TED@Cannes
Nicholas Christakis: How social networks predict epidemics
Nicholas Christakis: Cómo las redes sociales predicen epidemias
Filmed:
Readability: 4.9
669,862 views
Después de mapear las intricadas redes sociales humanas, Nicholas Christakis y su colega James Fowler, comenzaron a investigar cómo esta información puede mejorar nuestras vidas. Ahora revela sus hallazgos recientes: estas redes se pueden usar para detectar tanto epidemias en forma más temprana que nunca, así como difusión de ideas innovadoras y comportamientos arriesgados, o virus como el 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
Durante los últimos 10 años he tratado de dar con la forma
00:18
how and why human beings
1
3000
2000
y la razón por la que los seres humanos
00:20
assemble themselves into social networks.
2
5000
3000
se congregan en redes sociales.
00:23
And the kind of social network I'm talking about
3
8000
2000
Y el tipo de red social de la que hablo
00:25
is not the recent online variety,
4
10000
2000
no es la reciente variedad virtual
00:27
but rather, the kind of social networks
5
12000
2000
sino más bien del tipo de redes sociales
00:29
that human beings have been assembling for hundreds of thousands of years,
6
14000
3000
en las que los humanos nos hemos congregado durante cientos y miles de años
00:32
ever since we emerged from the African savannah.
7
17000
3000
desde que aparecimos en la sabana africana.
00:35
So, I form friendships and co-worker
8
20000
2000
Así, entablo amistades y relaciones laborales,
00:37
and sibling and relative relationships with other people
9
22000
3000
y relaciones fraternales y de parentesco con otra gente,
00:40
who in turn have similar relationships with other people.
10
25000
2000
quienes a su vez tienen relaciones con otras personas.
00:42
And this spreads on out endlessly into a distance.
11
27000
3000
Y esto se extiende indefinidamente en la distancia.
00:45
And you get a network that looks like this.
12
30000
2000
Y se tiene una red que se parece a esto.
00:47
Every dot is a person.
13
32000
2000
Cada punto es una persona.
00:49
Every line between them is a relationship between two people --
14
34000
2000
Cada línea entre puntos es una relación entre dos personas...
00:51
different kinds of relationships.
15
36000
2000
distintos tipos de relaciones.
00:53
And you can get this kind of vast fabric of humanity,
16
38000
3000
Así se obtiene esta suerte de tejido de humanidad
00:56
in which we're all embedded.
17
41000
2000
en el que todos estamos inmersos.
00:58
And my colleague, James Fowler and I have been studying for quite sometime
18
43000
3000
Con mi colega James Fowler hemos estado estudiando durante bastante tiempo
01:01
what are the mathematical, social,
19
46000
2000
las reglas matemáticas, sociales,
01:03
biological and psychological rules
20
48000
3000
biológicas y psicológicas
01:06
that govern how these networks are assembled
21
51000
2000
que gobiernan la forma de ensamblaje de estas redes
01:08
and what are the similar rules
22
53000
2000
y las reglas similares
01:10
that govern how they operate, how they affect our lives.
23
55000
3000
que gobiernan la forma en que operan, en que afectan nuestras vidas.
01:13
But recently, we've been wondering
24
58000
2000
Y hace poco nos preguntábamos
01:15
whether it might be possible to take advantage of this insight,
25
60000
3000
si sería posible sacar ventaja de este conocimiento
01:18
to actually find ways to improve the world,
26
63000
2000
para encontrar maneras de mejorar el mundo,
01:20
to do something better,
27
65000
2000
de hacer algo mejor,
01:22
to actually fix things, not just understand things.
28
67000
3000
para solucionar las cosas y no sólo para entenderlas.
01:25
So one of the first things we thought we would tackle
29
70000
3000
Uno de los primeros temas que pensamos abordar
01:28
would be how we go about predicting epidemics.
30
73000
3000
era la forma de predecir epidemias.
