Geoffrey West: The surprising math of cities and corporations

Geoffrey West: Şehirlerin ve şirketlerin şaşırtıcı matematiği

170,954 views

2011-07-26 ・ TED


New videos

Geoffrey West: The surprising math of cities and corporations

Geoffrey West: Şehirlerin ve şirketlerin şaşırtıcı matematiği

170,954 views ・ 2011-07-26

TED


Videoyu oynatmak için lütfen aşağıdaki İngilizce altyazılara çift tıklayınız.

Çeviri: Burak Ozdemir Gözden geçirme: osman oguz ahsen
00:16
Cities are the crucible of civilization.
0
16260
3000
Şehirler uygarlıkların aynı potada eridiği merkezlerdir.
00:19
They have been expanding,
1
19260
2000
Şehirler büyümekteler,
00:21
urbanization has been expanding,
2
21260
2000
kentleşme, son 200 yıldır
00:23
at an exponential rate in the last 200 years
3
23260
2000
katlanarak artıyor,
00:25
so that by the second part of this century,
4
25260
3000
böylelikle, bu yüzyılın ikinci yarısında
00:28
the planet will be completely dominated
5
28260
2000
dünyaya tamamen şehirler hakim
00:30
by cities.
6
30260
3000
olacak.
00:33
Cities are the origins of global warming,
7
33260
3000
Şehirler küresel ısınmanın kaynağıdır
00:36
impact on the environment,
8
36260
2000
çevreyi, sağlığı, kirliliği,
00:38
health, pollution, disease,
9
38260
3000
hastalıkları, finans ve
00:41
finance,
10
41260
2000
ekonomiyi,
00:43
economies, energy --
11
43260
3000
enerjiyi etkiler.
00:46
they're all problems
12
46260
2000
Bunlar şehirleşmeden
00:48
that are confronted by having cities.
13
48260
2000
dolayı karşılaşılan sorunlardır.
00:50
That's where all these problems come from.
14
50260
2000
Bütün bu sorunların çıkış noktası budur.
00:52
And the tsunami of problems that we feel we're facing
15
52260
3000
Ve sürdürülebilirlik ile ilgili olarak karşılaştığımız
00:55
in terms of sustainability questions
16
55260
2000
büyüyerek artan problemler
00:57
are actually a reflection
17
57260
2000
aslında kentleşmenin
00:59
of the exponential increase
18
59260
2000
bütün dünyada katlanarak artmasının
01:01
in urbanization across the planet.
19
61260
3000
bir yansımasıdır.
01:04
Here's some numbers.
20
64260
2000
İşte bazı rakamlar.
01:06
Two hundred years ago, the United States
21
66260
2000
200 yıl önce, ABD de
01:08
was less than a few percent urbanized.
22
68260
2000
şehirleşme oranı çok düşüktü.
01:10
It's now more than 82 percent.
23
70260
2000
Şimdi yüzde 82' den fazla.
01:12
The planet has crossed the halfway mark a few years ago.
24
72260
3000
Gezegenimiz, son birkaç yılda bu yolun yarısını katetti.
01:15
China's building 300 new cities
25
75260
2000
Gelecek 20 yıl içinde Çin
01:17
in the next 20 years.
26
77260
2000
300 yeni şehir kurucak.
01:19
Now listen to this:
27
79260
2000
Şimdi şunu dinleyin:
01:21
Every week for the foreseeable future,
28
81260
3000
Tahminlere göre 2050 yılına kadar
01:24
until 2050,
29
84260
2000
her hafta,
01:26
every week more than a million people
30
86260
2000
bir milyondan daha fazla kişi
01:28
are being added to our cities.
31
88260
2000
şehirlerimize eklenecek.
01:30
This is going to affect everything.
32
90260
2000
Bu her şeyi etkileyecek.
01:32
Everybody in this room, if you stay alive,
33
92260
2000
Burada bulunan herkes, eğer yaşıyacak olursa,
01:34
is going to be affected
34
94260
2000
şehirlerde meydana gelen
01:36
by what's happening in cities
35
96260
2000
bu olağanüstü olaydan
01:38
in this extraordinary phenomenon.
36
98260
2000
etkilenecek.
01:40
However, cities,
37
100260
3000
Ancak şehirler,
01:43
despite having this negative aspect to them,
38
103260
3000
sahip oldukları kötü yönlere rağmen,
01:46
are also the solution.
39
106260
2000
aynı zamanda çözümdürler.
01:48
Because cities are the vacuum cleaners and the magnets
40
108260
4000
Çünkü şehirler, adeta mıknatıs ve vakum gibi yaratıcı
01:52
that have sucked up creative people,
41
112260
2000
kişi ve fikirleri, yenilikleri,
01:54
creating ideas, innovation,
42
114260
2000
sermaye ve bunun gibileri kendine
01:56
wealth and so on.
43
116260
2000
kendilerine çekerler.
01:58
So we have this kind of dual nature.
44
118260
2000
Böyle ikili bir doğası vardır.
02:00
And so there's an urgent need
45
120260
3000
Bu da gösteriyor ki acilen
02:03
for a scientific theory of cities.
46
123260
4000
bilimsel bir şehir teorisine ihtiyaç var.
02:07
Now these are my comrades in arms.
47
127260
3000
İşte bunlar benim yoldaşlarım.
02:10
This work has been done with an extraordinary group of people,
48
130260
2000
Bu çalışma, olağanüstü bir grup insan tarafından yapıldı,
02:12
and they've done all the work,
49
132260
2000
ve bütün çalışmayı onlar yaptılar,
02:14
and I'm the great bullshitter
50
134260
2000
ve bende hepsini bir araya getirmeye
02:16
that tries to bring it all together.
51
136260
2000
çalışıp hazıra konan kişiyim.
02:18
(Laughter)
52
138260
2000
(Gülüşmeler)
02:20
So here's the problem: This is what we all want.
53
140260
2000
Sorun şu ki: hepimiz aynı şeyi istiyoruz.
