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

Geoffrey West: Prekvapujúca matematika miest a spoločností

Filmed:
1,583,030 views

Fyzik Geoffrey West zistil, že jednoduché matematické zákonitosti riadia vlastnosti miest -- bohatstvo, miera kriminality, rýchlosť chôdze a mnoho rôznych aspektov mesta je možné odvodiť z jediného čísla: veľkosti populácie mesta. V tejto šokujúcej prednáške na TEDGlobal vysvetľuje, ako to funguje, a ako sa podobné zákonitosti uplatňujú u organizmov a korporácií.
- 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
CitiesMestá are the crucibletéglik of civilizationcivilizácie.
0
1000
3000
Mestá sú zaťažkávacou skúškou civilizácie.
00:19
They have been expandingrozširujúce,
1
4000
2000
Expandujú,
00:21
urbanizationUrbanizácia has been expandingrozširujúce,
2
6000
2000
urbanizácia postupuje
00:23
at an exponentialexponenciálny raterýchlosť in the last 200 yearsleta
3
8000
2000
exponenciálnou rýchlosťou za posledných 200 rokov,
00:25
so that by the seconddruhý partčasť of this centurystoročia,
4
10000
3000
takže v druhej polovici tohoto storočia
00:28
the planetplanéta will be completelyúplne dominateddominantou
5
13000
2000
budú na planéte úplne dominovať
00:30
by citiesmesta.
6
15000
3000
mestá.
00:33
CitiesMestá are the originspôvod of globalglobálnej warmingzahrievanie,
7
18000
3000
Mestá sú pôvodcom globálneho otepľovania,
00:36
impactnáraz on the environmentprostredie,
8
21000
2000
dopadov na životné prostredie,
00:38
healthzdravie, pollutionznečistenie, diseasechoroba,
9
23000
3000
zdravie, odpady, choroby,
00:41
financefinancie,
10
26000
2000
financie,
00:43
economiesúspory, energyenergie --
11
28000
3000
ekonomiku, energiu --
00:46
they're all problemsproblémy
12
31000
2000
to sú všetko problémy,
00:48
that are confrontedkonfrontovaný by havingmajúce citiesmesta.
13
33000
2000
ktorým čelíme v mestách.
00:50
That's where all these problemsproblémy come from.
14
35000
2000
Odtiaľto všetky tieto problémy pochádzajú.
00:52
And the tsunamicunami of problemsproblémy that we feel we're facingobloženie
15
37000
3000
A cunami problémov, ktorým cítime, že čelíme
00:55
in termspodmienky of sustainabilityudržateľnosť questionsotázky
16
40000
2000
z hľadiska otázok trvalej udržateľnosti
00:57
are actuallyvlastne a reflectionodraz
17
42000
2000
sú vlastne odrazom
00:59
of the exponentialexponenciálny increasezvýšiť
18
44000
2000
exponenciálneho nárastu
01:01
in urbanizationUrbanizácia acrossnaprieč the planetplanéta.
19
46000
3000
urbanizácie na celej planéte.
01:04
Here'sTu je some numbersčísla.
20
49000
2000
Tu je niekoľko čísel.
01:06
Two hundredsto yearsleta agopred, the UnitedVeľká StatesŠtáty
21
51000
2000
Pred 200 rokmi bola miera urbanizácie
01:08
was lessmenej than a fewmálo percentpercento urbanizedurbanizovanej.
22
53000
2000
v Spojených štátoch len niekoľko málo percent.
01:10
It's now more than 82 percentpercento.
23
55000
2000
Teraz je to viac ako 82 percent.
01:12
The planetplanéta has crossedskrížené the halfwayv polovici markznačka a fewmálo yearsleta agopred.
24
57000
3000
Planéta prekročila 50 percentnú hranicu
pred pár rokmi.
01:15
China'sČíny buildingbudova 300 newNový citiesmesta
25
60000
2000
Čína postaví 300 nových miest
01:17
in the nextĎalšie 20 yearsleta.
26
62000
2000
v priebehu nasledujúcich 20-tich rokov.
01:19
Now listen to this:
27
64000
2000
A počúvajte:
01:21
EveryKaždý weektýždeň for the foreseeablepredvídateľných futurebudúcnosť,
28
66000
3000
Každý týždeň v priebehu dohľadnej budúcnosti,
01:24
untilkým 2050,
29
69000
2000
do roku 2050,
01:26
everykaždý weektýždeň more than a millionmilión people
30
71000
2000
každý týždeň sa viac ako milión ľudí
01:28
are beingbytia addedpridaný to our citiesmesta.
31
73000
2000
prisťahuje do miest.
01:30
This is going to affectovplyvniť everything.
32
75000
2000
Toto ovplyvní všetko.
01:32
EverybodyVšetci in this roomizba, if you staypobyt alivenažive,
33
77000
2000
Každý v tejto miestnosti, ak ostanete nažive,
01:34
is going to be affectedovplyvnené
34
79000
2000
bude ovplyvnený tým,
01:36
by what's happeninghappening in citiesmesta
35
81000
2000
čo sa deje v mestách
01:38
in this extraordinaryneobyčajný phenomenonjav.
36
83000
2000
v tomto výnimočnom fenoméne.
01:40
HoweverAvšak, citiesmesta,
37
85000
3000
Avšak mestá,
01:43
despitenapriek havingmajúce this negativenegatívny aspectaspekt to them,
38
88000
3000
napriek tomuto negatívnemu aspektu
01:46
are alsotaktiež the solutionriešenie.
39
91000
2000
sú tiež riešením.
01:48
Because citiesmesta are the vacuumvákuum cleanersčistiace prostriedky and the magnetsmagnety
40
93000
4000
Pretože mestá sú vysávače a magnety,
01:52
that have suckedolizovať up creativetvorivé people,
41
97000
2000
ktoré pritiahli kreatívnych ľudí,
01:54
creatingvytváranie ideasnápady, innovationinovácia,
42
99000
2000
tvoriacich nápady, inovácie,
01:56
wealthbohatstvo and so on.
43
101000
2000
bohatstvo a tak ďalej.
01:58
So we have this kinddruh of dualdvojaký naturepríroda.
44
103000
2000
Máme teda do činenia s touto ich duálnou povahou.
02:00
And so there's an urgentnaliehavý need
45
105000
3000
A rýchlo teda potrebujeme
02:03
for a scientificvedecký theoryteória of citiesmesta.
46
108000
4000
vedeckú teóriu o mestách.
02:07
Now these are my comradessúdruhovia in armszbrane.
47
112000
3000
Toto sú moji spolubojovníci.
02:10
This work has been donehotový with an extraordinaryneobyčajný groupskupina of people,
48
115000
2000
Táto práca bola vykonaná výnimočnou skupinou ľudí
02:12
and they'veoni majú donehotový all the work,
49
117000
2000
a urobili všetku prácu,
02:14
and I'm the great bullshitterbullshitter
50
119000
2000
a ja som dobrý táraj,
02:16
that triespokusy to bringpriniesť it all togetherspolu.
51
121000
2000
ktorý sa to pokúša dať všetko dokopy.
