ABOUT THE SPEAKER
Geoffrey West - Theorist
Physicist Geoffrey West believes that complex systems from organisms to cities are in many ways governed by simple laws -- laws that can be discovered and analyzed.

Why you should listen

Trained as a theoretical physicist, Geoffrey West has turned his analytical mind toward the inner workings of more concrete things, like ... animals. In a paper for Science in 1997, he and his team uncovered what he sees as a surprisingly universal law of biology — the way in which heart rate, size and energy consumption are related, consistently, across most living animals. (Though not all animals: “There are always going to be people who say, ‘What about the crayfish?’ " he says. “Well, what about it? Every fundamental law has exceptions. But you still need the law or else all you have is observations that don’t make sense.")

A past president of the multidisciplinary Santa Fe Institute (after decades working  in high-energy physics at Los Alamos and Stanford), West now studies the behavior and development of cities. In his newest work, he proposes that one simple number, population, can predict a stunning array of details about any city, from crime rate to economic activity. It's all about the plumbing, he says, the infrastructure that powers growth or dysfunction. His next target for study: corporations.

He says: "Focusing on the differences [between cities] misses the point. Sure, there are differences, but different from what? We’ve found the what."

More profile about the speaker
Geoffrey West | Speaker | TED.com
TEDGlobal 2011

Geoffrey West: The surprising math of cities and corporations

Джеффри Вест: Удивительная математика городов и корпораций

Filmed:
1,583,030 views

Физик Джеффри Вест обнаружил, что характеристики городов подчиняются простым математическим законам — богатство, преступность, скорость ходьбы и многие другие аспекты города выводятся из одного показателя: численности населения. В этом ошеломляющем выступлении на TEDGlobal он показывает, как так получается и как похожие законы работают для организмов и корпораций.
- Theorist
Physicist Geoffrey West believes that complex systems from organisms to cities are in many ways governed by simple laws -- laws that can be discovered and analyzed. Full bio

Double-click the English transcript below to play the video.

