Nicholas Christakis: The hidden influence of social networks

442,676 views ・ 2010-05-10

TED


โปรดดับเบิลคลิกที่คำบรรยายภาษาอังกฤษด้านล่างเพื่อเล่นวิดีโอ

Translator: Korawan Kitsommart Reviewer: Paninya Masrangsan
00:16
For me, this story begins about 15 years ago,
0
16260
3000
เรื่องของผมนี้ เกิดขึ้นเมื่อประมาณ 15 ปี ก่อน
00:19
when I was a hospice doctor at the University of Chicago.
1
19260
3000
ตอนที่ผมต้องดูแลผู้ป่วยระยะสุดท้ายที่มหาวิทยาลัยชิคาโก
00:22
And I was taking care of people who were dying and their families
2
22260
3000
และผมต้องดูแลคนที่กำลังจะตาย รวมไปถึงครอบครัวของเขา
00:25
in the South Side of Chicago.
3
25260
2000
ทางตอนใต้ของชิคาโก
00:27
And I was observing what happened to people and their families
4
27260
3000
แล้วผมก็สังเกตเห็นว่ามีบางอย่างเกิดขึ้นกับคนเหล่านั้น และครอบครัวของเขา
00:30
over the course of their terminal illness.
5
30260
3000
ตลอดช่วงการป่วยระยะสุดท้ายของพวกเขา
00:33
And in my lab, I was studying the widower effect,
6
33260
2000
และในแลปของผม ผมได้ศึกษาเรื่องผลกระทบของสภาวะแม่ม่าย (widower effect)
00:35
which is a very old idea in the social sciences,
7
35260
2000
ซึ่งเป็นแนวคิดทางสังคมวิทยาที่เก่ามากๆ
00:37
going back 150 years,
8
37260
2000
ตั้งกว่า 150 ปี ก่อน
00:39
known as "dying of a broken heart."
9
39260
2000
หรือที่รู้จักกันว่า "ตรอมใจตาย"
00:41
So, when I die, my wife's risk of death can double,
10
41260
3000
ก็อย่างเช่น ถ้าผมตาย เมียผมก็มีความเสี่ยงที่จะตายเพิ่มเป็นสองเท่า
00:44
for instance, in the first year.
11
44260
2000
ในปีแรก อย่างนี้เป็นต้น
00:46
And I had gone to take care of one particular patient,
12
46260
3000
และผมเคยได้ดูแลคนไข้พิเศษคนหนึ่ง
00:49
a woman who was dying of dementia.
13
49260
2000
เธอเป็นคนไข้หญิงที่ป่วยด้วยโรคจิตเสื่อม
00:51
And in this case, unlike this couple,
14
51260
2000
และในกรณีนี้ ไม่เหมือนกับคู่อื่น
00:53
she was being cared for
15
53260
2000
เธอได้รับการดูแลจาก
00:55
by her daughter.
16
55260
2000
ลูกสาวของเธอ
00:57
And the daughter was exhausted from caring for her mother.
17
57260
3000
และลูกสาวของเธอก็เหน็ดเหนื่อยกับการดูแลแม่ของเธอ
01:00
And the daughter's husband,
18
60260
2000
และสามีของลูกสาว
01:02
he also was sick
19
62260
3000
เขาก็พลอยป่วยไปด้วย
01:05
from his wife's exhaustion.
20
65260
2000
จากความเหน็ดเหนื่อยของภรรยา
01:07
And I was driving home one day,
21
67260
2000
วันหนึ่ง ระหว่างขับรถกลับบ้าน
01:09
and I get a phone call from the husband's friend,
22
69260
3000
ผมก็ได้รับโทรศัพท์จากเพื่อนของสามี
01:12
calling me because he was depressed
23
72260
2000
โทรมาหาผมเพราะเขารู้สึกซึมเศร้า
01:14
about what was happening to his friend.
24
74260
2000
เกี่ยวกับเรื่องที่เกิดขึ้นกับเพื่อนของเขา
01:16
So here I get this call from this random guy
25
76260
2000
ดูซิ ผมได้รับโทรศัพท์จากใครก็ไม่รู้
01:18
that's having an experience
26
78260
2000
ที่ต้องเผชิญกับ
01:20
that's being influenced by people
27
80260
2000
อิทธิพลจากคนอื่น
01:22
at some social distance.
28
82260
2000
ที่ไม่ได้ใกล้ชิดกัน
01:24
And so I suddenly realized two very simple things:
29
84260
3000
นี่มันทำให้ผมคิดถึงเรื่องธรรมดาๆ สองเรื่อง
01:27
First, the widowhood effect
30
87260
2000
อย่างแรกก็คือ ผลกระทบของสภาวะแม่ม่าย
01:29
was not restricted to husbands and wives.
31
89260
3000
ไม่ได้จำกัดอยู่แค่สามีภรรยา
01:32
And second, it was not restricted to pairs of people.
32
92260
3000
และสอง มันไม่ได้จำกัดให้เป็นคู่ๆ
01:35
And I started to see the world
33
95260
2000
และผมก็เริ่มมองโลก
01:37
in a whole new way,
34
97260
2000
ในมุมที่ต่างออกไปโดยสิ้นเชิง
01:39
like pairs of people connected to each other.
35
99260
3000
เหมือนกับผู้คนเป็นคู่เชื่อมต่อซึ่งกันและกัน
01:42
And then I realized that these individuals
36
102260
2000
และแล้วจู่ๆ ผมก็ตระหนักได้ว่าผู้คนเหล่านี้
01:44
would be connected into foursomes with other pairs of people nearby.
37
104260
3000
ก็จะเชื่อมต่อกับคู่อื่นที่อยู่ใกล้ๆ กัน กลายเป็นกลุ่มของคนสี่คน
01:47
And then, in fact, these people
38
107260
2000
และในความเป็นจริง คนเหล่านั้น
01:49
were embedded in other sorts of relationships:
39
109260
2000
ก็จะมีความสัมพันธ์กันในอีกหลายรูปแบบ
01:51
marriage and spousal
40
111260
2000
ชีวิตสมรส และคู่สามีภรรยา
01:53
and friendship and other sorts of ties.
41
113260
2000
ความเป็นเพื่อน และความสัมพันธ์อย่างอื่น
01:55
And that, in fact, these connections were vast
42
115260
3000
และในความเป็นจริง ความสัมพันธ์เหล่านี้มันกว้างใหญ่
01:58
and that we were all embedded in this
43
118260
2000
และพวกเราก็ได้ฝังตัวอยู่ใน
02:00
broad set of connections with each other.
44
120260
3000
เครือข่ายของความสัมพันธ์ ของกันและกัน
02:03
So I started to see the world in a completely new way
45
123260
3000
ดังนั้น ผมก็เริ่มที่จะเห็นโลกในมุมที่ต่างกันอย่างสิ้นเชิง
02:06
and I became obsessed with this.
46
126260
2000
และผมก็เริ่มหมกมุ่นอยู่กับเรื่องนี้
02:08
I became obsessed with how it might be
47
128260
2000
ผมเฝ้าคิดว่า มันเป็นไปได้อย่างไร
02:10
that we're embedded in these social networks,
48
130260
2000
ที่พวกเราจะถูกผูกติดไปกับเครือข่ายทางสังคมเหล่านี้
02:12
and how they affect our lives.
49
132260
2000
และมันมีผลต่อชีวิตพวกเราอย่างไร
02:14
So, social networks are these intricate things of beauty,
50
134260
3000
ดังนั้น เครือข่ายทางสังคมเป็นความงาม ที่ละเอียดอ่อน
02:17
and they're so elaborate and so complex
51
137260
2000
ที่ลึกซึ้ง และซับซ้อน
02:19
and so ubiquitous, in fact,
52
139260
2000
และที่จริง ก็พบเห็นได้ทั่วไป
02:21
that one has to ask what purpose they serve.
53
141260
3000
จนมีคนถามว่ามันมีหน้าที่อะไร
02:24
Why are we embedded in social networks?
54
144260
2000
แล้วทำไมพวกเราถึงผูกติดไปกับเครือข่ายทางสังคม
02:26
I mean, how do they form? How do they operate?