02:18
(LaughterSmiech)
52
123000
2000
(Smiech)
02:20
So here'stady the problemproblém: This is what we all want.
53
125000
2000
Toto je teda problém: Toto je to, čo všetci chceme.
02:22
The 10 billionmiliardy people on the planetplanéta in 2050
54
127000
3000
10 miliárd ľudí na planéte v roku 2050
02:25
want to livežiť in placesMiesta like this,
55
130000
2000
chce žiť na miestach ako je toto,
02:27
havingmajúce things like this,
56
132000
2000
mať veci ako sú tieto,
02:29
doing things like this,
57
134000
2000
robiť veci ako sú tieto,
02:31
with economiesúspory that are growingrastúce like this,
58
136000
3000
ekonomikou rastúcou takto,
02:34
not realizinguskutočnenie that entropyentropia
59
139000
2000
neuvedomujúc si, že neusporiadanosť
02:36
producesprodukuje things like this,
60
141000
2000
produkuje veci ako sú tieto,
02:38
this, this
61
143000
4000
toto, toto
02:42
and this.
62
147000
2000
a toto.
02:44
And the questionotázka is:
63
149000
2000
Otázkou je:
02:46
Is that what EdinburghEdinburgh and LondonLondýn and NewNové YorkYork
64
151000
2000
Je toto ako bude Edinburgh, Londýn a New York
02:48
are going to look like in 2050,
65
153000
2000
vypadať v roku 2050
02:50
or is it going to be this?
66
155000
2000
alebo budú takéto?
02:52
That's the questionotázka.
67
157000
2000
To je otázka.
02:54
I mustmusieť say, manyveľa of the indicatorsukazovatele
68
159000
2000
Musím povedať, že podľa mnohých indikátorov
02:56
look like this is what it's going to look like,
69
161000
3000
to bude vypadať takto,
02:59
but let's talk about it.
70
164000
3000
ale poďme sa o tom pobaviť.
03:02
So my provocativeprovokatívne statementvýkaz
71
167000
3000
Mojím provokatívnym výrokom je,
03:05
is that we desperatelyzúfalo need a seriousvážny scientificvedecký theoryteória of citiesmesta.
72
170000
3000
že zúfalo potrebujeme serióznu vedeckú
teóriu o mestách.
03:08
And scientificvedecký theoryteória meansprostriedky quantifiablekvantifikovateľné --
73
173000
3000
A vedecká teória znamená kvantifikovateľné --
03:11
relyingspoliehať sa on underlyingzákladné genericrodový principleszásady
74
176000
3000
opierajúce sa o základné všeobecné princípy,
03:14
that can be madevyrobený into a predictivePrediktívne písanie frameworkrámec.
75
179000
2000
ktoré sa môžu premeniť na predikčný rámec.
03:16
That's the questQuest.
76
181000
2000
To je to, po čom pátrame.
03:18
Is that conceivablemysliteľný?
77
183000
2000
Je to možné?
03:20
Are there universaluniverzálne lawszákony?
78
185000
2000
Jestvujú univerzálne zákony?
03:22
So here'stady two questionsotázky
79
187000
2000
Tu sú dve otázky,
03:24
that I have in my headhlava when I think about this problemproblém.
80
189000
2000
ktoré mám na mysli, keď o tomto probléme
premýšľam.
03:26
The first is:
81
191000
2000
Prvá je:
03:28
Are citiesmesta partčasť of biologybiológie?
82
193000
2000
Sú mestá súčasťou biológie?
03:30
Is LondonLondýn a great bigveľký whaleveľryba?
83
195000
2000
Je Londýn obrovskou veľrybou?
03:32
Is EdinburghEdinburgh a horsekôň?
84
197000
2000
Je Edinburgh kôň?
03:34
Is MicrosoftMicrosoft a great bigveľký anthillmravenisko?
85
199000
2000
Je Microsoft veľkým mraveniskom?
03:36
What do we learnučiť sa from that?
86
201000
2000
Aké plynie z toho pre nás ponaučenie?
03:38
We use them metaphoricallyobrazne --
87
203000
2000
Používame to metaforicky --
03:40
the DNADNA of a companyspoločnosť, the metabolismmetabolizmus of a cityveľkomesto, and so on --
88
205000
2000
DNA spoločností, metabolizmus mesta,
a tak ďalej --
03:42
is that just bullshithovadina, metaphoricalmetaforické bullshithovadina,
89
207000
3000
sú to len táraniny, metaforické táraniny
03:45
or is there seriousvážny substancesubstancie to it?
90
210000
3000
alebo pre to existuje vážna opodstatnenosť?
03:48
And if that is the casepúzdro,
91
213000
2000
Ak to tak je,
03:50
how come that it's very hardusilovne to killzabiť a cityveľkomesto?
92
215000
2000
ako je možné, že je veľmi ťažké zabiť mesto?
03:52
You could droppokles an atomatóm bombbomba on a cityveľkomesto,
93
217000
2000
Mohli by ste zhodiť atómovú bombu na mesto
03:54
and 30 yearsleta laterneskôr it's survivingprežívajúce.
94
219000
2000
a po 30 rokoch stále prežíva.
03:56
Very fewmálo citiesmesta failzlyhať.
95
221000
3000
Veľmi málo miest zlyhá.
03:59
All companiesspoločnosti diezomrieť, all companiesspoločnosti.
96
224000
3000
Všetky spoločnosti zaniknú, všetky spoločnosti.
04:02
And if you have a seriousvážny theoryteória, you should be ableschopný to predictpredpovedať
97
227000
2000
A ak máte serióznu teóriu, mali by ste byť schopní
predpovedať,
04:04
when GoogleGoogle is going to go bustpoprsia.
98
229000
3000
kedy Google skrachuje.
04:07
So is that just anotherďalší versionverzia
99
232000
3000
Je to len inou verziou
04:10
of this?
100
235000
2000
tohoto?
04:12
Well we understandrozumieť this very well.
101
237000
2000
Tomuto rozumieme veľmi dobre.
04:14
That is, you askopýtať sa any genericrodový questionotázka about this --
102
239000
2000
Čiže ak sa opýtate akúkoľvek všeobecnú otázku
o tomto --
04:16
how manyveľa treesstromy of a givendaný sizeveľkosť,
103
241000
2000
koľko stromov danej veľkosti,
04:18
how manyveľa branchespobočky of a givendaný sizeveľkosť does a treestrom have,
104
243000
2000
koľko vetiev danej veľkosti strom má,
04:20
how manyveľa leaveslisty,
105
245000
2000
koľko listov,
04:22
what is the energyenergie flowingtečúcou throughskrz eachkaždý branchvetva,
106
247000
2000
aké množstvo energie preteká každou vetvou,
04:24
what is the sizeveľkosť of the canopyBaldachýn,
107
249000
2000
aký je korunový zápoj,
04:26
what is its growthrast, what is its mortalitysmrteľnosť?
108
251000
2000
aký je rast, aká je úmrtnosť?