00:16
CitiesГорода are the crucibleтигель of civilizationцивилизация.
0
1000
3000
Города — горнила цивилизации.
00:19
They have been expandingрасширяющийся,
1
4000
2000
В последние 200 лет города и
00:21
urbanizationурбанизация has been expandingрасширяющийся,
2
6000
2000
урбанизация расширялись
00:23
at an exponentialэкспоненциальный rateставка in the last 200 yearsлет
3
8000
2000
экспоненциально,
00:25
so that by the secondвторой partчасть of this centuryвека,
4
10000
3000
так что ко второй половине этого века
00:28
the planetпланета will be completelyполностью dominatedдоминировал
5
13000
2000
планета будет полностью покорена
00:30
by citiesгорода.
6
15000
3000
городами.
00:33
CitiesГорода are the originsпроисхождения of globalГлобальный warmingсогревание,
7
18000
3000
Города являются причиной глобального потепления,
00:36
impactвлияние on the environmentОкружающая среда,
8
21000
2000
влияют на окружающую среду,
00:38
healthздоровье, pollutionзагрязнение, diseaseболезнь,
9
23000
3000
здоровье, загрязнение, болезни,
00:41
financeфинансы,
10
26000
2000
финансы,
00:43
economiesэкономики, energyэнергия --
11
28000
3000
экономику, энергию —
00:46
they're all problemsпроблемы
12
31000
2000
с этими проблемами
00:48
that are confrontedстолкнувшись by havingимеющий citiesгорода.
13
33000
2000
приходится сталкиваться при наличии городов.
00:50
That's where all these problemsпроблемы come from.
14
35000
2000
Оттуда начинаются все эти проблемы.
00:52
And the tsunamiцунами of problemsпроблемы that we feel we're facingоблицовочный
15
37000
3000
Говоря об устойчивости, цунами проблем,
00:55
in termsсроки of sustainabilityустойчивость questionsвопросов
16
40000
2000
которые перед нами стоят,
00:57
are actuallyна самом деле a reflectionотражение
17
42000
2000
на самом деле отражает
00:59
of the exponentialэкспоненциальный increaseувеличение
18
44000
2000
экспоненциальный рост
01:01
in urbanizationурбанизация acrossчерез the planetпланета.
19
46000
3000
урбанизации на планете.
01:04
Here'sВот some numbersчисел.
20
49000
2000
Вот некоторые цифры.
01:06
Two hundredсто yearsлет agoтому назад, the Unitedобъединенный Statesсостояния
21
51000
2000
200 лет назад, США
01:08
was lessМеньше than a fewмало percentпроцент urbanizedурбанизированный.
22
53000
2000
были урбанизированы всего на несколько процентов.
01:10
It's now more than 82 percentпроцент.
23
55000
2000
Теперь — более чем на 82%.
01:12
The planetпланета has crossedпересекла the halfwayнаполовину markотметка a fewмало yearsлет agoтому назад.
24
57000
3000
Планета пересекла отметку в 50% несколько лет назад.
01:15
China'sКитай buildingздание 300 newновый citiesгорода
25
60000
2000
В ближайшие 20 лет
01:17
in the nextследующий 20 yearsлет.
26
62000
2000
Китай построит 300 новых городов.
01:19
Now listen to this:
27
64000
2000
Вслушайтесь в это:
01:21
Everyкаждый weekнеделю for the foreseeableпредвидимый futureбудущее,
28
66000
3000
Каждую неделю в обозримом будущем,
01:24
untilдо 2050,
29
69000
2000
до 2050-го,
01:26
everyкаждый weekнеделю more than a millionмиллиона people
30
71000
2000
каждую неделю более миллиона людей
01:28
are beingявляющийся addedдобавленной to our citiesгорода.
31
73000
2000
будет переезжать в города.
01:30
This is going to affectаффект everything.
32
75000
2000
Это повлияет на всё.
01:32
Everybodyвсе in this roomкомната, if you stayоставаться aliveв живых,
33
77000
2000
Каждый в этой комнате, если доживёт,
01:34
is going to be affectedпострадавших
34
79000
2000
будет затронут тем,
01:36
by what's happeningпроисходит in citiesгорода
35
81000
2000
что происходит в городах
01:38
in this extraordinaryнеобычайный phenomenonявление.
36
83000
2000
в рамках этого необычного явления.
01:40
HoweverОднако, citiesгорода,
37
85000
3000
Однако, города,
01:43
despiteнесмотря havingимеющий this negativeотрицательный aspectаспект to them,
38
88000
3000
несмотря на наличие этого негативного момента,
01:46
are alsoтакже the solutionрешение.
39
91000
2000
также являются решением.
01:48
Because citiesгорода are the vacuumвакуум cleanersочистители and the magnetsмагниты
40
93000
4000
Города — пылесосы и магниты,
01:52
that have suckedвысосанный up creativeтворческий people,
41
97000
2000
которые притянули творческих людей,
01:54
creatingсоздание ideasидеи, innovationинновация,
42
99000
2000
создавая идеи, инновации,
01:56
wealthбогатство and so on.
43
101000
2000
богатство и так далее.
01:58
So we have this kindсвоего рода of dualдвойной natureприрода.
44
103000
2000
Итак, перед нами двойственность.
02:00
And so there's an urgentсрочный need
45
105000
3000
А также острая необходимость
02:03
for a scientificнаучный theoryтеория of citiesгорода.
46
108000
4000
в научной теории городов.
02:07
Now these are my comradesтоварищи in armsоружие.
47
112000
3000
Вот мои братья по оружию.
02:10
This work has been doneсделанный with an extraordinaryнеобычайный groupгруппа of people,
48
115000
2000
Эта работа была проделана выдающейся группой людей,
02:12
and they'veони имеют doneсделанный all the work,
49
117000
2000
они сделали всю работу,
02:14
and I'm the great bullshitterbullshitter
50
119000
2000
а я всего лишь трепло,
02:16
that triesпытается to bringприносить it all togetherвместе.
51
121000
2000
которое пытается связать всё это вместе.
02:18
(LaughterСмех)
52
123000
2000
(Смех)
02:20
So here'sвот the problemпроблема: This is what we all want.
53
125000
2000
Итак, проблема: Это то, что мы все хотим.
02:22
The 10 billionмиллиард people on the planetпланета in 2050
54
127000
3000
К 2050-му году 10 миллиардов людей на планете
02:25
want to liveжить in placesмест like this,
55
130000
2000
захотят жить вот в таких местах,
02:27
havingимеющий things like this,
56
132000
2000
иметь вот такие вещи,
02:29
doing things like this,
57
134000
2000
заниматься вот такими делами,
02:31
with economiesэкономики that are growingрост like this,
58
136000
3000
с экономикой, растущей вот так,
02:34
not realizingпонимая that entropyэнтропия
59
139000
2000
не понимая, что энтропия
02:36
producesпроизводит things like this,
60
141000
2000
производит вот такие,
02:38
this, this
61
143000
4000
такие, такие,
02:42
and this.
62
147000
2000
и вот такие вещи.
02:44
And the questionвопрос is:
63
149000
2000
Вот в чём вопрос:
02:46
Is that what EdinburghЭдинбург and LondonЛондон and Newновый YorkЙорк
64
151000
2000
Вот так будут выглядеть Эдинбург, Лондон и Нью-Йорк
02:48
are going to look like in 2050,
65
153000
2000
в 2050-м,
02:50
or is it going to be this?
66
155000
2000
или вот так?
02:52
That's the questionвопрос.
67
157000
2000
В этом и есть вопрос.
02:54
I mustдолжен say, manyмногие of the indicatorsпоказатели
68
159000
2000
Я должен сказать, многое указывает на то,
02:56
look like this is what it's going to look like,
69
161000
3000
что выглядеть они будут вот так,
02:59
but let's talk about it.
70
164000
3000
но давайте об этом поговорим.
03:02
So my provocativeпровокационный statementзаявление
71
167000
3000
Моё провокационное утверждение в том,
03:05
