим особинама, као комуницирање мејловима,

online interactions,

интеракције на интернету,

online social networks and so forth.

друштвене мреже на интернету, итд.

And in fact, we are in the era of what I would call

Уствари, налазимо се у ери коју зовем

"massive-passive" data collection efforts.

"масовно-пасивно" прикупљање података.

They're all kinds of ways we can use massively collected data

Постоје многи начини да искористимо масовно прикупљене податке

to create sensor networks

да бисмо створили мреже сензоре

to follow the population,

пратили популацију,

understand what's happening in the population,

разумели шта се дешава у популацији,

and intervene in the population for the better.

и интервенисали у популацији због добробити.

Because these new technologies tell us

Јер ове нове технологије нам не говоре

not just who is talking to whom,

само ко с ким разговара,

but where everyone is,

него где се сви налазе,

and what they're thinking based on what they're uploading on the Internet,

и о чему размишљају, на основу онога што постављају на интернет,

and what they're buying based on their purchases.

и шта купују, на основу њихових куповина.

And all this administrative data can be pulled together

И сви ови примењиви подаци могу да се скупе

and processed to understand human behavior

и обраде да би се разумело људско понашање

in a way we never could before.

као што никада пре нисмо могли.

So, for example, we could use truckers' purchases of fuel.

На пример, возачи камиона купују гориво.

So the truckers are just going about their business,

камионџије само раде свој посао,

and they're buying fuel.

и купују гориво.

And we see a blip up in the truckers' purchases of fuel,

И видимо пораст куповине горива и

and we know that a recession is about to end.

знамо да се рецесија ближи крају.

Or we can monitor the velocity

Или можемо посматрати брзину

with which people are moving with their phones on a highway,

којом се људи са мобилним телефонима крећу по ауто путу

and the phone company can see,

и телефонске компаније могу видети,

as the velocity is slowing down,

како се брзина успорава,

that there's a traffic jam.

да постоји саобраћајна гужва.

And they can feed that information back to their subscribers,

Ту информацију могу послати својим претплатницима,

but only to their subscribers on the same highway

али само онима који се налазе на истом ауто путу

located behind the traffic jam!

иза саобраћајне гужве!

Or we can monitor doctors prescribing behaviors, passively,

Или можемо пасивно да посматрамо шта доктори преписују,

and see how the diffusion of innovation with pharmaceuticals

и видимо како се ширење нових лекова

occurs within [networks of] doctors.

јавља међу мрежама доктора.

Or again, we can monitor purchasing behavior in people

Или опет, можемо посматрати куповно понашање међу људима,

and watch how these types of phenomena

и видети како се ови феномени

can diffuse within human populations.

могу ширити међу људским популацијама.

And there are three ways, I think,

Мислим да постоје три начина

that these massive-passive data can be used.

на које се овако прикупљени подаци могу користити.

One is fully passive,

Један је потпуно пасиван,

like I just described --

као што сам управо описао -

as in, for instance, the trucker example,

као у примеру са камионџијама,

where we don't actually intervene in the population in any way.

где се не мешамо у популацију ни на који начин.

One is quasi-active,

Један је квази-активан,

like the flu example I gave,

као пример са грипом,

where we get some people to nominate their friends

где неки људи наводе своје пријатеље,

and then passively monitor their friends --

и онда пасивно посматрамо њихове пријатеље -

do they have the flu, or not? -- and then get warning.

имају ли грип или не? - и онда добијемо упозорење.

Or another example would be,

Или још један пример био би,

if you're a phone company, you figure out who's central in the network

ако сте телефонска компанија, сазнате ко је централан у некој мрежи

and you ask those people, "Look, will you just text us your fever every day?

и питате те људе, "Да ли бисте нам написали вашу температуру сваког дана?

Just text us your temperature."

Само нам пошаљите колика вам је температура."

And collect vast amounts of information about people's temperature,

И скупите огромне количине података о температурама људи

but from centrally located individuals.

али од индивидуа које су у центру.

And be able, on a large scale,

И можете, у великом обиму,

to monitor an impending epidemic

посматрати долазећу епидемију

with very minimal input from people.

са веома мало података од људи.

Or, finally, it can be more fully active --

Или коначно, може бити потпуно активно -

as I know subsequent speakers will also talk about today --

знам да ће и наредни говорници о томе причати данас -

where people might globally participate in wikis,

где људи могу глобално учествовати у викијима,

or photographing, or monitoring elections,

или фотографисати или посматрати изборе

and upload information in a way that allows us to pool

и постављати информације тако да можемо да их

information in order to understand social processes

скупљамо како бисмо разумели друштвене процесе

and social phenomena.

и друштвене феномене.

In fact, the availability of these data, I think,

Уствари, мислим да доступност ових података

heralds a kind of new era

најављује нову еру

of what I and others would like to call

онога што ја и други волимо да зовемо

"computational social science."

"рачунарска друштвена наука".

It's sort of like when Galileo invented -- or, didn't invent --

Како кад је Галијеј изумео - или, није изумео -

came to use a telescope

почео да користи телескоп

and could see the heavens in a new way,

и могао да види небеса на нови начин,

or Leeuwenhoek became aware of the microscope --

или кад је Ливенхок открио микроскоп -

or actually invented --

или изумео -

and could see biology in a new way.

и могао да види биологију на нов начин.

But now we have access to these kinds of data

Али сада имамо приступ овим врстама података

that allow us to understand social processes

који нам дозвољавају да разумемо друштвене процесе

and social phenomena

и друштвене феномене

in an entirely new way that was never before possible.

на потпуно нов начин који никада није био могућ.

And with this science, we can

И са овом науком, можемо

understand how exactly

разумети како је тачно

the whole comes to be greater

целина већа

than the sum of its parts.

од збира својих делова.

And actually, we can use these insights

И заправо, можемо користити ова сазнања

to improve society and improve human well-being.

да побољшамо друштво и добробит људи.

Thank you.

Хвала вам.