02:22
The 10 billion people on the planet in 2050
54
142260
3000
2050 yılında gezegendeki 10 milyar insan
02:25
want to live in places like this,
55
145260
2000
böyle bir yerde yaşamayı,
02:27
having things like this,
56
147260
2000
böyle şeylere sahip olmayı,
02:29
doing things like this,
57
149260
2000
böyle şeyler yapmayı,
02:31
with economies that are growing like this,
58
151260
3000
böyle gelişen bir ekonomiyi isteyecekler,
02:34
not realizing that entropy
59
154260
2000
düzensizliğe sebep olan
02:36
produces things like this,
60
156260
2000
bunun gibi şeyleri farketmeksizin,
02:38
this, this
61
158260
4000
ve bu,
02:42
and this.
62
162260
2000
ve bu gibi.
02:44
And the question is:
63
164260
2000
Sorumuz şu:
02:46
Is that what Edinburgh and London and New York
64
166260
2000
Edinburgh, Londra ve New York 2050 yılında
02:48
are going to look like in 2050,
65
168260
2000
böyle mi görünecek?
02:50
or is it going to be this?
66
170260
2000
yoksa böyle mi?
02:52
That's the question.
67
172260
2000
İşte soru bu.
02:54
I must say, many of the indicators
68
174260
2000
Söylemeliyim ki göstergeler
02:56
look like this is what it's going to look like,
69
176260
3000
böyle görüneceğini söylüyor,
02:59
but let's talk about it.
70
179260
3000
fakat hadi bunun üzerine konuşalım.
03:02
So my provocative statement
71
182260
3000
Pekala, benim provakatif açıklamam
03:05
is that we desperately need a serious scientific theory of cities.
72
185260
3000
ciddi bir bilimsel şehir teorisine çaresizce ihtiyacımız olduğudur.
03:08
And scientific theory means quantifiable --
73
188260
3000
Bilimsel teori, ölçülebilirdir ve öngörülebilir
03:11
relying on underlying generic principles
74
191260
3000
yapılar tarafından şekillendirilebilen,
03:14
that can be made into a predictive framework.
75
194260
2000
belli başlı prensiplere dayanır.
03:16
That's the quest.
76
196260
2000
İşte araştırma bu.
03:18
Is that conceivable?
77
198260
2000
Akla uygun mu?
03:20
Are there universal laws?
78
200260
2000
Evrensel kanunlar var mı?
03:22
So here's two questions
79
202260
2000
Bu sorunu düşündüğümde
03:24
that I have in my head when I think about this problem.
80
204260
2000
aklıma gelen iki soru şunlar.
03:26
The first is:
81
206260
2000
İlki:
03:28
Are cities part of biology?
82
208260
2000
Şehirler biyolojinin bir parçası mı?
03:30
Is London a great big whale?
83
210260
2000
Londra çok büyük bir balina mı?
03:32
Is Edinburgh a horse?
84
212260
2000
Edinburgh bir at mı?
03:34
Is Microsoft a great big anthill?
85
214260
2000
Microsoft çok büyük bir karınca yuvası mı?
03:36
What do we learn from that?
86
216260
2000
Bundan ne öğreniyoruz?
03:38
We use them metaphorically --
87
218260
2000
Bunları mecazi olarak kullanıyoruz
03:40
the DNA of a company, the metabolism of a city, and so on --
88
220260
2000
bir şirketin DNA' sı, bir şehrin metabolizması, ve benzeri
03:42
is that just bullshit, metaphorical bullshit,
89
222260
3000
Bu sadece metaforik bir saçmalık mı?
03:45
or is there serious substance to it?
90
225260
3000
yoksa gerçekliği var mı?
03:48
And if that is the case,
91
228260
2000
Eğer mesele buysa,
03:50
how come that it's very hard to kill a city?
92
230260
2000
nasıl olur da bir şehri yok etmek bu kadar zor olur?
03:52
You could drop an atom bomb on a city,
93
232260
2000
Şehre bir atom bombası bırakabilirdiniz
03:54
and 30 years later it's surviving.
94
234260
2000
ve 30 yıl sonra canlanır.
03:56
Very few cities fail.
95
236260
3000
Çok az şehir başarısız olur.
03:59
All companies die, all companies.
96
239260
3000
Bütün şirketler ölür, bütün şirketler.
04:02
And if you have a serious theory, you should be able to predict
97
242260
2000
Eğer ciddi bir teoriniz varsa, Google' in ne zaman iflas edeceğini
04:04
when Google is going to go bust.
98
244260
3000
tahmin edebilmelisiniz.
04:07
So is that just another version
99
247260
3000
Öyleyse bu, bunun
04:10
of this?
100
250260
2000
farklı bir versiyonu mu?
04:12
Well we understand this very well.
101
252260
2000
Pekala bunu çok iyi anladık.
04:14
That is, you ask any generic question about this --
102
254260
2000
Yani, bu konuda herhangi bir soru sorarsanız,
04:16
how many trees of a given size,
103
256260
2000
belirli bir ölçüde ne kadar ağaç olduğu,
04:18
how many branches of a given size does a tree have,
104
258260
2000
bir ağacın belirli ölçüde ne kadar dalı olduğu,
04:20
how many leaves,
105
260260
2000
ne kadar yaprağı,
04:22
what is the energy flowing through each branch,
106
262260
2000
her bir dalın enerji akışının ne olduğu,
04:24
what is the size of the canopy,
107
264260
2000
saçaklarının ölçüsü,
04:26
what is its growth, what is its mortality?
108
266260
2000
büyüme ve ölüm oranının ne olduğu?
04:28
We have a mathematical framework
109
268260
2000
Elimizde bütün bu sorulara
04:30
based on generic universal principles
110
270260
3000
cevap verebilecek genel evrensel prensiplere
04:33
that can answer those questions.
111
273260
2000
dayanan bir matematiksel yapı var.
04:35
And the idea is can we do the same for this?
112
275260
4000
Düşünce şu ki, bunun içinde aynısı yapabilir miyiz?