01:31
And the current state of the art in predicting an epidemic --
31
76000
2000
Y la técnica actual para predecir epidemias
01:33
if you're the CDC or some other national body --
32
78000
3000
-en el CDC o algún otro organismo nacional-
01:36
is to sit in the middle where you are
33
81000
2000
es sentarse en el lugar que uno esté
01:38
and collect data
34
83000
2000
y recolectar datos
01:40
from physicians and laboratories in the field
35
85000
2000
de médicos y laboratorios en el terreno
01:42
that report the prevalence or the incidence of certain conditions.
36
87000
3000
que informen de la prevalencia o la incidencia de ciertas condiciones.
01:45
So, so and so patients have been diagnosed with something,
37
90000
3000
Pacientes así, así y así han sido diagnosticados [por aquí]
01:48
or other patients have been diagnosed,
38
93000
2000
u otros pacientes lo han sido [por allí]
01:50
and all these data are fed into a central repository, with some delay.
39
95000
3000
y todos estos datos van a un repositorio central con cierta demora.
01:53
And if everything goes smoothly,
40
98000
2000
Y si todo va bien,
01:55
one to two weeks from now
41
100000
2000
en una o dos semanas,
01:57
you'll know where the epidemic was today.
42
102000
3000
uno sabrá en qué estado estaba hoy la epidemia.
02:00
And actually, about a year or so ago,
43
105000
2000
En realidad hace cosa de un año
02:02
there was this promulgation
44
107000
2000
se hizo conocida
02:04
of the idea of Google Flu Trends, with respect to the flu,
45
109000
3000
esta noción de tendencia gripal en Google, en relación a la gripe,
02:07
where by looking at people's searching behavior today,
46
112000
3000
según la cual mirando el comportamiento de búsqueda hoy
02:10
we could know where the flu --
47
115000
2000
podíamos saber de la gripe...
02:12
what the status of the epidemic was today,
48
117000
2000
el estado actual de la epidemia,
02:14
what's the prevalence of the epidemic today.
49
119000
3000
la prevalecencia actual de la epidemia.
02:17
But what I'd like to show you today
50
122000
2000
Pero lo que hoy quiero mostrarles
02:19
is a means by which we might get
51
124000
2000
es un medio por el cual podríamos tener
02:21
not just rapid warning about an epidemic,
52
126000
3000
no sólo alertas rápidas de una epidemia
02:24
but also actually
53
129000
2000
sino también
02:26
early detection of an epidemic.
54
131000
2000
detección temprana de la misma.
02:28
And, in fact, this idea can be used
55
133000
2000
Y, de hecho, esta idea puede usarse
02:30
not just to predict epidemics of germs,
56
135000
3000
no sólo para predecir epidemias de gérmenes
02:33
but also to predict epidemics of all sorts of kinds.
57
138000
3000
sino también para predecir epidemias de todo tipo.
02:37
For example, anything that spreads by a form of social contagion
58
142000
3000
Por ejemplo, cualquier cosa que se propague por contagio social
02:40
could be understood in this way,
59
145000
2000
puede ser comprendida de este modo,
02:42
from abstract ideas on the left
60
147000
2000
desde las ideas de la izquierda
02:44
like patriotism, or altruism, or religion
61
149000
3000
como el patriotismo, el altruismo o la religión
02:47
to practices
62
152000
2000
hasta prácticas
02:49
like dieting behavior, or book purchasing,
63
154000
2000
como las dietas o la compra de libros
02:51
or drinking, or bicycle-helmet [and] other safety practices,
64
156000
3000
bebidas, cascos de bicicleta [y] otras medidas de seguridad;
02:54
or products that people might buy,
65
159000
2000
o productos que la gente podría adquirir,
02:56
purchases of electronic goods,
66
161000
2000
la compra de artículos electrónicos,
02:58
anything in which there's kind of an interpersonal spread.
67
163000
3000
cualquier cosa en la que haya propagación interpersonal.
03:01
A kind of a diffusion of innovation
68
166000
2000
Una especie de difusión de la innovación
03:03
could be understood and predicted
69
168000
2000
podría ser entendida y predicha
03:05
by the mechanism I'm going to show you now.
70
170000
3000
con el mecanismo que ahora voy a mostrarles.
