Nicholas Christakis: How social networks predict epidemics

Nicholas Christakis: Mạng xã hội dự báo đại dịch như thế nào

Translator: Thach Thao Nguyen Phuc Reviewer: Duc Nguyen

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

Suốt 10 năm vừa qua, tôi đã dành thời gian cố gắng tìm hiểu

how and why human beings

làm cách nào và tại sao con người

assemble themselves into social networks.

tập hợp thành các mạng lưới xã hội.

And the kind of social network I'm talking about

Và thứ mạng xã hội tôi đang nói đến

is not the recent online variety,

không phải là thể loại online gần đây,

but rather, the kind of social networks

mà là những mạng lưới xã hội

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

mà con người đã hình thành từ hàng trăm ngàn năm trước,

ever since we emerged from the African savannah.

từ khi chúng ta mới xuất hiện trên thảo nguyên châu Phi.

So, I form friendships and co-worker

Do đó, tôi hình thành quan hệ bạn bè và đồng nghiệp

and sibling and relative relationships with other people

và anh chị em, họ hàng với những người

who in turn have similar relationships with other people.

mà cũng có những quan hệ tương tự với người khác.

And this spreads on out endlessly into a distance.

Và việc đó cứ lan rộng vô tận.

And you get a network that looks like this.

Bạn được một mạng lưới trông như thế này.

Every dot is a person.

Mỗi chấm là một người.

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

Mỗi đường nối là một quan hệ giữa hai người --

different kinds of relationships.

những quan hệ khác nhau.

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

Và thế là bạn có được tấm vải rộng lớn của nhân loại

in which we're all embedded.

mà chúng ta đều nằm trong đó.

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

Cộng sự của tôi, James Fowler, và tôi đã nghiên cứu khá lâu

what are the mathematical, social,

những quy luật toán học, xã hội,

biological and psychological rules

sinh học và tâm lý học

that govern how these networks are assembled

điều khiển sự tập hợp các mạng lưới

and what are the similar rules

và những luật lệ tương tự

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

vận hành và ảnh hưởng tới cuộc sống của chúng ta như thế nào.

But recently, we've been wondering

Gần đây chúng tôi đã tự hỏi

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

liệu có thể tận dụng đánh giá này

to actually find ways to improve the world,

để thực sự tìm ra cách phát triển thế giới,

to do something better,

và làm điều gì đó tốt đẹp hơn,

to actually fix things, not just understand things.

để thực sự sửa chữa chứ không chỉ là hiểu các vấn đề.

So one of the first things we thought we would tackle

Do đó, một trong những việc đầu tiên chúng tôi cho rằng mình có thể xử lý được

would be how we go about predicting epidemics.

đó là dự báo đại dịch.

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

Và kỹ thuật tiên tiến nhất trong dự đoán đại dịch --

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

nếu bạn thuộc CDC hay tổ chức quốc gia nào đó --

is to sit in the middle where you are

là ngồi tại chỗ

and collect data

và thu thập dữ liệu

from physicians and laboratories in the field

từ các bác sĩ và phòng thí nghiệm trong lĩnh vực

that report the prevalence or the incidence of certain conditions.

mà báo cáo về sự lan tràn hoặc bùng phát những ca đặc biệt nào đó.

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

Thế nên, bệnh nhận bị chẩn đoán mắc một bệnh nào đó [ở đây],

or other patients have been diagnosed,

hay những bệnh nhân khác cũng đã bị chẩn đoán mắc bệnh [ở kia],

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

và tất cả các dữ liệu này được đưa về một bộ phận trung tâm sau một khoảng thời gian nhất định.

And if everything goes smoothly,

Và nếu mọi chuyện trơn tru,

one to two weeks from now

một hay hai tuần sau

you'll know where the epidemic was today.

bạn sẽ biết đại dịch bắt đầu từ hôm nay.

And actually, about a year or so ago,

Thực tế, khoảng một năm trước,

there was this promulgation

có dư luận

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

về Chức năng Xu hướng dịch cúm của Google, nơi mà

where by looking at people's searching behavior today,

khi nhìn vào hoạt động tìm kiếm của mọi người một hôm nào đó

we could know where the flu --

chúng ta có thể dịch cúm...

what the status of the epidemic was today,

tình trạng của đại dịch hôm đó ra sao,

what's the prevalence of the epidemic today.

đại dịch lan tràn ở đâu hôm đó.

But what I'd like to show you today

Nhưng thứ mà tôi muốn cho các bạn xem hôm nay

is a means by which we might get

là một cách để ta có thể đưa ra

not just rapid warning about an epidemic,

không chỉ những cảnh báo tức thời

but also actually

mà còn

early detection of an epidemic.

có thể phát hiện sớm đại dịch.