04:40
So the route in is recognizing
113
280260
3000
Bu yöntem
04:43
one of the most extraordinary things about life,
114
283260
2000
hayat hakkındaki ölçeklenebilir,
04:45
is that it is scalable,
115
285260
2000
olağanüstü çeşitliliğe
04:47
it works over an extraordinary range.
116
287260
2000
uyarlanabilir.
04:49
This is just a tiny range actually:
117
289260
2000
Aslında bu küçük oranda bir çeşitlilik
04:51
It's us mammals;
118
291260
2000
biz memeliler
04:53
we're one of these.
119
293260
2000
bunlardan biriyiz.
04:55
The same principles, the same dynamics,
120
295260
2000
Aynı prensipler, aynı dinamikler
04:57
the same organization is at work
121
297260
2000
aynı örgütlenme bütün bunlar için
04:59
in all of these, including us,
122
299260
2000
iş başında, biz dahil olmak üzere,
05:01
and it can scale over a range of 100 million in size.
123
301260
3000
ve büyüklük olarak 100 milyon kat çeşitlilikte bile bu görülebilir.
05:04
And that is one of the main reasons
124
304260
3000
Ve bu, hayatın esnek ve güçlü olmasının
05:07
life is so resilient and robust --
125
307260
2000
önemli sebeplerinden bir tanesi --
05:09
scalability.
126
309260
2000
ölçeklenebilirlik.
05:11
We're going to discuss that in a moment more.
127
311260
3000
Bunu az sonra biraz daha tartışacağız
05:14
But you know, at a local level,
128
314260
2000
Biliyorsunuz ki, belirli oranda
05:16
you scale; everybody in this room is scaled.
129
316260
2000
ölçülebilirsiniz, burdaki herkes ölçülebilir.
05:18
That's called growth.
130
318260
2000
Buna gelişme deniyor.
05:20
Here's how you grew.
131
320260
2000
İşte nasıl geliştiğimize bir bakalım.
05:22
Rat, that's a rat -- could have been you.
132
322260
2000
Fare, bu bir fare --siz olabilirdiniz.
05:24
We're all pretty much the same.
133
324260
3000
Hepimiz hemen hemen aynıyız.
05:27
And you see, you're very familiar with this.
134
327260
2000
Görüyorsunuz, bununla epey benzersiniz.
05:29
You grow very quickly and then you stop.
135
329260
2000
Çabuk gelişiyorsunuz sonra duruyorsunuz.
05:31
And that line there
136
331260
2000
Oradaki çizgi
05:33
is a prediction from the same theory,
137
333260
2000
aynı prensiplere bağlı, ormanı
05:35
based on the same principles,
138
335260
2000
tanımlayan, aynı teoriden
05:37
that describes that forest.
139
337260
2000
çıkarım yapılmış bir tahmin.
05:39
And here it is for the growth of a rat,
140
339260
2000
Ve bu da bir farenin gelişimi için.
05:41
and those points on there are data points.
141
341260
2000
Şu noktalar veri noktaları.
05:43
This is just the weight versus the age.
142
343260
2000
Bu sadece yaşa göre ağırlık değişimi.
05:45
And you see, it stops growing.
143
345260
2000
Gördüğünüz gibi gelişimi duruyor.
05:47
Very, very good for biology --
144
347260
2000
Biyoloji için çok, çok iyi
05:49
also one of the reasons for its great resilience.
145
349260
2000
ayrıca büyük esneklik için sebeplerden biri.
05:51
Very, very bad
146
351260
2000
Mevcut örneğimizde
05:53
for economies and companies and cities
147
353260
2000
ekonomiler, şirketler ve şehirler için
05:55
in our present paradigm.
148
355260
2000
çok, çok kötü.
05:57
This is what we believe.
149
357260
2000
Bu bizim inandığımız şeydir.
05:59
This is what our whole economy
150
359260
2000
Bu bütün ekonomimizin
06:01
is thrusting upon us,
151
361260
2000
bizi zorladığı şeydir,
06:03
particularly illustrated in that left-hand corner:
152
363260
3000
sol köşedeki grafikte gösterildiği şekilde;
06:06
hockey sticks.
153
366260
2000
hokey sopaları
06:08
This is a bunch of software companies --
154
368260
2000
Bu bir grup yazılım şirketi --
06:10
and what it is is their revenue versus their age --
155
370260
2000
ve gördüğümüz ise yıllara göre ciroları --
06:12
all zooming away,
156
372260
2000
hepsi devamlı olarak artış eğiliminde,
06:14
and everybody making millions and billions of dollars.
157
374260
2000
ve herkes milyonlarca ve milyarlarca dolar kazanıyor.
06:16
Okay, so how do we understand this?
158
376260
3000
Tamam, peki öyleyse bunu nasıl anlayacağız?
06:19
So let's first talk about biology.
159
379260
3000
Öyleyse önce biyolojiden bahsedelim.
06:22
This is explicitly showing you
160
382260
2000
Bu size açıkca,
06:24
how things scale,
161
384260
2000
her şeyin nasıl ölçülebildiğini gösteriyor,
06:26
and this is a truly remarkable graph.
162
386260
2000
ve bu gerçekten kayda değer bir grafik.
06:28
What is plotted here is metabolic rate --
163
388260
3000
Burada çizilen metobolik oranlardır --
06:31
how much energy you need per day to stay alive --
164
391260
3000
Yaşamak için her gün ne kadar enerjiye ihtiyaç duyduğunuzu gösterir
06:34
versus your weight, your mass,
165
394260
2000
ve bunu ağırlığınızla, kütlenizle karşılaştırır,
06:36
for all of us bunch of organisms.
166
396260
3000
hepimiz için, bütün organizmalar için.
06:39
And it's plotted in this funny way by going up by factors of 10,
167
399260
3000
ve bu garip bir biçimde 10'un katları şeklinde artarak çizildi,
06:42
otherwise you couldn't get everything on the graph.
168
402260
2000
yoksa bütün herşeyi bu grafikte göremezdiniz.
06:44
And what you see if you plot it
169
404260
2000
Eğer grafiği bu şekilde
06:46
in this slightly curious way
170
406260
2000
tuhaf çizersek göreceğimiz şey,
06:48
is that everybody lies on the same line.