is that we desperatelyв отчаянии need a seriousсерьезный scientificнаучный theoryтеория of citiesгорода.
72
170000
3000
что мы отчаянно нуждаемся в серьёзной научной теории городов.
03:08
And scientificнаучный theoryтеория meansозначает quantifiableколичественному --
73
173000
3000
Научная теория означает измеримая —
03:11
relyingопираясь on underlyingлежащий в основе genericобщий principlesпринципы
74
176000
3000
полагающаяся на общие принципы,
03:14
that can be madeсделал into a predictiveпрогностическое frameworkфреймворк.
75
179000
2000
которые могут сформировать предсказательную основу.
03:16
That's the questпоиск.
76
181000
2000
В этом и состоит задача.
03:18
Is that conceivableмыслимый?
77
183000
2000
Возможно ли это?
03:20
Are there universalуниверсальный lawsзаконы?
78
185000
2000
Есть ли универсальные законы?
03:22
So here'sвот two questionsвопросов
79
187000
2000
Два вопроса,
03:24
that I have in my headглава when I think about this problemпроблема.
80
189000
2000
которые меня волнуют, когда я думаю об этой проблеме.
03:26
The first is:
81
191000
2000
Первый:
03:28
Are citiesгорода partчасть of biologyбиология?
82
193000
2000
Являются ли города биосистемами?
03:30
Is LondonЛондон a great bigбольшой whaleкит?
83
195000
2000
Можно ли сравнить Лондон с большим китом?
03:32
Is EdinburghЭдинбург a horseлошадь?
84
197000
2000
Эдинбург — с лошадью?
03:34
Is MicrosoftMicrosoft a great bigбольшой anthillмуравейник?
85
199000
2000
Microsoft — с большим муравейником?
03:36
What do we learnучить from that?
86
201000
2000
Чему это может нас научить?
03:38
We use them metaphoricallyметафорически --
87
203000
2000
Мы говорим метафорически —
03:40
the DNAДНК of a companyКомпания, the metabolismметаболизм of a cityгород, and so on --
88
205000
2000
ДНК компании, метаболизм города, и так далее —
03:42
is that just bullshitбред сивой кобылы, metaphoricalметафорический bullshitбред сивой кобылы,
89
207000
3000
это ерунда, метафорическая чушь,
03:45
or is there seriousсерьезный substanceвещество to it?
90
210000
3000
или в это есть что-то серьёзное?
03:48
And if that is the caseдело,
91
213000
2000
А если это так,
03:50
how come that it's very hardжесткий to killубийство a cityгород?
92
215000
2000
то почему так сложно умертвить город?
03:52
You could dropпадение an atomатом bombбомбить on a cityгород,
93
217000
2000
Можно сбросить на город атомную бомбу,
03:54
and 30 yearsлет laterпозже it's survivingвыживающий.
94
219000
2000
и 30 лет спустя он живёт.
03:56
Very fewмало citiesгорода failпотерпеть неудачу.
95
221000
3000
Очень немногие города погибают.
03:59
All companiesкомпании dieумереть, all companiesкомпании.
96
224000
3000
Все компании разваливаются, абсолютно все.
04:02
And if you have a seriousсерьезный theoryтеория, you should be ableв состоянии to predictпрогнозировать
97
227000
2000
И если ваша теория серьёзна, то вы должны уметь предсказать,
04:04
when GoogleGoogle is going to go bustбюст.
98
229000
3000
когда Google прекратит своё существование.
04:07
So is that just anotherдругой versionверсия
99
232000
3000
Или же это просто ещё одна версия
04:10
of this?
100
235000
2000
вот этого?
04:12
Well we understandПонимаю this very well.
101
237000
2000
Мы это хорошо понимаем.
04:14
That is, you askпросить any genericобщий questionвопрос about this --
102
239000
2000
Задайте любой общий вопрос на эту тему —
04:16
how manyмногие treesдеревья of a givenданный sizeразмер,
103
241000
2000
сколько деревьев заданного размера,
04:18
how manyмногие branchesветви of a givenданный sizeразмер does a treeдерево have,
104
243000
2000
как много ветвей заданного размера на дереве,
04:20
how manyмногие leavesлистья,
105
245000
2000
как много листьев,
04:22
what is the energyэнергия flowingтекущий throughчерез eachкаждый branchфилиал,
106
247000
2000
какова энергия, проходящая сквозь каждую ветвь,
04:24
what is the sizeразмер of the canopyнавес,
107
249000
2000
каков размер кроны,
04:26
what is its growthрост, what is its mortalityсмертность?
108
251000
2000
какова скорость роста, какова смертность?
04:28
We have a mathematicalматематическая frameworkфреймворк
109
253000
2000
У нас есть математическая база,
04:30
basedисходя из on genericобщий universalуниверсальный principlesпринципы
110
255000
3000
основанная на общих универсальных принципах,
04:33
that can answerответ those questionsвопросов.
111
258000
2000
которая может ответить на эти вопросы.
04:35
And the ideaидея is can we do the sameодна и та же for this?
112
260000
4000
А можем ли мы применить её здесь?
04:40
So the routeмаршрут in is recognizingпризнавая
113
265000
3000
Путь к пониманию одной из самых необычных истин
04:43
one of the mostбольшинство extraordinaryнеобычайный things about life,
114
268000
2000
о жизни лежит через понимание того,
04:45
is that it is scalableмасштабируемый,
115
270000
2000
что она масштабируется,
04:47
it worksработает over an extraordinaryнеобычайный rangeассортимент.
116
272000
2000
что она работает в огромном диапазоне.
04:49
This is just a tinyкрошечный rangeассортимент actuallyна самом деле:
117
274000
2000
Это всего лишь его малая часть,
04:51
It's us mammalsмлекопитающих;
118
276000
2000
всего лишь мы, млекопитающие,
04:53
we're one of these.
119
278000
2000
мы одни из них.
04:55
The sameодна и та же principlesпринципы, the sameодна и та же dynamicsдинамика,
120
280000
2000
Те же принципы, та же динамика,
04:57
the sameодна и та же organizationорганизация is at work
121
282000
2000
та же организация присутствуют
04:59
in all of these, includingв том числе us,
122
284000
2000
у всех из них, включая нас,
05:01
and it can scaleмасштаб over a rangeассортимент of 100 millionмиллиона in sizeразмер.
123
286000
3000
и масштабируется в размере в пределах 100 миллионов.
05:04
And that is one of the mainглавный reasonsпричины
124
289000
3000
Это одна из причин, почему
05:07
life is so resilientупругий and robustкрепкий --
125
292000
2000
жизнь столь прочна и сильна —
05:09
scalabilityмасштабируемость.
126
294000
2000
масштабируемость.
05:11
We're going to discussобсуждать that in a momentмомент more.
127
296000
3000
Сейчас мы обсудим это подробнее.
05:14
But you know, at a localместный levelуровень,
128
299000
2000
На местном уровне,
05:16
you scaleмасштаб; everybodyвсе in this roomкомната is scaledмасштабируется.
129
301000
2000
вы масштабируетесь, любой в этой комнате масштабирован.
05:18
That's calledназывается growthрост.
130
303000
2000
Это называется ростом.
05:20
Here'sВот how you grewвырос.
131
305000
2000
Вот, как вы растёте.
05:22
Ratкрысиный, that's a ratкрыса -- could have been you.
132
307000
2000
Крыса, это крыса — могли бы быть вы.
05:24
We're all prettyСимпатичная much the sameодна и та же.
133
309000
3000
Мы все практически одинаковы.
05:27
And you see, you're very familiarзнакомые with this.
134
312000
2000
Вам это очень знакомо.
05:29
You growрасти very quicklyбыстро and then you stop.
135
314000
2000
Вы очень быстро растёте и затем прекращаете.
05:31
And that lineлиния there
136
316000
2000
Вот эта линия
05:33