And, in fact, this idea can be used

Và ý tưởng này có thể được dùng

not just to predict epidemics of germs,

không chỉ để dự báo các đại dịch gây ra bởi vi trùng

but also to predict epidemics of all sorts of kinds.

mà còn để dự đoán tất cả các loại đại dịch.

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

Chẳng hạn, bất cứ thứ gì lan truyền bởi lây nhiễm khi tiếp xúc xã hội

could be understood in this way,

có thể được hiểu theo cách này,

from abstract ideas on the left

từ các khái niệm trừu tượng bên trái

like patriotism, or altruism, or religion

như lòng yêu nước, nhân đạo, hay tôn giáo,

to practices

cho tới những thói quen

like dieting behavior, or book purchasing,

như ăn kiêng, đặt mua sách

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

hay uống rượu bia, hay đội mũ bảo hiểm xe đạp và sử dụng các đồ bảo vệ khác,

or products that people might buy,

hoặc những sản phẩm mà mọi người thường mua,

purchases of electronic goods,

các đồ điện tử

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

mọi việc mà trong đó có những lan truyền từ người sang người.

A kind of a diffusion of innovation

Việc lan truyền những sự đổi mới

could be understood and predicted

có thể được hiểu và dự đoán

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

bởi cơ chế mà tôi sẽ cho các bạn xem bây giờ.

So, as all of you probably know,

Vậy thì, như tất cả các bạn đã biết,

the classic way of thinking about this

thông thường việc này được đánh giá

is the diffusion-of-innovation,

như việc lan truyền những đổi mới,

or the adoption curve.

hay đường biểu thị sự chấp nhận.

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

Trên trục Y, chúng ta có phần trăm người bị ảnh hưởng,

and on the X-axis, we have time.

và trên trục X, chúng ta có thời gian.

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

Lúc đầu, không có nhiều người bị ảnh hưởng,

and you get this classic sigmoidal,

và bạn có đồ thị hình sin quen thuộc,

or S-shaped, curve.

hay hình chữ S.

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

Lý do có hình này là bởi ban đầu,

let's say one or two people

chẳng hạn có một hay hai người

are infected, or affected by the thing

bị ảnh hưởng, hay bị lây nhiễm bởi vi rút,

and then they affect, or infect, two people,

và sau đó họ lây nhiễm cho hai người khác,

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

đến lượt họ lại lây truyền cho bốn, tám, 16 và cứ thế mãi,

and you get the epidemic growth phase of the curve.

và bạn có đồ thị giai đoạn phát triển đại dịch.

And eventually, you saturate the population.

Cuối cùng, chúng chiếm gần toàn bộ dân số.

There are fewer and fewer people

Những người còn lại để lây nhiễm

who are still available that you might infect,

ngày một ít

and then you get the plateau of the curve,

và đồ thị chững lại,

and you get this classic sigmoidal curve.

ta được đường hình sin quen thuộc.

And this holds for germs, ideas,

Điều này đúng cho cả vi rút, ý tưởng,

product adoption, behaviors,

sự chấp nhận sản phẩm, hành vi

and the like.

và tương tự.

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

Nhưng vi rút không lây lan trên người một cách ngẫu nhiên.

They actually diffuse through networks.

Thực tế chúng lây lan qua các mạng lưới xã hội.

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

Bởi, như tôi đã nói, chúng ta sống trong những mạng lưới

and these networks have a particular kind of a structure.

và các mạng lưới này có một cấu trúc đặc biệt.

Now if you look at a network like this --

Giờ nếu bạn nhìn vào một mạng lưới thế này...

this is 105 people.

Đây là 105 người.

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

Và các đường thẳng biểu thị...những chấm tròn là mọi người,

and the lines represent friendship relationships.

và các đường thẳng biểu diễn những quan hệ bạn bè.

You might see that people occupy

Họ có thể nhận thấy mọi người chiếm

different locations within the network.

những vị trí khác nhau trong mạng lưới.

And there are different kinds of relationships between the people.

Và có những quan hệ khác nhau giữa mọi người.

You could have friendship relationships, sibling relationships,

Các bạn có thể có quan hệ bạn bè, anh chị em,

spousal relationships, co-worker relationships,

chồng vợ, đồng nghiệp,

neighbor relationships and the like.

hàng xóm và tương tự.

And different sorts of things

Những loại vi rút khác nhau

spread across different sorts of ties.

lan truyền qua những mối quan hệ khác nhau.