03:08
So, as all of you probably know,
71
173000
2000
Así, como todos probablemente saben,
03:10
the classic way of thinking about this
72
175000
2000
la manera clásica de pensar en esto
03:12
is the diffusion-of-innovation,
73
177000
2000
es la "difusión de la innovación"
03:14
or the adoption curve.
74
179000
2000
o "curva de adopción".
03:16
So here on the Y-axis, we have the percent of the people affected,
75
181000
2000
Aquí en el eje Y tenemos el porcentaje de personas afectadas
03:18
and on the X-axis, we have time.
76
183000
2000
y en el eje X tenemos el tiempo.
03:20
And at the very beginning, not too many people are affected,
77
185000
3000
Al principio no hay demasiadas personas afectadas,
03:23
and you get this classic sigmoidal,
78
188000
2000
y se tiene esta curva sigmoidea clásica
03:25
or S-shaped, curve.
79
190000
2000
o curva en forma de S.
03:27
And the reason for this shape is that at the very beginning,
80
192000
2000
La razón de esta forma es que muy al principio
03:29
let's say one or two people
81
194000
2000
digamos que una o dos personas
03:31
are infected, or affected by the thing
82
196000
2000
están afectadas o infectadas
03:33
and then they affect, or infect, two people,
83
198000
2000
y luego ellos afectan, o infectan, a dos personas
03:35
who in turn affect four, eight, 16 and so forth,
84
200000
3000
que a su vez afectan a 4, 8, 16, etc.,
03:38
and you get the epidemic growth phase of the curve.
85
203000
3000
y se obtiene la fase de crecimiento de la epidemia en la curva.
03:41
And eventually, you saturate the population.
86
206000
2000
Y, finalmente, se satura la población.
03:43
There are fewer and fewer people
87
208000
2000
Hay cada vez menos personas
03:45
who are still available that you might infect,
88
210000
2000
que todavía pueden ser infectadas
03:47
and then you get the plateau of the curve,
89
212000
2000
y entonces se tiene la meseta de la curva,
03:49
and you get this classic sigmoidal curve.
90
214000
3000
y se obtiene esta curva sigmoidea clásica.
03:52
And this holds for germs, ideas,
91
217000
2000
Y esto vale para gérmenes, ideas,
03:54
product adoption, behaviors,
92
219000
2000
adopción de productos, comportamientos
03:56
and the like.
93
221000
2000
y similares.
03:58
But things don't just diffuse in human populations at random.
94
223000
3000
Pero las cosas no se difunden aleatoriamente en las poblaciones humanas.
04:01
They actually diffuse through networks.
95
226000
2000
Se difunden en redes.
04:03
Because, as I said, we live our lives in networks,
96
228000
3000
Porque, como dije, vivimos nuestras vidas en redes
04:06
and these networks have a particular kind of a structure.
97
231000
3000
y estas redes tienen un tipo particular de estructura.
04:09
Now if you look at a network like this --
98
234000
2000
Ahora, si vemos una red como ésta...
04:11
this is 105 people.
99
236000
2000
Ésta tiene 105 personas.
04:13
And the lines represent -- the dots are the people,
100
238000
2000
Y las líneas representan... los puntos son las personas
04:15
and the lines represent friendship relationships.
101
240000
2000
y las líneas las relaciones de amistad.
04:17
You might see that people occupy
102
242000
2000
Puede verse que las personas ocupan
04:19
different locations within the network.
103
244000
2000
distintas ubicaciones en la red.
04:21
And there are different kinds of relationships between the people.
104
246000
2000
Y hay distintos tipos de relaciones entre las personas.
04:23
You could have friendship relationships, sibling relationships,
105
248000
3000
Pueden darse relaciones de amistad, relaciones fraternales,
04:26
spousal relationships, co-worker relationships,
106
251000
3000
relaciones maritales, relaciones laborales,
04:29
neighbor relationships and the like.
107
254000
3000
relaciones vecinales, etc.
04:32
And different sorts of things
108
257000
2000
Y distintos tipos de cosas
04:34
spread across different sorts of ties.
