Nicholas Christakis: How social networks predict epidemics

Översättare: Anders Björk Granskare: Lisbeth Pekkari

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

Under de senaste 10 åren, har jag använt min tid till att klura ut

how and why human beings

hur och varför människor börjar

assemble themselves into social networks.

samla sig i sociala nätverk.

And the kind of social network I'm talking about

Och den sorts sociala nätverk jag talar om

is not the recent online variety,

är inte den nya onlinevarianten,

but rather, the kind of social networks

utan, den typ av sociala nätverk

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

som människor har samlats inom under hundratusentals år,

ever since we emerged from the African savannah.

ända sedan vi dök upp på den Afrikanska savannen.

So, I form friendships and co-worker

Så, jag skapar vänskaps-, arbets-,

and sibling and relative relationships with other people

syskon- och andra relationer med andra människor

who in turn have similar relationships with other people.

som i sin tur har liknande relationer med andra människor.

And this spreads on out endlessly into a distance.

Och detta sprider sig ändlöst utåt.

And you get a network that looks like this.

Och du får ett nätverk som ser ut så här.

Every dot is a person.

Där varje punkt är en person.

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

Där varje linje mellan dem är en relation mellan två människor --

different kinds of relationships.

olika typer av relationer.

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

Och du får den typ av omfattande tyg av mänsklighet,

in which we're all embedded.

som vi alla är inbäddade i.

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

Jag och min kollega, James Fowler, har studerat det ett bra tag nu

what are the mathematical, social,

vilka är de matematiska, sociala,

biological and psychological rules

biologiska och psykologiska reglerna

that govern how these networks are assembled

som styr hur dessa nätverk sammansätts

and what are the similar rules

och vilka är de liknande reglerna

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

som styr hur de verkar, hur de påverkar våra liv.

But recently, we've been wondering

Och, nyligen har vi funderat på

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

huruvida det är möjligt att dra nytta av denna insikt,

to actually find ways to improve the world,

för att verkligen hitta vägar till att förbättra världen,

to do something better,

för att göra någonting bättre,

to actually fix things, not just understand things.

för att verkligen fixa saker, inte bara förstå dem.

So one of the first things we thought we would tackle

Så en av de första sakerna vi tänkte tackla

would be how we go about predicting epidemics.

skulle vara hur vi går tillväga för för förutsäga epidemier.

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

Det nuvarande bästa tillvägagångssättet för att förutsäga epidemier --

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

om du är på smittskyddsinstitutet (Am. CDC) eller någon annan myndighet --

is to sit in the middle where you are

är att sitta där du är

and collect data

och samla in data

from physicians and laboratories in the field

från läkare och laboratorier på fältet

that report the prevalence or the incidence of certain conditions.

som rapporterar prevalens eller incidens av vissa sjukdommar.

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

Patienter, där och där som blivit diagnostiserade med något [här borta]

or other patients have been diagnosed,

eller andra som blivit diagnostisera [här borta]

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

och alla dessa data matas till en stor databas, med en viss fördröjning.

And if everything goes smoothly,

Och om allt går som de ska

one to two weeks from now

en-två veckor från nu,

you'll know where the epidemic was today.

kommer du veta vart epidemin var i förrgår.

And actually, about a year or so ago,

Och faktiskt, för ett år sen eller så,

there was this promulgation

kom det ett offentliggörande

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

om en idé om Google Flu Trends, med sikte på influensan,

where by looking at people's searching behavior today,

där man genom att titta på folks sökbeteende i dag,

we could know where the flu --

kunde veta vart flunsan...

what the status of the epidemic was today,

vad statusen för epidemin var i dag,

what's the prevalence of the epidemic today.

vad prevalensen för epidemin är i dag.

But what I'd like to show you today

Men det jag skulle vilja visa dig i dag

is a means by which we might get

är ett sätt genom vilket vi möjligen får

not just rapid warning about an epidemic,

inte bara en tidig varning för epidemin,

but also actually

men också i själva verket

early detection of an epidemic.

en tidig detektering av en epidemi.