For instance, sexually transmitted diseases

Chẳng hạn, bệnh truyền qua đường tình dục

will spread across sexual ties.

sẽ lây lan qua các quan hệ tình dục.

Or, for instance, people's smoking behavior

Hay chẳng hạn, việc hút thuốc

might be influenced by their friends.

có thể được ảnh hưởng từ bạn bè.

Or their altruistic or their charitable giving behavior

Hoặc các việc làm nhân đạo, từ thiện

might be influenced by their coworkers,

có thể được ảnh hưởng bởi đồng nghiệp

or by their neighbors.

hay hàng xóm.

But not all positions in the network are the same.

Nhưng không phải mọi vị trí trong mạng lưới đều giống nhau.

So if you look at this, you might immediately grasp

Nếu bạn nhìn vào đây, bạn sẽ lập tức hiểu

that different people have different numbers of connections.

rằng những người khác nhau có các mối quan hệ khác nhau.

Some people have one connection, some have two,

Một số người có một mối quan hệ, một số có hai,

some have six, some have 10 connections.

sáu, một số có mười quan hệ.

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

Và đây được gọi là "bậc" của một nút,

or the number of connections that a node has.

hay số kết nối mà một điểm nút có.

But in addition, there's something else.

Nhưng ngoài ra còn một thứ khác.

So, if you look at nodes A and B,

Nếu bạn nhìn vào điểm nút A và B,

they both have six connections.

chúng đều có sáu kết nối.

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

Nhưng nếu bạn có thể thấy bức ảnh từ trên cao,

you can appreciate that there's something very different

các bạn có thể hiểu còn một điểm khác biệt

about nodes A and B.

giữa nút A và B.

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

Tôi sẽ hỏi một câu hỏi -- Tôi có thể tạo ra trực giác bằng cách hỏi --

who would you rather be

bạn sẽ là ai

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

nếu một vi rút chết người đang lan truyền qua mạng lưới, A hay B?

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

(Khán giả: B.) Nicholas Christakis: B, hiển nhiên.

B is located on the edge of the network.

B nằm tại rìa mạng lưới.

Now, who would you rather be

Giờ thì, bạn muốn là ai

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

nếu một mẩu tin đồn đang lan truyền trong mạng lưới?

A. And you have an immediate appreciation

A. Và bạn lập tức hiểu

that A is going to be more likely

A dễ

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

nhận được thứ đang lan truyền hơn và nhanh hơn

by virtue of their structural location within the network.

nhờ vào vị trí cấu trúc trong mạng lưới.

A, in fact, is more central,

A, trong thực tế, ở gần trung tâm hơn,

and this can be formalized mathematically.

và có công thức toán học khẳng định điều này.

So, if we want to track something

Vậy, nếu chúng ta muốn theo dõi điều gì đó

that was spreading through a network,

đang lan truyền qua một mạng lưới,

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

việc lý tưởng sẽ là đặt cảm biến

on the central individuals within the network,

ở những cá nhân thuộc trung tâm mạng lưới,

including node A,

bao gồm A,

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

theo dõi những người ở chính giữa mạng lưới

and somehow get an early detection

và bằng cách nào đó nhận biết sớm

of whatever it is that is spreading through the network.

bất cứ thứ gì đang lan truyền.

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

Nếu bạn thấy họ nhiễm vi rút hay có một thông tin mới,

you would know that, soon enough,

bạn sẽ biết rằng, không lâu sau

everybody was about to contract this germ

mọi người cũng sẽ nhiễm vi rút

or this piece of information.

hay thông tin mới này.

And this would be much better

Làm như thế sẽ tốt hơn

than monitoring six randomly chosen people,

là theo dõi sáu người ngẫu nhiên,

without reference to the structure of the population.

mà không quan tâm tới cấu trúc xã hội.

And in fact, if you could do that,

Trong thực tế, nếu bạn có thể làm thế,

what you would see is something like this.

bạn sẽ thấy một thứ như thế này.

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

Phía bên trái, một lần nữa ta lại có đường chữ S về sự tiếp nhận.

In the dotted red line, we show

Đường chấm màu đỏ biểu thị

what the adoption would be in the random people,

sự tiếp nhận ở những người ngẫu nhiên,

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

và đường tay trái, dịch về bên trái,

we show what the adoption would be

biểu thị sự tiếp nhận

in the central individuals within the network.

ở những người thuộc trung tâm mạng lưới.

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

Trên trục Y là những thời điểm lan truyền,

and on the X-axis is the time.

và trục X là thời gian.