171
408260
3000
herkesin aynı çizgi üzerinde yer aldığıdır.
06:51
Despite the fact that this is the most complex and diverse system
172
411260
3000
Bunun evrendeki en karışık ve çok türlü sistem
06:54
in the universe,
173
414260
3000
olmasına rağmen
06:57
there's an extraordinary simplicity
174
417260
2000
bu grafikle ifade edildiği gibi
06:59
being expressed by this.
175
419260
2000
olağanüstü bir sadelik söz konusudur.
07:01
It's particularly astonishing
176
421260
3000
Bu özellikle şaşırtıcı,
07:04
because each one of these organisms,
177
424260
2000
çünkü sistemdeki her bir organizma,
07:06
each subsystem, each cell type, each gene,
178
426260
2000
her bir alt sistem, her bir hücre tipi, her bir gen
07:08
has evolved in its own unique environmental niche
179
428260
4000
kendine has çevresel koşullarında,
07:12
with its own unique history.
180
432260
3000
kendine has tarihi ile evrimleşti.
07:15
And yet, despite all of that Darwinian evolution
181
435260
3000
Ve yine de, bütün bu Darwinci evrime
07:18
and natural selection,
182
438260
2000
ve doğal seleksiyona karşılık,
07:20
they've been constrained to lie on a line.
183
440260
2000
bir çizgi üzerinde sıralanmaya zorlandılar.
07:22
Something else is going on.
184
442260
2000
Burada başka bir şey söz konusu.
07:24
Before I talk about that,
185
444260
2000
Bundan bahsetmeden önce,
07:26
I've written down at the bottom there
186
446260
2000
grafiğin altına yazdığım
07:28
the slope of this curve, this straight line.
187
448260
2000
bu düz çizginin eğimidir.
07:30
It's three-quarters, roughly,
188
450260
2000
Bu yaklaşık 0.75,
07:32
which is less than one -- and we call that sublinear.
189
452260
3000
yani 1'den küçük -- ve buna alt doğrusal diyoruz.
07:35
And here's the point of that.
190
455260
2000
Ve bunun anlamı ise,
07:37
It says that, if it were linear,
191
457260
3000
eğer çizgi doğrusal olsaydı,
07:40
the steepest slope,
192
460260
2000
yani dik çizginin eğimi,
07:42
then doubling the size
193
462260
2000
o zaman bu değeri iki katına çıkarmak için
07:44
you would require double the amount of energy.
194
464260
2000
iki kat daha fazla enerjiye ihtiyaç duyacaktınız.
07:46
But it's sublinear, and what that translates into
195
466260
3000
Ama bu bir alt doğrusal fonksiyon, ve bunun anlamı
07:49
is that, if you double the size of the organism,
196
469260
2000
ise eğer organizmanın boyutunu iki katına çıkarırsanız,
07:51
you actually only need 75 percent more energy.
197
471260
3000
sadece 75% daha fazla enerjiye ihtiyaç duyacaksınız demektir.
07:54
So a wonderful thing about all of biology
198
474260
2000
Bütün bu biyolojinin harika tarafı,
07:56
is that it expresses an extraordinary economy of scale.
199
476260
3000
aynı zamanda olağanüstü bir ölçek ekonomisini yansıtmasıdır.
07:59
The bigger you are systematically,
200
479260
2000
Sistematik olarak daha fazla büyümeniz demek,
08:01
according to very well-defined rules,
201
481260
2000
çok iyi tanımlanmış kurallar çerçevesinde,
08:03
less energy per capita.
202
483260
3000
kişi başına daha az enerji demektir.
08:06
Now any physiological variable you can think of,
203
486260
3000
Aklınıza gelen herhangi bie fizyolojik değişken,
08:09
any life history event you can think of,
204
489260
2000
ya da herhangi bir tarihsel olay olsun,
08:11
if you plot it this way, looks like this.
205
491260
3000
eğer bu şekilde grafiğe dökerseniz, bu sonucu elde edersiniz.
08:14
There is an extraordinary regularity.
206
494260
2000
Burada sıradışı bir düzenlilik var.
08:16
So you tell me the size of a mammal,
207
496260
2000
Siz bana bir memelinin boyutlarını söylerseniz,
08:18
I can tell you at the 90 percent level everything about it
208
498260
3000
ben de size yüzde doksan doğruluk payı ile
08:21
in terms of its physiology, life history, etc.
209
501260
4000
fizyolojik, tarihsel gelişim vb. konularda her şeyi söyleyebilirim.
08:25
And the reason for this is because of networks.
210
505260
3000
Ve bunun sebebi ise ağ örgüleridir.
08:28
All of life is controlled by networks --
211
508260
3000
Bütün hayat bu ağ örgüleri ile kontrol edilir --
08:31
from the intracellular through the multicellular
212
511260
2000
hücre içinden, hücre sistemlerine
08:33
through the ecosystem level.
213
513260
2000
ve ekosistem seviyelerine kadar.
08:35
And you're very familiar with these networks.
214
515260
3000
Ve bu ağ örgüleri size çok aşinadır.
08:39
That's a little thing that lives inside an elephant.
215
519260
3000
Bu bir filin içinde yaşayan küçük varlıktır.
08:42
And here's the summary of what I'm saying.
216
522260
3000
Ve işte söylediklerimin bir özeti.
08:45
If you take those networks,
217
525260
2000
Bu ağ örgülerini alırsanız,
08:47
this idea of networks,
218
527260
2000
bu ağ örgüleri düşüncesini,
08:49
and you apply universal principles,
219
529260
2000
ve bütün bu hesaplanabilen
08:51
mathematizable, universal principles,
220
531260
2000
evrensel ilkelere
08:53
all of these scalings
221
533260
2000
bütün bu ölçümleri uygularsanız
08:55
and all of these constraints follow,
222
535260
3000
ve bütün bu sınırlamalar
08:58
including the description of the forest,
223
538260
2000
ormanın tanımını,
09:00
the description of your circulatory system,
224
540260
2000
dolaşım sisteminizin tanımını,
09:02
the description within cells.
