TED@Cannes
Nicholas Christakis: How social networks predict epidemics
Nicholas Christakis: Wie soziale Netzwerke Epidemien vorhersagen
Filmed:
Readability: 4.9
669,862 views
Nachdem sie die komplexen sozialen Netzwerke der Menschen abgebildet hatten, begannen Nicholas Christakis und sein Kollege James Fowler zu untersuchen, wie diese Informationen unser Leben verbessern könnten. Nun enthüllt er seine druckfrischen Befunde: Diese Netzwerke können benutzt werden, um Epidemien früher als je zuvor zu erkennen, von der Verbreitung innovativer Ideen über Risikoverhalten bis hin zu Viren (wie H1N1).
Nicholas Christakis - Physician, social scientist
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact. Full bio
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact. Full bio
Double-click the English transcript below to play the video.
00:15
For the last 10 years, I've been spending my time trying to figure out
0
0
3000
Die letzten 10 Jahre habe ich meine Zeit damit verbracht, herauszufinden
00:18
how and why human beings
1
3000
2000
wie und warum menschliche Wesen
00:20
assemble themselves into social networks.
2
5000
3000
sich in sozialen Netzwerken zusammenfinden.
00:23
And the kind of social network I'm talking about
3
8000
2000
Und die Art sozialer Netzwerke, die ich meine
00:25
is not the recent online variety,
4
10000
2000
ist nicht die jüngste Online-Variante,
00:27
but rather, the kind of social networks
5
12000
2000
sondern vielmehr die Art sozialer Netzwerke,
00:29
that human beings have been assembling for hundreds of thousands of years,
6
14000
3000
die menschliche Wesen seit hundert tausenden von Jahren gebildet haben,
00:32
ever since we emerged from the African savannah.
7
17000
3000
seit wir aus der afrikanischen Savanne hervorgingen.
00:35
So, I form friendships and co-worker
8
20000
2000
Ich gehe also Freundschaften und kollegiale
00:37
and sibling and relative relationships with other people
9
22000
3000
und geschwisterliche und Verwandtschafts-Beziehungen mit anderen Leuten ein,
00:40
who in turn have similar relationships with other people.
10
25000
2000
die wiederum ähnliche Beziehungen mit anderen Leuten haben.
00:42
And this spreads on out endlessly into a distance.
11
27000
3000
Und das geht endlos so weiter.
00:45
And you get a network that looks like this.
12
30000
2000
Und man bekommt ein Netzwerk, das so aussieht.
00:47
Every dot is a person.
13
32000
2000
Jeder Punkt ist eine Person.
00:49
Every line between them is a relationship between two people --
14
34000
2000
Jede Linie dazwischen ist eine Beziehung zwischen zwei Leuten --
00:51
different kinds of relationships.
15
36000
2000
unterschiedliche Arten von Beziehungen.
00:53
And you can get this kind of vast fabric of humanity,
16
38000
3000
Und man kann diese quasi enorme Struktur der Menschheit bekommen,
00:56
in which we're all embedded.
17
41000
2000
in die wir alle eingebettet sind.
00:58
And my colleague, James Fowler and I have been studying for quite sometime
18
43000
3000
Und mein Kollege James Fowler und ich untersuchen seit einer ganzen Weile,
01:01
what are the mathematical, social,
19
46000
2000
was die mathematischen, sozialen,
01:03
biological and psychological rules
20
48000
3000
biologischen und psychologischen Regeln sind,
01:06
that govern how these networks are assembled
21
51000
2000
die bestimmen, wie diese Netzwerke sich zusammensetzen,
01:08
and what are the similar rules
22
53000
2000
und was die ähnlichen Regeln sind,
01:10
that govern how they operate, how they affect our lives.
23
55000
3000
die bestimmen, wie sie funktionieren, wie sie sich auf unser Leben auswirken.
01:13
But recently, we've been wondering
24
58000
2000
Und kürzlich haben wir uns gefragt,
01:15
whether it might be possible to take advantage of this insight,
25
60000
3000
ob es möglich wäre, diese Erkenntnis zu nutzen,
01:18
to actually find ways to improve the world,
26
63000
2000
um tatsächlich Wege zu finden, die Welt zu verbessern,
01:20
to do something better,
27
65000
2000
etwas besser zu machen,
01:22
to actually fix things, not just understand things.
28
67000
3000
die Dinge tatsächlich in Ordnung zu bringen, nicht nur zu verstehen.
01:25
So one of the first things we thought we would tackle
29
70000
3000
Eine der ersten Sachen, die wir dachten anzugehen,
01:28
would be how we go about predicting epidemics.
30
73000
3000
sollte die Art sein, wie wir Epidemien vorhersagen.
01:31
And the current state of the art in predicting an epidemic --
31
76000
2000
Und der aktuelle Stand der Technik bei der Vorhersage einer Epidemie --
01:33
if you're the CDC or some other national body --
32
78000
3000
ob man die CDC oder eine andere nationale Einrichtung ist --
01:36
is to sit in the middle where you are
33
81000
2000
ist, in der Mitte zu sitzen, wo man ist,
01:38
and collect data
34
83000
2000
und Daten von Ärzten
01:40
from physicians and laboratories in the field
35
85000
2000
und Labors im Feld zu sammeln,
01:42
that report the prevalence or the incidence of certain conditions.
36
87000
3000
die die Prävalenz oder Inzidenz bestimmter Leiden berichten.
01:45
So, so and so patients have been diagnosed with something,
37
90000
3000
Bei diesen und jenen Patienten wurde etwas diagnostiziert [hier drüben],
01:48
or other patients have been diagnosed,
38
93000
2000
oder andere Patienten wurden diagnostiziert [da drüben],
01:50
and all these data are fed into a central repository, with some delay.
39
95000
3000
und all diese Daten werden mit etwas Verspätung in einen zentralen Speicher gespeist.
01:53
And if everything goes smoothly,
40
98000
2000
Und wenn alles glatt läuft
01:55
one to two weeks from now
41
100000
2000
wird man in ein oder zwei Wochen
01:57
you'll know where the epidemic was today.
42
102000
3000
wissen, wo die Epidemie heute war.
02:00
And actually, about a year or so ago,
43
105000
2000
Und vor ungefähr einem Jahr gab es
02:02
there was this promulgation
44
107000
2000
tatsächlich diese Art Verkündiung
02:04
of the idea of Google Flu Trends, with respect to the flu,
45
109000
3000
dieser Idee der Google Grippe-Trends, wo man in Bezug auf die Grippe,
02:07
where by looking at people's searching behavior today,
46
112000
3000
indem man sich das Suchverhalten der Leute heute anschaut,
02:10
we could know where the flu --
47
115000
2000
wissen konnte, wo die Grippe...
02:12
what the status of the epidemic was today,
48
117000
2000
was der Stand der Epidemie heute war,
02:14
what's the prevalence of the epidemic today.
49
119000
3000
was die Prävalenz der Epidemie heute ist.