55
146260
2000
ผมหมายถึงว่ามันก่อตัวขึ้นได้อย่างไร แล้วมันทำงานอย่างไร
02:28
And how do they effect us?
56
148260
2000
และมันมีผลอย่างไรกับเรา
02:30
So my first topic with respect to this,
57
150260
3000
และดังนั้นหัวข้อแรกของผม ในเรื่องนี้
02:33
was not death, but obesity.
58
153260
3000
ก็ไม่ใช่เรื่องการตาย แต่เป็นโรคอ้วน
02:36
It had become trendy
59
156260
2000
ที่ทันทีทันใดก็กลายเป็นกระแสนิยม
02:38
to speak about the "obesity epidemic."
60
158260
2000
ที่ใครๆ ก็พาพูดกันเรื่อง "โรคอ้วนระบาด"
02:40
And, along with my collaborator, James Fowler,
61
160260
3000
ผม กับเพื่อนร่วมงานชื่อ เจมส์ ฟาวเลอร์
02:43
we began to wonder whether obesity really was epidemic
62
163260
3000
เราเริ่มจะสงสัยว่าโรคอ้วนมันเป็นโรคระบาดจริงๆ หรือเปล่า
02:46
and could it spread from person to person
63
166260
2000
แล้วมันสามารถแพร่กระจายจากคนสู่คน
02:48
like the four people I discussed earlier.
64
168260
3000
เหมือนกับเรื่องสี่คนที่ผมได้กล่าวมาก่อนหน้านี้
02:51
So this is a slide of some of our initial results.
65
171260
3000
สไลด์นี่เป็นผลการศึกษาเบื้องต้น
02:54
It's 2,200 people in the year 2000.
66
174260
3000
ในคน 2,200 คน เมื่อปี 2000
02:57
Every dot is a person. We make the dot size
67
177260
2000
แต่ละจุด คือคนแต่ละคน เราใช้ขนาดของจุด
02:59
proportional to people's body size;
68
179260
2000
ตามสัดส่วนของขนาดร่างกาย
03:01
so bigger dots are bigger people.
69
181260
3000
ดังนั้น ถ้าจุดใหญ่ ก็หมายถึงคนตัวใหญ่
03:04
In addition, if your body size,
70
184260
2000
และถ้าขนาดร่างกายของคุณ
03:06
if your BMI, your body mass index, is above 30 --
71
186260
2000
เช่นถ้าดัชนีมวลกายของคุณเกิน 30
03:08
if you're clinically obese --
72
188260
2000
ถ้าคุณอยู่ในภาวะอ้วนผิดปกติ
03:10
we also colored the dots yellow.
73
190260
2000
เราก็ทำจุดเป็นสีเหลือง
03:12
So, if you look at this image, right away you might be able to see
74
192260
2000
ดังนั้น ถ้าคุณดูภาพนี้ ก็จะเห็นได้ทันทีว่า
03:14
that there are clusters of obese and
75
194260
2000
มันมีกลุ่มของคนอ้วน และ
03:16
non-obese people in the image.
76
196260
2000
กลุ่มของคนไม่อ้วนอยู่ในภาพ
03:18
But the visual complexity is still very high.
77
198260
3000
แต่มันก็ยังดูสับสนมาก
03:21
It's not obvious exactly what's going on.
78
201260
3000
เรายังเห็นสภาวะที่เกิดขึ้นได้ไม่ชัดเจนนัก
03:24
In addition, some questions are immediately raised:
79
204260
2000
ยิ่งไปกว่านั้น เราก็จะเริ่มเกิดคำถาม
03:26
How much clustering is there?
80
206260
2000
มีการเกาะกลุ่มกันมากแค่ไหน
03:28
Is there more clustering than would be due to chance alone?
81
208260
3000
มากกว่าการเกาะกลุ่มที่เกิดขึ้นโดยบังเอิญมั้ย
03:31
How big are the clusters? How far do they reach?
82
211260
2000
กลุ่มพวกนี้ใหญ่แค่ไหน แล้วจะกระจายไปถึงไหน
03:33
And, most importantly,
83
213260
2000
และที่สำคัญที่สุด
03:35
what causes the clusters?
84
215260
2000
กลุ่มก้อนเหล่านี้เกิดขึ้นได้อย่างไร
03:37
So we did some mathematics to study the size of these clusters.
85
217260
3000
เราก็เลยลองคำนวณดู เพื่อศึกษาขนาดของแต่ละกลุ่มนี้
03:40
This here shows, on the Y-axis,
86
220260
2000
ซึ่งก็แสดงไว้บนแกน Y ในรูปนี้
03:42
the increase in the probability that a person is obese
87
222260
3000
โอกาสที่คนจะเป็นโรคอ้วนที่สูงขึ้น
03:45
given that a social contact of theirs is obese
88
225260
2000
หากผู้คนที่เขามีปฏิสัมพันธ์ด้วยนั้น เป็นโรคอ้วน
03:47
and, on the X-axis, the degrees of separation between the two people.
89
227260
3000
และบนแกน X ซึ่งเป็นระยะห่างระหว่างคนสองคน
03:50
On the far left, you see the purple line.
90
230260
2000
บนแกนด้านซ้ายห่างออกไป คุณจะเห็นแท่งสีม่วง
03:52
It says that, if your friends are obese,
91
232260
2000
ซึ่งบอกเราว่า ถ้าเพื่อนเราอ้วน
03:54
your risk of obesity is 45 percent higher.
92
234260
3000
ความเสี่ยงที่คุณจะอ้วนก็จะเพิ่มขึ้น 45%
03:57
And the next bar over, the [red] line,
93
237260
2000
และแท่งถัดมา อันสีแดง
03:59
says if your friend's friends are obese,
94
239260
2000
บอกเราว่าถ้าเพื่อน ของเพื่อน ของคุณเป็นโรคอ้วน
04:01
your risk of obesity is 25 percent higher.
95
241260
2000
โอกาสที่คุณจะอ้วนก็เพิ่มขึ้นอีก 25%
04:03
And then the next line over says
96
243260
2000
และกราฟแท่งถัดมาบอกเราว่า
04:05
if your friend's friend's friend, someone you probably don't even know, is obese,
97
245260
3000
ถ้าเพื่อน ของเพื่อน ของเพื่อน คนที่คุณอาจจะไม่รู้จักด้วยซ้ำ เกิดเป็นโรคอ้วน
04:08
your risk of obesity is 10 percent higher.
98
248260
3000
คุณก็มีความเสี่ยงที่จะอ้วนเพิ่มขึ้น 10%
04:11
And it's only when you get to your friend's friend's friend's friends
99
251260
3000
เมื่อถึงเพื่อน ของเพื่อน ของเพื่อน ของเพื่อนเท่านั้น
04:14
that there's no longer a relationship
100
254260
2000
ที่จะไม่มีความสัมพันธ์กันเลย
04:16
between that person's body size and your own body size.
101
256260
3000
ระหว่างน้ำหนักของคนๆ นั้น กับน้ำหนักของตัวคุณเอง
04:20
Well, what might be causing this clustering?
102
260260
3000
เอาล่ะ แล้วอะไรเป็นต้นเหตุของการเกาะกลุ่มแบบนี้
04:23
There are at least three possibilities:
103
263260
2000
ก็มีโอกาสเป็นได้อย่างน้อยสามทาง
04:25
One possibility is that, as I gain weight,
104
265260
2000
ทางแรก พอฉันน้ำหนักขึ้น
04:27
it causes you to gain weight.
105
267260
2000
เป็นเหตุให้เธอน้ำหนักขึ้น
04:29
A kind of induction, a kind of spread from person to person.
106
269260
3000
ก็คล้ายๆ กับการเหนี่ยวนำ หรือการแพร่จากคนหนึ่ง ไปสู่อีกคนหนึ่ง
04:32
Another possibility, very obvious, is homophily,
107
272260
2000
อีกทางที่เป็นไปได้ ที่ค่อนข้างจะชัดเจนคือ ความคล้ายคลึงกันของสมาชิกในสังคม
04:34
or, birds of a feather flock together;
108
274260
2000
หรือ "นกที่มีขนสีเดียวกัน ก็จะอยู่ฝูงเดียวกัน"
04:36
here, I form my tie to you
109
276260
2000
หรือในกรณีนี้ ฉันสร้างความสัมพันธ์กับคุณ
04:38
because you and I share a similar body size.