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

Phía tay phải là những dữ liệu tương tự

but here with daily incidence.

nhưng với các sự kiện hàng ngày.

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

Ở đây thể hiện

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

rất ít người bị ảnh hưởng, nhiều dần lên ở đây

and here's the peak of the epidemic.

và đây là đỉnh của đại dịch.

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

Nhưng dịch sang bên trái là những người ở trung tâm.

And this difference in time between the two

Và điểm khác biệt về thời gian ở hai nhóm

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

là sự phát hiện sớm, cảnh báo mà ta có thể đưa ra sớm

about an impending epidemic

về một đại dịch sắp đến

in the human population.

trong toàn dân.

The problem, however,

Tuy nhiên, vấn đề

is that mapping human social networks

đó là lập bản đồ các mạng xã hội của con người

is not always possible.

không phải lúc nào cũng khả thi.

It can be expensive, not feasible,

Việc này có thể tốn rất nhiều chi phí, rất khó khăn,

unethical,

phi đạo đức,

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

hay, thẳng thắn mà nói, chỉ đơn giản là không thể làm được.

So, how can we figure out

Vậy, làm cách nào chúng ta tìm ra

who the central people are in a network

ai là những người ở trung tâm

without actually mapping the network?

mà không phải thực sự lập bản đồ mạng lưới?

What we came up with

Chúng tôi có một

was an idea to exploit an old fact,

ý tưởng về việc lợi dụng một thực tế đã cũ

or a known fact, about social networks,

về mạng xã hội,

which goes like this:

đó là:

Do you know that your friends

Bạn có biết rằng các bạn mình

have more friends than you do?

có nhiều bạn bè hơn bạn?

Your friends have more friends than you do,

Bạn của bạn có nhiều bạn hơn bạn.

and this is known as the friendship paradox.

Và đây được coi là nghịch lý quan hệ bạn bè.

Imagine a very popular person in the social network --

Tưởng tượng một người giao tiếp rất rộng trong mạng xã hôi --

like a party host who has hundreds of friends --

như là một người hay tổ chức tiệc tùng có hàng trăm bạn bè --

and a misanthrope who has just one friend,

và một người xa lánh cộng đồng chỉ có một người bạn,

and you pick someone at random from the population;

và bạn chọn ai đó ngẫu nhiên từ cộng đồng;

they were much more likely to know the party host.

thì nhiều khả năng người đó sẽ biết người tổ chức tiệc tùng.

And if they nominate the party host as their friend,

Và nếu họ có bạn là người hay tổ chức party,

that party host has a hundred friends,

người đó có hàng trăm bạn bè,

therefore, has more friends than they do.

nên có nhiều bạn bè hơn người ban đầu.

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

Về bản chất đây là nghịch lý bạn bè.

The friends of randomly chosen people

Bạn bè của người được chọn ngẫu nhiên

have higher degree, and are more central

có "bậc" cao hơn, và thuộc trung tâm nhiều hơn

than the random people themselves.

là chính người ngẫu nhiên đó.

And you can get an intuitive appreciation for this

Bạn có thể hiểu điều này

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

nếu hình dung những người ở rìa mạng lưới.

If you pick this person,

Nếu bạn chọn người này,

the only friend they have to nominate is this person,

người bạn duy nhất họ có là người này,

who, by construction, must have at least two

và theo cấu trúc lưới, phải có ít nhất hai người bạn,

and typically more friends.

thường là nhiều hơn.

And that happens at every peripheral node.

Điều này xảy ra ở mọi nút rìa.

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

Thực tế, nó xảy ra ở toàn mạng lưới khi ta đi dần vào,

everyone you pick, when they nominate a random --

mọi người được chọn,

when a random person nominates a friend of theirs,

khi một người ngẫu nhiên chọn một người bạn,

you move closer to the center of the network.

bạn tiến gần hơn trung tâm mạng lưới.

So, we thought we would exploit this idea

Thế nên chúng tôi nghĩ có thể sử dụng ý tưởng này

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

để nghiên cứu xem liệu ta có thể dự đoán hiện tượng trong các mạng lưới hay không.

Because now, with this idea

Bởi bây giờ, với ý tưởng này,

we can take a random sample of people,

ta có thể tập hợp một nhóm người ngẫu nhiên,

have them nominate their friends,

để họ chọn các bạn bè mình,

those friends would be more central,

những người bạn đó sẽ gần trung tâm hơn,

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

và chúng ta có thể làm thế mà không phải lập bản đồ cả mạng lưới.