02:17
But what I'd like to show you today
50
122000
2000
Aber was ich Ihnen heute zeigen möchte,
02:19
is a means by which we might get
51
124000
2000
ist ein Mittel, durch das wir nicht nur
02:21
not just rapid warning about an epidemic,
52
126000
3000
schnelle Warnungen vor einer Epidemie bekommen könnten,
02:24
but also actually
53
129000
2000
sondern tatsächlich auch
02:26
early detection of an epidemic.
54
131000
2000
Früherkennung einer Epidemie.
02:28
And, in fact, this idea can be used
55
133000
2000
Und in der Tat kann diese Idee nicht nur
02:30
not just to predict epidemics of germs,
56
135000
3000
benutzt werden, um Epidemien von Krankheitserregern vorherzusagen,
02:33
but also to predict epidemics of all sorts of kinds.
57
138000
3000
sondern um alle möglichen Epidemien vorherzusagen.
02:37
For example, anything that spreads by a form of social contagion
58
142000
3000
Zum Beispiel kann alles, was sich durch eine Form sozialer Ansteckung
02:40
could be understood in this way,
59
145000
2000
verbreitet, so verstanden werden,
02:42
from abstract ideas on the left
60
147000
2000
von abstrakten Ideen auf der einen Seite,
02:44
like patriotism, or altruism, or religion
61
149000
3000
wie Patriotismus oder Altruismus oder Religion,
02:47
to practices
62
152000
2000
bis zu Praktiken
02:49
like dieting behavior, or book purchasing,
63
154000
2000
wie Diätverhalten oder Buchkäufen
02:51
or drinking, or bicycle-helmet [and] other safety practices,
64
156000
3000
oder Trinken oder Fahrradhelm-Nutzung und anderen Sicherheitspraktiken,
02:54
or products that people might buy,
65
159000
2000
oder Produkten, die Leute vielleicht kaufen,
02:56
purchases of electronic goods,
66
161000
2000
der Kauf elektronischer Güter,
02:58
anything in which there's kind of an interpersonal spread.
67
163000
3000
alles, wo es eine Art zwischenmenschliche Verbreitung gibt.
03:01
A kind of a diffusion of innovation
68
166000
2000
Eine Art Diffusion von Innovationen
03:03
could be understood and predicted
69
168000
2000
könnte verstanden und vorhergesagt werden
03:05
by the mechanism I'm going to show you now.
70
170000
3000
durch den Mechanismus, den ich Ihnen jetzt zeigen werde.
03:08
So, as all of you probably know,
71
173000
2000
Wie also alle von Ihnen wahrscheinlich wissen
03:10
the classic way of thinking about this
72
175000
2000
ist die klassische Art, darüber nachzudenken,
03:12
is the diffusion-of-innovation,
73
177000
2000
die Diffusion von Innovationen
03:14
or the adoption curve.
74
179000
2000
oder die "Adoptionskurve".
03:16
So here on the Y-axis, we have the percent of the people affected,
75
181000
2000
Hier auf der Y-Achse haben wir also die Prozent der betroffenen Leute,
03:18
and on the X-axis, we have time.
76
183000
2000
und auf der X-Achse haben wir die Zeit.
03:20
And at the very beginning, not too many people are affected,
77
185000
3000
Und ganz am Anfang sind nicht allzu viele Leute betroffen
03:23
and you get this classic sigmoidal,
78
188000
2000
und man bekommt diese klassisch sigmoidale
03:25
or S-shaped, curve.
79
190000
2000
oder S-förmige Kurve.
03:27
And the reason for this shape is that at the very beginning,
80
192000
2000
Und der Grund für diese Form ist, dass ganz am Anfang
03:29
let's say one or two people
81
194000
2000
sagen wir ein oder zwei Leute
03:31
are infected, or affected by the thing
82
196000
2000
von der Sache betroffen oder angesteckt sind,
03:33
and then they affect, or infect, two people,
83
198000
2000
und die beeinflussen oder stecken dann zwei Leute an,
03:35
who in turn affect four, eight, 16 and so forth,
84
200000
3000
die wiederum vier, acht, 16 und so weiter beeinflussen,
03:38
and you get the epidemic growth phase of the curve.
85
203000
3000
und man bekommt die epidemische Wachstumsphase der Kurve.
03:41
And eventually, you saturate the population.
86
206000
2000
Und irgendwann sättigt man die Population.
03:43
There are fewer and fewer people
87
208000
2000
Es gibt immer weniger Leute,
03:45
who are still available that you might infect,
88
210000
2000
die noch verfügbar sind, die man anstecken könnte,
03:47
and then you get the plateau of the curve,
89
212000
2000
und dann erreicht man dieses Plateu der Kurve
03:49
and you get this classic sigmoidal curve.
90
214000
3000
und man bekommt diese klassische sigmoidale Kurve.
03:52
And this holds for germs, ideas,
91
217000
2000
Und das trifft zu auf Krankheitserreger, Ideen,
03:54
product adoption, behaviors,
92
219000
2000
Produkt-Akzeptanz, Verhalten
03:56
and the like.
93
221000
2000
und so weiter.
03:58
But things don't just diffuse in human populations at random.
94
223000
3000
Aber Dinge verbreiten sich in menschlichen Populationen nicht zufällig.
04:01
They actually diffuse through networks.
95
226000
2000
Sie verbreiten sich tatsächlich durch Netzwerke.
04:03
Because, as I said, we live our lives in networks,
96
228000
3000
Denn, wie ich sagte, leben wir in Netzwerken
04:06
and these networks have a particular kind of a structure.
97
231000
3000
und diese Netzwerke haben eine bestimmte Art Struktur.
04:09
Now if you look at a network like this --
98
234000
2000
Wenn Sie sich nun ein Netzwerk wie dieses anschauen...
04:11
this is 105 people.
99
236000
2000
Das sind 105 Leute.
04:13
And the lines represent -- the dots are the people,
100
238000
2000
Und die Linien stellen... die Punkte sind die Leute,
04:15
and the lines represent friendship relationships.
101
240000
2000
und die Linien stellen Freundschaftsbeziehungen dar.
04:17
You might see that people occupy
102
242000
2000
Sie können sehen, dass Leute unterschiedliche
04:19
different locations within the network.
103
244000
2000
Orte innerhalb des Netzwerks besetzen.
04:21
And there are different kinds of relationships between the people.
104
246000
2000
Und es gibt verschiedene Arten von Beziehungen zwischen den Leuten.
04:23
You could have friendship relationships, sibling relationships,
105
248000
3000
Man könnte Freundschaftsbeziehungen, Geschwisterbeziehungen,
04:26
spousal relationships, co-worker relationships,
106
251000
3000
eheliche Beziehungen, kollegiale Beziehungen,
04:29
neighbor relationships and the like.
107
254000
3000
nachbarschaftliche Beziehungen und so weiter haben.
04:32
And different sorts of things
108
257000
2000
Und unterschiedliche Arten Dinge
04:34
spread across different sorts of ties.
