TEDxUCL
Hannah Fry: Is life really that complex?
Filmed:
Readability: 4.5
819,007 views
Can an algorithm forecast the site of the next riot? In this accessible talk, mathematician Hannah Fry shows how complex social behavior can be analyzed and perhaps predicted through analogies to natural phenomena, like the patterns of a leopard's spots or the distribution of predators and prey in the wild.
Hannah Fry - Complexity theorist
Hannah Fry researches the trends in our civilization and ways we can forecast its future. Full bio
Hannah Fry researches the trends in our civilization and ways we can forecast its future. Full bio
Double-click the English transcript below to play the video.
00:10
Thanks very much.
0
24
1157
خیلی ممنون.
00:11
I am Hannah Fry, the badass.
1
1205
1848
من هانا فرای هستم، همه کاره.
00:13
And today I'm asking the question:
2
3077
1680
و امروز به این سوال می‌پردازم:
00:14
Is life really that complex?
3
4781
1756
آیا زندگی واقعاً اینقدر پیچیده است؟
00:16
Now, I've only got nine minutes
to try and provide you with an answer,
to try and provide you with an answer,
4
6561
3325
حالا، من فقط نه دقیقه فرصت دارم تا بتوانم
پاسخی به شما ارائه دهم،
پاسخی به شما ارائه دهم،
00:19
so what I've done
is split this neatly into two parts:
is split this neatly into two parts:
5
9910
2716
پس این پاسخ را به سادگی
به دو بخش تقسیم می‌کنم:
به دو بخش تقسیم می‌کنم:
00:22
part one: yes;
6
12650
2353
بخش اول: بله؛
00:25
and later on, part two: no.
7
15027
2528
و پس از آن، بخش دوم: خیر.
00:27
Or, to be more accurate: no?
8
17579
2544
یا دقیق‌تر بگویم: خیر؟
00:30
(Laughter)
9
20147
1204
(خنده)
00:31
So first of all, let me try and define
what I mean by "complex."
what I mean by "complex."
10
21375
3006
پس ابتدا اجازه دهید توضیح دهم که
منظور از واژه‌ی "پیچیده" چیست.
منظور از واژه‌ی "پیچیده" چیست.
00:34
Now, I could give you
a host of formal definitions,
a host of formal definitions,
11
24405
2441
حالا، می‌توانم تعریف‌های رسمی متعددی ارائه
دهم،
دهم،
00:36
but in the simplest terms,
12
26870
1253
اما به عبارت دیگر،
00:38
any problem in complexity is something
that Einstein and his peers can't do.
that Einstein and his peers can't do.
13
28147
4899
هر مشکلی در پیچیدگی، چیزی است که اینشتین و
همتایانش قادر به انجام آن نیستند.
همتایانش قادر به انجام آن نیستند.
00:43
So, let's imagine --
if the clicker works ... there we go.
if the clicker works ... there we go.
14
33070
3240
پس، بیایید تصور کنیم--
اگر نشانگر کار کند... کار کرد.
اگر نشانگر کار کند... کار کرد.
00:46
Einstein is playing a game of snooker.
15
36334
2103
اینشتین در حال اسنوکر بازی کردن است.
00:48
He's a clever chap, so he knows
that when he hits the cue ball,
that when he hits the cue ball,
16
38461
3479
او شخص باهوشی است، پس می‌داند که وقتی
به گوی سفید ضربه می‌زند،
به گوی سفید ضربه می‌زند،
00:51
he could write you an equation
17
41964
1441
می‌تواند برایتان معادله بنویسد
00:53
and tell you exactly where the red ball
is going to hit the sides,
is going to hit the sides,
18
43429
3128
و دقیقاً بگوید توپ قرمز در کجا
به کناره‌ها برخورد میکند،
به کناره‌ها برخورد میکند،
00:56
how fast it's going
and where it's going to end up.
and where it's going to end up.
19
46581
2439
با چه سرعتی حرکت کرده و در چه نقطه‌ای
متوقف میشود.
متوقف میشود.
00:59
Now, if you scale these snooker balls
up to the size of the solar system,
up to the size of the solar system,
20
49044
3469
حالا اگر این توپ‌های اسنوکر را در مقیاس
منظومهٔ شمسی در نظر بگیریم،
منظومهٔ شمسی در نظر بگیریم،
01:02
Einstein can still help you.
21
52537
1959
باز هم اینشتین می‌تواند به شما کمک کند.
01:04
Sure, the physics changes,
22
54520
1245
قطعا، فیزیک تغییر میک ند،
01:05
but if you wanted to know about
the path of the Earth around the Sun,
the path of the Earth around the Sun,
23
55789
3282
اما اگر می‌خواستید در مورد مسیر زمین به
دورخورشید بدانید،
دورخورشید بدانید،
01:09
Einstein could write you an equation
24
59095
1733
اینشتین می‌توانست معادله‌ای بنویسد
01:10
telling you where both objects are
at any point in time.
at any point in time.