And we tested this idea with an outbreak of H1N1 flu

Chúng tôi đã thử nghiệm ý tưởng này khi dịch H1N1 bùng phát

at Harvard College

tại Đại học Harvard

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

vào thu đông 2009, chỉ vài tháng trước.

We took 1,300 randomly selected undergraduates,

Chúng tôi chọn ngẫu nhiên 1300 sinh viên

we had them nominate their friends,

và yêu cầu họ chọn ra một số người bạn,

and we followed both the random students and their friends

chúng tôi theo dõi cả những sinh viên ngẫu nhiên và bạn của họ

daily in time

hằng ngày

to see whether or not they had the flu epidemic.

để xem liệu họ có nhiễm dịch hay không.

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

Chúng tôi làm việc này một cách thụ động bằng cách quan sát họ có đến khu dịch vụ y tế của trường hay không.

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

Chúng tôi yêu cầu họ chủ động email cho chúng tôi hai lần mỗi tuần.

Exactly what we predicted happened.

Chính xác những điều chúng tôi dự đoán đã xảy ra.

So the random group is in the red line.

Thế nên nhóm ngẫu nhiên thuộc đường màu đỏ.

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

Dịch bệnh trong nhóm bạn đã dịch sang trái, tới đây.

And the difference in the two is 16 days.

Sự khác biệt giữa hai nhóm là 16 ngày.

By monitoring the friends group,

Bằng việc quan sát nhóm những người bạn,

we could get 16 days advance warning

chúng ta có thể có cảnh báo sớm hơn 16 ngày.

of an impending epidemic in this human population.

về một dịch bệnh sắp đến.

Now, in addition to that,

Thêm vào đó,

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

nếu bạn là một nhà phân tích đang nghiên cứu một dịch bệnh

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

hay dự đoán sự chấp nhận một sản phẩm chẳng hạn,

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

bạn có thể chọn một nhóm ngẫu nhiên

also have them nominate their friends and follow the friends

và để họ chọn các bạn mình, theo dõi những người bạn,

and follow both the randoms and the friends.

và theo dõi cả nhóm ngẫu nhiên.

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

Ở những người bạn, một điểm trên mức sàn

in adoption of the innovation, for example,

trong việc tiếp nhận thay đổi, ví dụ như vậy,

would be evidence of an impending epidemic.

có thể là bằng chứng cho một đại dịch sắp tới.

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

Hay bạn có thể thấy lần đầu hai đường cong tách ra,

as shown on the left.

như ta thấy ở bên trái.

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

Khi nào thì nhóm bạn đi lên

and leave the randoms,

và tách khỏi nhóm ngẫu nhiên,

and [when did] their curve start shifting?

và đường biểu thị của họ bắt đầu dịch chuyển?

And that, as indicated by the white line,

Việc đó, như đường màu trắng biểu diễn,

occurred 46 days

diễn ra trong 46 ngày

before the peak of the epidemic.

trước khi chạm đỉnh đại dịch.

So this would be a technique

Thế nên đây có thể là một kỹ thuật

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

nhờ đó ta có thể cảnh báo sớm hơn một tháng rưỡi

about a flu epidemic in a particular population.

về dịch cúm trong một nhóm dân cụ thể.

I should say that

Cảnh báo sớm bao nhiêu

how far advanced a notice one might get about something

phụ thuộc vào

depends on a host of factors.

nhiều yếu tố.

It could depend on the nature of the pathogen --

Đó có thể là bản chất dịch bệnh --

different pathogens,

các dịch bệnh khác nhau,

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

với kỹ thuật này, bạn có các cảnh báo khác nhau --

or other phenomena that are spreading,

hay những hiện tượng cũng đang lây lan khác

or frankly, on the structure of the human network.

hay là cấu trúc của mạng xã hội.

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

Trong trường hợp của chúng ta, dù không cần thiết,

we could also actually map the network of the students.

chúng ta cũng có thể thực sự lập bản đồ mạng lưới các sinh viên.

So, this is a map of 714 students

Đây là một mạng lưới 714 sinh viên

and their friendship ties.

và các quan hệ bạn bè giữa họ.

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

Trong vòng một phút, tôi sẽ cho mạng lưới này chuyển động.

We're going to take daily cuts through the network

Chúng ta sẽ xem các biến động trong mạng lưới

for 120 days.

trong 120 ngày.

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

Những chấm đỏ là các ca bị cúm,

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

và những chấm vàng là bạn của những người bị mắc cúm.

And the size of the dots is going to be proportional

Kích cỡ các chấm tròn tỉ lệ

to how many of their friends have the flu.

với số người bạn mắc cúm của một người.