109
259000
2000
verbreiten sich entlang unterschiedlicher Arten Verbindungen.
04:36
For instance, sexually transmitted diseases
110
261000
2000
Sexuall übertragbare Krankheiten verbreiten sich
04:38
will spread across sexual ties.
111
263000
2000
zum Beispiel entlang sexualler Beziehungen.
04:40
Or, for instance, people's smoking behavior
112
265000
2000
Oder das Rauchverhalten der Leute könnte
04:42
might be influenced by their friends.
113
267000
2000
zum Beispiel von ihren Freunden beeinflusst werden.
04:44
Or their altruistic or their charitable giving behavior
114
269000
2000
Oder ihr altruistisches oder Spenden-Verhalten
04:46
might be influenced by their coworkers,
115
271000
2000
könnte beeinflusst sein durch ihre Kollegen
04:48
or by their neighbors.
116
273000
2000
oder ihre Nachbarn.
04:50
But not all positions in the network are the same.
117
275000
3000
Aber nicht alle Positionen im Netzwerk sind gleich.
04:53
So if you look at this, you might immediately grasp
118
278000
2000
Wenn Sie sich das also anschauen, können Sie sofort verstehen,
04:55
that different people have different numbers of connections.
119
280000
3000
dass unterschiedliche Leute unterschiedlich viele Verbindungen haben.
04:58
Some people have one connection, some have two,
120
283000
2000
Manche Leute haben eine Verbindung, manche zwei,
05:00
some have six, some have 10 connections.
121
285000
3000
manche sechs, manche haben 10 Verbindungen.
05:03
And this is called the "degree" of a node,
122
288000
2000
Und das nennt man den Grad eines Knotens
05:05
or the number of connections that a node has.
123
290000
2000
oder die Anzahl der Verbindungen, die ein Knoten hat.
05:07
But in addition, there's something else.
124
292000
2000
Aber zusätzlich ist da etwas anderes.
05:09
So, if you look at nodes A and B,
125
294000
2000
Wenn Sie sich also Knoten A und B anschauen
05:11
they both have six connections.
126
296000
2000
haben sie beide sechs Verbindungen.
05:13
But if you can see this image [of the network] from a bird's eye view,
127
298000
3000
Aber wenn Sie dieses Bild aus der Vogelperspektive sehen
05:16
you can appreciate that there's something very different
128
301000
2000
können Sie einsehen, dass da etwas ganz verschieden ist
05:18
about nodes A and B.
129
303000
2000
zwischen den Knoten A und B.
05:20
So, let me ask you this -- I can cultivate this intuition by asking a question --
130
305000
3000
Lassen Sie mich also fragen -- ich kann diese Intuition durch eine Frage fördern --
05:23
who would you rather be
131
308000
2000
wer wären Sie lieber,
05:25
if a deadly germ was spreading through the network, A or B?
132
310000
3000
wenn ein tödlicher Erreger sich im Netzwerk verbreiten würde, A oder B?
05:28
(Audience: B.) Nicholas Christakis: B, it's obvious.
133
313000
2000
(Publikum: B.) Nicholas Christakis: B, das ist klar.
05:30
B is located on the edge of the network.
134
315000
2000
B befindet sich am Rand des Netzwerks.
05:32
Now, who would you rather be
135
317000
2000
Nun, wer wären Sie lieber
05:34
if a juicy piece of gossip were spreading through the network?
136
319000
3000
wenn sich ein saftiges Gerücht im Netzwerk verbreiten würde?
05:37
A. And you have an immediate appreciation
137
322000
3000
A. Und Sie haben eine unmittelbare Einschätzung,
05:40
that A is going to be more likely
138
325000
2000
dass A mit einer höheren Wahrscheinlichkeit
05:42
to get the thing that's spreading and to get it sooner
139
327000
3000
das Ding bekommt, das sich ausbreitet, und es früher bekommt,
05:45
by virtue of their structural location within the network.
140
330000
3000
aufgrund der strukturellen Lage innerhalb des Netzwerks.
05:48
A, in fact, is more central,
141
333000
2000
A ist in der Tat zentraler,
05:50
and this can be formalized mathematically.
142
335000
3000
und das kann mathematisch formalisiert werden.
05:53
So, if we want to track something
143
338000
2000
Wenn wir also etwas verfolgen wollen,
05:55
that was spreading through a network,
144
340000
3000
das sich in einem Netzwerk ausbreitet,
05:58
what we ideally would like to do is to set up sensors
145
343000
2000
würden wir idealerweise Sensoren auf den zentralen
06:00
on the central individuals within the network,
146
345000
2000
Personen im Netzwerk einrichten,
06:02
including node A,
147
347000
2000
inklusive Knoten A,
06:04
monitor those people that are right there in the middle of the network,
148
349000
3000
die Leute beobachten, die genau da in der Mitte des Netzwerks sind,
06:07
and somehow get an early detection
149
352000
2000
und irgendwie eine Früherkennung bekommen
06:09
of whatever it is that is spreading through the network.
150
354000
3000
von dem, was sich da auch immer im Netzwerk verbreitet.
06:12
So if you saw them contract a germ or a piece of information,
151
357000
3000
Wenn Sie die also einen Erreger oder eine Information einfangen sehen würden,
06:15
you would know that, soon enough,
152
360000
2000
wüssten Sie, dass in nicht allzu langer Zeit
06:17
everybody was about to contract this germ
153
362000
2000
sich jeder diesen Erreger einfangen würde,
06:19
or this piece of information.
154
364000
2000
oder diese Information.
06:21
And this would be much better
155
366000
2000
Und das wäre viel besser
06:23
than monitoring six randomly chosen people,
156
368000
2000
als sechs zufällig ausgewählte Leute zu beobachten
06:25
without reference to the structure of the population.
157
370000
3000
ohne Bezug auf die Struktur der Population.
06:28
And in fact, if you could do that,
158
373000
2000
Wenn Sie das tatsächlich machen könnten
06:30
what you would see is something like this.
159
375000
2000
würden Sie so etwas sehen:
06:32
On the left-hand panel, again, we have the S-shaped curve of adoption.
160
377000
3000
Auf der linken Seite haben wir wieder die s-förmige Adoptionskurve.
06:35
In the dotted red line, we show
161
380000
2000
Mit der gepunkteten roten Linie zeigen wir,
06:37
what the adoption would be in the random people,
162
382000
2000
wie die Adoption bei den zufälligen Leuten sein würde
06:39
and in the left-hand line, shifted to the left,
163
384000
3000
und in der linken Linie, die nach links verschoben ist,
06:42
we show what the adoption would be
164
387000
2000
zeigen wir, wie die Adoption bei den
06:44
in the central individuals within the network.
165
389000
2000
zentralen Personen im Netzwerk sein würde.
06:46
On the Y-axis is the cumulative instances of contagion,
166
391000
2000
Auf der Y-Achse sind die kumulativen Ansteckungsfälle
06:48
and on the X-axis is the time.