110
278260
3000
เพราะเรามีขนาดตัวใกล้เคียงกัน
04:41
And the last possibility is what is known as confounding,
111
281260
2000
และทางสุดท้าย คือสิ่งที่เรียกว่าปัจจัยร่วมซ่อนเร้น
04:43
because it confounds our ability to figure out what's going on.
112
283260
3000
เพราะมันจะซ่อนเร้น และบดบัง ถึงกับทำให้เรามองไม่ออกว่านี่มันเกิดอะไรขึ้นกันแน่
04:46
And here, the idea is not that my weight gain
113
286260
2000
และถึงตรงนี้ ก็ไม่ใช่เรื่องว่าฉันน้ำหนักขึ้น
04:48
is causing your weight gain,
114
288260
2000
ก็เลยทำให้เธอน้ำหนักขึ้นไปด้วย
04:50
nor that I preferentially form a tie with you
115
290260
2000
แล้วก็ไม่ใช่เรื่องว่า ฉันสร้างความสัมพันธ์กับเธอ
04:52
because you and I share the same body size,
116
292260
2000
เพราะเรามีขนาดตัวใกล้เคียงกัน
04:54
but rather that we share a common exposure
117
294260
2000
แต่เป็นเพราะ เราเจออะไรๆ คล้ายๆ กัน
04:56
to something, like a health club
118
296260
3000
อย่างเช่นไปออกกำลังที่เดียวกัน
04:59
that makes us both lose weight at the same time.
119
299260
3000
เพื่อจะลดน้ำหนักไปพร้อมๆ กัน
05:02
When we studied these data, we found evidence for all of these things,
120
302260
3000
ตอนที่เราศึกษาข้อมูลเหล่านี้ เราก็พบหลักฐานของทุกเรื่องนี้
05:05
including for induction.
121
305260
2000
รวมไปถึงการเหนี่ยวนำด้วย
05:07
And we found that if your friend becomes obese,
122
307260
2000
และเราก็พบว่า ถ้าเพื่อนของเราอ้วน
05:09
it increases your risk of obesity by about 57 percent
123
309260
3000
เราจะมีความเสี่ยงที่จะเป็นโรคอ้วนไปด้วยถึง 57%
05:12
in the same given time period.
124
312260
2000
ในช่วงเวลาเดียวกัน
05:14
There can be many mechanisms for this effect:
125
314260
3000
มันก็มีหลายวิธีที่ทำให้เกิดผลเช่นนั้น
05:17
One possibility is that your friends say to you something like --
126
317260
2000
ทางนึงก็อย่างเช่น เพื่อนคุณอาจจะพูดกับคุณว่า --
05:19
you know, they adopt a behavior that spreads to you --
127
319260
3000
ก็อย่างที่รู้กันล่ะ เพราะเขามีนิสัยที่กำลังจะแพร่มาหาคุณอยู่แล้ว
05:22
like, they say, "Let's go have muffins and beer,"
128
322260
3000
อย่างเช่น เขาพูดว่า "ไปกินมัฟฟิน กับเบียร์กันเถอะ"
05:25
which is a terrible combination. (Laughter)
129
325260
3000
ซึ่งเป็นการจับคู่ที่ไม่ค่อยเข้าท่าเท่าไหร่
05:28
But you adopt that combination,
130
328260
2000
แต่คุณก็ทำตาม
05:30
and then you start gaining weight like them.
131
330260
3000
แล้วคุณก็เริ่มจะน้ำหนักเพิ่มตามเขาไป
05:33
Another more subtle possibility
132
333260
2000
อีกอย่างที่น่าจะเป็นไปได้
05:35
is that they start gaining weight, and it changes your ideas
133
335260
3000
ก็คือ พอเพื่อนคุณน้ำหนักเพิ่ม ก็เลยเปลี่ยนความคิดของคุณ
05:38
of what an acceptable body size is.
134
338260
2000
เกี่ยวกับขนาดของร่างกายที่ดูเหมาะ
05:40
Here, what's spreading from person to person
135
340260
2000
นี่ก็เป็นสิ่งที่แพร่จากคนหนึ่ง ไปสู่อีกคนหนึ่ง
05:42
is not a behavior, but rather a norm:
136
342260
2000
มันไม่ได้เป็นนิสัย แต่เป็นวิถีปฏิบัติ
05:44
An idea is spreading.
137
344260
2000
เป็นแนวคิดหนึ่งที่แพร่กระจายออกไป
05:46
Now, headline writers
138
346260
2000
คราวนี้ คนเขียนพาดหัวข่าว
05:48
had a field day with our studies.
139
348260
2000
เห็นงานวิจัยของเราเป็นโอกาสทอง
05:50
I think the headline in The New York Times was,
140
350260
2000
ผมว่าพาดหัวข่าวของนิวยอร์ค ไทม์ส คงจะเป็น
05:52
"Are you packing it on?
141
352260
2000
"อ้วน?
05:54
Blame your fat friends." (Laughter)
142
354260
3000
โทษเพื่อนอ้วน"
05:57
What was interesting to us is that the European headline writers
143
357260
2000
เรื่องที่น่าสนใจคือว่า นักเขียนพาดหัวข่าวทางยุโรป
05:59
had a different take: They said,
144
359260
2000
ก็จะมองต่างไป เขาเขียนว่า
06:01
"Are your friends gaining weight? Perhaps you are to blame."
145
361260
3000
"เพื่อนของคุณน้ำหนักขึ้นรึ คุณอาจจะเป็นคนที่ต้องรับผิดชอบ"
06:04
(Laughter)
146
364260
5000
(หัวเราะ)
06:09
And we thought this was a very interesting comment on America,
147
369260
3000
เราคงจะคิดว่านี่เป็นคำติชมที่น่าสนใจมากสำหรับอเมริกา
06:12
and a kind of self-serving,
148
372260
2000
วิธีคิดที่เอาตัวเองเป็นใหญ่
06:14
"not my responsibility" kind of phenomenon.
149
374260
2000
เป็นปรากฏการณ์แบบ "นี่ไม่ใช่ความผิดชั้น"
06:16
Now, I want to be very clear: We do not think our work
150
376260
2000
คราวนี้ ผมอยากบอกให้ชัดนะครับ ว่าผมไม่คิดว่างานของเรา
06:18
should or could justify prejudice
151
378260
2000
ควรถูกใช้เป็นข้ออ้างในการมีอคติ
06:20
against people of one or another body size at all.
152
380260
3000
ต่อบุคคลขนาดตัวแบบใดแบบหนึ่งเลย
06:24
Our next questions was:
153
384260
2000
คำถามต่อมาก็คือ
06:26
Could we actually visualize this spread?
154
386260
3000
เราจะเห็นการแพร่กระจายนี้ได้หรือไม่
06:29
Was weight gain in one person actually spreading
155
389260
2000
คนที่น้ำหนักเพิ่ม จะแพร่ไปสู่คนอื่นๆ
06:31
to weight gain in another person?
156
391260
2000
และจะทำให้คนๆ นั้น น้ำหนักขึ้นได้ด้วยหรือ
06:33
And this was complicated because
157
393260
2000
เรื่องนี้มันซับซ้อน เพราะ
06:35
we needed to take into account the fact that the network structure,
158
395260
3000
เราต้องนับปัจจัยที่ว่า โครงสร้างของเครือข่าย
06:38
the architecture of the ties, was changing across time.
159
398260
3000
โครงสร้างของความสัมพันธ์ มันมีการเปลี่ยนแปลงไปตามเวลา
06:41
In addition, because obesity is not a unicentric epidemic,
160
401260
3000
ยิ่งไปกว่านั้น โรคอ้วนนี่ก็ไม่ได้แพร่ระบาดจากจุดๆ เดียว
06:44
there's not a Patient Zero of the obesity epidemic --
161
404260
3000
มันไม่มีคนไข้ "หมายเลขศูนย์" ในการระบาดของโรคอ้วน
06:47
if we find that guy, there was a spread of obesity out from him --
162
407260
3000
ที่หากเราหาตัวเจอ เราจะพบการระบาดออกจากคนๆ นั้น
06:50
it's a multicentric epidemic.