225
542260
2000
hücrelerin iç yapısının tanımını belirler.
09:04
One of the things I did not stress in that introduction
226
544260
3000
Bu takdimde bahsetmediğim konulardan biri de,
09:07
was that, systematically, the pace of life
227
547260
3000
siz büyüdükçe, sistematik olarak
09:10
decreases as you get bigger.
228
550260
2000
hayatın hızı da yavaşlar.
09:12
Heart rates are slower; you live longer;
229
552260
3000
Kalp atışları yavaşlar, daha uzun yaşarsınız;
09:15
diffusion of oxygen and resources
230
555260
2000
hücre zarından geçen oksijen ve
09:17
across membranes is slower, etc.
231
557260
2000
diğer kaynakların akışı yavaşlar, vs.
09:19
The question is: Is any of this true
232
559260
2000
Sorumuz ise, bunların herhangi biri
09:21
for cities and companies?
233
561260
3000
şehirler ve şirketler için doğru mudur?
09:24
So is London a scaled up Birmingham,
234
564260
3000
Londra, Birmingham'ın daha büyük ölçekli versiyonu mudur,
09:27
which is a scaled up Brighton, etc., etc.?
235
567260
3000
ki o da Brighton'un daha büyük ölçekli versiyonu, vs. vs.?
09:30
Is New York a scaled up San Francisco,
236
570260
2000
New York, San Fransisco'nun daha nüyük ölçekli versiyonu mudur,
09:32
which is a scaled up Santa Fe?
237
572260
2000
ki o da Santa Fe'nin daha büyük ölçekli versiyonu olsun?
09:34
Don't know. We will discuss that.
238
574260
2000
Bilmiyoruz, bunu tartışacağız.
09:36
But they are networks,
239
576260
2000
Ama bütün bunlar ağ örgüleridir,
09:38
and the most important network of cities
240
578260
2000
ve şehirlerin en önemli ağ örgüleri is
09:40
is you.
241
580260
2000
sizsiniz.
09:42
Cities are just a physical manifestation
242
582260
3000
Şehirler yalnızca sizin etkileşimlerinizin
09:45
of your interactions,
243
585260
2000
ve bizim etkileşimlerimizin,
09:47
our interactions,
244
587260
2000
ve bireylerin gruplaşması ve kümeleşmesinin
09:49
and the clustering and grouping of individuals.
245
589260
2000
bir tezahürüdür.
09:51
Here's just a symbolic picture of that.
246
591260
3000
İşte bu, bu tanımların sembolik bir resmidir.
09:54
And here's scaling of cities.
247
594260
2000
Ve işte şehirlerin ölçeklemesi.
09:56
This shows that in this very simple example,
248
596260
3000
Bu çok basit örneklemede
09:59
which happens to be a mundane example
249
599260
2000
olağan bir konuyu ele aldık.
10:01
of number of petrol stations
250
601260
2000
Burada benzin istasyonlarının
10:03
as a function of size --
251
603260
2000
şehrin büyüklüğüne göre grafiği var,
10:05
plotted in the same way as the biology --
252
605260
2000
biyolojik grafik ile aynı yöntem kullanıldı
10:07
you see exactly the same kind of thing.
253
607260
2000
ve tamamen aynı sonucu görebilirsiniz.
10:09
There is a scaling.
254
609260
2000
Burada bir ölçekleme var.
10:11
That is that the number of petrol stations in the city
255
611260
4000
Siz bana şehrin büyüklüğünü söylerseniz
10:15
is now given to you
256
615260
2000
bu şekilde şehirdeki
10:17
when you tell me its size.
257
617260
2000
benzin istasyonlarının sayısını bulabiliriz.
10:19
The slope of that is less than linear.
258
619260
3000
Eğim, lineerden daha az.
10:22
There is an economy of scale.
259
622260
2000
Burada bir ölçek ekonomisi var.
10:24
Less petrol stations per capita the bigger you are -- not surprising.
260
624260
3000
Siz büyüdükçe birim başına düşen daha az benzin istasyonu -- hiç de şaşırtıcı değil.
10:27
But here's what's surprising.
261
627260
2000
İşte şaşırtıcı olan şey.
10:29
It scales in the same way everywhere.
262
629260
2000
Aynı şekilde heryerde bu ölçekleme geçerlidir.
10:31
This is just European countries,
263
631260
2000
Bu sadece Avrupa ülekeleri içindi,
10:33
but you do it in Japan or China or Colombia,
264
633260
3000
ama bunun Japonya, Çin yada Kolombiya'ya uygularsanız,
10:36
always the same
265
636260
2000
aynı ölçek ekonomsi ile
10:38
with the same kind of economy of scale
266
638260
2000
aynı derecede
10:40
to the same degree.
267
640260
2000
yine aynı sonucu alırsınız.
10:42
And any infrastructure you look at --
268
642260
3000
Ve göreceğiniz herhangi bir yapı --
10:45
whether it's the length of roads, length of electrical lines --
269
645260
3000
ister yolların uzunluğu olsun, isterse elektrik hatlarının uzunluğu --
10:48
anything you look at
270
648260
2000
göreceğiniz her şeyde
10:50
has the same economy of scale scaling in the same way.
271
650260
3000
aynı ölçek ekonomisini aynı şekilde görebilirsiniz.
10:53
It's an integrated system
272
653260
2000
Bu bütün planlamaya rağmen
10:55
that has evolved despite all the planning and so on.
273
655260
3000
evrimleşmiş bütünleşik bir sistem.
10:58
But even more surprising
274
658260
2000
Fakat daha şaşırtıcı olanı ise
11:00
is if you look at socio-economic quantities,
275
660260
2000
eğer sosyo ekonomik verilere bakarsanız
11:02
quantities that have no analog in biology,
276
662260
3000
ki bunların biyolojide herhangi bir karşılığı yoktur,
11:05
that have evolved when we started forming communities
277
665260
3000
bunlar 8 ile 10 bin yıl önce biz
11:08
eight to 10,000 years ago.