167
393000
2000
und auf der X-Achse ist die Zeit.
06:50
And on the right-hand side, we show the same data,
168
395000
2000
Und auf der rechten Seite zeigen wir die selben Daten,
06:52
but here with daily incidence.
169
397000
2000
aber hier mit täglichen Fällen.
06:54
And what we show here is -- like, here --
170
399000
2000
Und was wir hier zeigen ist -- wie hier --
06:56
very few people are affected, more and more and more and up to here,
171
401000
2000
dass sehr wenige Leute betroffen sind, immer mehr, immer mehr und bis hier,
06:58
and here's the peak of the epidemic.
172
403000
2000
und hier ist der Höhepunkt der Epidemie.
07:00
But shifted to the left is what's occurring in the central individuals.
173
405000
2000
Aber nach links verschoben ist, was mit den zentralen Personen passiert.
07:02
And this difference in time between the two
174
407000
3000
Und diese zeitliche Differenz zwischen den beiden
07:05
is the early detection, the early warning we can get,
175
410000
3000
ist die Früherkennung, die Frühwarnung, die wir über
07:08
about an impending epidemic
176
413000
2000
eine bevorstehende Epidemie
07:10
in the human population.
177
415000
2000
in der menschlichen Population bekommen können.
07:12
The problem, however,
178
417000
2000
Das Problem ist aber,
07:14
is that mapping human social networks
179
419000
2000
dass es nicht immer möglich ist, menschliche
07:16
is not always possible.
180
421000
2000
soziale Netzwerke abzubilden.
07:18
It can be expensive, not feasible,
181
423000
2000
Das kann teuer [nicht machbar],
07:20
unethical,
182
425000
2000
unethisch,
07:22
or, frankly, just not possible to do such a thing.
183
427000
3000
oder einfach nicht möglich sein.
07:25
So, how can we figure out
184
430000
2000
Wie können wir also herausfinden,
07:27
who the central people are in a network
185
432000
2000
wer die zentralen Leute in einem Netzwerk sind,
07:29
without actually mapping the network?
186
434000
3000
ohne das Netzwerk tatsächlich abzubilden?
07:32
What we came up with
187
437000
2000
Worauf wir gekommen sind
07:34
was an idea to exploit an old fact,
188
439000
2000
war die Idee, eine sehr alte Tatsache auszunutzen,
07:36
or a known fact, about social networks,
189
441000
2000
oder einen bekannten Fakt über soziale Netzwerke,
07:38
which goes like this:
190
443000
2000
und der geht so:
07:40
Do you know that your friends
191
445000
2000
Wussten Sie, dass Ihre Freunde
07:42
have more friends than you do?
192
447000
3000
mehr Freunde haben als Sie?
07:45
Your friends have more friends than you do,
193
450000
3000
Ihre Freunde haben mehr Freunde als Sie.
07:48
and this is known as the friendship paradox.
194
453000
2000
Und das ist als Freundschafts-Paradox bekannt.
07:50
Imagine a very popular person in the social network --
195
455000
2000
Stellen Sie sich eine sehr beliebte Person in dem sozialen Netzwerk vor --
07:52
like a party host who has hundreds of friends --
196
457000
3000
wie den Gastgeber einer Party, der hunderte Freunde hat --
07:55
and a misanthrope who has just one friend,
197
460000
2000
und einen Menschenfeind, der nur einen Freund hat,
07:57
and you pick someone at random from the population;
198
462000
3000
und sie wählen jemanden zufällig aus der Population aus;
08:00
they were much more likely to know the party host.
199
465000
2000
die Person kennt mit einer viel größeren Wahrscheinlichkeit den Gastgeber.
08:02
And if they nominate the party host as their friend,
200
467000
2000
Und wenn sie den als ihren Freund nennen
08:04
that party host has a hundred friends,
201
469000
2000
hat der Gastgeber der Party hundert Freunde,
08:06
therefore, has more friends than they do.
202
471000
3000
und daher mehr Freunde als sie.
08:09
And this, in essence, is what's known as the friendship paradox.
203
474000
3000
Und das ist im Wesentlichen, was als Freundschafts-Paradox bekannt ist.
08:12
The friends of randomly chosen people
204
477000
3000
Die Freunde zufällig ausgewählter Leute
08:15
have higher degree, and are more central
205
480000
2000
haben höhere Grade und sind zentraler
08:17
than the random people themselves.
206
482000
2000
als die zufälligen Leute selbst.
08:19
And you can get an intuitive appreciation for this
207
484000
2000
Und Sie können ein intuitives Verständnis dafür bekommen,
08:21
if you imagine just the people at the perimeter of the network.
208
486000
3000
wenn Sie sich nur die Leute am Rand des Netzwerks vorstellen.
08:24
If you pick this person,
209
489000
2000
Wenn Sie diese Person auswählen
08:26
the only friend they have to nominate is this person,
210
491000
3000
kann die als einzigen Freund diese Person benennen,
08:29
who, by construction, must have at least two
211
494000
2000
die naturgemäß mindestens zwei haben muss,
08:31
and typically more friends.
212
496000
2000
und meistens mehr Freunde.
08:33
And that happens at every peripheral node.
213
498000
2000
Und das passiert an jedem äußeren Knoten.
08:35
And in fact, it happens throughout the network as you move in,
214
500000
3000
Und tatsächlich passiert es im ganzen Netzwerk während man tiefer rückt,
08:38
everyone you pick, when they nominate a random --
215
503000
2000
jeden, den man auswählt, wenn der eine zufällige...
08:40
when a random person nominates a friend of theirs,
216
505000
3000
wenn eine zufällige Person einen Freund benennt
08:43
you move closer to the center of the network.
217
508000
3000
bewegt man sich näher zur Mitte des Netzwerks.
08:46
So, we thought we would exploit this idea
218
511000
3000
Wir dachten also, wir würden diese Idee nutzen,
08:49
in order to study whether we could predict phenomena within networks.
219
514000
3000
um zu prüfen, ob wir Phänomene in Netzwerken vorhersagen können.
08:52
Because now, with this idea
220
517000
2000
Denn mit dieser Idee können wir
08:54
we can take a random sample of people,
221
519000
2000
jetzt eine Zufallsstichprobe an Leuten ziehen,
08:56
have them nominate their friends,
222
521000
2000
sie ihre Freunde benennen lassen,
08:58
those friends would be more central,
223
523000
2000
diese Freunde wären zentraler,
09:00
and we could do this without having to map the network.
224
525000
3000
und wir könnten das tun, ohne das Netzwerk abbilden zu müssen.
09:03
And we tested this idea with an outbreak of H1N1 flu
225
528000
3000
Und wir untersuchten diese Idee anhand eines Ausbruchs der H1N1-Grippe
09:06
at Harvard College
226
531000
2000
an der Harvard Universität
09:08
in the fall and winter of 2009, just a few months ago.
227
533000
3000
im Herbst und Winter 2009, vor nur ein paar Monaten.