And, in fact, this idea can be used

Och, faktum är, denna idé kan användas

not just to predict epidemics of germs,

inte bara för att förutsäga bakteriella epidemier,

but also to predict epidemics of all sorts of kinds.

men även för att förutsäga alla typer av epidemier.

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

Till exempel, alla saker som sprids genom en slags social smitta

could be understood in this way,

kan förklaras genom detta sätt,

from abstract ideas on the left

från abstrakta idéer till vänster

like patriotism, or altruism, or religion

som patriotism eller altruism eller religion,

to practices

till tillvägagångsätt

like dieting behavior, or book purchasing,

som dietbeteende eller bokköpande,

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

eller drickande eller cykel-hjälms [och] eller andra säkerhetsdetaljer,

or products that people might buy,

eller produkter som folk kan tänka sig att köpa,

purchases of electronic goods,

inköp av elektronikvaror,

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

vad som helst som där det finns en spridning mellan personer.

A kind of a diffusion of innovation

En slags spridning av innovationer

could be understood and predicted

kan förstås och förutsägas

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

genom mekanismen som jag kommer visa dig nu.

So, as all of you probably know,

Så, som de flesta av er troligen vet,

the classic way of thinking about this

det klassiska sättet att tänka kring detta

is the diffusion-of-innovation,

är spridning-av-innovation

or the adoption curve.

eller acceptanskurvan (eng. adoption curve).

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

Så här på Y-axeln, har vi procent av folk som är berörda,

and on the X-axis, we have time.

och på X-axeln, har vi tid.

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

Och i allra första början är inte alls så många berörda.

and you get this classic sigmoidal,

och då får den klassiska sigmodala,

or S-shaped, curve.

eller S-formade, kurvan.

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

Och ett skäl till denna form är att från första början,

let's say one or two people

låt oss säga att en eller två personer

are infected, or affected by the thing

har blivit påverkade eller infekterad av detta

and then they affect, or infect, two people,

de påverkar, eller infekterar sedan två personer,

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

som i sin tur påverkar fyra, åtta och 16 och så vidare,

and you get the epidemic growth phase of the curve.

och du får den epidemiska tillväxtfasen på kurvan.

And eventually, you saturate the population.

Och till slut, så närmar du dig hela befolkning.

There are fewer and fewer people

Det är färre och färre människor kvar

who are still available that you might infect,

vilka fortfarande är möjliga att infektera,

and then you get the plateau of the curve,

och där får du platån på kurvan,

and you get this classic sigmoidal curve.

och du får den klassiska sigmodala kurvan.

And this holds for germs, ideas,

Och detta håller för bakterier, idéer,

product adoption, behaviors,

produktacceptans, beteenden,

and the like.

och liknande.

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

Men saker sprider sig inte i den mänskliga populationen slumpmässigt.

They actually diffuse through networks.

De sprider sig i själva verket genom nätverk.

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

Eftersom vi lever våra liv i nätverk,

and these networks have a particular kind of a structure.

och dessa nätverk har en speciell sorts struktur.

Now if you look at a network like this --

Om du nu tittar på ett nätverk som detta...

this is 105 people.

Detta är 105 människor.

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

Och linjerna representerar ... prickarna är människor,

and the lines represent friendship relationships.

och linjerna representerar vänskapsrelationer.

You might see that people occupy

Du ser kanske folk tar upp

different locations within the network.

olika platser inom detta nätverk.

And there are different kinds of relationships between the people.

Och det är olika slags relationer mellan människor.

You could have friendship relationships, sibling relationships,

Du kan ha kamratskapsrelationer, syskonrelationer,

spousal relationships, co-worker relationships,

äkta hälft relationer, arbetskamratsrelationer,

neighbor relationships and the like.

grannrelationer och liknande.

And different sorts of things

Och olika slags saker

spread across different sorts of ties.

sprider sig tvärs olika typer av förbindelser.

For instance, sexually transmitted diseases

Till exempel, sexuellt överförbara sjukdomar.

will spread across sexual ties.

kommer sprida sig via sexuella förbindelser.