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

Vậy nên chấm to hơn nghĩa là người đó có nhiều bạn mắc cúm hơn.

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

Nếu nhìn vào hình này -- chúng ta đang ở ngày 13 tháng 9 --

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

các bạn sẽ thấy một số ca xuất hiện.

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

Bạn sẽ thấy sự bùng nổ dịch cúm ở giữa.

Here we are on October the 19th.

Đây là ngày 19 tháng Mười.

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

Sườn nghiêng của đường cong đang tới gần, vào tháng 11.

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

Bang, bang, bang, bang, bang, các bạn sẽ thấy sự bùng nổ ở giữa,

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

và sau đó gần như chững lại,

fewer and fewer cases towards the end of December.

càng ngày càng ít ca hơn cho tới hết tháng 12.

And this type of a visualization

Và cách minh họa này

can show that epidemics like this take root

cho thấy dịch bệnh như thế này bắt đầu

and affect central individuals first,

và ảnh hưởng tới những người ở trung tâm đầu tiên,

before they affect others.

trước khi họ lây nhiễm cho người khác.

Now, as I've been suggesting,

Như tôi đã gợi ý,

this method is not restricted to germs,

phương pháp này không chỉ giới hạn cho vi trùng,

but actually to anything that spreads in populations.

mà còn áp dụng được cho mọi thứ lan truyền trong cộng đồng.

Information spreads in populations,

Thông tin lan truyền trong cộng đồng.

norms can spread in populations,

Các chuẩn mực có thể lan truyền trong cộng đồng.

behaviors can spread in populations.

Hành vi có thể lan truyền trong cộng đồng.

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

Và hành vi có thể là tội phạm,

or voting behavior, or health care behavior,

bầu cử, hay chăm sóc sức khỏe

like smoking, or vaccination,

như hút thuốc, tiêm vaccin

or product adoption, or other kinds of behaviors

hay tiếp nhận sản phẩm, hay các hành vi khác

that relate to interpersonal influence.

liên quan đến ảnh hưởng từ người này sang người khác.

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

Nếu tôi có thể làm việc gì đó ảnh hưởng tới mọi người quanh mình,

this technique can get early warning or early detection

kỹ thuật này sẽ cho cảnh báo sớm, hay chẩn đoán sớm

about the adoption within the population.

về sự tiếp nhận của mọi người.

The key thing is that for it to work,

Điều quan trọng là, để nó có hiệu quả

there has to be interpersonal influence.

phải có ảnh hưởng qua lại giữa các cá nhân.

It cannot be because of some broadcast mechanism

Nó không thể phát sinh từ một cơ chế đại chúng

affecting everyone uniformly.

tác động đến mọi người đều giống nhau.

Now the same insights

Các cơ chế tương tự

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

cũng có thể được sử dụng

can also be exploited in other ways,

theo những cách khác,

for example, in the use of targeting

chẳng hạn, trong việc hướng đến

specific people for interventions.

một số người cụ thể để can thiệp.

So, for example, most of you are probably familiar

Chẳng hạn, một số trong các bạn đã quen

with the notion of herd immunity.

với khái niệm miễn dịch bầy đàn.

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

Nếu ta có 1000 người,

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

và muốn khiến họ miễn dịch với một loại bênh,

we don't have to immunize every single person.

ta không phải miễn nhiễm cho từng người.

If we immunize 960 of them,

Nếu ta miễn nhiễm cho 960 người trong số họ,

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

cũng giống như đã miễn nhiễm 100%.

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

Bởi ngay cả khi một hay hai người chưa miễn nhiễm bị mắc bệnh,

there's no one for them to infect.

sẽ không có ai để họ lây bệnh sang.

They are surrounded by immunized people.

Họ được bao quanh bởi những người đã bị miễn nhiễm.

So 96 percent is as good as 100 percent.

Thế nên 96 % cũng như là 100%.

Well, some other scientists have estimated

Một số nhà khoa học khác đã ước tính

what would happen if you took a 30 percent random sample

xem chuyện gì sẽ xảy ra nếu bạn lấy ngẫu nhiên 30%

of these 1000 people, 300 people and immunized them.

trong 1000 người, 300 người và miễn nhiễm cho họ.

Would you get any population-level immunity?

Liệu bạn có đạt được miễn dịch cho toàn bộ mọi người không?

And the answer is no.

Câu trả lời là không.