09:11
We took 1,300 randomly selected undergraduates,
228
536000
3000
Wir nahmen 1.300 zufällig ausgewählte Studierende,
09:14
we had them nominate their friends,
229
539000
2000
ließen sie ihre Freunde benennen,
09:16
and we followed both the random students and their friends
230
541000
2000
und wir verfolgten sowohl die zufälligen Studierenden als auch ihre Freunde
09:18
daily in time
231
543000
2000
täglich über die Zeit,
09:20
to see whether or not they had the flu epidemic.
232
545000
3000
um zu sehen ob sie die Grippe-Epidemie hatten oder nicht.
09:23
And we did this passively by looking at whether or not they'd gone to university health services.
233
548000
3000
Und das machten wir passiv, indem wir uns ansahen, ob sie den Gesundheitsdienst der Universität aufsuchten oder nicht.
09:26
And also, we had them [actively] email us a couple of times a week.
234
551000
3000
Und wir ließen uns ein paarmal pro Woche E-Mails von ihnen schicken.
09:29
Exactly what we predicted happened.
235
554000
3000
Es passierte genau das, was wir vorhergesagt hatten.
09:32
So the random group is in the red line.
236
557000
3000
Die zufällige Gruppe ist also die rote Linie.
09:35
The epidemic in the friends group has shifted to the left, over here.
237
560000
3000
Die Epidemie in der Freundes-Gruppe hat sich nach links verschoben, hier drüben.
09:38
And the difference in the two is 16 days.
238
563000
3000
Und der Unterschied zwischen den beiden beträgt 16 Tage.
09:41
By monitoring the friends group,
239
566000
2000
Durch das Beobachten der Freundes-Gruppe
09:43
we could get 16 days advance warning
240
568000
2000
konnten wir 16 Tage Vorabwarnung
09:45
of an impending epidemic in this human population.
241
570000
3000
vor einer bevorstehenden Epidemie in dieser menschlichen Population bekommen.
09:48
Now, in addition to that,
242
573000
2000
Wenn Sie ein Analytiker wären,
09:50
if you were an analyst who was trying to study an epidemic
243
575000
3000
der versucht, eine Epidemie zu erforschen oder zum Beispiel
09:53
or to predict the adoption of a product, for example,
244
578000
3000
die Annahme eines Produkts vorherzusagen, könnten Sie nun
09:56
what you could do is you could pick a random sample of the population,
245
581000
3000
zusätzlich eine Zufallsstichprobe der Population ziehen
09:59
also have them nominate their friends and follow the friends
246
584000
3000
und die ihre Freunde benennen lassen und den Freunden folgen,
10:02
and follow both the randoms and the friends.
247
587000
3000
und sowohl den Zufälligen als auch den Freunden folgen.
10:05
Among the friends, the first evidence you saw of a blip above zero
248
590000
3000
Bei den Freunden wäre der erste Hinweis einer Zacke über Null,
10:08
in adoption of the innovation, for example,
249
593000
3000
bei der Annahme der Innovation zum Beispiel,
10:11
would be evidence of an impending epidemic.
250
596000
2000
ein Hinweis auf eine bevorstehende Epidemie.
10:13
Or you could see the first time the two curves diverged,
251
598000
3000
Oder Sie könnten das erste Mal ansehen, wo die zwei Kurven auseinander
10:16
as shown on the left.
252
601000
2000
gehen, wie hier links.
10:18
When did the randoms -- when did the friends take off
253
603000
3000
Wann hoben die Zufälligen... wann hoben die Freunde ab
10:21
and leave the randoms,
254
606000
2000
und ließen die Zufälligen zurück,
10:23
and [when did] their curve start shifting?
255
608000
2000
und deren Kurve begann, sich zu verschieben?
10:25
And that, as indicated by the white line,
256
610000
2000
Und das, wie durch die weiße Linie angezeigt,
10:27
occurred 46 days
257
612000
2000
passierte 46 Tage
10:29
before the peak of the epidemic.
258
614000
2000
vor dem Höhepunkt der Epidemie.
10:31
So this would be a technique
259
616000
2000
Das wäre also eine Methode,
10:33
whereby we could get more than a month-and-a-half warning
260
618000
2000
durch die wir mehr als anderthalb Monate Warnung vor einer
10:35
about a flu epidemic in a particular population.
261
620000
3000
Grippe-Epidemie in einer bestimmten Population bekommen könnten.
10:38
I should say that
262
623000
2000
Ich sollte erwähnen, dass,
10:40
how far advanced a notice one might get about something
263
625000
2000
wie weit im Voraus wir Nachricht über etwas bekommen können,
10:42
depends on a host of factors.
264
627000
2000
von einer Menge Faktoren abhängt.
10:44
It could depend on the nature of the pathogen --
265
629000
2000
Es könnte von der Art des Erregers abhängen --
10:46
different pathogens,
266
631000
2000
für unterschiedliche Erreger
10:48
using this technique, you'd get different warning --
267
633000
2000
würde man mit dieser Methode unterschiedliche Warnungen bekommen --
10:50
or other phenomena that are spreading,
268
635000
2000
oder andere Phänomene, die sich verbreiten,
10:52
or frankly, on the structure of the human network.
269
637000
3000
oder, offen gesagt, die Struktur des menschlichen Netzwerks.
10:55
Now in our case, although it wasn't necessary,
270
640000
3000
In unserem Fall konnten wir nun, obwohl das nicht nötig war,
10:58
we could also actually map the network of the students.
271
643000
2000
das Netzwerk der Studierenden auch tatsächlich abbilden.
11:00
So, this is a map of 714 students
272
645000
2000
Das ist also eine Karte von 714 Studierenden
11:02
and their friendship ties.
273
647000
2000
und ihren Freundschafts-Verbindungen.
11:04
And in a minute now, I'm going to put this map into motion.
274
649000
2000
Und in einer Minute werde ich diese Karte in Bewegung setzen.
11:06
We're going to take daily cuts through the network
275
651000
2000
Wir werden 120 Tage lang tägliche Schnitte durch das
11:08
for 120 days.
276
653000
2000
soziale Netz machen.
11:10
The red dots are going to be cases of the flu,
277
655000
3000
Die roten Punkte werden die Grippe-Fälle sein,
11:13
and the yellow dots are going to be friends of the people with the flu.
278
658000
3000
und die gelben Punkte werden Freunde der Leute mit Grippe sein.
11:16
And the size of the dots is going to be proportional
279
661000
2000
Und die Größe der Punkte wird proportional dazu sein,
11:18
to how many of their friends have the flu.
280
663000
2000
wie viele ihrer Freunde die Grippe haben.
11:20
So bigger dots mean more of your friends have the flu.
281
665000
3000
Größere Punkte bedeuten, dass mehr Ihrer Freunde die Grippe haben.
11:23
And if you look at this image -- here we are now in September the 13th --
282
668000
3000
Und wenn Sie sich das Bild anschauen -- hier haben wir jetzt den 13. September --
11:26
you're going to see a few cases light up.