is a predictionпрогнозирование from the sameодна и та же theoryтеория,
137
318000
2000
предсказана той же теорией,
05:35
basedисходя из on the sameодна и та же principlesпринципы,
138
320000
2000
основана на тех же принципах,
05:37
that describesописывает that forestлес.
139
322000
2000
которые описывают лес.
05:39
And here it is for the growthрост of a ratкрыса,
140
324000
2000
Это описывает рост крысы.
05:41
and those pointsточки on there are dataданные pointsточки.
141
326000
2000
Точки на графике соответствуют данным.
05:43
This is just the weightвес versusпротив the ageвозраст.
142
328000
2000
Вес и соответствующий ему возраст.
05:45
And you see, it stopsупоры growingрост.
143
330000
2000
Можно заметить, рост прекращается.
05:47
Very, very good for biologyбиология --
144
332000
2000
Очень, очень хорошая вещь для биосистем
05:49
alsoтакже one of the reasonsпричины for its great resilienceупругость.
145
334000
2000
и одна из причин их высокой прочности.
05:51
Very, very badПлохо
146
336000
2000
Но очень, очень плохая вещь
05:53
for economiesэкономики and companiesкомпании and citiesгорода
147
338000
2000
для экономики, компаний и городов,
05:55
in our presentнастоящее время paradigmпарадигма.
148
340000
2000
в нашем текущем понимании.
05:57
This is what we believe.
149
342000
2000
Вот, во что мы верим.
05:59
This is what our wholeвсе economyэкономика
150
344000
2000
Это то, что вся наша экономика
06:01
is thrustingтолкание uponна us,
151
346000
2000
навязывает нам,
06:03
particularlyв частности illustratedиллюстрированный in that left-handлевая рука cornerугол:
152
348000
3000
проиллюстрировано в левом углу:
06:06
hockeyхоккей sticksпалочки.
153
351000
2000
хоккейные клюшки.
06:08
This is a bunchгроздь of softwareпрограммного обеспечения companiesкомпании --
154
353000
2000
Это группа информационных компаний —
06:10
and what it is is theirих revenueдоход versusпротив theirих ageвозраст --
155
355000
2000
и их выручка в зависимости от их возраста —
06:12
all zoomingмасштабирование away,
156
357000
2000
всё увеличивающаяся,
06:14
and everybodyвсе makingизготовление millionsмиллионы and billionsмиллиарды of dollarsдолларов.
157
359000
2000
все зарабатывают миллионы и миллиарды долларов.
06:16
Okay, so how do we understandПонимаю this?
158
361000
3000
Итак, как же нам в этом разобраться?
06:19
So let's first talk about biologyбиология.
159
364000
3000
Давайте сначала обсудим биосистемы.
06:22
This is explicitlyэксплицитно showingпоказ you
160
367000
2000
Здесь явно показано,
06:24
how things scaleмасштаб,
161
369000
2000
как работает масштаб.
06:26
and this is a trulyдействительно remarkableзамечательный graphграфик.
162
371000
2000
Это удивительный график.
06:28
What is plottedграфик here is metabolicметаболический rateставка --
163
373000
3000
Здесь показана скорость обмена веществ —
06:31
how much energyэнергия you need perв day to stayоставаться aliveв живых --
164
376000
3000
сколько энергии нужно, чтобы прожить день —
06:34
versusпротив your weightвес, your massмасса,
165
379000
2000
в зависимости от веса – массы -
06:36
for all of us bunchгроздь of organismsмикроорганизмы.
166
381000
3000
для целой группы организмов.
06:39
And it's plottedграфик in this funnyвеселая way by going up by factorsфакторы of 10,
167
384000
3000
Это представлено в масштабе, увеличивающемся степенями десяти,
06:42
otherwiseв противном случае you couldn'tне может get everything on the graphграфик.
168
387000
2000
иначе на график всё не поместить.
06:44
And what you see if you plotсюжет it
169
389000
2000
Такое хитрое отображение
06:46
in this slightlyнемного curiousлюбопытный way
170
391000
2000
позволяет увидеть,
06:48
is that everybodyвсе liesвранье on the sameодна и та же lineлиния.
171
393000
3000
что всё лежит на одной прямой.
06:51
DespiteНесмотря the factфакт that this is the mostбольшинство complexсложный and diverseразнообразный systemсистема
172
396000
3000
Несмотря на тот факт, что это наиболее сложная и разнообразная
06:54
in the universeвселенная,
173
399000
3000
система во вселенной,
06:57
there's an extraordinaryнеобычайный simplicityпростота
174
402000
2000
мы видим
06:59
beingявляющийся expressedвыраженный by this.
175
404000
2000
необычайную простоту.
07:01
It's particularlyв частности astonishingудивительный
176
406000
3000
Наиболее удивительно то,
07:04
because eachкаждый one of these organismsмикроорганизмы,
177
409000
2000
что каждый из этих организмов,
07:06
eachкаждый subsystemподсистема, eachкаждый cellклетка typeтип, eachкаждый geneген,
178
411000
2000
каждая подсистема, каждая клетка, каждый ген
07:08
has evolvedэволюционировали in its ownсвоя uniqueуникальный environmentalэкологическая nicheниша
179
413000
4000
эволюционировали в своей собственной природной нише,
07:12
with its ownсвоя uniqueуникальный historyистория.
180
417000
3000
со своей особенной историей.
07:15
And yetвсе же, despiteнесмотря all of that Darwinianдарвинистский evolutionэволюция
181
420000
3000
И всё же, несмотря на всю эту Дарвиновскую эволюцию
07:18
and naturalнатуральный selectionвыбор,
182
423000
2000
и естественный отбор,
07:20
they'veони имеют been constrainedограничен to lieложь on a lineлиния.
183
425000
2000
они вынуждены помещаться на прямой.
07:22
Something elseеще is going on.
184
427000
2000
В этом что-то есть.
07:24
Before I talk about that,
185
429000
2000
Прежде чем рассказать об этом,
07:26
I've writtenнаписано down at the bottomдно there
186
431000
2000
посмотрите вниз, вот сюда,
07:28
the slopeскат of this curveкривая, this straightПрямо lineлиния.
187
433000
2000
где я написал наклон этой линии, наклон этой прямой.
07:30
It's three-quartersтри четверти, roughlyгрубо,
188
435000
2000
Примерно три четверти,
07:32
whichкоторый is lessМеньше than one -- and we call that sublinearсублинеен.
189
437000
3000
меньше единицы — мы называем такой наклон сублинейным.
07:35
And here'sвот the pointточка of that.
190
440000
2000
И вот в чём суть:
07:37
It saysговорит that, if it were linearлинейный,
191
442000
3000
если бы он был линейным,
07:40
the steepestкрутая slopeскат,
192
445000
2000
более крутая линия,
07:42
then doublingудвоение the sizeразмер
193
447000
2000
то удвоение размера
07:44
you would requireтребовать doubleдвойной the amountколичество of energyэнергия.
194
449000
2000
потребовало бы удвоения количества энергии.
07:46
But it's sublinearсублинеен, and what that translatesпереводит into
195
451000
3000
Однако он сублинейный, и, как следствие,
07:49
is that, if you doubleдвойной the sizeразмер of the organismорганизм,
196
454000
2000
для удвоения размера организма
07:51
you actuallyна самом деле only need 75 percentпроцент more energyэнергия.
197
456000
3000
нужно всего лишь на 75 процентов больше энергии.
07:54
So a wonderfulзамечательно thing about all of biologyбиология
198
459000
2000
Замечательной особенностью биосистем является
07:56
is that it expressesвыражает an extraordinaryнеобычайный economyэкономика of scaleмасштаб.
199
461000
3000
их невероятный положительный эффект масштаба.