163
410260
2000
แต่มันเป็นการแพร่ระบาดจากหลายแหล่ง
06:52
Lots of people are doing things at the same time.
164
412260
2000
มีผู้คนมากมาย ที่ทำอะไรพร้อมๆ กัน
06:54
And I'm about to show you a 30 second video animation
165
414260
3000
ผมจะให้คุณดูวิดีโอราว 30 วินาที
06:57
that took me and James five years of our lives to do.
166
417260
3000
ที่ผม และเจมส์ใช้เวลาทำมา 5 ปี
07:00
So, again, every dot is a person.
167
420260
2000
อีกครั้งนะครับ แต่ละจุด คือแต่ละคน
07:02
Every tie between them is a relationship.
168
422260
2000
เส้นที่โยงกัน คือความสัมพันธ์
07:04
We're going to put this into motion now,
169
424260
2000
เราจะปล่อยให้มันเคลื่อนไปนะครับ
07:06
taking daily cuts through the network for about 30 years.
170
426260
3000
ดูเป็นรายวัน ไปราวๆ 30 ปี
07:09
The dot sizes are going to grow,
171
429260
2000
ขนาดของจุดจะใหญ่ขึ้น
07:11
you're going to see a sea of yellow take over.
172
431260
3000
คุณจะได้เห็นคลื่นสีเหลืองที่จะเข้ายึดครอง
07:14
You're going to see people be born and die --
173
434260
2000
คุณจะได้เห็นผู้คนตั้งแต่เกิดจนตาย
07:16
dots will appear and disappear --
174
436260
2000
จุดจะปรากฎขึ้น และจะดับหายไป
07:18
ties will form and break, marriages and divorces,
175
438260
3000
ความสัมพันธ์จะก่อตัวขึ้น และจะแตกหัก มีการแต่งงาน และการหย่าร้าง
07:21
friendings and defriendings.
176
441260
2000
เป็นเพื่อนกัน และตัดขาดกัน
07:23
A lot of complexity, a lot is happening
177
443260
2000
มีความซับซ้อนมากมาย มีเรื่องราวเกิดขึ้นมากมาย
07:25
just in this 30-year period
178
445260
2000
นี่แค่เพียงใน 30 ปีนี้เท่านั้น
07:27
that includes the obesity epidemic.
179
447260
2000
ที่เกี่ยวกับการแพร่ระบาดของโรคอ้วน
07:29
And, by the end, you're going to see clusters
180
449260
2000
และเมื่อถึงตอนจบ คุณก็จะได้เห็นกลุ่มก้อน
07:31
of obese and non-obese individuals
181
451260
2000
ของคนที่อ้วน และไม่อ้วน
07:33
within the network.
182
453260
2000
ในเครือข่ายนี้
07:35
Now, when looked at this,
183
455260
3000
เมื่อเราดูที่เรื่องนี้
07:38
it changed the way I see things,
184
458260
3000
มันก็เปลี่ยนวิธีที่ผมมองเห็นสิ่งต่างๆ
07:41
because this thing, this network
185
461260
2000
เพราะสิ่งนี้ โครงข่ายนี้
07:43
that's changing across time,
186
463260
2000
มีการเปลี่ยนแปลงไปตามเวลา
07:45
it has a memory, it moves,
187
465260
3000
มันมีความทรงจำ มันเคลื่อนไหว
07:48
things flow within it,
188
468260
2000
มีการเคลื่อนไหวในตัวเอง
07:50
it has a kind of consistency --
189
470260
2000
แล้วก็ดูเหมือนจะมีความสม่ำเสมอ
07:52
people can die, but it doesn't die;
190
472260
2000
คนเราตายได้ แต่เครือข่ายไม่ตาย
07:54
it still persists --
191
474260
2000
มันยังอยู่คงทน
07:56
and it has a kind of resilience
192
476260
2000
ดูเหมือนมันจะฟื้นคืนตัวได้
07:58
that allows it to persist across time.
193
478260
2000
ซึ่งก็ทำให้มันคงสภาพอยู่ได้ข้ามกาลเวลา
08:00
And so, I came to see these kinds of social networks
194
480260
3000
ดังนั้น ผมจึงมองเครือข่ายทางสังคม
08:03
as living things,
195
483260
2000
เป็นสิ่งมีชีวิต
08:05
as living things that we could put under a kind of microscope
196
485260
3000
เป็นสิ่งมีชีวิต แบบที่เราสามารถจะเอาไปส่องดูด้วยกล้องจุลทรรศน์
08:08
to study and analyze and understand.
197
488260
3000
เพื่อศึกษา และวิเคราะห์ ทำความเข้าใจ
08:11
And we used a variety of techniques to do this.
198
491260
2000
ซึ่งเราก็ได้ใช้หลายวิธี
08:13
And we started exploring all kinds of other phenomena.
199
493260
3000
และเราก็เริ่มค้นหาปรากฏการณ์อย่างอื่น
08:16
We looked at smoking and drinking behavior,
200
496260
2000
เราดูที่พฤติกรรมการสูบบุหรี่ และการดื่ม
08:18
and voting behavior,
201
498260
2000
รวมถึงพฤติกรรมการลงคะแนน
08:20
and divorce -- which can spread --
202
500260
2000
และการหย่า --ซึ่งก็แพร่ได้ด้วย--
08:22
and altruism.
203
502260
2000
และการเห็นใจคนอื่น
08:24
And, eventually, we became interested in emotions.
204
504260
3000
ในที่สุด เราก็เริ่มสนใจในเรื่องอารมณ์
08:28
Now, when we have emotions,
205
508260
2000
เดี๋ยวนี้ ถ้าเราเกิดอารมณ์
08:30
we show them.
206
510260
2000
เราก็แสดงออก
08:32
Why do we show our emotions?
207
512260
2000
ทำไมเราถึงแสดงอารมณ์ล่ะ
08:34
I mean, there would be an advantage to experiencing
208
514260
2000
ผมหมายถึงว่า มันมีความได้เปรียบ ถ้าเราจะรับรู้
08:36
our emotions inside, you know, anger or happiness.
209
516260
3000
อารมณ์ของเราอยู่ข้างใน คุณก็รู้ใช่มั้ย อย่างความโกรธ หรือความสุข
08:39
But we don't just experience them, we show them.
210
519260
2000
แต่เราไม่ได้แค่รู้ เราแสดงมันออกมา
08:41
And not only do we show them, but others can read them.
211
521260
3000
แล้วเราก็ไม่ได้แสดงออกมาเฉยๆ แต่คนอื่นก็อ่านออกด้วย
08:44
And, not only can they read them, but they copy them.
212
524260
2000
และก็ไม่ใช่แค่เขาอ่านออกเท่านั้น แต่เขาลอกเลียนแบบด้วย
08:46
There's emotional contagion
213
526260
2000
มันมีการติดต่อกันทางอารมณ์
08:48
that takes place in human populations.
214
528260
3000
ซึ่งเกิดขึ้นในหมู่มนุษย์
08:51
And so this function of emotions
215
531260
2000
ดังนั้น การแสดงออกของอารมณ์
08:53
suggests that, in addition to any other purpose they serve,
216
533260
2000
บอกเราว่า นอกเหนือไปจากวัตถุประสงค์อื่นที่มันต้องการแล้ว
08:55
they're a kind of primitive form of communication.
217
535260
3000
มันเป็นการสื่อสารแบบดั้งเดิม
08:58
And that, in fact, if we really want to understand human emotions,
218
538260
3000
และที่จริง ถ้าเราอยากจะเข้าใจอารมณ์ของมนุษย์
09:01
we need to think about them in this way.
219
541260
2000
เราก็ควรจะมองมันแบบนี้
09:03
Now, we're accustomed to thinking about emotions in this way,
220
543260
3000
ตอนนี้ เราก็คุ้นชินที่จะมองอารมณ์ในแบบนี้
09:06
in simple, sort of, brief periods of time.