283
671000
2000
sehen Sie ein paar Fälle aufleuchten.
11:28
You're going to see kind of blooming of the flu in the middle.
284
673000
2000
Sie werden die Grippe in der Mitte sozusagen aufblühen sehen.
11:30
Here we are on October the 19th.
285
675000
3000
Hier sind wir am 19. Oktober.
11:33
The slope of the epidemic curve is approaching now, in November.
286
678000
2000
Der Anstieg der Epidemie-Kurve kommt jetzt im November.
11:35
Bang, bang, bang, bang, bang -- you're going to see lots of blooming in the middle,
287
680000
3000
Peng, peng, peng, peng, peng, Sie werden viel Aufblühen in der Mitte sehen,
11:38
and then you're going to see a sort of leveling off,
288
683000
2000
und dann werden Sie eine Art Abflachen sehen,
11:40
fewer and fewer cases towards the end of December.
289
685000
3000
immer weniger Fälle gegen Ende Dezember.
11:43
And this type of a visualization
290
688000
2000
Und diese Art Visualisierung
11:45
can show that epidemics like this take root
291
690000
2000
kann zeigen, dass Epidemien wie diese Fuß fassen
11:47
and affect central individuals first,
292
692000
2000
und zentrale Personen zuerst betreffen,
11:49
before they affect others.
293
694000
2000
bevor sie andere betreffen.
11:51
Now, as I've been suggesting,
294
696000
2000
Wie ich bereits angedeutet habe,
11:53
this method is not restricted to germs,
295
698000
3000
ist diese Methode nicht auf Krankheitserreger beschränkt,
11:56
but actually to anything that spreads in populations.
296
701000
2000
sondern auf alles, was sich in Populationen verbreitet.
11:58
Information spreads in populations,
297
703000
2000
Informationen verbreiten sich in Populationen.
12:00
norms can spread in populations,
298
705000
2000
Normen können sich in Populationen verbreiten.
12:02
behaviors can spread in populations.
299
707000
2000
Verhalten kann sich in Populationen verbreiten.
12:04
And by behaviors, I can mean things like criminal behavior,
300
709000
3000
Und unter Verhalten kann man Dinge wie Kriminalverhalten verstehen
12:07
or voting behavior, or health care behavior,
301
712000
3000
oder Wahlverhalten oder Gesundheitsverhalten
12:10
like smoking, or vaccination,
302
715000
2000
wie Rauchen oder Impfen
12:12
or product adoption, or other kinds of behaviors
303
717000
2000
oder die Annahme eines Produkts oder andere Arten von Verhalten,
12:14
that relate to interpersonal influence.
304
719000
2000
die mit zwischenmenschlichem Einfluss zu tun haben.
12:16
If I'm likely to do something that affects others around me,
305
721000
3000
Wenn ich mit hoher Wahrscheinlichkeit etwas tue, das andere um mich herum beeinflusst,
12:19
this technique can get early warning or early detection
306
724000
3000
kann diese Methode eine Frühwarnung oder Früherkennung
12:22
about the adoption within the population.
307
727000
3000
über die Annahme innerhalb der Population geben.
12:25
The key thing is that for it to work,
308
730000
2000
Das Ding ist, damit das funktioniert,
12:27
there has to be interpersonal influence.
309
732000
2000
muss es zwischenmenschlichen Einfluss geben.
12:29
It cannot be because of some broadcast mechanism
310
734000
2000
Das kann nicht durch irgendeine Art Rundsendung sein,
12:31
affecting everyone uniformly.
311
736000
3000
die jeden gleichermaßen betrifft.
12:35
Now the same insights
312
740000
2000
Die selben Einsichten
12:37
can also be exploited -- with respect to networks --
313
742000
3000
können auch ausgenutzt werden -- in Bezug auf Netzwerke --
12:40
can also be exploited in other ways,
314
745000
3000
können auch auf andere Art ausgenutzt werden,
12:43
for example, in the use of targeting
315
748000
2000
zum Beispiel, indem man bestimmte Leute
12:45
specific people for interventions.
316
750000
2000
für Interventionen auswählt.
12:47
So, for example, most of you are probably familiar
317
752000
2000
Zum Beispiel sind die meisten von Ihnen wahrscheinlich vertraut
12:49
with the notion of herd immunity.
318
754000
2000
mit dem Gedanken der Herdenimmunität.
12:51
So, if we have a population of a thousand people,
319
756000
3000
Wenn wir also eine Population von tausend Leuten haben
12:54
and we want to make the population immune to a pathogen,
320
759000
3000
und wir die gegen ein Pathogen immunisieren wollen,
12:57
we don't have to immunize every single person.
321
762000
2000
brauchen wir nicht jede einzelne Person zu immunisieren.
12:59
If we immunize 960 of them,
322
764000
2000
Wenn wir 960 von ihnen immunisieren
13:01
it's as if we had immunized a hundred [percent] of them.
323
766000
3000
ist es als ob wir hundert [Prozent ]von ihnen immunisiert hätten.
13:04
Because even if one or two of the non-immune people gets infected,
324
769000
3000
Denn selbst wenn ein oder zwei der nicht-immunen Leute infiziert werden,
13:07
there's no one for them to infect.
325
772000
2000
gibt es keinen, den sie anstecken können.
13:09
They are surrounded by immunized people.
326
774000
2000
Sie sind von immunen Leuten umgeben.
13:11
So 96 percent is as good as 100 percent.
327
776000
3000
96 Prozent sind also so gut wie 100 Prozent.
13:14
Well, some other scientists have estimated
328
779000
2000
Nun, einige andere Wissenschaftler haben eingeschätzt,
13:16
what would happen if you took a 30 percent random sample
329
781000
2000
was passieren würde, wenn man eine Zufallsstichprobe von 30%
13:18
of these 1000 people, 300 people and immunized them.
330
783000
3000
dieser 1.300 Leute nehmen und die immunisieren würde.
13:21
Would you get any population-level immunity?
331
786000
2000
Würde man Immunität auf Populations-Ebene erhalten?
13:23
And the answer is no.
332
788000
3000
Die Antwort ist nein.
13:26
But if you took this 30 percent, these 300 people
333
791000
2000
Aber wenn man diese 30 Prozent, diese 300 Leute nehmen würde
13:28
and had them nominate their friends
334
793000
2000
und sie ihre Freunde benennen lassen würde,
13:30
and took the same number of vaccine doses
335
795000
3000
und die selbe Anzahl Impfstoff-Dosen nehmen würde,
13:33
and vaccinated the friends of the 300 --
336
798000
2000
und die Freunde der 300 impfen würde,
13:35
the 300 friends --
337
800000
2000
die 300 Freunde,
13:37
you can get the same level of herd immunity
338
802000
2000
würde man das gleiche Maß an Herdenimmunität erreichen
13:39
as if you had vaccinated 96 percent of the population
339
804000
3000
wie wenn man 96 Prozent der Population geimpft hätte,
13:42
at a much greater efficiency, with a strict budget constraint.