04:28
We have a mathematicalmatematický frameworkrámec
109
253000
2000
Máme matematický rámec
04:30
basedzaložené on genericrodový universaluniverzálne principleszásady
110
255000
3000
založený na všeobecných princípoch,
04:33
that can answerodpoveď those questionsotázky.
111
258000
2000
ktorý na tieto otázky dokáže odpovedať.
04:35
And the ideanápad is can we do the samerovnaký for this?
112
260000
4000
Myšlienkou je, či môžeme to isté urobiť pre toto?
04:40
So the routetrasa in is recognizinguznáva
113
265000
3000
Cestou teda je poznanie,
04:43
one of the mostväčšina extraordinaryneobyčajný things about life,
114
268000
2000
že najneobyčajnejšou vecou týkajúcou sa života je,
04:45
is that it is scalableškálovateľné,
115
270000
2000
že je škálovateľný,
04:47
it workspráce over an extraordinaryneobyčajný rangerozsah.
116
272000
2000
funguje to na neobyčajnom rozmedzí.
04:49
This is just a tinymaličký rangerozsah actuallyvlastne:
117
274000
2000
Toto je v skutočnosti iba maličké rozmedzie:
04:51
It's us mammalscicavce;
118
276000
2000
Sme to my - cicavce;
04:53
we're one of these.
119
278000
2000
sme jednými z týchto.
04:55
The samerovnaký principleszásady, the samerovnaký dynamicsdynamika,
120
280000
2000
Rovnaké princípy, rovnaká dynamika,
04:57
the samerovnaký organizationorganizácie is at work
121
282000
2000
a rovnaká organizácia sa uplatňuje
04:59
in all of these, includingpočítajúc do toho us,
122
284000
2000
vo všetkom tomto, vrátané nás,
05:01
and it can scalemierka over a rangerozsah of 100 millionmilión in sizeveľkosť.
123
286000
3000
a veľkostne to môže škálovať v rozmedzí
100 miliónov.
05:04
And that is one of the mainHlavná reasonsdôvody
124
289000
3000
A to je jednou z hlavných príčin toho,
05:07
life is so resilientpružné and robustrobustný --
125
292000
2000
že život je tak pružný a odolný --
05:09
scalabilityškálovateľnosť.
126
294000
2000
škálovateľnosť.
05:11
We're going to discussprediskutovať that in a momentmoment more.
127
296000
3000
O chvíľu to podrobnejšie prediskutujeme.
05:14
But you know, at a locallokálny levelhladina,
128
299000
2000
Však viete, na malej úrovni,
05:16
you scalemierka; everybodyvšetci in this roomizba is scaledzmenšený.
129
301000
2000
ste škálovaní; každý v tejto miestnosti
je škálovaný.
05:18
That's calledvolal growthrast.
130
303000
2000
Hovorí sa tomu rast.
05:20
Here'sTu je how you grewrástol.
131
305000
2000
Takto ste rástli.
05:22
RatRat, that's a ratpotkan -- could have been you.
132
307000
2000
Potkan, je to potkan -- mohli ste to byť vy.
05:24
We're all prettypekný much the samerovnaký.
133
309000
3000
Sme si dosť podobní.
05:27
And you see, you're very familiaroboznameny with this.
134
312000
2000
A vidíte, že vám je to známe.
05:29
You growrásť, pestovať very quicklyrýchlo and then you stop.
135
314000
2000
Rastiete veľmi rýchlo a potom prestanete.
05:31
And that lineriadok there
136
316000
2000
A tá krivka tam
05:33
is a predictionpredpoveď from the samerovnaký theoryteória,
137
318000
2000
je predpoveďou rovnakej teórie,
05:35
basedzaložené on the samerovnaký principleszásady,
138
320000
2000
založenej na rovnakých princípoch,
05:37
that describespopisuje that forestles.
139
322000
2000
aká popisuje les.
05:39
And here it is for the growthrast of a ratpotkan,
140
324000
2000
Tu je pre rast potkana,
05:41
and those pointsbody on there are datadáta pointsbody.
141
326000
2000
a tie body sú konkrétne údaje.
05:43
This is just the weightzávažia versusproti the ageVek.
142
328000
2000
Toto je len hmotnosť vynesená proti veku.
05:45
And you see, it stopszastávok growingrastúce.
143
330000
2000
A vidíte, prestane rásť.
05:47
Very, very good for biologybiológie --
144
332000
2000
Veľmi, veľmi užitočné v biológii --
05:49
alsotaktiež one of the reasonsdôvody for its great resiliencepružnosť.
145
334000
2000
tiež jedným z dôvodov veľkej pružnosti.
05:51
Very, very badzlý
146
336000
2000
Veľmi, veľmi zlé
05:53
for economiesúspory and companiesspoločnosti and citiesmesta
147
338000
2000
pre ekonomiku a spoločnosti a mestá
05:55
in our presentprítomný paradigmparadigma.
148
340000
2000
podľa našej súčasnej paradigmy.
05:57
This is what we believe.
149
342000
2000
Tomuto veríme.
05:59
This is what our wholecelý economyhospodárstvo
150
344000
2000
Toto je, čo nám naše hospodárstvo
06:01
is thrustingvrazil uponna us,
151
346000
2000
nahovára,
06:03
particularlyobzvlášť illustratedilustrované in that left-handľavá ruka cornerrohový:
152
348000
3000
ilustrované predovšetkým v ľavom rohu:
06:06
hockeyhokej stickstyčinky.
153
351000
2000
hokejky.
06:08
This is a bunchchumáč of softwaresoftvér companiesspoločnosti --
154
353000
2000
Toto je skupina softvérových firiem --
06:10
and what it is is theirich revenuepríjem versusproti theirich ageVek --
155
355000
2000
a to je ich príjem verzus ich vek --
06:12
all zoomingzoomovanie away,
156
357000
2000
všetky rýchlo rastúce,
06:14
and everybodyvšetci makingmaking millionsmilióny and billionsmiliardy of dollarsdolárov.
157
359000
2000
a všetci zarábajú milióny a miliardy dolárov.
06:16
Okay, so how do we understandrozumieť this?
158
361000
3000
OK, tak ako to chápeme?
06:19
So let's first talk about biologybiológie.
159
364000
3000
Povedzme si najprv o biológii.
06:22
This is explicitlyvýslovne showingukazujúci you
160
367000
2000
Toto výslovne ukazuje,
06:24
how things scalemierka,
161
369000
2000
ako sú veci škálované,
06:26
and this is a trulyskutočne remarkablepozoruhodný graphgraf.
162
371000
2000
a toto je naozaj pozoruhodný graf.
06:28
What is plottedzakreslené here is metabolicmetabolické raterýchlosť --
163
373000
3000
Je tu zakreslená rýchlosť metabolizmu --
06:31
how much energyenergie you need perza day to staypobyt alivenažive --
164
376000
3000
koľko energie denne potrebujete, aby ste zostali
nažive --
06:34
versusproti your weightzávažia, your masshmota,
165
379000
2000
verzus vaša váha,
06:36
for all of us bunchchumáč of organismsorganizmy.
166
381000
3000
pre skupinu organizmov.