07:59
The biggerбольше you are systematicallyсистематически,
200
464000
2000
Чем больше вы систематически,
08:01
accordingв соответствии to very well-definedвполне определенный rulesправила,
201
466000
2000
согласно очень чётко определённых правил,
08:03
lessМеньше energyэнергия perв capitaна душу населения.
202
468000
3000
тем меньше энергии «на единицу».
08:06
Now any physiologicalфизиологический variableпеременная you can think of,
203
471000
3000
Любая физиологическая переменная, о которой можно подумать,
08:09
any life historyистория eventмероприятие you can think of,
204
474000
2000
любое событие из жизненного цикла,
08:11
if you plotсюжет it this way, looksвыглядит like this.
205
476000
3000
изображённое подобным образом, выглядит так же.
08:14
There is an extraordinaryнеобычайный regularityрегулярность.
206
479000
2000
Это невероятная закономерность.
08:16
So you tell me the sizeразмер of a mammalмлекопитающее,
207
481000
2000
Если вы мне скажете размер млекопитающего,
08:18
I can tell you at the 90 percentпроцент levelуровень everything about it
208
483000
3000
я могу с уверенностью в 90% рассказать всё о нём,
08:21
in termsсроки of its physiologyфизиология, life historyистория, etcи т.д.
209
486000
4000
его физиологию, жизненный цикл, и так далее.
08:25
And the reasonпричина for this is because of networksсети.
210
490000
3000
Причиной этого являются сети.
08:28
All of life is controlledконтролируемый by networksсети --
211
493000
3000
Вся жизнь контролируется сетями —
08:31
from the intracellularвнутриклеточный throughчерез the multicellularмногоклеточный
212
496000
2000
начиная с межклеточной, далее мультиклеточной,
08:33
throughчерез the ecosystemэкосистема levelуровень.
213
498000
2000
и до уровня экосистемы.
08:35
And you're very familiarзнакомые with these networksсети.
214
500000
3000
Вам хорошо знакомы эти сети.
08:39
That's a little thing that livesжизни insideвнутри an elephantслон.
215
504000
3000
Этот небольшой организм живёт внутри слона.
08:42
And here'sвот the summaryрезюме of what I'm sayingпоговорка.
216
507000
3000
Здесь резюме того, о чём я говорю.
08:45
If you take those networksсети,
217
510000
2000
В этих сетях,
08:47
this ideaидея of networksсети,
218
512000
2000
в самой идее сетей,
08:49
and you applyподать заявление universalуниверсальный principlesпринципы,
219
514000
2000
из применения универсальных принципов,
08:51
mathematizablemathematizable, universalуниверсальный principlesпринципы,
220
516000
2000
математических, универсальных принципов,
08:53
all of these scalingsокалина
221
518000
2000
следуют все эти
08:55
and all of these constraintsограничения followследовать,
222
520000
3000
масштабирования и ограничения,
08:58
includingв том числе the descriptionописание of the forestлес,
223
523000
2000
включая описание леса,
09:00
the descriptionописание of your circulatoryциркуляционный systemсистема,
224
525000
2000
описание кровеносной системы,
09:02
the descriptionописание withinв cellsячейки.
225
527000
2000
описание внутриклеточных систем.
09:04
One of the things I did not stressстресс in that introductionвведение
226
529000
3000
Одним из фактов, которые я не подчёркнул во введении,
09:07
was that, systematicallyсистематически, the paceтемп of life
227
532000
3000
является то, что систематически, ритм жизни
09:10
decreasesуменьшается as you get biggerбольше.
228
535000
2000
замедляется с увеличением размера.
09:12
HeartСердце ratesставки are slowerпомедленнее; you liveжить longerдольше;
229
537000
3000
Сердечный ритм медленнее, продолжительность жизни выше,
09:15
diffusionдиффузия of oxygenкислород and resourcesРесурсы
230
540000
2000
распространение кислорода и ресурсов
09:17
acrossчерез membranesмембраны is slowerпомедленнее, etcи т.д.
231
542000
2000
сквозь мембраны медленнее, и так далее.
09:19
The questionвопрос is: Is any of this trueправда
232
544000
2000
Вопрос в том, так ли это
09:21
for citiesгорода and companiesкомпании?
233
546000
3000
для городов и компаний?
09:24
So is LondonЛондон a scaledмасштабируется up BirminghamБирмингем,
234
549000
3000
Является ли Лондон увеличенным Бирмингемом,
09:27
whichкоторый is a scaledмасштабируется up BrightonBrighton, etcи т.д., etcи т.д.?
235
552000
3000
который является увеличенным Брайтоном, и так далее?
09:30
Is Newновый YorkЙорк a scaledмасштабируется up SanСан - FranciscoФранциско,
236
555000
2000
Является ли Нью-Йорк увеличенным Сан-Франциско,
09:32
whichкоторый is a scaledмасштабируется up SantaСанта FeFe?
237
557000
2000
который является увеличенным Санте-Фе?
09:34
Don't know. We will discussобсуждать that.
238
559000
2000
Неизвестно. Мы это обсудим.
09:36
But they are networksсети,
239
561000
2000
Но они являются сетями.
09:38
and the mostбольшинство importantважный networkсеть of citiesгорода
240
563000
2000
Наиболее важной сетью городов
09:40
is you.
241
565000
2000
являетесь вы.
09:42
CitiesГорода are just a physicalфизическое manifestationпроявление
242
567000
3000
Города всего лишь физическое воплощение
09:45
of your interactionsвзаимодействия,
243
570000
2000
ваших взаимодействий,
09:47
our interactionsвзаимодействия,
244
572000
2000
наших взаимодействий,
09:49
and the clusteringкластеризация and groupingгруппировка of individualsиндивидуумы.
245
574000
2000
а также кластеризации и группировки индивидуумов.
09:51
Here'sВот just a symbolicсимволический pictureкартина of that.
246
576000
3000
Вот здесь это изображено символически.
09:54
And here'sвот scalingпересчет of citiesгорода.
247
579000
2000
А вот здесь масштабирование городов.
09:56
This showsшоу that in this very simpleпросто exampleпример,
248
581000
3000
В этом очень простом примере -
09:59
whichкоторый happensпроисходит to be a mundaneмирской exampleпример
249
584000
2000
весьма, кстати, приземлённом -
10:01
of numberномер of petrolбензин stationsстанций
250
586000
2000
количества заправок
10:03
as a functionфункция of sizeразмер --
251
588000
2000
в зависимости от размера —
10:05
plottedграфик in the sameодна и та же way as the biologyбиология --
252
590000
2000
изображённый таким же образом, как и пример из биологии —
10:07
you see exactlyв точку the sameодна и та же kindсвоего рода of thing.
253
592000
2000
виден точно такой же факт.
10:09
There is a scalingпересчет.
254
594000
2000
Масштабирование.
10:11
That is that the numberномер of petrolбензин stationsстанций in the cityгород
255
596000
4000
Количество заправок в городе
10:15
is now givenданный to you
256
600000
2000
можно определить
10:17
when you tell me its sizeразмер.
257
602000
2000
по его размеру.
10:19
The slopeскат of that is lessМеньше than linearлинейный.
258
604000
3000
Наклон этой линии менее чем линейный.
10:22
There is an economyэкономика of scaleмасштаб.
259
607000
2000
Это и есть положительный эффект масштаба.
10:24
LessМеньше petrolбензин stationsстанций perв capitaна душу населения the biggerбольше you are -- not surprisingудивительный.
260
609000
3000
Неудивительно, что чем больше размер, тем меньше заправок «на единицу».
10:27