340
807000
3000
sehr viel effizienter, mit einem knappen Budget.
13:45
And similar ideas can be used, for instance,
341
810000
2000
Und ähnliche Ideen können zum Beispiel genutzt werden,
13:47
to target distribution of things like bed nets
342
812000
2000
um das Austeilen von Dingen wie Moskitonetzen
13:49
in the developing world.
343
814000
2000
in Entwicklungsländern zu planen.
13:51
If we could understand the structure of networks in villages,
344
816000
3000
Wenn wir die Struktur von Netzwerken in Dörfern verstehen könnten,
13:54
we could target to whom to give the interventions
345
819000
2000
könnten wir planen, wem wir die Interventionen geben sollten,
13:56
to foster these kinds of spreads.
346
821000
2000
um diese Art Verbreitung zu unterstützen.
13:58
Or, frankly, for advertising with all kinds of products.
347
823000
3000
Oder, offen gesagt, für Werbung für alle möglichen Produkte.
14:01
If we could understand how to target,
348
826000
2000
Wenn wir verstehen könnten, auf wen wir zielen,
14:03
it could affect the efficiency
349
828000
2000
könnte das die Effizienz dessen,
14:05
of what we're trying to achieve.
350
830000
2000
was wir zu erreichen versuchen, beeinflussen.
14:07
And in fact, we can use data
351
832000
2000
Und in der Tat können wir heutzutage
14:09
from all kinds of sources nowadays [to do this].
352
834000
2000
[dazu] Daten aus allen möglichen Quellen nutzen.
14:11
This is a map of eight million phone users
353
836000
2000
Das ist eine Karte von acht Millionen Telefon-Nutzern
14:13
in a European country.
354
838000
2000
in einem europäischen Land.
14:15
Every dot is a person, and every line represents
355
840000
2000
Jeder Punkt ist eine Person und jede Linie stellt
14:17
a volume of calls between the people.
356
842000
2000
ein Anruf-Volumen zwischen den Leuten dar.
14:19
And we can use such data, that's being passively obtained,
357
844000
3000
Und wir können solche Daten, die passiv erhoben wurden, nutzen,
14:22
to map these whole countries
358
847000
2000
um diese ganzen Länder abzubilden
14:24
and understand who is located where within the network.
359
849000
3000
und zu verstehen, wer sich wo innerhalb des Netzwerks befindet.
14:27
Without actually having to query them at all,
360
852000
2000
Ohne die alle tatsächlich befragen zu müssen
14:29
we can get this kind of a structural insight.
361
854000
2000
können wir diese Art strukturelle Einsicht erlangen.
14:31
And other sources of information, as you're no doubt aware
362
856000
3000
Und andere Informationsquellen, wie Sie zweifellos wissen,
14:34
are available about such features, from email interactions,
363
859000
3000
sind verfügbar über Informationen aus E-Mail-Interaktionen,
14:37
online interactions,
364
862000
2000
Online Interaktionen,
14:39
online social networks and so forth.
365
864000
3000
sozialen Netzwerken online und so weiter.
14:42
And in fact, we are in the era of what I would call
366
867000
2000
Und in der Tat sind wir in der Ära dessen, was ich
14:44
"massive-passive" data collection efforts.
367
869000
3000
"massiv-passive" Datenerhebungs-Bemühungen nennen würde.
14:47
They're all kinds of ways we can use massively collected data
368
872000
3000
Das sind alles mögliche Arten, massiv gesammelte Daten zu nutzen,
14:50
to create sensor networks
369
875000
3000
um Sensoren-Netzwerke zu schaffen,
14:53
to follow the population,
370
878000
2000
um die Population zu verfolgen,
14:55
understand what's happening in the population,
371
880000
2000
zu verstehen, was in der Population passiert,
14:57
and intervene in the population for the better.
372
882000
3000
und in der Population zum Besseren zu intervenieren.
15:00
Because these new technologies tell us
373
885000
2000
Weil diese neuen Technologien uns nicht nur sagen,
15:02
not just who is talking to whom,
374
887000
2000
wer mit wem spricht,
15:04
but where everyone is,
375
889000
2000
sondern wo jeder ist
15:06
and what they're thinking based on what they're uploading on the Internet,
376
891000
3000
und was sie denken, basierend auf dem, was sie ins Internet hochladen
15:09
and what they're buying based on their purchases.
377
894000
2000
und was sie kaufen, basierend auf ihren Käufen.
15:11
And all this administrative data can be pulled together
378
896000
3000
Und all diese Überwachungs-Daten können zusammengezogen
15:14
and processed to understand human behavior
379
899000
2000
und verarbeitet werden, um menschliches Verhalten
15:16
in a way we never could before.
380
901000
3000
auf eine nie dagewesene Art zu verstehen.
15:19
So, for example, we could use truckers' purchases of fuel.
381
904000
3000
Wir könnten also zum Beispiel die Benzinkäufe der Lkw-Fahrer nehmen.
15:22
So the truckers are just going about their business,
382
907000
2000
Die Fahrer gehen also nur ihrer Arbeit nach
15:24
and they're buying fuel.
383
909000
2000
und kaufen Benzin.
15:26
And we see a blip up in the truckers' purchases of fuel,
384
911000
3000
Und wir sehen eine Zacke nach oben in den Benzinkäufen der Lkw-Fahrer,
15:29
and we know that a recession is about to end.
385
914000
2000
und wir wissen, dass eine Rezession bald endet.
15:31
Or we can monitor the velocity
386
916000
2000
Oder wir können die Geschwindigkeit beobachten,
15:33
with which people are moving with their phones on a highway,
387
918000
3000
mit der Leute sich mit ihren Handys auf einer Autobahn bewegen,
15:36
and the phone company can see,
388
921000
2000
und die Telefongesellschaft kann daran,
15:38
as the velocity is slowing down,
389
923000
2000
wie die Geschwindigkeit abnimmt, sehen,
15:40
that there's a traffic jam.
390
925000
2000
dass es einen Stau gibt.
15:42
And they can feed that information back to their subscribers,
391
927000
3000
Und sie können diese Information ihren Vertragskunden rückmelden,
15:45
but only to their subscribers on the same highway
392
930000
2000
aber nur den Vertragskunden auf der selben Autobahn,
15:47
located behind the traffic jam!
393
932000
2000
die sich hinter dem Stau befinden.
15:49
Or we can monitor doctors prescribing behaviors, passively,
394
934000
3000
Oder wir können das Verschreibungsverhalten von Ärzten passiv beobachten
15:52
and see how the diffusion of innovation with pharmaceuticals
395
937000
3000
und sehen, wie die Verbreitung von pharmazeutischen Innovationen
15:55
occurs within [networks of] doctors.
396
940000
2000
unter Ärzten passiert.
15:57
Or again, we can monitor purchasing behavior in people
397
942000
2000
Oder wiederum können wir Kaufverhalten von Leuten beobachten
15:59
and watch how these types of phenomena
398
944000
2000
und sehen, wie diese Phänomene
16:01
can diffuse within human populations.