25
60852
2643
که بگوید زمین و خورشید هر لحظه
کجا قرار دارند.
کجا قرار دارند.
01:13
Now, with a surprising
increase in difficulty,
increase in difficulty,
26
63519
2204
حالا، با افزایش شگفت‌انگیزی در سختی،
01:15
Einstein could include
the Moon in his calculations.
the Moon in his calculations.
27
65747
2452
اینشتین می‌توانست ماه را در
محاسباتش در نظر بگیرد.
محاسباتش در نظر بگیرد.
01:18
But as you add more and more planets,
Mars and Jupiter, say,
Mars and Jupiter, say,
28
68223
3067
ولی هرچقدر که سیاره‌های بیشتری اضافه
می‌کنید، مثلا مریخ و مشتری،
می‌کنید، مثلا مریخ و مشتری،
01:21
the problem gets too tough for Einstein
to solve with a pen and paper.
to solve with a pen and paper.
29
71314
3764
مسئله برای انیشتن بسیار سخت میشود
که با کاغذ و قلم حل شود.
که با کاغذ و قلم حل شود.
01:25
Now, strangely, if instead of having
a handful of planets,
a handful of planets,
30
75102
2843
حالا، به طور عجیبی، به جای
داشتن مشتی سیاره
داشتن مشتی سیاره
01:27
you had millions of objects
or even billions,
or even billions,
31
77969
2672
میلیون‌ها یا حتی میلیاردها شی داشتید،
01:30
the problem actually becomes much simpler,
32
80665
2271
مشکل بسیار آسان‌تر می‌شد،
01:32
and Einstein is back in the game.
33
82960
1922
و باز انیشتن می‌توانست آن را حل کند.
01:34
Let me explain what I mean by this,
34
84906
1846
بگذارید منظورم را توضیح دهم،
01:36
by scaling these objects back down
to a molecular level.
to a molecular level.
35
86776
3294
با تغییر مقیاس این اشیا به اندازه مولکولی.
01:40
If you wanted to trace the erratic path
of an individual air molecule,
of an individual air molecule,
36
90094
3747
اگر مسیرنامنظم یک مولکول هوا
را ردیابی می‌کنید،
را ردیابی می‌کنید،
01:43
you'd have absolutely no hope.
37
93865
1842
به طورقطع امیدی نداشته باشید.
01:45
But when you have millions
of air molecules all together,
of air molecules all together,
38
95731
2711
ولی وقتی میلیون‌ها مولکول هوا با هم دارید،
01:48
they start to act in a way
which is quantifiable, predictable
which is quantifiable, predictable
39
98466
3877
به گونه‌ای عمل خواهند کرد
که قابل پیش‌بینی، قابل سنجش
که قابل پیش‌بینی، قابل سنجش
01:52
and well-behaved.
40
102367
1170
و خوش رفتارباشد.
01:53
And thank goodness air is well-behaved,
41
103561
1885
و خدا را شکر که هوا درست رفتار میکند،
01:55
because if it wasn't,
planes would fall out of the sky.
planes would fall out of the sky.
42
105470
2910
چون اگر نمی‌کرد،
هواپیماها سقوط می کردند.
هواپیماها سقوط می کردند.
01:58
Now, on an even bigger scale,
across the whole of the world,
across the whole of the world,
43
108404
3064
حالا در یک مقیاس بزرگتر
در سراسر دنیا
در سراسر دنیا
02:01
the idea is exactly the same
with all of these air molecules.
with all of these air molecules.
44
111492
3122
این ایده برای تمام
مولکول‌های هوا یکسان است.
مولکول‌های هوا یکسان است.
02:04
It's true that you can't take
an individual rain droplet
an individual rain droplet
45
114638
2918
درست است که نمی‌توانید یک قطره
باران را بگیرید
باران را بگیرید
02:07
and say where it's come from
or where it's going to end up.
or where it's going to end up.
46
117580
2785
و بگویید از کجا آمده یا
به کجا می‌رسد.
به کجا می‌رسد.
02:10
But you can say with pretty good certainty
47
120389
2034
ولی با قطعیت خوبی می‌توانید بگویید
02:12
whether it will be cloudy tomorrow.
48
122447
1813
که آیا فردا ابری است؟
02:14
So that's it.
49
124284
1158
همینطوری است.
02:15
In Einstein's time,
this is how far science had got.
this is how far science had got.
50
125466
2683
در زمان انیشتن
همینقدر دانش پیشرفت کرد.