278
668260
2000
ilk toplumları oluşturduğumuzda gelişmeye başlamıştı.
11:10
The top one is wages as a function of size
279
670260
2000
Üstteki grafik, maaşın büyüklüğe göre fonksiyonu,
11:12
plotted in the same way.
280
672260
2000
ve aynı şekilde çizilmiş.
11:14
And the bottom one is you lot --
281
674260
2000
Alttaki grafik ise
11:16
super-creatives plotted in the same way.
282
676260
3000
süper yaratıcı insanların sayısının fonksiyonu yine aynı şekilde çizilmiş.
11:19
And what you see
283
679260
2000
Ve burada gördüğümüz ise,
11:21
is a scaling phenomenon.
284
681260
2000
bir ölçekleme olgusu.
11:23
But most important in this,
285
683260
2000
Ama daha da önemlisi,
11:25
the exponent, the analog to that three-quarters
286
685260
2000
buradaki metabolik oran olan
11:27
for the metabolic rate,
287
687260
2000
0,75 oranına benzer katsayı
11:29
is bigger than one -- it's about 1.15 to 1.2.
288
689260
2000
"1" den fazla ve yaklaşık 1.15 - 1.2 arasında.
11:31
Here it is,
289
691260
2000
İşte böylece, biyolojinin tersi olarak
11:33
which says that the bigger you are
290
693260
3000
daha çok büyüdkçe,
11:36
the more you have per capita, unlike biology --
291
696260
3000
birim başına daha fazla elde edersiniz,
11:39
higher wages, more super-creative people per capita as you get bigger,
292
699260
4000
büyüdükçe daha fazla maaş, daha fazla yaratıcı insan,
11:43
more patents per capita, more crime per capita.
293
703260
3000
daha fazla patent, daha fazla suç.
11:46
And we've looked at everything:
294
706260
2000
Ve her şeye bakmamız gerekiyor:
11:48
more AIDS cases, flu, etc.
295
708260
3000
Daha fazla AIDS vakası, grip vb.
11:51
And here, they're all plotted together.
296
711260
2000
Ve işte burada hepsi beraber çizildi.
11:53
Just to show you what we plotted,
297
713260
2000
Ne çizdiğimizi gösterirsek eğer,
11:55
here is income, GDP --
298
715260
3000
burada göreceğiniz, GSMH --
11:58
GDP of the city --
299
718260
2000
şehrin GSMH'sı
12:00
crime and patents all on one graph.
300
720260
2000
suç ve patentler hepsi aynı grafikte gösterilmiştir.
12:02
And you can see, they all follow the same line.
301
722260
2000
Ve göreceğiniz gibi, hepsi aynı çizgiyi takip etmekte.
12:04
And here's the statement.
302
724260
2000
Ve işte bunun açıklaması.
12:06
If you double the size of a city from 100,000 to 200,000,
303
726260
3000
Eğer bir şehrin büyüklüğünü iki katlayıp, 100 milyondan 200 milyona çıkarırsanız
12:09
from a million to two million, 10 to 20 million,
304
729260
2000
yada 1 milyondan 2 milyona, veya 10 milyondan 20 milyona,
12:11
it doesn't matter,
305
731260
2000
hiç fark etmez.
12:13
then systematically
306
733260
2000
Sistematik olarak
12:15
you get a 15 percent increase
307
735260
2000
maaşlarda, mal varlığında,
12:17
in wages, wealth, number of AIDS cases,
308
737260
2000
AIDS vakalarında,
12:19
number of police,
309
739260
2000
polis sayısında, düşünebileceğiniz her şeyde
12:21
anything you can think of.
310
741260
2000
yüzde 15 artış olur.
12:23
It goes up by 15 percent,
311
743260
2000
Yüzde 15 artış
12:25
and you have a 15 percent savings
312
745260
3000
ve yapılarda
12:28
on the infrastructure.
313
748260
3000
yüzde 15 tasarrufunuz olur.
12:31
This, no doubt, is the reason
314
751260
3000
Bu sonuç, kesinlikle neden her hafta
12:34
why a million people a week are gathering in cities.
315
754260
3000
1 milyon insanın daha şehirlerde toplandığının nedenidir.
12:37
Because they think that all those wonderful things --
316
757260
3000
Çünkü onlar, bütün bu güzel şeyleri düşünür;
12:40
like creative people, wealth, income --
317
760260
2000
yaratıcı insanlar, mal varlığı, gelir artışı --
12:42
is what attracts them,
318
762260
2000
onları bunlar çeker,
12:44
forgetting about the ugly and the bad.
319
764260
2000
ama kötü ve çirkin şeyleri görmezden gelirler.
12:46
What is the reason for this?
320
766260
2000
Peki bunun nedeni nedir?
12:48
Well I don't have time to tell you about all the mathematics,
321
768260
3000
Açıkcası işin bütün matematiğini anlatacak kadar vaktim yok,
12:51
but underlying this is the social networks,
322
771260
3000
ama bunun altında yatan sosyal ağ örgüleridir,
12:54
because this is a universal phenomenon.
323
774260
3000
çünkü bu bir evrensel olgudur.
12:57
This 15 percent rule
324
777260
3000
Bu yüzde 15 kuralı,
13:00
is true
325
780260
2000
doğrudur.
13:02
no matter where you are on the planet --
326
782260
2000
Gezegende nereye giderseniz gidin,
13:04
Japan, Chile,
327
784260
2000
ister Japonya, ister Şili,
13:06
Portugal, Scotland, doesn't matter.
328
786260
3000
ister Portekiz yada İskoçya hiç farketmez.
13:09
Always, all the data shows it's the same,
329
789260
3000
Şehirlerin biribirinden bağımsız geliştiğini düşünsek de
13:12
despite the fact that these cities have evolved independently.
330
792260
3000
her zaman bütün datalar aynı sonucu gösterir.
13:15
Something universal is going on.
331
795260
2000
Burada evrensel bir şeyler var.
13:17
The universality, to repeat, is us --
332
797260
3000
Tekrar edecek olursak bu evrensellik bizleriz,
13:20
that we are the city.