But here'sвот what's surprisingудивительный.
261
612000
2000
А вот что удивительно.
10:29
It scalesВесы in the sameодна и та же way everywhereвезде.
262
614000
2000
Оно везде масштабируется одинаково.
10:31
This is just EuropeanЕвропейская countriesстраны,
263
616000
2000
Это европейские страны,
10:33
but you do it in JapanЯпония or ChinaКитай or ColombiaКолумбия,
264
618000
3000
но если взять Японию, или Китай, или Колумбию,
10:36
always the sameодна и та же
265
621000
2000
всё то же самое,
10:38
with the sameодна и та же kindсвоего рода of economyэкономика of scaleмасштаб
266
623000
2000
с тем же положительным эффектом масштаба и
10:40
to the sameодна и та же degreeстепень.
267
625000
2000
в такой же степени.
10:42
And any infrastructureинфраструктура you look at --
268
627000
3000
Посмотрите на любую инфраструктуру —
10:45
whetherбудь то it's the lengthдлина of roadsдороги, lengthдлина of electricalэлектрический linesлинии --
269
630000
3000
длина дорог, длина линий электропередачи —
10:48
anything you look at
270
633000
2000
на что ни посмотри,
10:50
has the sameодна и та же economyэкономика of scaleмасштаб scalingпересчет in the sameодна и та же way.
271
635000
3000
везде тот же положительный эффект масштаба, работающий тем же образом.
10:53
It's an integratedинтегрированный systemсистема
272
638000
2000
Это интегрированная система,
10:55
that has evolvedэволюционировали despiteнесмотря all the planningпланирование and so on.
273
640000
3000
которая эволюционировала, несмотря на всё планирование.
10:58
But even more surprisingудивительный
274
643000
2000
Ещё более удивительно,
11:00
is if you look at socio-economicсоциально-экономические quantitiesвеличины,
275
645000
2000
если посмотреть на социоэкономические величины,
11:02
quantitiesвеличины that have no analogаналоговый in biologyбиология,
276
647000
3000
величины, не имеющие аналогов в биологии,
11:05
that have evolvedэволюционировали when we startedначал formingформирование communitiesсообщества
277
650000
3000
те, которые эволюционировали, когда мы начали формировать сообщества
11:08
eight8 to 10,000 yearsлет agoтому назад.
278
653000
2000
от 8 до 10 тысяч лет назад.
11:10
The topВверх one is wagesзаработная плата as a functionфункция of sizeразмер
279
655000
2000
Сверху — зависимость зарплат работников от размера,
11:12
plottedграфик in the sameодна и та же way.
280
657000
2000
представленная тем же образом.
11:14
And the bottomдно one is you lot --
281
659000
2000
Внизу, собственно, вы - супертворческие -
11:16
super-creativesсупер-объявления plottedграфик in the sameодна и та же way.
282
661000
3000
ваша занятость, так же отображённая на графике.
11:19
And what you see
283
664000
2000
Можно заметить
11:21
is a scalingпересчет phenomenonявление.
284
666000
2000
явление масштабирования.
11:23
But mostбольшинство importantважный in this,
285
668000
2000
Однако наиболее важным является то,
11:25
the exponentпоказатель степени, the analogаналоговый to that three-quartersтри четверти
286
670000
2000
что экспонента, аналог тех трёх четвертей
11:27
for the metabolicметаболический rateставка,
287
672000
2000
для скорости обмена веществ,
11:29
is biggerбольше than one -- it's about 1.15 to 1.2.
288
674000
2000
здесь больше единицы —примерно 1,15 - 1,2.
11:31
Here it is,
289
676000
2000
Вот здесь
11:33
whichкоторый saysговорит that the biggerбольше you are
290
678000
3000
говорится, что чем вы больше,
11:36
the more you have perв capitaна душу населения, unlikeВ отличие от biologyбиология --
291
681000
3000
тем больше имеете «на единицу», в отличие от биологии —
11:39
higherвыше wagesзаработная плата, more super-creativeсупер-творческих people perв capitaна душу населения as you get biggerбольше,
292
684000
4000
выше зарплаты, больше творческих людей на душу населения при увеличении размера,
11:43
more patentsпатенты perв capitaна душу населения, more crimeпреступление perв capitaна душу населения.
293
688000
3000
больше патентов, выше преступность.
11:46
And we'veмы в lookedсмотрел at everything:
294
691000
2000
Мы рассмотрели всё:
11:48
more AIDSСПИД casesслучаи, fluгрипп, etcи т.д.
295
693000
3000
СПИД, грипп, и так далее.
11:51
And here, they're all plottedграфик togetherвместе.
296
696000
2000
Вот они, изображённые вместе.
11:53
Just to showпоказать you what we plottedграфик,
297
698000
2000
Вот что мы нарисовали,
11:55
here is incomeдоход, GDPВВП --
298
700000
3000
вот доход, ВНП —
11:58
GDPВВП of the cityгород --
299
703000
2000
ВВП города —
12:00
crimeпреступление and patentsпатенты all on one graphграфик.
300
705000
2000
преступность и патенты, всё на одном графике.
12:02
And you can see, they all followследовать the sameодна и та же lineлиния.
301
707000
2000
Можно заметить, все они лежат на одной прямой.
12:04
And here'sвот the statementзаявление.
302
709000
2000
Факт:
12:06
If you doubleдвойной the sizeразмер of a cityгород from 100,000 to 200,000,
303
711000
3000
При увеличении размера города со ста до двухсот тысяч,
12:09
from a millionмиллиона to two millionмиллиона, 10 to 20 millionмиллиона,
304
714000
2000
с миллиона до двух, с 10 до 20 миллионов,
12:11
it doesn't matterдело,
305
716000
2000
не важно,
12:13
then systematicallyсистематически
306
718000
2000
систематически
12:15
you get a 15 percentпроцент increaseувеличение
307
720000
2000
получаются 15-ти процентное увеличение
12:17
in wagesзаработная плата, wealthбогатство, numberномер of AIDSСПИД casesслучаи,
308
722000
2000
зарплат, богатства, количество случаев СПИДа,
12:19
numberномер of policeполиция,
309
724000
2000
размер полиции, —
12:21
anything you can think of.
310
726000
2000
всего, о чём можно подумать.
12:23
It goesидет up by 15 percentпроцент,
311
728000
2000
Увеличивается на 15 процентов.
12:25
and you have a 15 percentпроцент savingsэкономия
312
730000
3000
И 15 процентов экономится
12:28
on the infrastructureинфраструктура.
313
733000
3000
на инфраструктуре.
12:31
This, no doubtсомнение, is the reasonпричина
314
736000
3000
Вне сомнения, это и есть причина,
12:34
why a millionмиллиона people a weekнеделю are gatheringсбор in citiesгорода.
315
739000
3000
по которой миллион людей в неделю переезжает в города.
12:37
Because they think that all those wonderfulзамечательно things --
316
742000
3000
Их привлекают все эти замечательные вещи,
12:40
like creativeтворческий people, wealthбогатство, incomeдоход --
317
745000
2000
творческие люди, богатство, доход,
12:42
is what attractsпривлекает them,
318
747000
2000
вот что их привлекает,
12:44
forgettingзабывая about the uglyуродливый and the badПлохо.
319
749000
2000
и они забывают о плохом и ужасном.
12:46
What is the reasonпричина for this?
320
751000
2000
В чём причина?
12:48
Well I don't have time to tell you about all the mathematicsматематика,
321
753000
3000
У меня нет времени рассказывать всю математику,
12:51
but underlyingлежащий в основе this is the socialСоциальное networksсети,
322
756000
3000
но в основе лежат социальные сети,
12:54
because this is a universalуниверсальный phenomenonявление.