Or, for instance, people's smoking behavior

Eller till exempel, människors rökvanor

might be influenced by their friends.

påverkar troligen av deras vänner.

Or their altruistic or their charitable giving behavior

Eller deras altruistiska beteende att ge till välgörenhet

might be influenced by their coworkers,

påverkas troligen av deras arbetskamrater,

or by their neighbors.

eller av deras grannar.

But not all positions in the network are the same.

Men alla platser i nätverket är inte likadana.

So if you look at this, you might immediately grasp

Så när du tittar på detta, så inser du kanske omedelbart

that different people have different numbers of connections.

att olika människor har olika antal anknytningar.

Some people have one connection, some have two,

En del människor har en anknytning, en del två,

some have six, some have 10 connections.

några har sex, några har 10 anknytningar.

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

Och detta kallas "rang" (eng. "degree") för en nod,

or the number of connections that a node has.

eller antalet en anknytningar en nod har.

But in addition, there's something else.

Men det finns något annat också.

So, if you look at nodes A and B,

Om du tittar på noderna A och B,

they both have six connections.

så har då båda sex anknytningar.

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

Men om du ser denna bild [av nätverket] från ett fågelperspektiv,

you can appreciate that there's something very different

så kommer du inse det är något väldigt annorlunda

about nodes A and B.

med noderna A och B.

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

Så, låt mig ställa denna fråga till dig -- Kan jag förstärka din intuition genom a ställa frågan --

who would you rather be

skulle du helst vara

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

om en dödlig bakterie som sprider sig genom nätverket genom, A eller B?

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

(Publiken: B). Nicholas Christakis: B det är ju uppenbart.

B is located on the edge of the network.

B är placerar på kanten av nätverket.

Now, who would you rather be

Och, vem skulle du heller vara

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

om ett saftigt skvaller spridde sig genom nätverket?

A. And you have an immediate appreciation

A. Då skulle du ha en omedelbar förståelse

that A is going to be more likely

det är A som troligen har en bättre möjlighet

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

att få reda på vad som sprider sig och få reda på det fortare

by virtue of their structural location within the network.

genom dess unika strukturella plats inom nätverket.

A, in fact, is more central,

A är mer central

and this can be formalized mathematically.

och detta kan formellt beskrivas matematiskt.

So, if we want to track something

Så, om du vill följa någonting

that was spreading through a network,

som sprider sig genom ett nätverk,

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

så vad vi optimalt skulle vilja göra är sätta upp sensorer

on the central individuals within the network,

på centralt placerade individer i nätverket,

including node A,

inkludera nod A,

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

övervaka människorna som är alldeles i mitten av nätverket.

and somehow get an early detection

och genom detta sätt få en tidig detektering

of whatever it is that is spreading through the network.

av vad än som sprider sig genom nätverket.

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

Det vill säga, om du såg dem komma i kontakt med bakterier eller information,

you would know that, soon enough,

då skulle du veta att snart nog,

everybody was about to contract this germ

skulle alla andra också få kontakt med denna bakterie

or this piece of information.

eller infomation.

And this would be much better

Och detta skulle vara mycket bättre

than monitoring six randomly chosen people,

än att övervaka sex slumpmässigt valda människor,

without reference to the structure of the population.

utan kunskap om hur populationen är strukturerad.

And in fact, if you could do that,

Och faktum är, om du kunde göra detta,

what you would see is something like this.

skulle du se något liknande detta.

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

På den vänstra skärmen, återigen, har vi den S-formade kurvan över acceptansen.

In the dotted red line, we show

På den röda prickade linjen, visar vi

what the adoption would be in the random people,

vad acceptansen skulle vara med slumpmässigt valda människor,

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

och i den vänster-hands linje, skiftade mot vänster,

we show what the adoption would be

vi ser vad acceptansen skulle bli

in the central individuals within the network.

för centrala individer i nätverket.

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

På Y-axeln är kumulerade smittan,

and on the X-axis is the time.

och på X-axeln är tiden.