06:39
And it's plottedzakreslené in this funnysmiešny way by going up by factorsfaktory of 10,
167
384000
3000
Vynesené je to divným spôsobom - stúpa to
po mocninách desiatky,
06:42
otherwiseinak you couldn'tnemohol get everything on the graphgraf.
168
387000
2000
inak by sa všetko na graf nevošlo.
06:44
And what you see if you plotsprisahania it
169
389000
2000
A čo vidíte, ak si to nakreslíte
06:46
in this slightlytrochu curiouszvedavý way
170
391000
2000
týmto trochu divným spôsobom je,
06:48
is that everybodyvšetci lieslži on the samerovnaký lineriadok.
171
393000
3000
že všetci sú na rovnakej priamke.
06:51
DespiteNapriek the factskutočnosť that this is the mostväčšina complexkomplexné and diverserozmanitý systemsystém
172
396000
3000
Napriek tomu, že toto je najkomplexnejší
a najrozmanitejší systém
06:54
in the universevesmír,
173
399000
3000
vo vesmíre,
06:57
there's an extraordinaryneobyčajný simplicityjednoduchosť
174
402000
2000
existuje tu výnimočná jednoduchosť
06:59
beingbytia expressedvyjadrený by this.
175
404000
2000
takto vyjadrená.
07:01
It's particularlyobzvlášť astonishingudivujúce
176
406000
3000
Je to obzvlášť udivujúce,
07:04
because eachkaždý one of these organismsorganizmy,
177
409000
2000
pretože každý z týchto organizmov,
07:06
eachkaždý subsystemsubsystém, eachkaždý cellbunka typetyp, eachkaždý genegen,
178
411000
2000
každý podsystém, každý typ bunky, každý gén,
07:08
has evolvedvyvinuli in its ownvlastný uniquejedinečný environmentalekologický nichenika
179
413000
4000
sa vyvíjal vo svojej unikátnej environmentálnej nike,
07:12
with its ownvlastný uniquejedinečný historyhistórie.
180
417000
3000
so svojou jedinečnou históriou.
07:15
And yetešte, despitenapriek all of that DarwinianDarwinove evolutionvývoj
181
420000
3000
A predsa, napriek všetkej tej darwinovskej evolúcii
07:18
and naturalprírodné selectionvýber,
182
423000
2000
a prirodzenému výberu,
07:20
they'veoni majú been constrainedobmedzený to lielož on a lineriadok.
183
425000
2000
sú obmedzené tak, že ležia na jednej priamke.
07:22
Something elseinak is going on.
184
427000
2000
Deje sa niečo iné.
07:24
Before I talk about that,
185
429000
2000
Pred tým, než o tom budem hovoriť,
07:26
I've writtenpísaný down at the bottomdno there
186
431000
2000
dole som napísal
07:28
the slopesklon of this curvekrivka, this straightrovno lineriadok.
187
433000
2000
sklon tejto krivky, tejto priamky.
07:30
It's three-quarterstri štvrtiny, roughlyhrubo,
188
435000
2000
Sú to tri štvrtiny, zhruba,
07:32
whichktorý is lessmenej than one -- and we call that sublinearsublinear.
189
437000
3000
čo je menej ako jedna -- hovoríme tomu sublineárny.
07:35
And here'stady the pointbod of that.
190
440000
2000
A tu je pointa.
07:37
It sayshovorí that, if it were linearlineárne,
191
442000
3000
Hovorí nám to, že keby to bolo lineárne,
07:40
the steepestnajstrmší slopesklon,
192
445000
2000
najstrmší sklon,
07:42
then doublingzdvojnásobenie the sizeveľkosť
193
447000
2000
potom zdvojnásobenie veľkosti
07:44
you would requirevyžadovať doubledvojitý the amountčiastka of energyenergie.
194
449000
2000
by vyžadovalo zdvojnásobenie energie.
07:46
But it's sublinearsublinear, and what that translatesprekladá into
195
451000
3000
Ale je to sublineárne, čo znamená,
07:49
is that, if you doubledvojitý the sizeveľkosť of the organismorganizmus,
196
454000
2000
že po zdvojnásobení veľkosti organizmu,
07:51
you actuallyvlastne only need 75 percentpercento more energyenergie.
197
456000
3000
sa vyžaduje len o 75% viac energie.
07:54
So a wonderfulbáječný thing about all of biologybiológie
198
459000
2000
Čiže nádherná vec v biológii je,
07:56
is that it expressesvyjadruje an extraordinaryneobyčajný economyhospodárstvo of scalemierka.
199
461000
3000
že vyjadruje výnimočnú hospodárnosť merítka.
07:59
The biggerväčšia you are systematicallysystematicky,
200
464000
2000
Čim väčší ste systematicky,
08:01
accordingpodľa to very well-defineddobre definované rulespravidlá,
201
466000
2000
v súlade s veľmi dobre definovanými pravidlami,
08:03
lessmenej energyenergie perza capitacapita.
202
468000
3000
tým menej energie na hlavu.
08:06
Now any physiologicalfyziologické variablepremenná you can think of,
203
471000
3000
Akákoľvek fyziologická veličina, ktorá vás napadne,
08:09
any life historyhistórie eventudalosť you can think of,
204
474000
2000
akákoľvek charakteristika životnej stratégie,
08:11
if you plotsprisahania it this way, looksvzhľad like this.
205
476000
3000
vypadá po takomto znázornení takto.
08:14
There is an extraordinaryneobyčajný regularitypravidelnosť.
206
479000
2000
Jestvuje tu výnimočná pravidelnosť.
08:16
So you tell me the sizeveľkosť of a mammalcicavec,
207
481000
2000
Povedzte mi veľkosť cicavca,
08:18
I can tell you at the 90 percentpercento levelhladina everything about it
208
483000
3000
na 90% vám o ňom poviem všetko
08:21
in termspodmienky of its physiologyfyziológie, life historyhistórie, etcatď.
209
486000
4000
čo sa týka jeho fyziológie, životnej stratégie, atd.
08:25
And the reasondôvod for this is because of networkssiete.
210
490000
3000
Dôvodom sú siete.
08:28
All of life is controlledriadené by networkssiete --
211
493000
3000
Všetok život je riadený sieťami --
08:31
from the intracellularintracelulárnej throughskrz the multicellularmnohobunkové
212
496000
2000
od vnútrobunečného cez mnohobunečný
08:33
throughskrz the ecosystemekosystém levelhladina.
213
498000
2000
až po úroveň ekosystémov.
08:35
And you're very familiaroboznameny with these networkssiete.
214
500000
3000
A tieto siete sú vám veľmi známe.
08:39
That's a little thing that livesživoty insidevnútri an elephantslon.
215
504000
3000
Toto je maličká vec žijúca v útrobách slona.
08:42
And here'stady the summaryZhrnutie of what I'm sayingpríslovie.
216
507000
3000
A tu je súhrn mojej rozpravy.