323
759000
3000
потому что это универсальное явление.
12:57
This 15 percentпроцент ruleправило
324
762000
3000
Это правило 15-ти процентов
13:00
is trueправда
325
765000
2000
работает
13:02
no matterдело where you are on the planetпланета --
326
767000
2000
вне зависимости от местонахождения на планете —
13:04
JapanЯпония, ChileЧили,
327
769000
2000
Япония, Чили,
13:06
PortugalПортугалия, ScotlandШотландия, doesn't matterдело.
328
771000
3000
Португалия, Шотландия — не важно.
13:09
Always, all the dataданные showsшоу it's the sameодна и та же,
329
774000
3000
Всегда, все данные показывают, что они одинаковы,
13:12
despiteнесмотря the factфакт that these citiesгорода have evolvedэволюционировали independentlyнезависимо.
330
777000
3000
несмотря на то, что эти города развивались независимо.
13:15
Something universalуниверсальный is going on.
331
780000
2000
Здесь есть что-то универсальное.
13:17
The universalityуниверсальность, to repeatповторение, is us --
332
782000
3000
Универсальность, повторю, это мы —
13:20
that we are the cityгород.
333
785000
2000
мы и есть город.
13:22
And it is our interactionsвзаимодействия and the clusteringкластеризация of those interactionsвзаимодействия.
334
787000
3000
Это наши взаимодействия и кластеризация этих взаимодействий.
13:25
So there it is, I've said it again.
335
790000
2000
Итак, я повторил это снова.
13:27
So if it is those networksсети and theirих mathematicalматематическая structureсостав,
336
792000
3000
Если эти сети и их математическая структура,
13:30
unlikeВ отличие от biologyбиология, whichкоторый had sublinearсублинеен scalingпересчет,
337
795000
3000
в отличие от биосистем, где мы видели сублинейное масштабирование
13:33
economiesэкономики of scaleмасштаб,
338
798000
2000
и положительный эффект масштаба,
13:35
you had the slowingзамедление of the paceтемп of life
339
800000
2000
где было замедление скорости жизни
13:37
as you get biggerбольше.
340
802000
2000
при увеличении размеов.
13:39
If it's socialСоциальное networksсети with super-linearсупер-линейный scalingпересчет --
341
804000
2000
если это социальные сети с суперлинейным масштабированием —
13:41
more perв capitaна душу населения --
342
806000
2000
больше «на единицу» —
13:43
then the theoryтеория saysговорит
343
808000
2000
тогда теория утверждает,
13:45
that you increaseувеличение the paceтемп of life.
344
810000
2000
что скорость жизни увеличивается.
13:47
The biggerбольше you are, life getsполучает fasterБыстрее.
345
812000
2000
Чем больше, тем быстрее жизнь.
13:49
On the left is the heartсердце rateставка showingпоказ biologyбиология.
346
814000
2000
Слева показана частота сердцебиений, из биологии.
13:51
On the right is the speedскорость of walkingгулять пешком
347
816000
2000
Справа — скорость ходьбы
13:53
in a bunchгроздь of EuropeanЕвропейская citiesгорода,
348
818000
2000
в ряде европейских городов,
13:55
showingпоказ that increaseувеличение.
349
820000
2000
демонстрирующая увеличение.
13:57
Lastlyнаконец, I want to talk about growthрост.
350
822000
3000
В последнюю очередь, я хочу поговорить о росте.
14:00
This is what we had in biologyбиология, just to repeatповторение.
351
825000
3000
То, что было в биологии, просто повторю.
14:03
Economiesэкономики of scaleмасштаб
352
828000
3000
Положительный эффект масштаба
14:06
gaveдал riseподъем to this sigmoidalсигмовидной behaviorповедение.
353
831000
3000
даёт начало такому сигмоидному поведению.
14:09
You growрасти fastбыстро and then stop --
354
834000
3000
Быстрый рост и затем остановка —
14:12
partчасть of our resilienceупругость.
355
837000
2000
часть устойчивости.
14:14
That would be badПлохо for economiesэкономики and citiesгорода.
356
839000
3000
Подобное было бы плохо для экономик и городов.
14:17
And indeedв самом деле, one of the wonderfulзамечательно things about the theoryтеория
357
842000
2000
В самом деле, один из удивительных фактов теории в том,
14:19
is that if you have super-linearсупер-линейный scalingпересчет
358
844000
3000
что при суперлинейном масштабировании,
14:22
from wealthбогатство creationсоздание and innovationинновация,
359
847000
2000
начиная с создания богатства и инноваций,
14:24
then indeedв самом деле you get, from the sameодна и та же theoryтеория,
360
849000
3000
из той же теории следует
14:27
a beautifulкрасивая risingподнимающийся exponentialэкспоненциальный curveкривая -- lovelyпрекрасный.
361
852000
2000
замечательная восходящая экспоненциальная кривая — красиво.
14:29
And in factфакт, if you compareсравнить it to dataданные,
362
854000
2000
На самом деле, если сравнить её с данными,
14:31
it fitsприпадки very well
363
856000
2000
она очень хорошо сходится
14:33
with the developmentразвитие of citiesгорода and economiesэкономики.
364
858000
2000
с развитием городов и экономик.
14:35
But it has a terribleужасный catchпоймать,
365
860000
2000
Но в ней есть ужасная ловушка.
14:37
and the catchпоймать
366
862000
2000
Ловушка в том,
14:39
is that this systemсистема is destinedпредназначенный to collapseколлапс.
367
864000
3000
что эта система обречена на провал.
14:42
And it's destinedпредназначенный to collapseколлапс for manyмногие reasonsпричины --
368
867000
2000
Она обречена на провал по многим причинам —
14:44
kindсвоего рода of Malthusianмальтузианский reasonsпричины -- that you runбег out of resourcesРесурсы.
369
869000
3000
мальтузианского типа — потому что ресурсов перестанет хватать.
14:47
And how do you avoidизбежать that? Well we'veмы в doneсделанный it before.
370
872000
3000
Как же этого избежать? Мы уже это делали.
14:50
What we do is,
371
875000
2000
Мы делаем вот так,
14:52
as we growрасти and we approachподход the collapseколлапс,
372
877000
3000
когда мы вырастаем и приближаемся к провалу —
14:55
a majorглавный innovationинновация takes placeместо
373
880000
3000
происходит революционное открытие
14:58
and we startНачало over again,
374
883000
2000
и мы начинаем заново.
15:00
and we startНачало over again as we approachподход the nextследующий one, and so on.
375
885000
3000
И мы начинаем заново при приближении к следующему, и так далее.
15:03
So there's this continuousнепрерывный cycleцикл of innovationинновация
376
888000
2000
Существует этот непрерывный цикл инноваций,
15:05
that is necessaryнеобходимо
377
890000
2000
который необходим
15:07
in orderзаказ to sustainподдерживать growthрост and avoidизбежать collapseколлапс.
378
892000
3000
для поддержания роста и избегания провала.
15:10
The catchпоймать, howeverОднако, to this
379
895000
2000
Однако и здесь есть ловушка —
15:12
is that you have to innovateвводить новшества
380
897000
2000
нужно изобретать
15:14
fasterБыстрее and fasterБыстрее and fasterБыстрее.
381
899000
3000
всё быстрее, и быстрее, и быстрее.
15:17
So the imageобраз
382
902000
2000
Картинка показывает,
15:19
is that we're not only on a treadmillбегущая дорожка that's going fasterБыстрее,
383
904000
3000
что мы не только находимся на беговой дорожке, которая ускоряется,
15:22
but we have to changeизменение the treadmillбегущая дорожка fasterБыстрее and fasterБыстрее.