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

Och på den högra sidan visar vi samma data,

but here with daily incidence.

men här den dagliga incidensen.

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

Och det vi visar här är --som, här --

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

att väldigt få människor är angripna, mer och mer och här uppe,

and here's the peak of the epidemic.

och här kommer toppen av epidemin.

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

Men till vänster är vad som händer de centralt placerade individerna.

And this difference in time between the two

Och denna skillnad i tid mellan de två

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

är den tidiga detektionen, den tidiga varningen vi kan få,

about an impending epidemic

om den annalkande epidemin

in the human population.

i den mänskliga populationen.

The problem, however,

Men problemet är dock,

is that mapping human social networks

att mappande av mänskliga sociala nätverk inte

is not always possible.

alltid är möjligt.

It can be expensive, not feasible,

Det kan vara dyrt, [mycket svårt],

unethical,

oetiskt,

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

eller, helt enkelt, bara omöjligt att göra en sådan sak.

So, how can we figure out

Så, hur kan vi klura ut

who the central people are in a network

vilka dessa centrala människor är i ett nätverk

without actually mapping the network?

utan att verkligen mappa upp nätverket?

What we came up with

Vad vi kom fram till

was an idea to exploit an old fact,

var en idé som kunde utnyttja ett gammal faktum,

or a known fact, about social networks,

eller känd egenskap kring sociala nätverk,

which goes like this:

vilken låter så här:

Do you know that your friends

Vet du om att dina vänner

have more friends than you do?

har fler vänner än du har?

Your friends have more friends than you do,

Dina vänner har fler vänner än du har.

and this is known as the friendship paradox.

Detta är känt som vänskapsparadoxen.

Imagine a very popular person in the social network --

Föreställ dig en väldigt populär människa i det sociala nätverket --

like a party host who has hundreds of friends --

som håller en fest och som har hundratals vänner --

and a misanthrope who has just one friend,

och en misantrop som bara har en vän,

and you pick someone at random from the population;

och du väljer någon slumpmässigt från populationen:

they were much more likely to know the party host.

så är det mycket mera troligt att de känner personen som har festen.

And if they nominate the party host as their friend,

Och om de kallar festfixaren sin vän,

that party host has a hundred friends,

så har festfixaren hundra vänner

therefore, has more friends than they do.

och har därigenom fler vänner än de har.

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

Detta är, enkelt uttryckt, vad som är känt som vänskapsparadoxen.

The friends of randomly chosen people

Vänner till slumpmässigt valda människor

have higher degree, and are more central

har högre grad, och är mer centrala,

than the random people themselves.

än de slumpmässigt valda människorna själva.

And you can get an intuitive appreciation for this

Och du kan få en intuitiv förståelse för detta

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

om du bara tänker dig människor vid utkanten av nätverket.

If you pick this person,

Om du väljer denna person,

the only friend they have to nominate is this person,

den enda vän som de behöver nominera är denna person,

who, by construction, must have at least two

vilken, genom konstruktionen, måste ha minst två,

and typically more friends.

och typiskt fler än det, vänner.

And that happens at every peripheral node.

Detta inträffar vid varje nod i utkanten.

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

Och faktum är, det inträffar genom hela nätverket när du rör dig inåt,

everyone you pick, when they nominate a random --

varje du person du väljer, när de nominerar en slumpmässigt..

when a random person nominates a friend of theirs,

när en slumpmässigt vald person nominerar en vän till dem,

you move closer to the center of the network.

rör du dig närmare centret av nätverket.

So, we thought we would exploit this idea

Så, vi tänkte vi kunde utnyttja denna idé

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

för att studera huruvida vi kunde förutsäga fenomen med nätverk.

Because now, with this idea

Eftersom nu, med denna idé,

we can take a random sample of people,

kan vi ta ett slummässigt urval av folk,

have them nominate their friends,

få dem att nominera deras vänner,

those friends would be more central,

sådana vänner som kommer vara mer centrala,

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

och vi kunde göra detta utan mappa upp nätverket.