08:45
If you take those networkssiete,
217
510000
2000
Ak si vezmete tie siete,
08:47
this ideanápad of networkssiete,
218
512000
2000
túto myšlienku sietí,
08:49
and you applyplatiť universaluniverzálne principleszásady,
219
514000
2000
a uplatníte univerzálne princípy,
08:51
mathematizablemathematizable, universaluniverzálne principleszásady,
220
516000
2000
matematicky popísateľné univerzálne princípy
08:53
all of these scalingsokuje/okoviny
221
518000
2000
všetky tie škálovania
08:55
and all of these constraintsobmedzenia follownasledovať,
222
520000
3000
všetky obmedzenia z nich vyplývajú,
08:58
includingpočítajúc do toho the descriptionpopis of the forestles,
223
523000
2000
vrátane popisu lesa,
09:00
the descriptionpopis of your circulatoryobehové systemsystém,
224
525000
2000
popisu vášho obehového systému,
09:02
the descriptionpopis withinvnútri cellsbunky.
225
527000
2000
popis vnútra buniek.
09:04
One of the things I did not stressstres in that introductionúvod
226
529000
3000
Jednu vec som v úvode nezdôraznil
09:07
was that, systematicallysystematicky, the pacetempo of life
227
532000
3000
a to, že tempo života systematicky
09:10
decreasesznižuje as you get biggerväčšia.
228
535000
2000
klesá čím ste väčší.
09:12
HeartSrdce ratessadzby are slowerpomalšie; you livežiť longerdlhšie;
229
537000
3000
Pulz srdca je nižší; žijete dlhšie;
09:15
diffusionrozptyl of oxygenkyslík and resourceszdroje
230
540000
2000
difúzia kyslíka a zdrojov
09:17
acrossnaprieč membranesmembrány is slowerpomalšie, etcatď.
231
542000
2000
cez membrány je pomalšia, atd.
09:19
The questionotázka is: Is any of this truepravdivý
232
544000
2000
Otázka znie: platí čokoľvek z tohoto
09:21
for citiesmesta and companiesspoločnosti?
233
546000
3000
pre mestá a spoločnosti?
09:24
So is LondonLondýn a scaledzmenšený up BirminghamBirmingham,
234
549000
3000
Je teda Londýn zväčšený Birmingham,
09:27
whichktorý is a scaledzmenšený up BrightonBrighton, etcatď., etcatď.?
235
552000
3000
ktorý je zväčšeninou Brightonu, atd., atd.?
09:30
Is NewNové YorkYork a scaledzmenšený up SanSan FranciscoFrancisco,
236
555000
2000
Je New York zväčšeným San Franciscom,
09:32
whichktorý is a scaledzmenšený up SantaSanta FeFe?
237
557000
2000
ktoré je zväčšeným Santa Fe?
09:34
Don't know. We will discussprediskutovať that.
238
559000
2000
Neviem. Preberieme si to.
09:36
But they are networkssiete,
239
561000
2000
Sú to však siete,
09:38
and the mostväčšina importantdôležitý networksieť of citiesmesta
240
563000
2000
a najdôležitejšou sieťou miest
09:40
is you.
241
565000
2000
ste vy sami.
09:42
CitiesMestá are just a physicalfyzický manifestationmanifestácie
242
567000
3000
Mestá sú len materiálnym prejavom
09:45
of your interactionsinterakcie,
243
570000
2000
vašich interakcií,
09:47
our interactionsinterakcie,
244
572000
2000
našich interakcií,
09:49
and the clusteringKlastrovanie and groupingzoskupenie of individualsjednotlivci.
245
574000
2000
zhlukovania a zoskupovania jedincov.
09:51
Here'sTu je just a symbolicsymbolické pictureobrázok of that.
246
576000
3000
Tu je symbolické znázornenie.
09:54
And here'stady scalingškálovanie of citiesmesta.
247
579000
2000
A tu je škálovanie miest.
09:56
This showsrelácie that in this very simpleprostý examplepríklad,
248
581000
3000
Ukazuje to, že v tomto veľmi jednoduchom príklade,
09:59
whichktorý happensdeje to be a mundanesvetský examplepríklad
249
584000
2000
čo je náhodou praobyčajným príkladom
10:01
of numberčíslo of petrolbenzín stationsstanice
250
586000
2000
počtu čerpacích staníc
10:03
as a functionfunkcie of sizeveľkosť --
251
588000
2000
ako funkcia veľkosti --
10:05
plottedzakreslené in the samerovnaký way as the biologybiológie --
252
590000
2000
znázornené rovnakým spôsobom ako v biológii --
10:07
you see exactlypresne the samerovnaký kinddruh of thing.
253
592000
2000
vidíte presne tú istú vec.
10:09
There is a scalingškálovanie.
254
594000
2000
Existuje tu škálovanie.
10:11
That is that the numberčíslo of petrolbenzín stationsstanice in the cityveľkomesto
255
596000
4000
Čiže počet čerpacích staníc v meste
10:15
is now givendaný to you
256
600000
2000
vám poviem,
10:17
when you tell me its sizeveľkosť.
257
602000
2000
ak mi zadáte veľkosť mesta.
10:19
The slopesklon of that is lessmenej than linearlineárne.
258
604000
3000
Sklon je menší ako lineárny.
10:22
There is an economyhospodárstvo of scalemierka.
259
607000
2000
Jestvuje tu úspornosť merítka.
10:24
LessMenej petrolbenzín stationsstanice perza capitacapita the biggerväčšia you are -- not surprisingprekvapujúce.
260
609000
3000
Menej čerpacích staníc na hlavu, čím ste väčší
-- neprekvapivé.
10:27
But here'stady what's surprisingprekvapujúce.
261
612000
2000
Avšak toto je prekvapivé.
10:29
It scalesváhy in the samerovnaký way everywherevšade.
262
614000
2000
Mení sa to s merítkom všade rovnako.
10:31
This is just EuropeanEurópska countrieskrajiny,
263
616000
2000
Toto sú len európske mestá,
10:33
but you do it in JapanJaponsko or ChinaČína or ColombiaKolumbia,
264
618000
3000
ale urobíte to pre Japonsko či Čínu alebo Kolumbiu,
10:36
always the samerovnaký
265
621000
2000
vždy rovnaké,
10:38
with the samerovnaký kinddruh of economyhospodárstvo of scalemierka
266
623000
2000
s rovnakou úspornosťou merítka
10:40
to the samerovnaký degreestupeň.
267
625000
2000
zhodného stupňa.
10:42
And any infrastructureinfraštruktúra you look at --
268
627000
3000
Na akúkoľvek infraštruktúru sa pozriete --
10:45
whetherči it's the lengthdĺžka of roadscesty, lengthdĺžka of electricalelektrický linesčiary --
269
630000
3000
či je to dĺžka ciest, elektrických vedení --
10:48
anything you look at
270
633000
2000
na čokoľvek sa pozriete,
10:50
has the samerovnaký economyhospodárstvo of scalemierka scalingškálovanie in the samerovnaký way.
271
635000
3000
má to rovnakú úspornosť merítka meniacu sa
rovnakým spôsobom.
10:53
It's an integratedintegrovaný systemsystém
272
638000
2000
Je to integrovaný systém,
10:55
that has evolvedvyvinuli despitenapriek all the planningplánovanie and so on.