همینقدر دانش پیشرفت کرد.
02:18
We could do really small problems
with a few objects
with a few objects
51
128173
3613
مسائل کوچک با بخش‌های کم
02:21
with simple interactions,
52
131810
1275
با اثرات متقابل ساده،
02:23
or we could do huge problems
with millions of objects
with millions of objects
53
133109
2602
یا می‌توانستیم مسائل بزرگ میلیون‌ها شی
و تعاملات
و تعاملات
02:25
and simple interactions.
54
135735
1323
ساده را حل کنیم.
02:27
But what about everything in the middle?
55
137082
1937
در مورد چیز‌های میانی چه؟
02:29
Well, just seven years
before Einstein's death,
before Einstein's death,
56
139043
2693
خب هفت سال قبل از فوت انیشتن،
02:31
an American scientist called
Warren Weaver made exactly this point.
Warren Weaver made exactly this point.
57
141760
3658
یک دانشمند امریکایی به نام
وارن ویور به این نکته اشاره کرد
وارن ویور به این نکته اشاره کرد
02:35
He said that scientific methodology
has gone from one extreme to another,
has gone from one extreme to another,
58
145442
3624
گفت که روش علمی از یک
منتهی به منتهی دیگر میرود
منتهی به منتهی دیگر میرود
02:39
leaving out an untouched
great middle region.
great middle region.
59
149090
3071
و حد میانی بزرگی را
دربرنمیگیرد
دربرنمیگیرد
02:42
Now, this middle region
is where complexity science lies,
is where complexity science lies,
60
152185
2699
در همین حد میانی دانش پیچیده جای دارد
02:44
and this is what I mean by complex.
61
154908
2259
و این منظور من از پیچیده است.
02:47
Now, unfortunately, almost
every single problem you can think of
every single problem you can think of
62
157191
3525
حالا متاسفانه تقریباً تمام مسائلی
که در ذهن میآیند.
که در ذهن میآیند.
02:50
to do with human behavior
63
160740
1222
که درمورد رفتار آدمها است
02:51
lies in this middle region.
64
161986
2069
در همین حد میانی است
02:54
Einstein's got absolutely no idea
how to model the movement of a crowd.
how to model the movement of a crowd.
65
164079
4290
اینشتن نمی‌دانست
چگونه حرکت یک جمعیت را مدل کند
چگونه حرکت یک جمعیت را مدل کند
02:58
There are too many people
to look at them all individually
to look at them all individually
66
168393
2801
تعداد زیادی آدم وجود دارد
تا تک تک ببینیمشان
تا تک تک ببینیمشان
03:01
and too few to treat them as a gas.
67
171218
1872
و خیلی کم تا مانند هوا باشند.
03:03
Similarly, people are prone
to annoying things like decisions
to annoying things like decisions
68
173114
3356
همچنین افراد مستعدند که تصمیم گیری کنند
03:06
and not wanting to walk into each other,
69
176494
2014
که نخواهند طرف یکدیگر بروند.
03:08
which makes the problem
all the more complicated.
all the more complicated.
70
178532
2613
که مسئله را بیشتر پیچیده میکند
03:11
Einstein also couldn't tell you
71
181169
1703
همچنین انیشتن نمی‌تواند بگوید
03:12
when the next stock market crash
is going to be.
is going to be.
72
182896
2349
سقوط بعدی بازار سهام کی خواهد بود.
03:15
Einstein couldn't tell you
how to improve unemployment.
how to improve unemployment.
73
185269
2764
انیشتن نمی‌تواند بگوید
چگونه مشکل بیکاری را بهبود ببخشیم.
چگونه مشکل بیکاری را بهبود ببخشیم.
03:18
Einstein can't even tell you
74
188057
1401
حتی نمی‌تواند به شما بگوید
03:19
whether the next iPhone
is going to be a hit or a flop.
is going to be a hit or a flop.
75
189482
3382
که آیفون بعدی عالیست یا افتضاح.
03:22
So to conclude part one:
we're completely screwed.
we're completely screwed.
76
192888
2606
برای جمع بندی بخش یک:
کلا به فنا رفتیم.
کلا به فنا رفتیم.
03:25
We've got no tools to deal with this,
and life is way too complex.
and life is way too complex.
77
195518
4500
ابزار رویارویی با این مشکل را نداریم،
و زندگی بسیار پیچیده است.
و زندگی بسیار پیچیده است.
03:30
But maybe there's hope,
78
200042
1796
ولی شاید امید باشد.
03:31
because in the last few years,
79
201862
1534
چون در سال‌های اخیر
03:33
we've begun to see the beginnings
of a new area of science
of a new area of science
80
203420
3837
ما شاهد ظهور حیطهٔ جدیدی از علم بودیم
03:37
using mathematics
to model our social systems.
to model our social systems.