399
946000
3000
sich in menschlichen Populationen verbreiten können.
16:04
And there are three ways, I think,
400
949000
2000
Und es gibt, denke ich, drei Arten
16:06
that these massive-passive data can be used.
401
951000
2000
auf die diese massiv-passiven Daten genutzt werden können.
16:08
One is fully passive,
402
953000
2000
Eine ist vollkommen passiv,
16:10
like I just described --
403
955000
2000
wie ich gerade beschrieben habe.
16:12
as in, for instance, the trucker example,
404
957000
2000
Das Lkw-Szenario zum Beispiel,
16:14
where we don't actually intervene in the population in any way.
405
959000
2000
wo wir auf überhaupt nicht in die Population eingreifen.
16:16
One is quasi-active,
406
961000
2000
Eine ist quasi-aktiv,
16:18
like the flu example I gave,
407
963000
2000
wie mein Grippebeispiel,
16:20
where we get some people to nominate their friends
408
965000
3000
wo wir einige Leute dazu bekommen, ihre Freunde zu nennen,
16:23
and then passively monitor their friends --
409
968000
2000
und dann deren Freunde passiv beobachten --
16:25
do they have the flu, or not? -- and then get warning.
410
970000
2000
haben sie die Grippe oder nicht? -- und dann eine Warnung erhalten.
16:27
Or another example would be,
411
972000
2000
Oder ein anderes Beispiel wäre,
16:29
if you're a phone company, you figure out who's central in the network
412
974000
3000
wenn Sie als Telefongesellschaft herausfinden, wer im Netzwerk zentral ist,
16:32
and you ask those people, "Look, will you just text us your fever every day?
413
977000
3000
und diese Leute fragen: "Schauen Sie, könnten Sie uns einfach jeden Tag ihre Temperatur per SMS schicken?
16:35
Just text us your temperature."
414
980000
2000
Schicken Sie uns einfach Ihre Temperatur."
16:37
And collect vast amounts of information about people's temperature,
415
982000
3000
Und riesige Mengen Informationen über die Körpertemperatur der Leute sammeln,
16:40
but from centrally located individuals.
416
985000
2000
aber von zentralen Personen.
16:42
And be able, on a large scale,
417
987000
2000
Und in großem Maßstab in der Lage sein,
16:44
to monitor an impending epidemic
418
989000
2000
eine bevorstehende Epidemie zu beobachten
16:46
with very minimal input from people.
419
991000
2000
mit minimalem Input von Leuten.
16:48
Or, finally, it can be more fully active --
420
993000
2000
Oder das kann aktiver sein --
16:50
as I know subsequent speakers will also talk about today --
421
995000
2000
wie ich weiß werden kommende Vortragende heute auch darüber sprechen --
16:52
where people might globally participate in wikis,
422
997000
2000
wo Leute global vielleicht bei Wikis mitmachen,
16:54
or photographing, or monitoring elections,
423
999000
3000
oder fotografieren, oder Wahlen beobachten
16:57
and upload information in a way that allows us to pool
424
1002000
2000
und Informationen hochladen, so dass wir sie sammeln können,
16:59
information in order to understand social processes
425
1004000
2000
um soziale Prozesse zu verstehen,
17:01
and social phenomena.
426
1006000
2000
und soziale Phänomene.
17:03
In fact, the availability of these data, I think,
427
1008000
2000
In der Tat glaube ich, dass die Verfügbarkeit dieser Daten
17:05
heralds a kind of new era
428
1010000
2000
eine Art neues Zeitalter einläutet
17:07
of what I and others would like to call
429
1012000
2000
das ich und andere gerne
17:09
"computational social science."
430
1014000
2000
"Computergestützte Sozialwissenschaft" nennen würden. (computational social science)
17:11
It's sort of like when Galileo invented -- or, didn't invent --
431
1016000
3000
Das ist fast so wie als Galileo das Teleskop erfand -- oder nein,
17:14
came to use a telescope
432
1019000
2000
nicht erfand, benutzte --
17:16
and could see the heavens in a new way,
433
1021000
2000
und den Himmel auf eine neue Art sehen konnte,
17:18
or Leeuwenhoek became aware of the microscope --
434
1023000
2000
oder als Leeuwenhoek sich des Mikroskops bewusst wurde --
17:20
or actually invented --
435
1025000
2000
oder es tatsächlich erfand --
17:22
and could see biology in a new way.
436
1027000
2000
und die Biologie auf neue Art sehen konnte.
17:24
But now we have access to these kinds of data
437
1029000
2000
Aber nun haben wir Zugang zu dieser Art Daten,
17:26
that allow us to understand social processes
438
1031000
2000
die uns erlauben, soziale Prozesse zu verstehen,
17:28
and social phenomena
439
1033000
2000
und soziale Phänomene,
17:30
in an entirely new way that was never before possible.
440
1035000
3000
und einen völlig neuen Weg, der nie zuvor möglich war.
17:33
And with this science, we can
441
1038000
2000
Und mit dieser Wissenschaft können
17:35
understand how exactly
442
1040000
2000
wir verstehen, wie genau
17:37
the whole comes to be greater
443
1042000
2000
es kommt, dass das Ganze größer
17:39
than the sum of its parts.
444
1044000
2000
als die Summe seiner Teile ist.
17:41
And actually, we can use these insights
445
1046000
2000
Und tatsächlich können wir diese Erkenntnisse nutzen,
17:43
to improve society and improve human well-being.
446
1048000
3000
um die Gesellschaft und menschliches Wohlbefinden zu verbessern.
17:46
Thank you.
447
1051000
2000
Danke.
ABOUT THE SPEAKER
Nicholas Christakis - Physician, social scientistNicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact.
Why you should listen
People aren't merely social animals in the usual sense, for we don't just live in groups. We live in networks -- and we have done so ever since we emerged from the African savannah. Via intricately branching paths tracing out cascading family connections, friendship ties, and work relationships, we are interconnected to hundreds or even thousands of specific people, most of whom we do not know. We affect them and they affect us.
Nicholas Christakis' work examines the biological, psychological, sociological, and mathematical rules that govern how we form these social networks, and the rules that govern how they shape our lives. His work shows how phenomena as diverse as obesity, smoking, emotions, ideas, germs, and altruism can spread through our social ties, and how genes can partially underlie our creation of social ties to begin with. His work also sheds light on how we might take advantage of an understanding of social networks to make the world a better place.
At Yale, Christakis is a Professor of Social and Natural Science, and he directs a diverse research group in the field of biosocial science, primarily investigating social networks. His popular undergraduate course "Health of the Public" is available as a podcast. His book, Connected, co-authored with James H. Fowler, appeared in 2009, and has been translated into 20 languages. In 2009, he was named by Time magazine to its annual list of the 100 most influential people in the world, and also, in 2009 and 2010, by Foreign Policy magazine to its list of 100 top global thinkers
Nicholas Christakis | Speaker | TED.com