221
546260
3000
ในทางง่ายๆ แบบที่ใช้เวลาสั้นๆ
09:09
So, for example,
222
549260
2000
ตัวอย่างเช่น
09:11
I was giving this talk recently in New York City,
223
551260
2000
เมื่อไม่นานมานี้ ผมไปพูดที่นิวยอร์ค
09:13
and I said, "You know when you're on the subway
224
553260
2000
แล้วผมบอกว่า "คุณก็รู้นี่นา มันก็เหมือนตอนคุณอยู่บนรถไฟฟ้าใต้ดินนะแหละ
09:15
and the other person across the subway car
225
555260
2000
แล้วก็มีคนนึงอยู่ฝั่งตรงข้าม
09:17
smiles at you,
226
557260
2000
ยิ้มให้คุณ,
09:19
and you just instinctively smile back?"
227
559260
2000
แล้วคุณก็ยิ้มตอบ แบบไม่รู้ตัว"
09:21
And they looked at me and said, "We don't do that in New York City." (Laughter)
228
561260
3000
พวกเขาก็มองที่ผม แล้วบอกว่า "เราไม่ทำอย่างนั้นกันที่นิวยอร์ค" (หัวเราะ)
09:24
And I said, "Everywhere else in the world,
229
564260
2000
ผมก็บอกว่า "ที่ไหนๆ ในโลก,
09:26
that's normal human behavior."
230
566260
2000
ที่มนุษย์มีพฤติกรรมปกติ"
09:28
And so there's a very instinctive way
231
568260
2000
ดังนั้น มันก็เลยมีวิธีตามสัญชาตญาณ
09:30
in which we briefly transmit emotions to each other.
232
570260
3000
ที่เราจะส่งต่ออารมณ์ระหว่างกันได้
09:33
And, in fact, emotional contagion can be broader still.
233
573260
3000
และที่จริง การติดต่อทางอารมณ์ ก็ยังแพร่กว้างออกไปได้อีก
09:36
Like we could have punctuated expressions of anger,
234
576260
3000
เหมือนอย่างที่เราแสดงความโกรธแบบเป็นห้วงๆ
09:39
as in riots.
235
579260
2000
อย่างเวลาที่มีการชุมนุม
09:41
The question that we wanted to ask was:
236
581260
2000
ปัญหาที่เราอยากถามคือ
09:43
Could emotion spread,
237
583260
2000
อารมณ์ มีการแพร่กระจาย
09:45
in a more sustained way than riots, across time
238
585260
3000
ในแบบที่ยั่งยืนได้มากกว่าในการจลาจล หรืออยู่เหนือกาลเวลา
09:48
and involve large numbers of people,
239
588260
2000
และเกิดขึ้นในคนหมู่มากได้หรือไม่
09:50
not just this pair of individuals smiling at each other in the subway car?
240
590260
3000
ไม่ใช่แค่กับคนเป็นคู่ๆ ที่มองหน้ากันแล้วยิ้มในรถไฟฟ้า
09:53
Maybe there's a kind of below the surface, quiet riot
241
593260
3000
หรือมันอาจจะมีการจลาจลแบบไร้เสียง ที่ซ่อนตัวอยู่
09:56
that animates us all the time.
242
596260
2000
ที่เป็นแรงบันดาลใจเราอยู่ตลอดเวลา
09:58
Maybe there are emotional stampedes
243
598260
2000
หรืออาจจะมีความโกลาหลทางอารมณ์
10:00
that ripple through social networks.
244
600260
2000
ที่กระเพื่อมอยู่ทั่วโครงข่ายสังคมนี้
10:02
Maybe, in fact, emotions have a collective existence,
245
602260
3000
หรือบางที อารมณ์อาจจะอยู่กันเป็นกลุ่มก้อน
10:05
not just an individual existence.
246
605260
2000
ไมใช่เป็นของคนใด คนหนึ่ง
10:07
And this is one of the first images we made to study this phenomenon.
247
607260
3000
และนี่ก็เป็นภาพแรกๆ ที่เราศึกษาปรากฏการณ์นี้
10:10
Again, a social network,
248
610260
2000
อีกครั้งนะครับ นี่คือเครือข่ายสังคม
10:12
but now we color the people yellow if they're happy
249
612260
3000
คราวนี้ เราจะใช้สีเหลืองถ้าคนนั้นมีความสุข
10:15
and blue if they're sad and green in between.
250
615260
3000
ใช้สีฟ้าถ้าเขากำลังเศร้า แล้วก็ใช้สีเขียวถ้าอยู่ตรงกลาง
10:18
And if you look at this image, you can right away see
251
618260
2000
และถ้าคุณดูที่รูปนี้ ก็จะเห็นได้ทันที
10:20
clusters of happy and unhappy people,
252
620260
2000
ว่ามีกลุ่มของคนที่มีความสุข และคนที่ไม่มีความสุข
10:22
again, spreading to three degrees of separation.
253
622260
2000
และเหมือนกันครับ มีการแพร่กระจายออกไปสามลำดับความสัมพันธ์
10:24
And you might form the intuition
254
624260
2000
และคุณก็อาจจะเกิดสัญชาตญาณว่า
10:26
that the unhappy people
255
626260
2000
คนที่ไม่มีความสุข
10:28
occupy a different structural location within the network.
256
628260
3000
จะยึดพื้นที่ต่างๆ กันไปในเครือข่าย
10:31
There's a middle and an edge to this network,
257
631260
2000
จะมีบริเวณตรงกลาง กับที่ขอบๆ ของเครือข่าย
10:33
and the unhappy people seem to be
258
633260
2000
และคนที่ไม่มีความสุขก็ดูเหมือน
10:35
located at the edges.
259
635260
2000
จะชอบอยู่ที่ชายขอบ
10:37
So to invoke another metaphor,
260
637260
2000
ซึ่งก็ก่อให้เกิดคำเปรียบเทียบอีกอย่างหนึ่ง
10:39
if you imagine social networks as a kind of
261
639260
2000
ถ้าคิดว่าโครงข่ายทางสังคมเป็น
10:41
vast fabric of humanity --
262
641260
2000
เส้นใยของความสัมพันธ์
10:43
I'm connected to you and you to her, on out endlessly into the distance --
263
643260
3000
ฉันเชื่อมโยงกับคุณ และคุณก็เชื่อมต่อกับเธอ ต่อเนื่องไกลออกไปเรื่อยๆ ไม่มีวันจบ
10:46
this fabric is actually like
264
646260
2000
เส้นใยเหล่านี้ก็เหมือน
10:48
an old-fashioned American quilt,
265
648260
2000
การเย็บควิ้ลแบบดั้งเดิมของอเมริกัน
10:50
and it has patches on it: happy and unhappy patches.
266
650260
3000
แล้วมันก็มีแผ่นๆ มาปะติดปะต่อ มีแผ่นของความสุข แล้วก็มีแผ่นของความเศร้า
10:53
And whether you become happy or not
267
653260
2000
และโอกาสที่คุณจะมีความสุขหรือไม่
10:55
depends in part on whether you occupy a happy patch.
268
655260
3000
ส่วนหนึ่งมันขึ้นอยู่กับว่าแผ่นปะที่คุณมีนั่น เป็นแผ่นที่เป็นความสุขหรือเปล่า
10:58
(Laughter)
269
658260
2000
(หัวเราะ)
11:00
So, this work with emotions,
270
660260
3000
ดังนั้น การศึกษาเรื่องอารมณ์นี้
11:03
which are so fundamental,
271
663260
2000
ซึ่งเป็นเรื่องพื้นฐานอย่างที่สุด
11:05
then got us to thinking about: Maybe
272
665260
2000
ก็ทำให้เราคิดว่า บางที
11:07
the fundamental causes of human social networks
273
667260
2000
ปัจจัยพื้นฐานที่ทำให้เกิดเครือข่ายสังคมของมนุษย์
11:09
are somehow encoded in our genes.
274
669260
2000
มันอาจจะมีรหัสฝังอยู่ในยีนของเราอยู่แล้ว
11:11
Because human social networks, whenever they are mapped,
275
671260
3000
เพราะไม่ว่าเมื่อไหร่ที่เราทำแผนที่ของเครือข่ายสังคม
11:14
always kind of look like this:
276
674260
2000
มันก็ออกมาหน้าตาคล้ายๆ แบบนี้ทุกที
11:16
the picture of the network.