81
207281
3027
با استفاده از ریاضیات
تا سیستم اجتماعی‌مان را مدل کنیم.
تا سیستم اجتماعی‌مان را مدل کنیم.
03:40
And I'm not just talking here
about statistics and computer simulations.
about statistics and computer simulations.
82
210332
3484
من فقط درمورد آمار و شبیه‌سازی
کامپیوتری حرف نمی‌زنم.
کامپیوتری حرف نمی‌زنم.
03:43
I'm talking about writing down
equations about our society
equations about our society
83
213840
2996
در مورد نوشتن معادله‌هایی
درباره جامعه‌مان حرف می‌زنم
درباره جامعه‌مان حرف می‌زنم
03:46
that will help us understand
what's going on
what's going on
84
216860
2069
که به ما کمک میکند بفهمیم چه خبر است
03:48
in the same way as with the snooker balls
or the weather prediction.
or the weather prediction.
85
218953
3215
درست مثل توپ اسنوکر و پیش بینی وضع هوا.
03:52
And this has come about
because people have begun to realize
because people have begun to realize
86
222192
2842
این امر میسر شد چون مردم فهمیدند
03:55
that we can use and exploit analogies
87
225058
2343
می‌توانیم از آنالیز بین سیستم انسانی خویش
03:57
between our human systems
and those of the physical world around us.
and those of the physical world around us.
88
227425
3942
و دنیای فیزیکی اطراف ما بهره ببریم.
04:01
Now, to give you an example:
89
231938
1464
حال به طور مثال:
04:03
the incredibly complex problem
of migration across Europe.
of migration across Europe.
90
233426
3454
مسئله بسیار پیچیدهٔ مهاجرت به اروپا.
04:06
Actually, as it turns out, when you view
all of the people together,
all of the people together,
91
236904
3332
در واقع، آنطور که معلوم شده،
وقتی همه مردم را با هم می‌بینید،
وقتی همه مردم را با هم می‌بینید،
04:10
collectively, they behave as though
they're following the laws of gravity.
they're following the laws of gravity.
92
240260
4043
به طور جمعی آنها از قوانین
گرانش پیروی می‌کنند.
گرانش پیروی می‌کنند.
04:14
But instead of planets
being attracted to one another,
being attracted to one another,
93
244327
3128
ولی به جای سیاره‌ها که بهم جذب می‌شوند،
04:17
it's people who are attracted
to areas with better job opportunities,
to areas with better job opportunities,
94
247479
4210
این آدمها هستند که بهم جذب می‌شوند،
04:21
higher pay, better quality of life
and lower unemployment.
and lower unemployment.
95
251713
4015
دستمزد بالاتر، کیفیت بهتر زندگی
و بیکاری کمتر.
و بیکاری کمتر.
04:25
And in the same way as people
are more likely to go for opportunities
are more likely to go for opportunities
96
255752
3528
و به همین صورت که انسان‌ها
بیشتر به سمت فرصت‌ها می‌روند،
بیشتر به سمت فرصت‌ها می‌روند،
04:29
close to where they live already --
London to Kent, for example,
London to Kent, for example,
97
259304
3035
نزدیک به جایی که زندگی می‌کنند--
مثلا از لندن به کنت،
مثلا از لندن به کنت،
04:32
as opposed to London to Melbourne --
98
262363
1792
بجای لندن به ملبورن--
04:34
the gravitational effect of planets
far away is felt much less.
far away is felt much less.
99
264179
4136
گرانش سیارات بسیار دور
خیلی کمتر حس میشود.
خیلی کمتر حس میشود.
04:38
So, to give you another example:
100
268997
2067
خب یک مثال دیگر:
04:41
in 2008, a group in UCLA
were looking into the patterns
were looking into the patterns
101
271088
4225
در۲۰۰۸ گروهی در یو‌سی‌ال‌ای
دنبال الگوهای
دنبال الگوهای
04:45
of burglary hot spots in the city.
102
275337
2712
نقاط شایع دزدی در شهر بودند.
04:48
Now, one thing about burglaries
is this idea of repeat victimization.
is this idea of repeat victimization.
103
278073
5519
حال، نکته‌ای در مورد دزدی
ایده قربانی تکراری است.
ایده قربانی تکراری است.
04:53
So if you have a group of burglars
who manage to successfully rob an area,
who manage to successfully rob an area,
104
283616
4237
اگر گروهی از دزدان
در محدوده‌ای موفق به دزدی شوند،
در محدوده‌ای موفق به دزدی شوند،
04:57
they'll tend to return to that area
and carry on burgling it.
and carry on burgling it.