And we tested this idea with an outbreak of H1N1 flu

Och vi testade denna idé på utbrottet av H1N1-influensan

at Harvard College

på Harvard College

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

under hösten och vintern 2009, bara för några månader sen.

We took 1,300 randomly selected undergraduates,

Vi tog 1300 slumpmässigt valda studenter

we had them nominate their friends,

som vi bad nominera sina vänner,

and we followed both the random students and their friends

och vi följde både de slumpmässigt valda studenterna och deras vänner

daily in time

dagligen

to see whether or not they had the flu epidemic.

för att om de hade fått influensa eller ej.

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

Och vi gjorde detta passivt genom kolla om de hade gått till universitetets hälsocentral eller ej.

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

De fick även [aktivt] e-posta oss några gånger i veckan.

Exactly what we predicted happened.

Exakt det vi hade förutspått hände.

So the random group is in the red line.

Så den slumpmässigt valda gruppen är den röda linjen.

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

Epidemin i vängruppen är skiftad till vänster, borta här.

And the difference in the two is 16 days.

Och skillnaden mellan de båda är 16 dagar.

By monitoring the friends group,

Genom att följa gruppen av vänner,

we could get 16 days advance warning

kunde vi få en 16 dagar tidigare varning

of an impending epidemic in this human population.

av den annalkande epidemin in denna mänskliga population.

Now, in addition to that,

Nu, i tillägg till detta,

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

om du var en analytiker som försökte studera en epidemi

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

eller till exempel förutsäga acceptansen av en produkt

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

vad du skulle göra då är att ta ett slumpmässigt urval av populationen,

also have them nominate their friends and follow the friends

och få dem att nominera deras vänner och följa dessa vänner,

and follow both the randoms and the friends.

och både följa de slumpmässigt valda och deras vänner.

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

Bland vänner, blippen ovanför noll som du såg är det första beviset

in adoption of the innovation, for example,

på acceptans på innovationen, till exempel,

would be evidence of an impending epidemic.

skulle vara bevis på en annalkande epidemi.

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

Eller så skulle du se det då kurvorna för första gången började gå åt olika håll,

as shown on the left.

som visas här till vänster.

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

När rörde sig de slumpmässiga... när rörde sig vänner i väg

and leave the randoms,

och lämnade de slumpmässiga,

and [when did] their curve start shifting?

och [när började] deras kurva skifta?

And that, as indicated by the white line,

Och detta, indikerat av den vita linjen.

occurred 46 days

inträffade 46 dagar

before the peak of the epidemic.

före epidemins topp.

So this would be a technique

Så detta kunde bli en teknik

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

genom vilken vi kunde få mer än en en och en halv månads förvarning

about a flu epidemic in a particular population.

om en influensaepidemi i en specifik population.

I should say that

Jag bör säga att

how far advanced a notice one might get about something

hur långt i förväg man får en indikation om något

depends on a host of factors.

beror på en mängd faktorer.

It could depend on the nature of the pathogen --

Det kan beror på patogenets natur --

different pathogens,

olika slags patogener,

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

med denna teknik, skulle ge olika varningar --

or other phenomena that are spreading,

eller andra fenomen som sprider sig,

or frankly, on the structure of the human network.

eller, helt enkelt, beroende på strukturen av den mänskliga nätverket.

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

I vårt fall, fastän det inte var nödvändigt,

we could also actually map the network of the students.

kunde vi även i själva verket mappa nätverket av studenter.

So, this is a map of 714 students

Så, det är detta är kartan över 714 studenter.

and their friendship ties.

och deras vänskapsband.

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

Och om en minut, kommer jag sätta igång rörelsen i denna karta.

We're going to take daily cuts through the network

Vi kommer ta dagliga ögonblicksbilder av nätverket

for 120 days.

över 120 dagar.

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

De röda prickarna kommer visa influensafallen,

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

och de gula kommer vara vänner till människor med influensan.

And the size of the dots is going to be proportional

Och storleken på prickarna är proportionell

to how many of their friends have the flu.

mot hur många av deras vänner som influensan.