333
800260
2000
bizlerin şehiri oluşturması.
13:22
And it is our interactions and the clustering of those interactions.
334
802260
3000
Ve bizlerin etkileşimleri ve bu etkileşimlerin kümeleşmeleri.
13:25
So there it is, I've said it again.
335
805260
2000
İşte yeniden söylüyorum.
13:27
So if it is those networks and their mathematical structure,
336
807260
3000
ALt lineer eğimi olan biyolojik grafiğin tersine
13:30
unlike biology, which had sublinear scaling,
337
810260
3000
ölçek ekonomisinin ağ örgüsü
13:33
economies of scale,
338
813260
2000
ve matematiksel yapısına göre,
13:35
you had the slowing of the pace of life
339
815260
2000
siz büyüdükçe,
13:37
as you get bigger.
340
817260
2000
hayatın hızı da yavaşlıyor.
13:39
If it's social networks with super-linear scaling --
341
819260
2000
Eğer sosyal ağların üst lineer eğimi üzerinden konuşursak,
13:41
more per capita --
342
821260
2000
birim başına daha fazla demektir,
13:43
then the theory says
343
823260
2000
teori der ki;
13:45
that you increase the pace of life.
344
825260
2000
hayatın hızı artar.
13:47
The bigger you are, life gets faster.
345
827260
2000
Siz büyüdükçe yaşam da hızlanır.
13:49
On the left is the heart rate showing biology.
346
829260
2000
Soldaki grafik biyolojiye örnek ve kal atış fonksiyonu.
13:51
On the right is the speed of walking
347
831260
2000
Sağdaki artan grafik ise
13:53
in a bunch of European cities,
348
833260
2000
bir grup Avrupa şehrinde ölçülen
13:55
showing that increase.
349
835260
2000
yürüyüş hızı.
13:57
Lastly, I want to talk about growth.
350
837260
3000
Son olarak, büyümeden bahsetmek istiyorum.
14:00
This is what we had in biology, just to repeat.
351
840260
3000
Tekrar edecek olursak, bu bizim biyolojiden sahip olduğumuz şeydir.
14:03
Economies of scale
352
843260
3000
Ölçek ekonomisi
14:06
gave rise to this sigmoidal behavior.
353
846260
3000
bu sigmoidal davranışa artış sağlamaktadır.
14:09
You grow fast and then stop --
354
849260
3000
Hızlı büyüyüoruz ve sonra duraklıyoruz --
14:12
part of our resilience.
355
852260
2000
bu bizim esnekliğimizin bir parçasıdır.
14:14
That would be bad for economies and cities.
356
854260
3000
Bu ekonomiler ve şehirler için kötü olurdu.
14:17
And indeed, one of the wonderful things about the theory
357
857260
2000
Ama tabi ki bu teorinin en güzel taraflarından bir tanesi de
14:19
is that if you have super-linear scaling
358
859260
3000
üst-lineer bir eğime sahip olması
14:22
from wealth creation and innovation,
359
862260
2000
Mal varlığından, yeniliklere,
14:24
then indeed you get, from the same theory,
360
864260
3000
bu teori ile artan bir grafik
14:27
a beautiful rising exponential curve -- lovely.
361
867260
2000
elde ederiz, gerçekten çok güzel.
14:29
And in fact, if you compare it to data,
362
869260
2000
Ve gerçete, eğer datayı
14:31
it fits very well
363
871260
2000
şehirlerin ve ekonomilerin gelişimi ile karşılaştırırsanız
14:33
with the development of cities and economies.
364
873260
2000
çok iyi uyum sağladığını görürsünüz.
14:35
But it has a terrible catch,
365
875260
2000
Ama burada bir bit yeniği var,
14:37
and the catch
366
877260
2000
ve buna göre,
14:39
is that this system is destined to collapse.
367
879260
3000
sistemin kaderinde çöküş var.
14:42
And it's destined to collapse for many reasons --
368
882260
2000
Ve çok sayıda nedenden dolayı bu çöküş yaşanacak --
14:44
kind of Malthusian reasons -- that you run out of resources.
369
884260
3000
Malthusvari yaklaşımlar gibi, kaynakların tükenmesi.
14:47
And how do you avoid that? Well we've done it before.
370
887260
3000
Peki bundan nasıl kaçınacağız? Aslında bunu daha önce yapmıştık.
14:50
What we do is,
371
890260
2000
Yaptığımız şey,
14:52
as we grow and we approach the collapse,
372
892260
3000
büyüyoruz ve çöküşe ulaşıyoruz,
14:55
a major innovation takes place
373
895260
3000
çok önemli bir yenilik ortaya çıkıyor
14:58
and we start over again,
374
898260
2000
ve yeni baştan başlıyoruz,
15:00
and we start over again as we approach the next one, and so on.
375
900260
3000
bir sonrakine ulaşana kadar yeni baştan başlıyoruz ve bu böyle gidiyor.
15:03
So there's this continuous cycle of innovation
376
903260
2000
Öyleyse burada büyümeyi sağlayan
15:05
that is necessary
377
905260
2000
ve çöküşü önlemek için gerekli
15:07
in order to sustain growth and avoid collapse.
378
907260
3000
sonsuz bir yenilik silsilesi var.
15:10
The catch, however, to this
379
910260
2000
Buradaki bit yeniği ise
15:12
is that you have to innovate
380
912260
2000
her seferinde daha fazla ve daha fazla
15:14
faster and faster and faster.
381
914260
3000
yenilik yapmanız gerekir.
15:17
So the image
382
917260
2000
Görünen o ki,
15:19
is that we're not only on a treadmill that's going faster,
383
919260
3000
biz sadece devamlı hızlanan bir koşu bandı üzerinde değiliz,
15:22
but we have to change the treadmill faster and faster.
384
922260
3000
aynı zamanda koşu bandını da her seferinde daha hızlı değiştirmemiz gerekir.
15:25
We have to accelerate on a continuous basis.
385
925260
3000
Sürekli olarak hızlanmamız gerekir.