109
259000
2000
se difunden por diferentes tipos de lazos.
04:36
For instance, sexually transmitted diseases
110
261000
2000
Por ejemplo, las enfermedades de transmisión sexual
04:38
will spread across sexual ties.
111
263000
2000
se esparcirán por los vínculos sexuales.
04:40
Or, for instance, people's smoking behavior
112
265000
2000
O, por ejemplo, el hábito de fumar
04:42
might be influenced by their friends.
113
267000
2000
podría ser influencia de los amigos.
04:44
Or their altruistic or their charitable giving behavior
114
269000
2000
O el altruismo y las donaciones caritativas
04:46
might be influenced by their coworkers,
115
271000
2000
podrían estar influenciados por los compañeros de trabajo,
04:48
or by their neighbors.
116
273000
2000
o por los vecinos.
04:50
But not all positions in the network are the same.
117
275000
3000
Pero no todas las ubicaciones de la red son iguales.
04:53
So if you look at this, you might immediately grasp
118
278000
2000
Así, si miran esto van a captar de inmediato
04:55
that different people have different numbers of connections.
119
280000
3000
que diferentes personas tienen distinta cantidad de conexiones.
04:58
Some people have one connection, some have two,
120
283000
2000
Algunas personas tienen 1 conexión, algunas tienen 2,
05:00
some have six, some have 10 connections.
121
285000
3000
algunas tienen 6, algunas tienen 10.
05:03
And this is called the "degree" of a node,
122
288000
2000
Y esto se llama el "grado" de un nodo
05:05
or the number of connections that a node has.
123
290000
2000
o la cantidad de conexiones que tiene un nodo.
05:07
But in addition, there's something else.
124
292000
2000
Pero hay algo más.
05:09
So, if you look at nodes A and B,
125
294000
2000
Si uno mira los nodos A y B,
05:11
they both have six connections.
126
296000
2000
ambos tienen 6 conexiones.
05:13
But if you can see this image [of the network] from a bird's eye view,
127
298000
3000
Pero si uno mira esta imagen [de la red] a vista de pájaro,
05:16
you can appreciate that there's something very different
128
301000
2000
puede apreciar que hay algo muy diferente
05:18
about nodes A and B.
129
303000
2000
entre los nodos A y B.
05:20
So, let me ask you this -- I can cultivate this intuition by asking a question --
130
305000
3000
Déjenme preguntarles esto, puedo fomentar esta intuición haciendo una pregunta:
05:23
who would you rather be
131
308000
2000
¿Quién les gustaría ser
05:25
if a deadly germ was spreading through the network, A or B?
132
310000
3000
si un germen se esparciera por la red, A o B?
05:28
(Audience: B.) Nicholas Christakis: B, it's obvious.
133
313000
2000
(Audiencia: B) Nicholas Christakis: B, obviamente.
05:30
B is located on the edge of the network.
134
315000
2000
B está ubicado al borde de la red.
05:32
Now, who would you rather be
135
317000
2000
Ahora, ¿quién les gustaría ser
05:34
if a juicy piece of gossip were spreading through the network?
136
319000
3000
si se propagara por la red un chisme jugoso?
05:37
A. And you have an immediate appreciation
137
322000
3000
A. Y uno tiene una apreciación inmediata
05:40
that A is going to be more likely
138
325000
2000
de que va a ser más probable que A
05:42
to get the thing that's spreading and to get it sooner
139
327000
3000
dé primero con lo que se está propagando
05:45
by virtue of their structural location within the network.
140
330000
3000
en virtud de su ubicación estructural dentro de la red.
05:48
A, in fact, is more central,
141
333000
2000
A, de hecho, es más central
05:50
and this can be formalized mathematically.
142
335000
3000
y esto se puede formalizar matemáticamente.