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

Så större prickar betyder flera av dina vänner har influensan.

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

Och om du tittar på den bild --här är vi nu den 13:e September --

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

du kommer se några få fall som lyser till.

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

Du kommer få se uppblossande av influensan i mitten.

Here we are on October the 19th.

Här är vi på den 19:e oktober.

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

Lutningen på epidemikurvan närmar sig nu, i november.

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

Pang, pang, pang, pang, pang, du kommer se ett massivt uppblossande i mitten,

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

och sen kommer du se en slags avklingning,

fewer and fewer cases towards the end of December.

färre och färre fall mot slutet av december.

And this type of a visualization

Och denna typ av visualisering

can show that epidemics like this take root

kan visa att epidemier som denna, rotar sig

and affect central individuals first,

och påverkar centrala individer först,

before they affect others.

innan de påverkar andra.

Now, as I've been suggesting,

Som jag har sagt så är

this method is not restricted to germs,

denna metod inte bara är begränsad till bakterier,

but actually to anything that spreads in populations.

utan fungerar för allt som sprider sig i populationer.

Information spreads in populations,

Information sprider sig via populationer.

norms can spread in populations,

Normer kan sprida sig i populationer.

behaviors can spread in populations.

Beteenden kan sprida sig i populationer.

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

Och med beteende menar jag företeelser som kriminella beteenden,

or voting behavior, or health care behavior,

eller valbeteenden eller hälsobeteenden,

like smoking, or vaccination,

som rökning, eller vaccinationer,

or product adoption, or other kinds of behaviors

eller produktacceptans eller andra typer av beteenden

that relate to interpersonal influence.

som relaterar till interpersonell påverkan.

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

Om jag är benägen att göra något som påverkar andra runt omkring mig,

this technique can get early warning or early detection

kan den här tekniken ge en tidig varning eller tidig detektion,

about the adoption within the population.

angående mottagandet inom en population.

The key thing is that for it to work,

Nyckeln här är, för att få det att fungera,

there has to be interpersonal influence.

måste det finnas interpersonell påverkan.

It cannot be because of some broadcast mechanism

Det kan inte vara på grund av någon slags utsändningsmekanism

affecting everyone uniformly.

som påverkar alla likadant.

Now the same insights

Samma insikter

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

kan även utnyttjas -- med avseende på nätverk --

can also be exploited in other ways,

kan även utnyttjas på andra slags sätt,

for example, in the use of targeting

till exempel, för att målsöka

specific people for interventions.

specifika människor för interventioner.

So, for example, most of you are probably familiar

Så, till exempel är nog de flesta av er familjära

with the notion of herd immunity.

med uttrycket flockimmunitet.

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

Så om vi har en population med tusen människor,

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

och vi vill göra populationen immun mot en patogen

we don't have to immunize every single person.

då behöver vi inte immunisera varenda enskild person.

If we immunize 960 of them,

Om vi immunisera 960 av dem,

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

så är det som om vi hade immuniserat hundra [procent] av dem.

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

Därför att även om en eller två av de ickeimmuna människorna smittas,

there's no one for them to infect.

så finns det ingen för dem att smitta.

They are surrounded by immunized people.

De omringas av immuna människor.

So 96 percent is as good as 100 percent.

Så 96 procent är lika bra som 100 procent.

Well, some other scientists have estimated

Nåväl, andra vetenskapsmän har estimerat

what would happen if you took a 30 percent random sample

vad som skulle hända om man tog ett 30-procentigt slumpmässigt prov

of these 1000 people, 300 people and immunized them.

av dessa 1000 människor, dvs 300 och immuniserade dem.

Would you get any population-level immunity?

Skulle man då få någon immunitet på populationsnivå?

And the answer is no.

Och svaret är nej.