But if you took this 30 percent, these 300 people

Nhưng nếu bạn lấy 30% này, 300 người này,

and had them nominate their friends

và để họ chọn một người bạn

and took the same number of vaccine doses

rồi với cùng lượng vaccin đó

and vaccinated the friends of the 300 --

tiêm cho bạn bè của 300 người kia,

the 300 friends --

300 người bạn,

you can get the same level of herd immunity

bạn sẽ đạt được sự miễn dịch cho toàn bộ tương tự

as if you had vaccinated 96 percent of the population

như khi tiêm vaccin cho 96 phần trăm dân số

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

với hiệu quả cao hơn, ngân quỹ thấp hơn.

And similar ideas can be used, for instance,

Ý tưởng tương tự có thể được sử dụng

to target distribution of things like bed nets

trong việc phân phát những thứ như màn chống muỗi

in the developing world.

ở các nước đang phát triển.

If we could understand the structure of networks in villages,

Nếu ta có thể hiểu cấu trúc mạng lưới trong những ngôi làng,

we could target to whom to give the interventions

chúng ta sẽ có thể tìm đúng người để tác động

to foster these kinds of spreads.

và hỗ trợ thêm sự lan truyền.

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

Hay cho việc quảng cáo mọi loại sản phẩm.

If we could understand how to target,

Nếu ta có thể hiểu cách định hướng đối tượng ra sao,

it could affect the efficiency

nó có thể ảnh hưởng tới hiệu quả

of what we're trying to achieve.

của việc ta đang muốn đạt được.

And in fact, we can use data

Trong thực tế, chúng ta có thể sử dụng dữ liệu

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

từ mọi nguồn hiện nay để làm việc đó.

This is a map of eight million phone users

Đây là bản đồ tám triệu người dùng điện thoại

in a European country.

tại một quốc gia châu Âu.

Every dot is a person, and every line represents

Mỗi chấm là một người, và mỗi đường thẳng biểu thị

a volume of calls between the people.

tổng số cuộc gọi giữa mọi người.

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

Chúng ta có thể sử dụng dữ liệu như thế, đạt được một cách thụ động,

to map these whole countries

để lập bản đồ toàn bộ quốc gia

and understand who is located where within the network.

và tìm hiểu vị trí của mọi người trong mạng lưới.

Without actually having to query them at all,

Không phải tra hỏi họ chút nào,

we can get this kind of a structural insight.

ta có thể đạt được một sự thấu hiểu về cấu trúc.

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

Những nguồn thông tin khác, như các bạn đều biết,

are available about such features, from email interactions,

cũng mang các đặc điểm đó, từ email,

online interactions,

tương tác online,

online social networks and so forth.

mạng xã hội online và tương tự.

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

Thực tế, chúng ta đang ở trong thời đại mà tôi cho rằng

"massive-passive" data collection efforts.

thu thập một khối lượng dữ liệu đồ sộ và thụ động.

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

Đây là những cách ta có thể dùng dữ liệu thu thập thụ động

to create sensor networks

để tạo ra mạng lưới cảm biến

to follow the population,

theo dõi cộng đồng,

understand what's happening in the population,

thấu hiểu điều đang diễn ra trong cộng đồng,

and intervene in the population for the better.

và tác động để đạt được điều tốt đẹp hơn.

Because these new technologies tell us

Bởi vì những công nghệ mới cho ta biết

not just who is talking to whom,

không chỉ ai đang nói chuyện với ai,

but where everyone is,

mà còn mọi người đang ở đâu,

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

và họ đang nghĩ gì dựa vào những gì họ đang tải lên mạng,

and what they're buying based on their purchases.

và những gì họ đang mua dựa trên đơn đặt hàng của họ.

And all this administrative data can be pulled together

Tất cả các dữ liệu quản lý này có thể được tập hợp

and processed to understand human behavior

và xử lý để tìm hiểu hành vi xã hội

in a way we never could before.

theo một cách mà trước đây bất khả thi.

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

Chẳng hạn, chúng ta có thể sử dụng những lần đổ xăng của người lái xe tải.

So the truckers are just going about their business,

Những người lái xe đơn giản là làm công việc của họ,

and they're buying fuel.

và mua xăng.

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

Khi thấy gia tăng trong những lần mua xăng,

and we know that a recession is about to end.

ta biết rằng suy thoái sắp kết thúc.

Or we can monitor the velocity

Hay chúng ta có thể theo dỗi vận tốc

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

mà mọi người đang đi trên đường cao tốc với điện thoại của họ,

and the phone company can see,

và công ty điện thoại có thể thấy,

as the velocity is slowing down,

khi vận tốc giảm xuống

that there's a traffic jam.

là có tắc đường.