105
287877
3790
می‌خواهند که در آن منطقه
به دزدی ادامه دهند.
به دزدی ادامه دهند.
05:01
So they learn the layout of the houses,
106
291691
2856
به همین منظور طرح خانه‌ها را می‌فهمند،
05:04
the escape routes
107
294571
1694
را‌ه‌های فرار
05:06
and the local security measures
that are in place.
that are in place.
108
296289
3004
و تمهیدات امنیتی محلی در آنجا.
05:09
And this will continue to happen
109
299317
1685
و این اتفاق همچنان تکرار میشود
05:11
until local residents and police
ramp up the security,
ramp up the security,
110
301026
3181
تا زمانی که ساکنین و پلیس
امنیت را افزایش دهند.
امنیت را افزایش دهند.
05:14
at which point, the burglars
will move off elsewhere.
will move off elsewhere.
111
304231
2771
در این زمان دزدان به محل دیگری می‌روند.
05:17
And it's that balance
between burglars and security
between burglars and security
112
307026
2808
توازن بین امنیت و دزدها است که
05:19
which creates these dynamic
hot spots of the city.
hot spots of the city.
113
309858
3037
این نقاط شایع پویا در شهر را می‌سازد.
05:22
As it turns out,
this is exactly the same process
this is exactly the same process
114
312919
3544
دقیقاً مثل همین روند است
05:26
as how a leopard gets its spots,
115
316487
2242
که پلنگی نقاط خود را پیدا میکند،
05:28
except in the leopard example,
it's not burglars and security,
it's not burglars and security,
116
318753
2936
به جز اینکه در مثال پلنگ
دزدی و امنیت نیست،
دزدی و امنیت نیست،
05:31
it's the chemical process
that creates these patterns
that creates these patterns
117
321713
3465
فرآیند شیمیایی است
که این الگوها را می سازد
که این الگوها را می سازد
05:35
and something called "morphogenesis."
118
325202
1995
و چیزی به نام دگردیسی.
05:37
We actually know an awful lot
about the morphogenesis of leopard spots.
about the morphogenesis of leopard spots.
119
327221
4256
ما در مورد دگردیسی نقاط
روی بدن پلنگ زیاد میدانیم.
روی بدن پلنگ زیاد میدانیم.
05:41
Maybe we can use this to try and spot
some of the warning signs with burglaries
some of the warning signs with burglaries
120
331501
4644
شاید بتوانیم از این برای پیدا کردن نقاط
مستعد دزدی استفاده کنیم
مستعد دزدی استفاده کنیم
05:46
and perhaps, also to create
better crime strategies to prevent crime.
better crime strategies to prevent crime.
121
336169
4107
و شاید بتوانیم استراتژی‌های جرایم را
بهتر بسازیم تا بتوانیم از آن جلوگیری کنیم.
بهتر بسازیم تا بتوانیم از آن جلوگیری کنیم.
05:50
There's a group here at UCL
122
340300
1572
گروهی در یو‌‌سی‌ال
05:51
who are working with
the West Midlands police right now
the West Midlands police right now
123
341896
2825
که الان با پلیس میدلندز غربی
در مورد همین مسئله
در مورد همین مسئله
05:54
on this very question.
124
344745
1641
کار می‌کنند.
05:56
I could give you
plenty of examples like this,
plenty of examples like this,
125
346410
2915
می‌توانم برایتان مثال‌های بسیاری بزنم،
05:59
but I wanted to leave you
with one from my own research
with one from my own research
126
349349
2643
ولی میخواهم یکی از مثال‌های
تحقیق خودم را بگویم
تحقیق خودم را بگویم
06:02
on the London riots.
127
352016
1166
از آشوب‌های لندن.
06:03
Now, you probably
don't need me to tell you
don't need me to tell you
128
353206
2015
احتمال لازم نیست که بگویم
06:05
about the events of last summer,
129
355245
1567
تابستان گذشته چه اتفاقی افتاد،
06:06
where London and the UK saw
the worst sustained period
the worst sustained period
130
356836
3030
زمانی‌که لندن و انگلستان
برهه پایداری از
برهه پایداری از
06:09
of violent looting and arson
131
359890
1526
بدترین نوع خشونت و غارت را طی
06:11
for over twenty years.
132
361440
1613
بیش از ۲۰ سال تجربه کرد.
06:13
It's understandable that, as a society,
we want to try and understand
we want to try and understand
133
363077
3287
قابل درک است که نه فقط به عنوان یک جامعه
خواستیم که بفهمیم
خواستیم که بفهمیم
06:16
exactly what caused these riots,
134
366388
1794
دقیقاً عامل این آشوبها چه بود،
06:18
but also, perhaps, to equip our police
with better strategies
with better strategies
135
368206
3885
بلکه شاید برای تجهیز پلیس
به استراتژی‌های بهتر
به استراتژی‌های بهتر
06:22
to lead to a swifter
resolution in the future.
resolution in the future.