But if you took this 30 percent, these 300 people

Men om du tog dessa 30 procent, dessa 300 människor,

and had them nominate their friends

och de fick nominera sina vänner

and took the same number of vaccine doses

och tog samma antal vaccinationsdoser

and vaccinated the friends of the 300 --

och vaccinerade vänner till de 300,

the 300 friends --

de 300 vänner,

you can get the same level of herd immunity

så skulle du få samma nivå av flockimmunitet.

as if you had vaccinated 96 percent of the population

som om du vaccinerade 96 procent av populationen

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

och med en mycket högre effektivitet och med en mycket lägre budget.

And similar ideas can be used, for instance,

Och liknande idéer kan användas, till exempel,

to target distribution of things like bed nets

för att fokusera distributionen av saker som myggnät för sängar

in the developing world.

i U-länder.

If we could understand the structure of networks in villages,

Om vi kunde förstå strukturen hos nätverken i byarna,

we could target to whom to give the interventions

kunde vi fokusera på till vilka vi skulle ge detta stöd

to foster these kinds of spreads.

för att främja att dessa saker sprids.

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

Eller, frankt, för att annonsera alla typer av produkter.

If we could understand how to target,

Om vi kunde förstå hur man inriktar arbetet,

it could affect the efficiency

kunde detta på påverka effektiviteten

of what we're trying to achieve.

på det vi försöker nå till.

And in fact, we can use data

Och faktum är vi kunde använda data

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

från alla typer av källor som finns i dag [för att göra detta].

This is a map of eight million phone users

Den här kartan visar åtta miljoner telefonanvändare

in a European country.

i ett europeiskt land.

Every dot is a person, and every line represents

Varje punkt är en person och varje linje visar

a volume of calls between the people.

volymen av samtal mellan dessa människor.

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

Och vi kan använda sådan data, som är passivt insamlat,

to map these whole countries

för att mappa hela länder

and understand who is located where within the network.

och förstå vilka som är lokaliserade var inom nätverket.

Without actually having to query them at all,

Utan att verkligen behöva fråga dem överhuvudtaget,

we can get this kind of a structural insight.

kan vi få denna strukturella insikt.

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

Och andra källor av information, som du säkert vet,

are available about such features, from email interactions,

är tillgängliga att få sådan egenskaper från, från e-post konversation

online interactions,

internet-interaktioner

online social networks and so forth.

social nätverk på internet och så vidare.

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

Och faktum är, vi är i en era av jag skulle kalla

"massive-passive" data collection efforts.

"massiv-passiv" data insamling.

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

Det är alla olika vägar vi kan använda för massiv datainsamling

to create sensor networks

för att skapa sensornätverk

to follow the population,

för att följa populationen,

understand what's happening in the population,

för att förstå vad som händer i en population,

and intervene in the population for the better.

och för att ingripa för populationens bästa.

Because these new technologies tell us

Eftersom dessa nya tekniker berättar för oss

not just who is talking to whom,

inte bara vem som pratar med vem,

but where everyone is,

men även var varje människa är,

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

och vad de tänker, baserat på vad de laddar upp på nätet,

and what they're buying based on their purchases.

och vad de köper baserat på deras inköp.

And all this administrative data can be pulled together

Och alla dessa administrativa data kan fogas samman

and processed to understand human behavior

och processas så att vi förstår mänskligt beteende

in a way we never could before.

på ett sätt vi inte tidigare kunde.

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

Så till exempel, vi kunde använda lastbilschaufförers inköp av bränsle.

So the truckers are just going about their business,

Chaufförerna gör bara sitt jobb

and they're buying fuel.

och köper bränsle.

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

Och vi ser en hopp uppåt i chaufförernas inköp av bränsle,

and we know that a recession is about to end.

och vi vet att att lågkonjunkturen är på väg ta slut.

Or we can monitor the velocity

Eller så kan vi övervaka hastigheten

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

med vilken människorna rör sig på en motorväg, genom deras mobiler,

and the phone company can see,

och telefonbolaget kan se,

as the velocity is slowing down,

genom att hastigheten minskar,

that there's a traffic jam.

att det är trafikstockning.