277
676260
2000
รูปแบบของเครือข่าย
11:18
But they never look like this.
278
678260
2000
แต่มันไม่ออกมาเป็นแบบนี้
11:20
Why do they not look like this?
279
680260
2000
ทำไมมันไม่ออกมาเป็นแบบนี้ล่ะ
11:22
Why don't we form human social networks
280
682260
2000
ทำไมเราไม่สร้างเครือข่ายทางสังคม
11:24
that look like a regular lattice?
281
684260
2000
ที่มีรูปร่างเหมือนตาข่ายปกติล่ะ
11:26
Well, the striking patterns of human social networks,
282
686260
3000
ใช่ครับ รูปแบบที่โดดเด่นของเครือข่ายทางสังคมของมนุษย์
11:29
their ubiquity and their apparent purpose
283
689260
3000
ที่เห็นได้ทั่วไป และมีวัตถุประสงค์ชัดเจน
11:32
beg questions about whether we evolved to have
284
692260
2000
ทำให้เกิดคำถามว่า เราวิวัฒนาการเพื่อให้เกิด
11:34
human social networks in the first place,
285
694260
2000
เครือข่ายทางสังคมมาตั้งแต่แรก
11:36
and whether we evolved to form networks
286
696260
2000
หรือเราวิวัฒนาการ เพื่อสร้างเครือข่าย
11:38
with a particular structure.
287
698260
2000
ที่มีรูปแบบที่กำหนดไว้ก่อนแล้ว
11:40
And notice first of all -- so, to understand this, though,
288
700260
2000
และโปรดสังเกตนะครับ...และเพื่อจะทำความเข้าใจกับเรื่องนี้
11:42
we need to dissect network structure a little bit first --
289
702260
3000
เราก็ต้องชำแหละโครงสร้างของเครือข่ายนี่ออกมาซักหน่อยก่อน
11:45
and notice that every person in this network
290
705260
2000
ให้สังเกตนะครับว่า ทุกๆ คนในเครือข่าย
11:47
has exactly the same structural location as every other person.
291
707260
3000
มีโครงสร้างที่อยู่ที่เหมือนกันกับคนอื่นๆ
11:50
But that's not the case with real networks.
292
710260
3000
แต่ถ้าเป็นเครือข่ายจริงๆ มันก็จะไม่เป็นแบบนั้น
11:53
So, for example, here is a real network of college students
293
713260
2000
เพื่อเป็นตัวอย่างนะครับ นี่คือเครือข่ายจริงๆ ของนักศึกษา
11:55
at an elite northeastern university.
294
715260
3000
ในมหาวิทยาลัยชั้นนำแห่งหนึ่งทางตะวันออกเฉียงเหนือ
11:58
And now I'm highlighting a few dots.
295
718260
2000
แล้วผมก็จะเน้นที่บางจุดนะครับ
12:00
If you look here at the dots,
296
720260
2000
ถ้าคุณดูที่จุดพวกนี้
12:02
compare node B in the upper left
297
722260
2000
เปรียบเทียบ จุด B ด้านบนซ้าย
12:04
to node D in the far right;
298
724260
2000
กับจุด D ที่ด้านขวา
12:06
B has four friends coming out from him
299
726260
2000
B มีเพื่อน 4 คน
12:08
and D has six friends coming out from him.
300
728260
3000
ส่วน D มีเพื่อน 6 คน
12:11
And so, those two individuals have different numbers of friends.
301
731260
3000
นักศึกษาสองคนนี้ก็มีเพื่อนเป็นจำนวนต่างกัน
12:14
That's very obvious, we all know that.
302
734260
2000
นี่มันชัดเจน เราก็เห็นๆ กัน
12:16
But certain other aspects
303
736260
2000
แต่ปัจจัยอื่น
12:18
of social network structure are not so obvious.
304
738260
2000
ของเครือข่ายทางสังคม มันไม่ชัดเจนอย่างนั้น
12:20
Compare node B in the upper left to node A in the lower left.
305
740260
3000
ลองเปรียบเทียบจุด B ที่ด้านบนซ้าย กับ A ที่มุมล่างซ้าย
12:23
Now, those people both have four friends,
306
743260
3000
ทั้งสองคนมีเพื่อน 4 คนเท่ากัน
12:26
but A's friends all know each other,
307
746260
2000
แต่เพื่อนของ A ต่างก็รู้จักกันเองด้วย
12:28
and B's friends do not.
308
748260
2000
แต่เพื่อนของ B ไม่
12:30
So the friend of a friend of A's
309
750260
2000
ดังนั้น เพื่อนของเพื่อนของ A
12:32
is, back again, a friend of A's,
310
752260
2000
ก็จะกลายมาเป็นเพื่อนของ A อีก
12:34
whereas the friend of a friend of B's is not a friend of B's,
311
754260
2000
ในขณะที่เพื่อนของเพื่อนของ B จะไม่กลายมาเป็นเพื่อนของ B
12:36
but is farther away in the network.
312
756260
2000
แต่จะอยู่ไกลออกไปในเครือข่าย
12:38
This is known as transitivity in networks.
313
758260
3000
ที่เราเรียกกันว่าการส่งต่อกันในเครือข่าย
12:41
And, finally, compare nodes C and D:
314
761260
2000
และสุดท้าย ลองเรียบเทียบจุด C กับจุด D
12:43
C and D both have six friends.
315
763260
3000
C และ D ต่างก็มีเพื่อน 6 คน
12:46
If you talk to them, and you said, "What is your social life like?"
316
766260
3000
ถ้าคุณคุยกับเขา แล้วถามว่า "สังคมของคุณเป็นยังไง?"
12:49
they would say, "I've got six friends.
317
769260
2000
เขาก็คงจะตอบว่า "ผมมีเพื่อน 6 คน
12:51
That's my social experience."
318
771260
2000
นั่นละสังคมของผม"
12:53
But now we, with a bird's eye view looking at this network,
319
773260
3000
แต่ตอนนี้ เรามองเห็นเครือข่ายนี้จากมุมสูง
12:56
can see that they occupy very different social worlds.
320
776260
3000
เราเลยเห็นว่าแต่ละคนก็มีโลกที่แตกต่างกันไป
12:59
And I can cultivate that intuition in you by just asking you:
321
779260
2000
และผมก็ใช้ประโยชน์จากความรู้นี้จากคุณ โดยการแค่ถามว่า
13:01
Who would you rather be
322
781260
2000
คุณอยากจะเป็นใคร
13:03
if a deadly germ was spreading through the network?
323
783260
2000
ถ้ามีเชื้อมรณะกำลังแพร่กระจายอยู่ในโครงข่ายนี้
13:05
Would you rather be C or D?
324
785260
3000
คุณอยากจะเป็น C หรือ D
13:08
You'd rather be D, on the edge of the network.
325
788260
2000
คุณคงอยากจะเป็น D ที่อยู่ตรงขอบๆ ของเครือข่าย
13:10
And now who would you rather be
326
790260
2000
แล้วคราวนี้ คุณอยากจะเป็นใคร
13:12
if a juicy piece of gossip -- not about you --
327
792260
3000
ถ้ามีเรื่องเม้าท์มันๆ ที่ไม่เกี่ยวกับคุณ
13:15
was spreading through the network? (Laughter)
328
795260
2000
กระจายอยู่ในเครือข่ายนี้
13:17
Now, you would rather be C.
329
797260
2000
คราวนี้ คุณคงอยากเป็น C
13:19
So different structural locations
330
799260
2000
ดังนั้น ที่อยู่ที่ต่างกันออกไป
13:21
have different implications for your life.
331
801260
2000
ก็มีผลต่อชีวิตของคุณต่างกัน
13:23
And, in fact, when we did some experiments looking at this,
332
803260
3000
และที่จริง ตอนที่เราทดลองเรื่องนี้
13:26
what we found is that 46 percent of the variation
333
806260
3000
เราพบว่า 46% ของความแตกต่าง
13:29
in how many friends you have
334
809260
2000
ของจำนวนเพื่อนที่คุณมี
13:31
is explained by your genes.