273
640000
3000
ktorý sa vyvíjal napriek všetkému plánovaniu atd.
10:58
But even more surprisingprekvapujúce
274
643000
2000
Čo je však ešte prekvapivejšie,
11:00
is if you look at socio-economicsociálno-ekonomické quantitiesmnožstvá,
275
645000
2000
že ak sa pozriete na socioekonomické ukazovatele,
11:02
quantitiesmnožstvá that have no analoganalógový in biologybiológie,
276
647000
3000
ukazovatele bez obdoby v biológii,
11:05
that have evolvedvyvinuli when we startedzahájená formingformujúce communitieskomunity
277
650000
3000
ktoré sme vyvinuli, keď sme začali vytvárať
spoločenstvá
11:08
eightosem to 10,000 yearsleta agopred.
278
653000
2000
pred 8 - 10 tisíc rokmi.
11:10
The toptop one is wagesmzda as a functionfunkcie of sizeveľkosť
279
655000
2000
Hore sú mzdy ako funkcia veľkosti
11:12
plottedzakreslené in the samerovnaký way.
280
657000
2000
znázornené rovnakým spôsobom.
11:14
And the bottomdno one is you lot --
281
659000
2000
Dole ste vy --
11:16
super-creativesSuper-kreatív plottedzakreslené in the samerovnaký way.
282
661000
3000
super-kreatívni ľudia, znázornené rovnako.
11:19
And what you see
283
664000
2000
A čo vidíte
11:21
is a scalingškálovanie phenomenonjav.
284
666000
2000
je fenomén škálovania.
11:23
But mostväčšina importantdôležitý in this,
285
668000
2000
Čo je najdôležitejšie je,
11:25
the exponentexponent, the analoganalógový to that three-quarterstri štvrtiny
286
670000
2000
že exponent, analóg tých troch štvrtín
11:27
for the metabolicmetabolické raterýchlosť,
287
672000
2000
rýchlosti metabolizmu,
11:29
is biggerväčšia than one -- it's about 1.15 to 1.2.
288
674000
2000
je vyšší než jedna -- je to okolo 1.15 až 1.2.
11:31
Here it is,
289
676000
2000
Tu to je,
11:33
whichktorý sayshovorí that the biggerväčšia you are
290
678000
3000
čím ste väčší
11:36
the more you have perza capitacapita, unlikena rozdiel od biologybiológie --
291
681000
3000
tým viac máte na hlavu, na rozdiel od biológie --
11:39
highervyššia wagesmzda, more super-creativeSuper-creative people perza capitacapita as you get biggerväčšia,
292
684000
4000
vyššie mzdy, viac super kreatívnych ľudí na hlavu
pri väčššej veľkosti,
11:43
more patentspatenty perza capitacapita, more crimezločin perza capitacapita.
293
688000
3000
viac patentov na hlavu, viac trestných činov na hlavu.
11:46
And we'vemy máme lookedpozrel at everything:
294
691000
2000
A pozreli sme sa na všetko:
11:48
more AIDSAIDS casesprípady, fluchrípka, etcatď.
295
693000
3000
viac prípadov AIDS, chrípky atd.
11:51
And here, they're all plottedzakreslené togetherspolu.
296
696000
2000
Tu sú všetky vynesené spolu.
11:53
Just to showšou you what we plottedzakreslené,
297
698000
2000
Len vám ukážem, čo sme vyniesli,
11:55
here is incomepríjem, GDPHDP --
298
700000
3000
tu je príjem, HDP --
11:58
GDPHDP of the cityveľkomesto --
299
703000
2000
HDP mesta --
12:00
crimezločin and patentspatenty all on one graphgraf.
300
705000
2000
kriminalita a patenty, všetko na jednom grafe.
12:02
And you can see, they all follownasledovať the samerovnaký lineriadok.
301
707000
2000
A vidíte, že všetko je na rovnakej priamke.
12:04
And here'stady the statementvýkaz.
302
709000
2000
Tvrdenie je:
12:06
If you doubledvojitý the sizeveľkosť of a cityveľkomesto from 100,000 to 200,000,
303
711000
3000
Ak zväčšíte mesto zo 100 000 na 200 000,
12:09
from a millionmilión to two millionmilión, 10 to 20 millionmilión,
304
714000
2000
z milióna na dva milióny, z 10 na 20 miliónov,
12:11
it doesn't matterzáležitosť,
305
716000
2000
na tom nezáleží,
12:13
then systematicallysystematicky
306
718000
2000
potom systematicky
12:15
you get a 15 percentpercento increasezvýšiť
307
720000
2000
získavate 15-percentný nárast
12:17
in wagesmzda, wealthbohatstvo, numberčíslo of AIDSAIDS casesprípady,
308
722000
2000
miezd, bohatstva, počtu prípadov AIDS,
12:19
numberčíslo of policePOLÍCIA,
309
724000
2000
počtu policajtov,
12:21
anything you can think of.
310
726000
2000
na čokoľvek si spomeniete.
12:23
It goeside up by 15 percentpercento,
311
728000
2000
Rastie to o 15 percent,
12:25
and you have a 15 percentpercento savingsúspory
312
730000
3000
a dostávame 15-percentné úspory
12:28
on the infrastructureinfraštruktúra.
313
733000
3000
na infraštruktúre.
12:31
This, no doubtpochybovať, is the reasondôvod
314
736000
3000
Toto je bezpochyby dôvod,
12:34
why a millionmilión people a weektýždeň are gatheringzhromaždenia in citiesmesta.
315
739000
3000
prečo sa milión ľudí týždenne sťahuje do miest.
12:37
Because they think that all those wonderfulbáječný things --
316
742000
3000
Pretože si myslia, že všetky tie skvelé veci --
12:40
like creativetvorivé people, wealthbohatstvo, incomepríjem --
317
745000
2000
ako kreatívni ľudia, bohatstvo, príjem --
12:42
is what attractspriťahuje them,
318
747000
2000
je to, čo ich láka,
12:44
forgettingzabúdania about the uglyškaredý and the badzlý.
319
749000
2000
zabúdajú na to ošklivé a zlé.
12:46
What is the reasondôvod for this?
320
751000
2000
Čo je dôvodom?
12:48
Well I don't have time to tell you about all the mathematicsmatematika,
321
753000
3000
Nemám čas povedať vám o všetkej tej matematike,
12:51
but underlyingzákladné this is the socialsociálny networkssiete,
322
756000
3000
ale základom sú sociálne prepojenia,
12:54
because this is a universaluniverzálne phenomenonjav.
323
759000
3000
pretože toto je univerzálny fenomén.
12:57
This 15 percentpercento rulepravidlo
324
762000
3000
Toto 15-percentné pravidlo
13:00
is truepravdivý
325
765000
2000
platí
13:02
no matterzáležitosť where you are on the planetplanéta --
326
767000
2000
bez ohľadu na to, kde na planéte ste --
13:04
JapanJaponsko, ChileČile,
327
769000
2000
Japonsko, Čile,
13:06
PortugalPortugalsko, ScotlandŠkótsko, doesn't matterzáležitosť.