And they can feed that information back to their subscribers,

Och de kan mata tillbaka denna information till sina kunder,

but only to their subscribers on the same highway

men bara till kunderna på samma motorväg

located behind the traffic jam!

som befinner sig innan trafikstockningen.

Or we can monitor doctors prescribing behaviors, passively,

Eller så kan vi följa läkares utskrivningsmönster, passivt,

and see how the diffusion of innovation with pharmaceuticals

och se hur produktacceptansen hos läkemedel

occurs within [networks of] doctors.

utvecklar sig [genom nätverk av] läkare.

Or again, we can monitor purchasing behavior in people

Eller återigen, vi kan följa inköpsbeteenden hos människor,

and watch how these types of phenomena

och se hur dessa olika typer av fenomen

can diffuse within human populations.

kan diffundera genom mänskliga populationer.

And there are three ways, I think,

Och det finns tre olika sätt, tror jag,

that these massive-passive data can be used.

som dessa massiv-passiva data kan användas på.

One is fully passive,

Ett är helt passivt,

like I just described --

som jag tidigare beskrivit --

as in, for instance, the trucker example,

som i exemplet om lastbilschaufförerna,

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

där vi vi inte ingriper i populationen på något sätt alls.

One is quasi-active,

En är kvasi-aktiv,

like the flu example I gave,

som influensaexemplet jag gav,

where we get some people to nominate their friends

där vi får några människor att nominera sin vänner

and then passively monitor their friends --

och sen passivt följa deras vänner --

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

har de eller har de inte influensan? .. och få en varning.

Or another example would be,

Eller ett annat exempel skulle kunna vara,

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

om du var ett telefonbolag, och du kunde klura ut vilka som är centrala i ett nätverk,

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

och du kunde fråga dessa människor, " Skulle du kunna SMSa din feber varje dag?

Just text us your temperature."

Bara messa din kroppstemperatur:"

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

Och genom detta samla in stor mängd info folks kroppstemperatur

but from centrally located individuals.

men från centralt lokaliserade individer.

And be able, on a large scale,

Och därigenom ha möjligen att i stor skala,

to monitor an impending epidemic

övervaka en annalkande epidemi

with very minimal input from people.

men mycket begränsat indata från folk.

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

Eller slutligen, kan det var fullt aktivt --

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

som jag vet att påföljande talare idag också kommer att prata om --

where people might globally participate in wikis,

där folk kanske globalt deltar i wikis,

or photographing, or monitoring elections,

i fotografering, eller följa röstande,

and upload information in a way that allows us to pool

eller ladda upp information på så sätt att det tillåter oss att förena

information in order to understand social processes

information så det går att förstå sociala processer

and social phenomena.

och sociala fenomen.

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

Faktum är, tillgången på dessa data, tror jag,

heralds a kind of new era

frammanar en ny typ av era

of what I and others would like to call

av vad jag skulle vilja kalla

"computational social science."

"beräkningssocialvetenskap"

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

Det är ungefär som när Galileo uppfann -- eller, inte uppfann--

came to use a telescope

började använda teleskop

and could see the heavens in a new way,

och helt plötsligt kunde vi se himmelen på ett nytt sätt,

or Leeuwenhoek became aware of the microscope --

eller när Leeuwenhoek upptäckte mikroskopet --

or actually invented --

eller verkligen uppfann det --

and could see biology in a new way.

och vi kunde se biologin på ett nytt sätt.

But now we have access to these kinds of data

Men nu har vi tillgång till dessa olika typer av data

that allow us to understand social processes

som tillåter oss förstå sociala processer

and social phenomena

och sociala fenomen

in an entirely new way that was never before possible.

på ett helt annat sätt än vad som tidigare var möjligt,

And with this science, we can

Och med denna vetenskap kan vi

understand how exactly

förstår exakt hur

the whole comes to be greater

helheten blir större

than the sum of its parts.

än summan av dess delar.

And actually, we can use these insights

Och vi kan faktiskt använda dessa insikter

to improve society and improve human well-being.

för att förbättra samhället och förbättra välmåendet hos människor.

Thank you.

Tack så mycket.