335
811260
2000
อธิบายได้ด้วยยีนของคุณ
13:33
And this is not surprising. We know that some people are born shy
336
813260
3000
แต่นี่ก็ไม่น่าแปลกใจเท่าไหร่ เราก็รู้กันอยู่แล้วว่าบางคนก็เกิดมาขี้อาย
13:36
and some are born gregarious. That's obvious.
337
816260
3000
แล้วบางคนก็เกิดมาชอบสังคม นั่นมันชัดเจน
13:39
But we also found some non-obvious things.
338
819260
2000
แต่เราได้พบบางอย่างที่มันไม่ชัดเจนอย่างนั้นด้วย
13:41
For instance, 47 percent in the variation
339
821260
3000
ตัวอย่างเช่น 47% ของความแตกต่าง
13:44
in whether your friends know each other
340
824260
2000
ในเรื่องที่เพื่อนของคุณจะรู้จักกันเอง
13:46
is attributable to your genes.
341
826260
2000
ก็อธิบายได้ด้วยยีนของคุณเองด้วย
13:48
Whether your friends know each other
342
828260
2000
การที่เพื่อนของคุณ เขาจะรู้จักกันเองหรือไม่
13:50
has not just to do with their genes, but with yours.
343
830260
3000
ไม่ได้เป็นเรื่องที่อยู่ในยีนของเขาเองเท่านั้น แต่มันอยู่ในยีนของคุณด้วย
13:53
And we think the reason for this is that some people
344
833260
2000
เราคิดว่า เหตุผลของเรื่องนี้ก็คือ บางคน
13:55
like to introduce their friends to each other -- you know who you are --
345
835260
3000
ก็ชอบแนะนำเพื่อนของตัวเองให้เพื่อนรู้จักด้วย --คุณก็รู้นี่นาว่าคุณเป็นใคร--
13:58
and others of you keep them apart and don't introduce your friends to each other.
346
838260
3000
และก็มีคนอีกพวกนึงที่อยากจะแยกๆ กันไว้ เขาก็จะไม่แนะนำให้เพื่อนรู้จักกัน
14:01
And so some people knit together the networks around them,
347
841260
3000
ดังนั้น บางคนก็ถักทอโครงข่ายไว้รอบๆ ตัว
14:04
creating a kind of dense web of ties
348
844260
2000
สร้างเป็นเส้นใยหนาแน่นผูกมัดกัน
14:06
in which they're comfortably embedded.
349
846260
2000
เป็นที่ๆ เขาฝังตัวอยู่อย่างสบาย
14:08
And finally, we even found that
350
848260
2000
และสุดท้าย เราก็ยังพบแม้กระทั่งว่า
14:10
30 percent of the variation
351
850260
2000
30% ของความแตกต่าง
14:12
in whether or not people are in the middle or on the edge of the network
352
852260
3000
ที่คนจะอยู่ตรงกลาง หรืออยู่ที่ริมของเครือข่าย
14:15
can also be attributed to their genes.
353
855260
2000
ก็ขึ้นอยู่กับยีนของเขาด้วย
14:17
So whether you find yourself in the middle or on the edge
354
857260
2000
ดังนั้น การทีคุณจะพบว่าตัวเองอยู่ตรงกลาง หรือเป็นคนชายขอบ
14:19
is also partially heritable.
355
859260
3000
มันเป็นเรื่องที่ได้รับตกทอดมาก่อนแล้ว
14:22
Now, what is the point of this?
356
862260
3000
เอาละ แล้วประเด็นมันคืออะไร?
14:25
How does this help us understand?
357
865260
2000
เรื่องนี้จะช่วยให้เราเข้าใจโลกได้ยังไง?
14:27
How does this help us
358
867260
2000
เรื่องนี้จะช่วยเรา
14:29
figure out some of the problems that are affecting us these days?
359
869260
3000
ให้ค้นพบทางแก้ปัญหา ที่มีผลต่อเราในทุกวันนี้ได้ยังไง?
14:33
Well, the argument I'd like to make is that networks have value.
360
873260
3000
ครับ เรื่องที่ผมอยากจะบอกก็คือ เครือข่ายนั้นมีคุณค่า
14:36
They are a kind of social capital.
361
876260
3000
มันเป็นต้นทุนทางสังคม
14:39
New properties emerge
362
879260
2000
มันมีคุณสมบัติใหม่ๆ เกิดขึ้น
14:41
because of our embeddedness in social networks,
363
881260
2000
เพราะการที่เราอยู่เป็นส่วนหนึ่งของเครือข่ายทางสังคม
14:43
and these properties inhere
364
883260
3000
และคุณสมบัติเหล่านี้ มันจะคงอยู่
14:46
in the structure of the networks,
365
886260
2000
ในโครงสร้างของเครือข่าย
14:48
not just in the individuals within them.
366
888260
2000
ไม่ใช่แต่เฉพาะในคนแต่ละคนในเครือข่ายนี้เท่านั้น
14:50
So think about these two common objects.
367
890260
2000
ลองคิดถึงของสองอย่างนี้
14:52
They're both made of carbon,
368
892260
2000
ทั้งคู่ต่างก็มีคาร์บอนเป็นองค์ประกอบ
14:54
and yet one of them has carbon atoms in it
369
894260
3000
แต่ในของอย่างนึงมีอะตอมของคาร์บอน
14:57
that are arranged in one particular way -- on the left --
370
897260
3000
ที่เรียงตัวกันแบบนึง อย่างภาพทางซ้าย
15:00
and you get graphite, which is soft and dark.
371
900260
3000
แล้วคุณก็ได้กราไฟต์ ซึ่งนิ่มและเป็นสีดำ
15:03
But if you take the same carbon atoms
372
903260
2000
แต่ถ้าคุณเอาอะตอมของคาร์บอน
15:05
and interconnect them a different way,
373
905260
2000
มาเรียงตัวในอีกรูปแบบนึง
15:07
you get diamond, which is clear and hard.
374
907260
3000
คุณจะได้เพชร ซึ่งใสและแข็ง
15:10
And those properties of softness and hardness and darkness and clearness
375
910260
3000
คุณสมบัติที่นิ่ม หรือแข็ง หรือดำ หรือใส
15:13
do not reside in the carbon atoms;
376
913260
2000
ไม่ได้อยู่ในอะตอมของคาร์บอน
15:15
they reside in the interconnections between the carbon atoms,
377
915260
3000
แต่อยู่ที่การจัดเรียงตัวของมันต่างหาก
15:18
or at least arise because of the
378
918260
2000
หรืออย่างน้อย มันก็เกิดขึ้นเพราะ
15:20
interconnections between the carbon atoms.
379
920260
2000
การเชื่อมโยงกันของอะตอมคาร์บอน
15:22
So, similarly, the pattern of connections among people
380
922260
3000
ก็คล้ายกันนะครับ รูปแบบของความสัมพันธ์ของมนุษย์
15:25
confers upon the groups of people
381
925260
3000
ก็เกิดขึ้นในกลุ่มคน
15:28
different properties.
382
928260
2000
ที่มีคุณสมบัติที่แตกต่างกัน
15:30
It is the ties between people
383
930260
2000
ความยึดโยงระหว่างผู้คนต่างหากเล่า
15:32
that makes the whole greater than the sum of its parts.
384
932260
3000
ที่ทำให้ภาพรวมออกมายิ่งใหญ่กว่าผลบวกของแต่ละคน
15:35
And so it is not just what's happening to these people --
385
935260
3000
แล้วนี่ก็ไม่ใช่เรื่องที่เกิดขึ้นกับคนเหล่านี้เท่านั้น
15:38
whether they're losing weight or gaining weight, or becoming rich or becoming poor,
386
938260
3000
ว่าเขากำลังลดน้ำหนัก หรือทำน้ำหนัก หรือกำลังรวยขึ้น หรือกำลังจนลง
15:41
or becoming happy or not becoming happy -- that affects us;
387
941260
3000
หรือกำลังมีความสุขหรือว่าไม่มีความสุข--ที่จะส่งผลต่อเรา
15:44
it's also the actual architecture
388
944260
2000
แต่มันเป็นโครงสร้างจริงๆ
15:46
of the ties around us.