15:28
And the question is: Can we, as socio-economic beings,
386
928260
3000
Ve şu soruyu sormamız gerekir: Biz, bir sosyo-ekeonomik varlık olarak
15:31
avoid a heart attack?
387
931260
3000
nasıl kalp krizinden sakınabiliriz?
15:34
So lastly, I'm going to finish up in this last minute or two
388
934260
3000
Son olarak, bu konuyu son 1-2 dakika içinde
15:37
asking about companies.
389
937260
2000
şirketler açısından değerlendirerek kapatacağız.
15:39
See companies, they scale.
390
939260
2000
İşte şirketler, ölçekleniyor.
15:41
The top one, in fact, is Walmart on the right.
391
941260
2000
Üst sağdaki aslında Walmart.
15:43
It's the same plot.
392
943260
2000
Aynı çizim.
15:45
This happens to be income and assets
393
945260
2000
Burada gösterilen gelirler ve varlıkların,
15:47
versus the size of the company as denoted by its number of employees.
394
947260
2000
şirketin büyüklüğüne göre göstergesi, ki burada şirket çalışan sayısı alınmıştır.
15:49
We could use sales, anything you like.
395
949260
3000
Satışları yada istediğiniz herhangi birşeyi kullanabilirdik.
15:52
There it is: after some little fluctuations at the beginning,
396
952260
3000
İşte burada görüleceği gibi, başta bazı dalgalanmalardan sonra,
15:55
when companies are innovating,
397
955260
2000
şirketler yenilikçi yaklaşımlardan sonra
15:57
they scale beautifully.
398
957260
2000
güzel bir şekilde ölçeklenirler.
15:59
And we've looked at 23,000 companies
399
959260
3000
Ve söyleyebilirm ki
16:02
in the United States, may I say.
400
962260
2000
Birleşik Devletlerde 23.000 şirketi inceledik.
16:04
And I'm only showing you a little bit of this.
401
964260
3000
Ve size sadece bunun küçük bir kısmını gösteriyorum.
16:07
What is astonishing about companies
402
967260
2000
Şirketler hakkında şaşırtıcı olan ise,
16:09
is that they scale sublinearly
403
969260
3000
biyoloji gibi
16:12
like biology,
404
972260
2000
alt-lineer bir eğime sahip olmaları.
16:14
indicating that they're dominated,
405
974260
2000
Şirketlerin yenilik ve fikirler gibi
16:16
not by super-linear
406
976260
2000
üst-lineer eğime
16:18
innovation and ideas;
407
978260
3000
bağlı olmadığını belirtirsek
16:21
they become dominated
408
981260
2000
ölçek ekonomisine
16:23
by economies of scale.
409
983260
2000
bağlı olduğunu görürüz.
16:25
In that interpretation,
410
985260
2000
Bu yorumu
16:27
by bureaucracy and administration,
411
987260
2000
bürokrasi ve idare ile yaptıklarını
16:29
and they do it beautifully, may I say.
412
989260
2000
ve çok güzel başardıklarını söyleyebilirim.
16:31
So if you tell me the size of some company, some small company,
413
991260
3000
Öyleyse, bana bir şirketin, küçük bir şirketin, büyüklüğünü söylerseniz,
16:34
I could have predicted the size of Walmart.
414
994260
3000
Walmart'ın büyüklüğünü tahmin edebilirim.
16:37
If it has this sublinear scaling,
415
997260
2000
Teori diyor ki,
16:39
the theory says
416
999260
2000
eğer alt-lineer eğime sahipse
16:41
we should have sigmoidal growth.
417
1001260
3000
o zaman sigmoidal bir büyümeye sahip oluruz.
16:44
There's Walmart. Doesn't look very sigmoidal.
418
1004260
2000
İşte bu Walmart. Pekte sigmoidal görünmüyor.
16:46
That's what we like, hockey sticks.
419
1006260
3000
Bu daha çok hokey sopalarına benziyor.
16:49
But you notice, I've cheated,
420
1009260
2000
Ama farketmişsinizdir, burada hile yaptım,
16:51
because I've only gone up to '94.
421
1011260
2000
çünkü sadece 1994 yılına kadar gittim.
16:53
Let's go up to 2008.
422
1013260
2000
Hadi 2008 yılına bakalım.
16:55
That red line is from the theory.
423
1015260
3000
Buradaki kırmızı çizgi teoriden gelmekte.
16:58
So if I'd have done this in 1994,
424
1018260
2000
Öyleyse, bunu 1994'te yapsaydım,
17:00
I could have predicted what Walmart would be now.
425
1020260
3000
şuan Walmart'ın ne durumda olacağını tahmin edebilirdim.
17:03
And then this is repeated
426
1023260
2000
Ve bu bütün şirketler için
17:05
across the entire spectrum of companies.
427
1025260
2000
tekrarlanıyor.
17:07
There they are. That's 23,000 companies.
428
1027260
3000
İşte burada. Bu 23.000 şirket.
17:10
They all start looking like hockey sticks,
429
1030260
2000
Hepsi başlarken hokey sopaları gibiydiler,
17:12
they all bend over,
430
1032260
2000
daha sonra hepsi eğilmeye başladılar,
17:14
and they all die like you and me.
431
1034260
2000
ve hepsi ölürler sizin ve benim gibi.
17:16
Thank you.
432
1036260
2000
Teşekkür ederim.
17:18
(Applause)
433
1038260
9000
(Alkış)
Bu web sitesi hakkında

Bu site size İngilizce öğrenmek için yararlı olan YouTube videolarını tanıtacaktır. Dünyanın dört bir yanından birinci sınıf öğretmenler tarafından verilen İngilizce derslerini göreceksiniz. Videoyu oradan oynatmak için her video sayfasında görüntülenen İngilizce altyazılara çift tıklayın. Altyazılar video oynatımı ile senkronize olarak kayar. Herhangi bir yorumunuz veya isteğiniz varsa, lütfen bu iletişim formunu kullanarak bizimle iletişime geçin.

https://forms.gle/WvT1wiN1qDtmnspy7