328
771000
3000
Portugalsko, Škótsko, na tom nezáleží.
13:09
Always, all the datadáta showsrelácie it's the samerovnaký,
329
774000
3000
Všetko je to, ako ukazujú údaje, rovnaké,
13:12
despitenapriek the factskutočnosť that these citiesmesta have evolvedvyvinuli independentlynezávisle.
330
777000
3000
naprie faktu, že tieto mestá sa vyvíjali nezávisle.
13:15
Something universaluniverzálne is going on.
331
780000
2000
Deje sa niečo univerzálne.
13:17
The universalityuniverzálnosť, to repeatopakovať, is us --
332
782000
3000
Univerzalita, pre zopakovanie, sme my --
13:20
that we are the cityveľkomesto.
333
785000
2000
my sme to mesto.
13:22
And it is our interactionsinterakcie and the clusteringKlastrovanie of those interactionsinterakcie.
334
787000
3000
A sú to naše interakcie a zhlukovanie týchto interakcií.
13:25
So there it is, I've said it again.
335
790000
2000
Tu to je, zopakoval som to.
13:27
So if it is those networkssiete and theirich mathematicalmatematický structureštruktúra,
336
792000
3000
Ak sa jedná o tie siete a ich matematickú štruktúru,
13:30
unlikena rozdiel od biologybiológie, whichktorý had sublinearsublinear scalingškálovanie,
337
795000
3000
na rozdiel od biológie, kde sme videli nižší sklon než 1,
13:33
economiesúspory of scalemierka,
338
798000
2000
úspornosť merítka,
13:35
you had the slowingspomaľuje of the pacetempo of life
339
800000
2000
videli sme spomaľujúce sa tempo života
13:37
as you get biggerväčšia.
340
802000
2000
pri rastúcej veľkosti.
13:39
If it's socialsociálny networkssiete with super-linearSuper-lineárne scalingškálovanie --
341
804000
2000
Ak sa jedná o sociálne prepojenia so sklonom
vyšším ako 1 --
13:41
more perza capitacapita --
342
806000
2000
viac na hlavu --
13:43
then the theoryteória sayshovorí
343
808000
2000
teória potom tvrdí,
13:45
that you increasezvýšiť the pacetempo of life.
344
810000
2000
že tempo života sa zvyšuje.
13:47
The biggerväčšia you are, life getsdostane fasterrýchlejšie.
345
812000
2000
Čím ste väčší, tým je život rýchlejší.
13:49
On the left is the heartSrdce raterýchlosť showingukazujúci biologybiológie.
346
814000
2000
Naľavo je pulz srdca znázorňujúci biológiu.
13:51
On the right is the speedrýchlosť of walkingchôdza
347
816000
2000
Napravo je rýchlosť chôdze
13:53
in a bunchchumáč of EuropeanEurópska citiesmesta,
348
818000
2000
v európskych mestách,
13:55
showingukazujúci that increasezvýšiť.
349
820000
2000
znázorňujúca ten nárast.
13:57
LastlyNapokon, I want to talk about growthrast.
350
822000
3000
Nakoniec chcem hovoriť o raste.
14:00
This is what we had in biologybiológie, just to repeatopakovať.
351
825000
3000
Len pre zopakovanie, takto to vypadá v biológii.
14:03
EconomiesEkonomík of scalemierka
352
828000
3000
Úspornosť merítka
14:06
gavedal risestúpať to this sigmoidalsigmoidal behaviorsprávanie.
353
831000
3000
zapríčinila sigmoidálny nárast.
14:09
You growrásť, pestovať fastrýchly and then stop --
354
834000
3000
Rastiete rýchlo a potom prestanete --
14:12
partčasť of our resiliencepružnosť.
355
837000
2000
súčasť našej odolnosti.
14:14
That would be badzlý for economiesúspory and citiesmesta.
356
839000
3000
To by bolo zlé pre ekonomiky a mestá.
14:17
And indeednaozaj, one of the wonderfulbáječný things about the theoryteória
357
842000
2000
A naozaj, jednou z nádherných vecí týkajúcich sa
teórie je,
14:19
is that if you have super-linearSuper-lineárne scalingškálovanie
358
844000
3000
že ak máte sklon vyšší ako 1
14:22
from wealthbohatstvo creationstvorenia and innovationinovácia,
359
847000
2000
pre bohatstvo, tvorivosť a inovatívnosť,
14:24
then indeednaozaj you get, from the samerovnaký theoryteória,
360
849000
3000
potom naozaj vidíme, na základe rovnakej
teórie
14:27
a beautifulkrásny risingstúpajúca exponentialexponenciálny curvekrivka -- lovelypôvabný.
361
852000
2000
krásne rastúcu exponenciálnu krivku -- skvelé.
14:29
And in factskutočnosť, if you compareporovnať it to datadáta,
362
854000
2000
V skutočnosti, ak to porovnáte s údajmi,
14:31
it fitspasuje very well
363
856000
2000
zodpovedá to veľmi dobre
14:33
with the developmentvývoj of citiesmesta and economiesúspory.
364
858000
2000
rozvoju miest a ekonomík.
14:35
But it has a terriblepríšerný catchúlovok,
365
860000
2000
Ale má to veľký háčik,
14:37
and the catchúlovok
366
862000
2000
a háčikom je,
14:39
is that this systemsystém is destinedurčený to collapsekolaps.
367
864000
3000
že tento systém je odsúdený na kolaps.
14:42
And it's destinedurčený to collapsekolaps for manyveľa reasonsdôvody --
368
867000
2000
Je odsúdený na kolaps z mnohých dôvodov --
14:44
kinddruh of MalthusianMalthusian reasonsdôvody -- that you runbeh out of resourceszdroje.
369
869000
3000
akési Malthuziánske príčiny -- dojdú vám zdroje.
14:47
And how do you avoidvyhnúť sa that? Well we'vemy máme donehotový it before.
370
872000
3000
Ako sa tomu vyhnete? Nuž podarilo sa nám to
už predtým.
14:50
What we do is,
371
875000
2000
Čo urobíme je,
14:52
as we growrásť, pestovať and we approachprístup the collapsekolaps,
372
877000
3000
že rastúc a približujúc sa kolapsu,
14:55
a majormajor innovationinovácia takes placemiesto
373
880000
3000
vznikne významná inovácia
14:58
and we startštart over again,
374
883000
2000
a začíname znova,
15:00
and we startštart over again as we approachprístup the nextĎalšie one, and so on.
375
885000
3000
a znova, ako sa blížime k ďalšiemu, atd.
15:03
So there's this continuousnepretržitý cyclecyklus of innovationinovácia
376
888000
2000
Existuje teda tento spojitý cyklus inovácií,
15:05
that is necessarypotrebný
377
890000
2000
ktorý je potrebný
15:07
in orderobjednať to sustainudržiavať growthrast and avoidvyhnúť sa collapsekolaps.
378
892000
3000
pre udržanie rastu a vyhnutie sa kolapsu.