389
946260
2000
ที่ยึดโยงล้อมรอบเราไว้
15:48
Our experience of the world
390
948260
2000
ประสบการณ์ของเราบนโลกใบนี้
15:50
depends on the actual structure
391
950260
2000
ขึ้นอยู่กับโครงสร้างจริงๆ
15:52
of the networks in which we're residing
392
952260
2000
ของเครือข่ายที่เราอาศัยอยู่
15:54
and on all the kinds of things that ripple and flow
393
954260
3000
และขึ้นอยู่กับปัจจัยต่างๆ ที่กระเพื่อม และเคลื่อนไหว
15:57
through the network.
394
957260
2000
ไปทั่วเครือข่าย
16:00
Now, the reason, I think, that this is the case
395
960260
3000
คราวนี้ ผมก็คิดว่า เหตุผลที่เรื่องนี้จะเป็นเรื่อง
16:03
is that human beings assemble themselves
396
963260
2000
ก็คือว่า มนุษย์ จะมีการรวมกลุ่มกัน
16:05
and form a kind of superorganism.
397
965260
3000
คล้ายระบบร่างกายขนาดใหญ่
16:09
Now, a superorganism is a collection of individuals
398
969260
3000
ระบบร่างกายขนาดใหญ่ ซึ่งเกิดขึ้นจากการรวมกลุ่มของคน
16:12
which show or evince behaviors or phenomena
399
972260
3000
ที่แสดง หรือเปิดเผยพฤติกรรม หรือปรากฏการณ์
16:15
that are not reducible to the study of individuals
400
975260
3000
ที่ไม่สามารถแยกออกไปสู่การศึกษาเป็นรายเดี่ยวๆ ได้
16:18
and that must be understood by reference to,
401
978260
2000
และต้องทำความเข้าใจกับมันในลักษณะ
16:20
and by studying, the collective.
402
980260
2000
ของการศึกษาทั้งกลุ่ม
16:22
Like, for example, a hive of bees
403
982260
3000
อย่างเช่นฝูงผึ้ง
16:25
that's finding a new nesting site,
404
985260
3000
ที่มองหาที่สร้างรังใหม่
16:28
or a flock of birds that's evading a predator,
405
988260
2000
หรือฝูงนกที่หลบหนีศัตรูนักล่า
16:30
or a flock of birds that's able to pool its wisdom
406
990260
3000
หรือฝูงนกที่สามารถจะรวมหัวกัน
16:33
and navigate and find a tiny speck
407
993260
2000
เพื่อจะกำหนดทิศทาง และหายอดเล็กๆ
16:35
of an island in the middle of the Pacific,
408
995260
2000
ของเกาะกลางมหาสมุทรแปซิฟิค
16:37
or a pack of wolves that's able
409
997260
2000
หรือฝูงหมาป่าที่สามารถ
16:39
to bring down larger prey.
410
999260
3000
ล่าสัตว์ที่ใหญ่กว่าได้
16:42
Superorganisms have properties
411
1002260
2000
ระบบร่างกายขนาดใหญ่ มีคุณสมบัติ
16:44
that cannot be understood just by studying the individuals.
412
1004260
3000
ที่หากเรามองจากแต่ละคนเดี่ยวๆ แล้วก็จะทำความเข้าใจไม่ได้เลย
16:47
I think understanding social networks
413
1007260
2000
ผมคิดว่า การจะเข้าใจโครงข่ายสังคม
16:49
and how they form and operate
414
1009260
2000
การก่อตัว และการทำงานของมัน
16:51
can help us understand not just health and emotions
415
1011260
3000
จะช่วยเราได้ทั้งทางด้านสุขภาพ และทางอารมณ์
16:54
but all kinds of other phenomena --
416
1014260
2000
และปรากฏการณ์อื่นๆด้วย
16:56
like crime, and warfare,
417
1016260
2000
อย่างเช่น อาชญากรรม และสงคราม
16:58
and economic phenomena like bank runs
418
1018260
2000
หรือปรากฏการณ์ทางเศรษฐกิจ อย่างเช่นธนาคารเจ๊ง
17:00
and market crashes
419
1020260
2000
หรือตลาดหุ้นถล่ม
17:02
and the adoption of innovation
420
1022260
2000
และการยอมรับเอานวัตกรรมใหม่ๆ
17:04
and the spread of product adoption.
421
1024260
2000
หรือการแพร่กระจายของการใช้สินค้า
17:06
Now, look at this.
422
1026260
2000
ลองดูนี่นะครับ
17:09
I think we form social networks
423
1029260
2000
ผมคิดว่า เราได้สร้างโครงข่ายสังคม
17:11
because the benefits of a connected life
424
1031260
2000
เพราะมันมีผลประโยชน์ของความสัมพันธ์ในชีวิต
17:13
outweigh the costs.
425
1033260
3000
สูงกว่าต้นทุน
17:16
If I was always violent towards you
426
1036260
2000
ถ้าผมทำอะไรรุนแรงกับคุณบ่อยๆ
17:18
or gave you misinformation
427
1038260
2000
หรือให้ข้อมูลคุณผิดๆ เป็นประจำ
17:20
or made you sad or infected you with deadly germs,
428
1040260
3000
หรือทำให้คุณเศร้า หรือเอาเชื้อมรณะมาแพร่ใส่คุณ
17:23
you would cut the ties to me,
429
1043260
2000
คุณก็คงเลิกคบผม
17:25
and the network would disintegrate.
430
1045260
2000
และเครือข่ายนั้นก็แยกออกจากกัน
17:27
So the spread of good and valuable things
431
1047260
3000
ดังนั้น การส่งต่อเรื่องดีๆ และสิ่งที่มีคุณค่า
17:30
is required to sustain and nourish social networks.
432
1050260
3000
ก็เป็นเรื่องจำเป็นในการที่จะรักษา และฟูมฟักโครงข่ายทางสังคมเอาไว้
17:34
Similarly, social networks are required
433
1054260
2000
และก็คล้ายๆ กัน โครงข่ายสังคมก็ต้องการ
17:36
for the spread of good and valuable things,
434
1056260
3000
การกระสิ่งดีๆ และมีคุณค่า
17:39
like love and kindness
435
1059260
2000
อย่างเช่นความรัก และความปรารถนาดี
17:41
and happiness and altruism
436
1061260
2000
ความสุข และการเห็นแก่ประโยชน์ของผู้อื่น
17:43
and ideas.
437
1063260
2000
และความคิดดีๆ
17:45
I think, in fact, that if we realized
438
1065260
2000
อันที่จริง ผมคิดว่าถ้าเราตระหนัก
17:47
how valuable social networks are,
439
1067260
2000
ว่าโครงข่ายสังคมมีค่าแค่ไหน
17:49
we'd spend a lot more time nourishing them and sustaining them,
440
1069260
3000
เราก็คงจะใช้เวลามากขึ้นในการดูแล รักษามันไว้
17:52
because I think social networks
441
1072260
2000
เพราะผมคิดว่า โครงข่ายสังคม
17:54
are fundamentally related to goodness.
442
1074260
3000
เป็นพื้นฐานของเรื่องดีๆ
17:57
And what I think the world needs now
443
1077260
2000
และสิ่งที่ผมคิดว่าโลกเรากำลังต้องการก็คือ
17:59
is more connections.
444
1079260
2000
ความสัมพันธ์ที่มากขึ้น
18:01
Thank you.
445
1081260
2000
ขอบคุณครับ
18:03
(Applause)
446
1083260
3000
(ปรบมือ)
เกี่ยวกับเว็บไซต์นี้

ไซต์นี้จะแนะนำคุณเกี่ยวกับวิดีโอ YouTube ที่เป็นประโยชน์สำหรับการเรียนรู้ภาษาอังกฤษ คุณจะได้เห็นบทเรียนภาษาอังกฤษที่สอนโดยอาจารย์ชั้นนำจากทั่วโลก ดับเบิลคลิกที่คำบรรยายภาษาอังกฤษที่แสดงในแต่ละหน้าของวิดีโอเพื่อเล่นวิดีโอจากที่นั่น คำบรรยายเลื่อนซิงค์กับการเล่นวิดีโอ หากคุณมีความคิดเห็นหรือคำขอใด ๆ โปรดติดต่อเราโดยใช้แบบฟอร์มการติดต่อนี้

https://forms.gle/WvT1wiN1qDtmnspy7