136
372115
3781
برای رسیدن به نتیجه‌ای سریعتر در آینده.
06:25
Now, I don't want to upset
the sociologists here,
the sociologists here,
137
375920
2356
الان نمی‌خواهم که جامعه شناسان حاضر
را ناراحت کنم،
را ناراحت کنم،
06:28
so I absolutely cannot talk about
the individual motivations for a rioter,
the individual motivations for a rioter,
138
378300
4857
به همین دلیل نمی‌توانم درمورد انگیزه شخصی
یک آشوبگر صحبت کنم،
یک آشوبگر صحبت کنم،
06:33
but when you look at
the rioters all together,
the rioters all together,
139
383181
2168
ولی وقتی به آشوبگران
به طور کلی نگاه می‌کنید،
به طور کلی نگاه می‌کنید،
06:35
mathematically, you can separate it
into a three-stage process
into a three-stage process
140
385373
3208
به طور ریاضی می‌توانید به یک فرآیند
سه مرحله ای آن را تقسیم کنید
سه مرحله ای آن را تقسیم کنید
06:38
and draw analogies accordingly.
141
388605
1975
و آنالیز‌های مربوطه را انجام دهید.
06:40
So, step one: let's say
you've got a group of friends.
you've got a group of friends.
142
390604
3177
قدم اول: گروهی از دوستان را دارید
06:43
None of them are involved in the riots,
143
393805
1875
که هیچکدام درگیر آشوب نیستند،
06:45
but one of them walks past
a Foot Locker which is being raided,
a Foot Locker which is being raided,
144
395704
3682
ولی یکی از آنها از کنار یک فوت لاکر
که مورد حمله قرار گرفته است رد می شود،
که مورد حمله قرار گرفته است رد می شود،
06:49
and goes in and bags himself
a new pair of trainers.
a new pair of trainers.
145
399410
2513
و می رود و برای خودش یک
جفت کفش ورزشی نو برمی‌دارد.
جفت کفش ورزشی نو برمی‌دارد.
06:51
He texts one of his friends and says,
"Come on down to the riots."
"Come on down to the riots."
146
401947
4089
به دوستش پیام می‌دهد،
"بیا به شورش".
"بیا به شورش".
06:56
So his friend joins him,
147
406060
1421
و دوستش به او می‌پیوندد،
06:57
and then the two of them text
more of their friends, who join them,
more of their friends, who join them,
148
407505
3157
و بعد این دو به دوستان بیشتری پیام می‌دهند
که به آن دو می‌پیوندند،
که به آن دو می‌پیوندند،
07:00
and text more of their friends
149
410686
1581
و به دوستان بیشتری پیام می‌دهند
07:02
and more and more, and so it continues.
150
412291
2374
و بیشتر و بیشتر، همینطور ادامه دارد.
07:04
This process is identical to the way
that a virus spreads through a population.
that a virus spreads through a population.
151
414689
4583
این فرآیند دقیق شبیه انتشار
ویروس بین جمعیت است.
ویروس بین جمعیت است.
07:09
If you think about the bird flu epidemic
of a couple of years ago,
of a couple of years ago,
152
419296
3100
اگر به مورد شیوع آنفولانزای مرغی
در چند سال پیش فکر کنید،
در چند سال پیش فکر کنید،
07:12
the more people that were infected,
the more people that got infected,
the more people that got infected,
153
422420
3303
هر چه مردم بیشتری مبتلا شده بودند،
مردم بیشتری را هم مبتلا می‌کردند.
مردم بیشتری را هم مبتلا می‌کردند.
07:15
and the faster the virus spread
154
425747
1588
و ویروس سریعتر پخش می‌شد
07:17
before the authorities managed
to get a handle on events.
to get a handle on events.
155
427359
3141
قبل از این که مسئولان بتوانند
وقایع را مدیریت کنند.
وقایع را مدیریت کنند.
07:20
And it's exactly the same process here.
156
430988
2515
و اینجا دقیقاً همین فرآیند است.
07:23
So let's say you've got a rioter,
he's decided he's going to riot.
he's decided he's going to riot.
157
433527
3276
بگذارید اینطور بگوییم، یک آشوبگر دارید
که تصمیم می‌گیرد آشوب کند.
که تصمیم می‌گیرد آشوب کند.
07:26
The next thing he has to do
is pick a riot site.
is pick a riot site.
158
436827
2535
کار بعدی این است که
جایی را برای آشوب انتخاب کند.