15:10
The catchúlovok, howevervšak, to this
379
895000
2000
Háčik však je,
15:12
is that you have to innovateinovovať
380
897000
2000
že musíte inovovať
15:14
fasterrýchlejšie and fasterrýchlejšie and fasterrýchlejšie.
381
899000
3000
rýchlejšie a rýchlejšie a rýchlejšie.
15:17
So the imageobraz
382
902000
2000
Situácia teda je,
15:19
is that we're not only on a treadmillbežecký pás that's going fasterrýchlejšie,
383
904000
3000
že nie sme len v mlyne, ktorý sa hýbe stále
rýchlejšie,
15:22
but we have to changezmena the treadmillbežecký pás fasterrýchlejšie and fasterrýchlejšie.
384
907000
3000
ale musíme ten mlyn meniť rýchlejšie a rýchlejšie.
15:25
We have to accelerateurýchliť on a continuousnepretržitý basiszáklad.
385
910000
3000
Musíme sa neustále zrýchľovať.
15:28
And the questionotázka is: Can we, as socio-economicsociálno-ekonomické beingsbytosti,
386
913000
3000
Otázka je: môžeme sa my ako socio-ekonomické
bytosti
15:31
avoidvyhnúť sa a heartSrdce attackútok?
387
916000
3000
vyhnúť srdcovej príhode?
15:34
So lastlykonečne, I'm going to finishskončiť up in this last minuteminúta or two
388
919000
3000
Nakoniec, ukončím tú poslednú minútu či dve
15:37
askingpýta about companiesspoločnosti.
389
922000
2000
otázkami o spoločnostiach.
15:39
See companiesspoločnosti, they scalemierka.
390
924000
2000
Vidíte spoločnosti, menia sa s merítkom.
15:41
The toptop one, in factskutočnosť, is WalmartWal on the right.
391
926000
2000
Hore je vlastne Walmart, napravo.
15:43
It's the samerovnaký plotsprisahania.
392
928000
2000
Je to rovnaké znázornenie.
15:45
This happensdeje to be incomepríjem and assetsaktíva
393
930000
2000
Toto sú príjmy a imanie
15:47
versusproti the sizeveľkosť of the companyspoločnosť as denotedoznačené by its numberčíslo of employeeszamestnanci.
394
932000
2000
verzus veľkosť spoločnosti vyjadrená počtom jej
zamestnancov.
15:49
We could use salesodbyt, anything you like.
395
934000
3000
Mohli by sme použiť odbyt, čokoľvek.
15:52
There it is: after some little fluctuationskolísanie at the beginningzačiatok,
396
937000
3000
Tu to je: po miernych výkyvoch na začiatku,
15:55
when companiesspoločnosti are innovatinginováciu,
397
940000
2000
keď spoločnosti inovujú,
15:57
they scalemierka beautifullykrásne.
398
942000
2000
menia sa krásne s merítkom.
15:59
And we'vemy máme lookedpozrel at 23,000 companiesspoločnosti
399
944000
3000
A pozreli sme sa na 23 000 spoločností
16:02
in the UnitedVeľká StatesŠtáty, maysmieť I say.
400
947000
2000
v Spojených štátoch.
16:04
And I'm only showingukazujúci you a little bittrocha of this.
401
949000
3000
A ukazujem vám len maličký kúsok z toho.
16:07
What is astonishingudivujúce about companiesspoločnosti
402
952000
2000
Čo je udivujúce na spoločnostiach je,
16:09
is that they scalemierka sublinearlysublinearly
403
954000
3000
že majú sklon nižší ako 1,
16:12
like biologybiológie,
404
957000
2000
ako v biológii,
16:14
indicatingoznačujúci that they're dominateddominantou,
405
959000
2000
čo naznačuje, že nie sú ovládané
16:16
not by super-linearSuper-lineárne
406
961000
2000
inováciami a ideami
16:18
innovationinovácia and ideasnápady;
407
963000
3000
so sklonom vyšším než 1;
16:21
they becomestať sa dominateddominantou
408
966000
2000
dominujúcou sa stáva
16:23
by economiesúspory of scalemierka.
409
968000
2000
úspornosť merítka.
16:25
In that interpretationvýklad,
410
970000
2000
Inak povedané
16:27
by bureaucracybyrokracia and administrationadministrácia,
411
972000
2000
byrokracia a administratíva,
16:29
and they do it beautifullykrásne, maysmieť I say.
412
974000
2000
a deje sa tak skutočne krásne.
16:31
So if you tell me the sizeveľkosť of some companyspoločnosť, some smallmalý companyspoločnosť,
413
976000
3000
Takže ak mi zadáte veľkosť spoločnosti, nejakej
malej spoločnosti,
16:34
I could have predictedpredpovedal the sizeveľkosť of WalmartWal.
414
979000
3000
mohol som predpovedať veľkosť Walmartu.
16:37
If it has this sublinearsublinear scalingškálovanie,
415
982000
2000
Ak je sklon zmeny s merítkom menší než 1
16:39
the theoryteória sayshovorí
416
984000
2000
teória tvrdí,
16:41
we should have sigmoidalsigmoidal growthrast.
417
986000
3000
že by sme mali dostať sigmoidálny rast.
16:44
There's WalmartWal. Doesn't look very sigmoidalsigmoidal.
418
989000
2000
Tu je Walmart. Nevypadá príliš sigmoidálne.
16:46
That's what we like, hockeyhokej stickstyčinky.
419
991000
3000
Toto je to, čo máme radi, hokejky.
16:49
But you noticeoznámenia, I've cheatedpodvádzal,
420
994000
2000
Ale všimnite si, že som podvádzal
16:51
because I've only gonepreč up to '94.
421
996000
2000
pretože som to znázornil len do roku 1994.
16:53
Let's go up to 2008.
422
998000
2000
Poďme k až k roku 2008.
16:55
That redčervená lineriadok is from the theoryteória.
423
1000000
3000
Tá červená krivka je odvodená z teórie.
16:58
So if I'd have donehotový this in 1994,
424
1003000
2000
Čiže keby som to urobil v roku 1994,
17:00
I could have predictedpredpovedal what WalmartWal would be now.
425
1005000
3000
mohol som predpovedať, aký by Walmart
mal byť teraz.
17:03
And then this is repeatedopakovala
426
1008000
2000
Toto je zopakované
17:05
acrossnaprieč the entirecelý spectrumspektrum of companiesspoločnosti.
427
1010000
2000
cez celé spektrum spoločností.
17:07
There they are. That's 23,000 companiesspoločnosti.
428
1012000
3000
Tu sú. To je 23 000 spoločností.
17:10
They all startštart looking like hockeyhokej stickstyčinky,
429
1015000
2000
Všetky sa začínajú približovať hokejke,
17:12
they all bendohyb over,
430
1017000
2000
všetky sa zakrivujú,
17:14
and they all diezomrieť like you and me.
431
1019000
2000
a všetky zanikajú ako vy a ja.
17:16
Thank you.
432
1021000
2000
Ďakujem.
17:18
(ApplausePotlesk)
433
1023000
9000
(Potlesk)
Translated by Michal Ferenc
Reviewed by Martina Kyjakova

▲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