384
907000
3000
но нам нужно менять беговые дорожки всё быстрее и быстрее.
15:25
We have to accelerateускорять on a continuousнепрерывный basisоснова.
385
910000
3000
Нам нужно ускоряться на постоянной основе.
15:28
And the questionвопрос is: Can we, as socio-economicсоциально-экономические beingsсущества,
386
913000
3000
Вот в чём вопрос: Можем ли мы, как социоэкономические создания,
15:31
avoidизбежать a heartсердце attackатака?
387
916000
3000
избежать сердечного приступа?
15:34
So lastlyнаконец, I'm going to finishКонец up in this last minuteминут or two
388
919000
3000
Итак, в последние пару минут я хочу завершить,
15:37
askingпросить about companiesкомпании.
389
922000
2000
спрашивая о компаниях.
15:39
See companiesкомпании, they scaleмасштаб.
390
924000
2000
Посмотрите на компании, они масштабируются.
15:41
The topВверх one, in factфакт, is WalmartWalmart on the right.
391
926000
2000
На самом деле, верхняя справа — Walmart.
15:43
It's the sameодна и та же plotсюжет.
392
928000
2000
Это тот же график.
15:45
This happensпроисходит to be incomeдоход and assetsактивы
393
930000
2000
Это прибыль и активы, по отношению
15:47
versusпротив the sizeразмер of the companyКомпания as denotedобозначаться by its numberномер of employeesсотрудников.
394
932000
2000
к размеру компании, выраженном количеством сотрудников.
15:49
We could use salesпродажи, anything you like.
395
934000
3000
Можно было взять продажи, всё что угодно.
15:52
There it is: after some little fluctuationsколебание at the beginningначало,
396
937000
3000
Итак, вот оно: после небольших колебаний в начале,
15:55
when companiesкомпании are innovatingинновационный,
397
940000
2000
когда компании изобретают,
15:57
they scaleмасштаб beautifullyкрасиво.
398
942000
2000
они великолепно масштабируются.
15:59
And we'veмы в lookedсмотрел at 23,000 companiesкомпании
399
944000
3000
Я должен сказать, мы просмотрели
16:02
in the Unitedобъединенный Statesсостояния, mayмай I say.
400
947000
2000
23 тысячи компаний в США.
16:04
And I'm only showingпоказ you a little bitнемного of this.
401
949000
3000
И я показываю вам лишь небольшую часть.
16:07
What is astonishingудивительный about companiesкомпании
402
952000
2000
Поразительным фактом о компаниях является
16:09
is that they scaleмасштаб sublinearlyсублинейно
403
954000
3000
их сублинейное масштабирование,
16:12
like biologyбиология,
404
957000
2000
как в биологии,
16:14
indicatingуказывающий that they're dominatedдоминировал,
405
959000
2000
показывая, что они управляются
16:16
not by super-linearсупер-линейный
406
961000
2000
не суперлинейными
16:18
innovationинновация and ideasидеи;
407
963000
3000
изобретениями и идеями,
16:21
they becomeстали dominatedдоминировал
408
966000
2000
они управляются
16:23
by economiesэкономики of scaleмасштаб.
409
968000
2000
положительным эффектом масштаба.
16:25
In that interpretationинтерпретация,
410
970000
2000
В данной трактовке,
16:27
by bureaucracyбюрократия and administrationадминистрация,
411
972000
2000
это бюрократия и администрация,
16:29
and they do it beautifullyкрасиво, mayмай I say.
412
974000
2000
и я должен сказать, они отлично с этим справляются.
16:31
So if you tell me the sizeразмер of some companyКомпания, some smallмаленький companyКомпания,
413
976000
3000
Итак, если вы мне скажете размер компании, какой-то небольшой компании,
16:34
I could have predictedпредсказанный the sizeразмер of WalmartWalmart.
414
979000
3000
я смог бы предсказать размер Walmart.
16:37
If it has this sublinearсублинеен scalingпересчет,
415
982000
2000
Если он подчиняется сублинейному масштабированию,
16:39
the theoryтеория saysговорит
416
984000
2000
теория утверждает,
16:41
we should have sigmoidalсигмовидной growthрост.
417
986000
3000
что должен быть сигмоидный рост.
16:44
There's WalmartWalmart. Doesn't look very sigmoidalсигмовидной.
418
989000
2000
Вот Walmart. Не похоже на сигмоидный.
16:46
That's what we like, hockeyхоккей sticksпалочки.
419
991000
3000
Это то, что нам нравится, хоккейные клюшки.
16:49
But you noticeуведомление, I've cheatedобманутый,
420
994000
2000
Но если заметить, я смухлевал,
16:51
because I've only goneпрошло up to '94.
421
996000
2000
потому что я дошёл только до 94-го.
16:53
Let's go up to 2008.
422
998000
2000
Давайте продолжим до 2008-го.
16:55
That redкрасный lineлиния is from the theoryтеория.
423
1000000
3000
Красная линия — теоретическая.
16:58
So if I'd have doneсделанный this in 1994,
424
1003000
2000
Если бы я сделал это в 1994-м,
17:00
I could have predictedпредсказанный what WalmartWalmart would be now.
425
1005000
3000
я смог бы предсказать, чем Walmart был бы сейчас.
17:03
And then this is repeatedповторный
426
1008000
2000
Это повторяется
17:05
acrossчерез the entireвсе spectrumспектр of companiesкомпании.
427
1010000
2000
на всём спектре компаний.
17:07
There they are. That's 23,000 companiesкомпании.
428
1012000
3000
Вот они. 23 тысячи компаний.
17:10
They all startНачало looking like hockeyхоккей sticksпалочки,
429
1015000
2000
Они все начинают, выглядя как хоккейные клюшки,
17:12
they all bendизгиб over,
430
1017000
2000
они все сгибаются,
17:14
and they all dieумереть like you and me.
431
1019000
2000
и они все умирают, как вы и я.
17:16
Thank you.
432
1021000
2000
Спасибо.
17:18
(ApplauseАплодисменты)
433
1023000
9000
(Аплодисменты)
Translated by Aliaksandr Autayeu
Reviewed by Larisa Larionova

▲Back to top

ABOUT THE SPEAKER
Geoffrey West - Theorist
Physicist Geoffrey West believes that complex systems from organisms to cities are in many ways governed by simple laws -- laws that can be discovered and analyzed.

Why you should listen

Trained as a theoretical physicist, Geoffrey West has turned his analytical mind toward the inner workings of more concrete things, like ... animals. In a paper for Science in 1997, he and his team uncovered what he sees as a surprisingly universal law of biology — the way in which heart rate, size and energy consumption are related, consistently, across most living animals. (Though not all animals: “There are always going to be people who say, ‘What about the crayfish?’ " he says. “Well, what about it? Every fundamental law has exceptions. But you still need the law or else all you have is observations that don’t make sense.")

A past president of the multidisciplinary Santa Fe Institute (after decades working  in high-energy physics at Los Alamos and Stanford), West now studies the behavior and development of cities. In his newest work, he proposes that one simple number, population, can predict a stunning array of details about any city, from crime rate to economic activity. It's all about the plumbing, he says, the infrastructure that powers growth or dysfunction. His next target for study: corporations.

He says: "Focusing on the differences [between cities] misses the point. Sure, there are differences, but different from what? We’ve found the what."

More profile about the speaker
Geoffrey West | Speaker | TED.com