جایی را برای آشوب انتخاب کند.
07:30
Now, what you should know
about rioters is that, um ...
about rioters is that, um ...
159
440274
3624
حالا چیزی که باید در مورد این آشوبگران
بدانید این است...
بدانید این است...
07:33
Oops, clicker's gone. There we go.
160
443922
1642
ای داد! نشانه‌گر رفت.
درست شد.
درست شد.
07:35
What you should know about rioters is,
they're not prepared to travel
they're not prepared to travel
161
445588
3344
چیزی که باید بدانید این است که
آنها آماده دور شدن از
آنها آماده دور شدن از
07:38
that far from where they live,
162
448956
1451
جایی نیستند که زندگی می‌کنند،
07:40
unless it's a really juicy riot site.
163
450431
1852
مگر اینکه جای آشوب واقعا جالبی باشد.
07:42
(Laughter)
164
452307
1075
(خنده)
07:43
So you can see that here from this graph,
165
453406
2069
شما می‌توانید از روی این نمودار ببینید،
07:45
with an awful lot of rioters
having traveled less than a kilometer
having traveled less than a kilometer
166
455499
3391
تعداد زیادی از آشوبگران
کمتر از یک کیلومتر جابجا شده‌اند
کمتر از یک کیلومتر جابجا شده‌اند
07:48
to the site that they went to.
167
458914
1679
تا به جای مورد نظر برسند.
07:50
Now, this pattern is seen
in consumer models of retail spending,
in consumer models of retail spending,
168
460617
4909
این الگو در مدل مصرف کننده‌ها
در خرده فروشی‌ها دیده میشود،
در خرده فروشی‌ها دیده میشود،
07:55
i.e., where we choose to go shopping.
169
465550
2309
مثلا انتخاب محل خریدمان.
07:57
So, of course, people like
to go to local shops,
to go to local shops,
170
467883
2922
مطمئنا مردم دوست دارند
به مغازه محلی برای خرید بروند،
به مغازه محلی برای خرید بروند،
08:00
but you'd be prepared
to go a little bit further
to go a little bit further
171
470829
2592
ولی شما حاضرید که کمی دورتر بروید
08:03
if it was a really good retail site.
172
473445
2116
اگر محل خرید خوبی باشد.
08:05
And this analogy, actually, was already
picked up by some of the papers,
picked up by some of the papers,
173
475585
3442
در برخی مقالات از این
همانندی استفاده شده است
همانندی استفاده شده است
08:09
with some tabloid press calling the events
"Shopping with violence,"
"Shopping with violence,"
174
479051
3262
و در برخی اخبار به آن
"خرید با خشونت" می‌گویند،
"خرید با خشونت" می‌گویند،
08:12
which probably sums it up
in terms of our research.
in terms of our research.
175
482337
2788
که احتمالاً از منظر تحقیق ما
آن را خلاصه میکند.
آن را خلاصه میکند.
08:15
Oh! -- we're going backwards.
176
485673
1476
اه! رو به عقب می‌رویم.
08:19
OK, step three.
177
489730
1456
حال، قدم سوم.
08:21
Finally, the rioter is at his site,
178
491210
1817
سرانجام، آشوب در محل خودش است
08:23
and he wants to avoid
getting caught by the police.
getting caught by the police.
179
493051
4572
و می‌خواهد که توسط پلیس دستگیر نشود.
08:27
The rioters will avoid
the police at all times,
the police at all times,
180
497647
2701
آشوبگران همیشه از پلیس پرهیز می‌کنند،
08:30
but there is some safety in numbers.
181
500372
2094
ولی همیشه تا حدی امنیت در تعداد زیاد هست.
08:32
And on the flip side, the police,
with their limited resources,
with their limited resources,
182
502490
3061
و از آن سو، پلیس با نیرو‌های محدود خود
08:35
are trying to protect
as much of the city as possible,
as much of the city as possible,
183
505575
2579
تلاش می کند تا حد ممکن
از شهر محاظت کند،
از شهر محاظت کند،
08:38
arrest rioters wherever possible
184
508178
2013
آشوبگران را هرجا که باشد دستگیر کرده
08:40
and to create a deterrent effect.
185
510215
2041
و اثر بازدارنده ایجاد کند.
08:45
And actually, as it turns out,
186
515510
1491
و در واقع به نظر می‌رسد،
08:47
this mechanism between the two species,
so to speak, of rioters and police,
so to speak, of rioters and police,
187
517025
4623
این مکانیزم بین این دو گونه،
در اینجا آشوبگران و پلیس
در اینجا آشوبگران و پلیس
08:51
is identical to predators
and prey in the wild.
and prey in the wild.