And they can feed that information back to their subscribers,

Họ có thể đưa thông tin đó lại cho những người đã đăng ký nhận tin,

but only to their subscribers on the same highway

nhưng chỉ cho những người ở trên tuyến đường đó

located behind the traffic jam!

mà ở đằng trước đoạn tắc!

Or we can monitor doctors prescribing behaviors, passively,

Hoặc ta có thể theo dõi những lần kê đơn của bác sĩ, một cách thụ động,

and see how the diffusion of innovation with pharmaceuticals

và quan sát sự lan truyền của những tiến bộ dược phẩm

occurs within [networks of] doctors.

diễn ra như thế nào trong mạng lưới các bác sĩ.

Or again, we can monitor purchasing behavior in people

Hoặc chúng ta có thể theo dõi việc đặt hàng của mọi người

and watch how these types of phenomena

và xem những hiện tượng này

can diffuse within human populations.

lan truyền như thế nào trong mọi người.

And there are three ways, I think,

Có ba cách

that these massive-passive data can be used.

mà những dữ liệu này có thể được sử dụng.

One is fully passive,

Một là hoàn toàn thụ động,

like I just described --

như tôi vừa miêu tả --

as in, for instance, the trucker example,

như trong ví dụ người lái xe tải,

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

khi ta không thực sự tác động tới mọi người theo bất cứ cách nào.

One is quasi-active,

Một là bán chủ động,

like the flu example I gave,

như ví dụ dịch cúm,

where we get some people to nominate their friends

khi ta cần một số người chọn ra bạn của họ

and then passively monitor their friends --

và theo dõi những người bạn một cách thụ động --

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

họ có bị cúm hay không? -- và đưa ra cảnh báo.

Or another example would be,

Một ví dụ khác,

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

nếu bạn có một công ty điện thoại, bạn tìm ra người nào ở trung tâm mạng lưới,

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

và yêu cầu những người đó, "Các bạn sẽ nhắn tin cho chúng tôi về dịch sốt mỗi ngày nhé?

Just text us your temperature."

Chỉ đơn giản nhắn nhiệt độ cơ thể thôi."

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

Và thu thập những khối lượng thông tin đồ sộ về thân nhiệt của mọi người,

but from centrally located individuals.

nhưng từ những người ở trung tâm.

And be able, on a large scale,

Và bạn có thể theo dõi một dịch bệnh sắp đến

to monitor an impending epidemic

trên diện rộng

with very minimal input from people.

với chỉ đóng góp tối thiểu từ mọi người.

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

Cuối cùng, nó có thể là hoàn toàn chủ động --

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

như tôi biết các diễn giả tiếp theo sẽ trình bày hôm nay --

where people might globally participate in wikis,

theo cách đó mọi người toàn thế giới có thể tham gia vào các wiki,

or photographing, or monitoring elections,

chụp ảnh, theo dõi bầu cử,

and upload information in a way that allows us to pool

rồi upload thông tin sao cho chúng ta có thể sắp xếp

information in order to understand social processes

thông tin nhằm phân tích các quá trình xã hội

and social phenomena.

và hiện tượng xã hội.

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

Thực tế, sự tiện dụng của những dữ liệu này

heralds a kind of new era

hé mở một thời kỳ mới

of what I and others would like to call

mà tôi và những người khác muốn gọi là

"computational social science."

"khoa học xã hội tính toán"

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

Như là khi Galileo phát minh ra -- hay là, không phát minh --

came to use a telescope

sử dụng kính viễn vọng

and could see the heavens in a new way,

và có thể nhìn thấy thiên đàng theo một cách mới,

or Leeuwenhoek became aware of the microscope --

hay Leeuwenhoek biết đến kính hiển vi --

or actually invented --

thực ra là phát minh ra --

and could see biology in a new way.

và có thể nhìn sinh học theo một cách mới.

But now we have access to these kinds of data

Giờ đây chúng ta có thể tiếp cận những loại dữ liệu

that allow us to understand social processes

cho phép ta nghiên cứu các quá trình xã hội

and social phenomena

và hiện tượng xã hội

in an entirely new way that was never before possible.

theo một cách hoàn toàn mới mà trước đây chưa thể làm được.

And with this science, we can

Và với ngành khoa học này, chúng ta có thể

understand how exactly

thấu hiểu chính xác làm cách nào

the whole comes to be greater

chỉnh thể lớn hơn

than the sum of its parts.

tổng các phần cộng lại.

And actually, we can use these insights

Và thực sự, chúng ta có thể sử dụng các quan sát này

to improve society and improve human well-being.

để phát triển xã hội và nâng cao đời sống mọi người.

Thank you.

Cảm ơn các bạn.