188
521672
2649
شبیه شکارچی با طعمه است.
08:54
So if you can imagine rabbits and foxes,
189
524345
2197
می‌توانید روباه و خرگوش را تصور کنید،
08:56
rabbits are trying to avoid
foxes at all costs,
foxes at all costs,
190
526566
2750
خرگوشها تلاش می‌کنند همیشه
از روباه دوری کنند،
از روباه دوری کنند،
08:59
while foxes are patrolling the space,
trying to look for rabbits.
trying to look for rabbits.
191
529340
3687
درحالی‌که روباه می‌گردد
تا خرگوش پیدا کند.
تا خرگوش پیدا کند.
09:03
We actually know an awful lot
about the dynamics of predators and prey.
about the dynamics of predators and prey.
192
533051
3354
ما درمورد پویایی
شکارچی و طعمه زیاد میدانیم.
شکارچی و طعمه زیاد میدانیم.
09:06
We also know a lot about
consumer spending flows.
consumer spending flows.
193
536429
4979
همچنین در مورد جریان
خرید مصرف کننده‌ها .
خرید مصرف کننده‌ها .
09:11
And we know a lot about
how viruses spread through a population.
how viruses spread through a population.
194
541432
3163
همچنین میدانیم ویروس چطور از طریق
جمعیت پخش میشود
جمعیت پخش میشود
09:14
So if you take these three analogies
together and exploit them,
together and exploit them,
195
544619
3033
اگر این سه تمثیل را بگیریم و
به کار بگیریم،
به کار بگیریم،
09:17
you can come up with a mathematical
model of what actually happened,
model of what actually happened,
196
547676
3236
می‌توان به یک مدل ریاضی رسید از آنچه اتفاق
افتاده است،
افتاده است،
09:20
that's capable of replicating
the general patterns
the general patterns
197
550936
2404
که قادر به تکثیر الگوهای کلی
09:23
of the riots themselves.
198
553364
1343
از خود آشوبگران است.
09:25
Now, once we've got this,
we can almost use this as a petri dish
we can almost use this as a petri dish
199
555678
3086
حالا که این را داریم می‌توانیم
بعنوان محیط کشت از آن استفاده کنیم
بعنوان محیط کشت از آن استفاده کنیم
09:28
and start having conversations
200
558788
1623
و شروع به صحبت کنیم
09:30
about which areas of the city
were more susceptible than others
were more susceptible than others
201
560435
3139
درمورد اینکه کدام بخش‌های شهر
مستعدتر هستند
مستعدتر هستند
09:33
and what police tactics could be used
202
563598
1877
و چه روشهایی را پلیس
می‌تواند اتخاذ کند
می‌تواند اتخاذ کند
09:35
if this were ever to happen
again in the future.
again in the future.
203
565499
2307
اگر قرار باشد دوباره این اتفاق بیفتد.
09:37
Even twenty years ago, modeling
of this sort was completely unheard of.
of this sort was completely unheard of.
204
567830
4003
حتی ۲۰سال پیش از الگوسازی این
شکلی اصلاً صحبت نشده بود.
شکلی اصلاً صحبت نشده بود.
09:41
But I think that these analogies
are an incredibly important tool
are an incredibly important tool
205
571857
4444
ولی فکر می‌کنم این مثال‌ها
وسیله بسیار مهمی هستند
وسیله بسیار مهمی هستند
09:46
in tackling problems with our society,
206
576325
2491
در مقابله با مشکلات جامعه ما
09:48
and perhaps, ultimately improving
our society overall.
our society overall.
207
578840
3406
و شاید درنهایت جامعه ما را بهبود بخشند.
09:52
So, to conclude: life is complex,
208
582270
2389
برای نتیجه گیری: زندگی پیچیده است،
09:54
but perhaps understanding it need not
necessarily be that complicated.
necessarily be that complicated.
209
584683
3357
ولی شاید فهمیدنش حتما نباید پیچیده باشد.
09:58
Thank you.
210
588064
1158
ممنون.
09:59
(Applause)
211
589246
1386
(تشویق)
ABOUT THE SPEAKER
Hannah Fry - Complexity theoristHannah Fry researches the trends in our civilization and ways we can forecast its future.
Why you should listen
Hannah Fry completed her PhD in fluid dynamics in early 2011 with an emphasis on how liquid droplets move. Then, after working as an aerodynamicist in the motorsport industry, she began work on an interdisciplinary project in complexity sciences at University College London. Hannah’s current research focusses on discovering new connections between mathematically described systems and human interaction at the largest scale.
Fry is the author of the TED Book, The Mathematics of Love: Patterns, Proofs, and the Search for the Ultimate Equation.
Hannah Fry | Speaker | TED.com