05:53
So, if we want to track something
143
338000
2000
Por lo tanto, si quisiéramos seguir algo
05:55
that was spreading through a network,
144
340000
3000
que se está propagando por una red,
05:58
what we ideally would like to do is to set up sensors
145
343000
2000
lo ideal sería poner sensores
06:00
on the central individuals within the network,
146
345000
2000
en los individuos del centro de la red,
06:02
including node A,
147
347000
2000
incluyendo el nodo A,
06:04
monitor those people that are right there in the middle of the network,
148
349000
3000
y monitorear a esas personas que están justo en el centro de la red,
06:07
and somehow get an early detection
149
352000
2000
para, de algún modo, detectar en forma temprana
06:09
of whatever it is that is spreading through the network.
150
354000
3000
lo que sea que se esté difundiendo por la red.
06:12
So if you saw them contract a germ or a piece of information,
151
357000
3000
Así, si los viéramos contraer un germen o una información
06:15
you would know that, soon enough,
152
360000
2000
uno sabría, muy pronto,
06:17
everybody was about to contract this germ
153
362000
2000
que todos están por contraer el germen
06:19
or this piece of information.
154
364000
2000
o por enterarse de esa información.
06:21
And this would be much better
155
366000
2000
Y esto sería mucho mejor
06:23
than monitoring six randomly chosen people,
156
368000
2000
que monitorear a 6 personas elegidas al azar
06:25
without reference to the structure of the population.
157
370000
3000
sin hacer referencia a la estructura de la población.
06:28
And in fact, if you could do that,
158
373000
2000
Y, de hecho, si uno pudiera hacer eso
06:30
what you would see is something like this.
159
375000
2000
lo que vería sería algo como esto.
06:32
On the left-hand panel, again, we have the S-shaped curve of adoption.
160
377000
3000
De nuevo, en el panel de la izquierda tenemos la curva de adopción en forma de S.
06:35
In the dotted red line, we show
161
380000
2000
En la línea roja punteada mostramos
06:37
what the adoption would be in the random people,
162
382000
2000
cómo sería la adopción en las personas elegidas al azar
06:39
and in the left-hand line, shifted to the left,
163
384000
3000
y en la línea de la izquierda, desplazada a la izquierda,
06:42
we show what the adoption would be
164
387000
2000
mostramos cómo sería la adopción
06:44
in the central individuals within the network.
165
389000
2000
en los individuos del centro de la red.
06:46
On the Y-axis is the cumulative instances of contagion,
166
391000
2000
En el eje Y están las instancias acumulativas de contagio
06:48
and on the X-axis is the time.
167
393000
2000
y en el eje X está el tiempo.
06:50
And on the right-hand side, we show the same data,
168
395000
2000
Y a la derecha, mostramos los mismos datos,
06:52
but here with daily incidence.
169
397000
2000
pero aquí con incidencia diaria.
06:54
And what we show here is -- like, here --
170
399000
2000
Y lo que aquí mostramos, como en este caso,
06:56
very few people are affected, more and more and more and up to here,
171
401000
2000
es que hay pocas personas afectadas, cada vez más y más
06:58
and here's the peak of the epidemic.
172
403000
2000
hasta llegar aquí, y aquí es el pico de la epidemia.
07:00
But shifted to the left is what's occurring in the central individuals.
173
405000
2000
Pero desplazado a la izquierda se ve lo que ocurre
07:02
And this difference in time between the two
174
407000
3000
con los individuos del centro. Y esta diferencia en tiempo entre los dos
07:05
is the early detection, the early warning we can get,
175
410000
3000
es la detección temprana, la alerta temprana que se dispara
07:08
about an impending epidemic
176
413000
2000
sobre una epidemia inminente
07:10
in the human population.
177
415000
2000
en la población humana.
07:12
The problem, however,
178
417000
2000
El problema, sin embargo,
07:14
is that mapping human social networks
179
419000
2000
es que el mapeo de redes sociales humanas
07:16
is not always possible.
180
421000
2000
no siempre es posible.
07:18
It can be expensive, not feasible,
181
423000
2000
Puede que sea caro, [muy difícil],
07:20
unethical,
182
425000
2000
antiético,
07:22
or, frankly, just not possible to do such a thing.
183
427000
3000
o, francamente, imposible de realizar.
07:25
So, how can we figure out
184
430000
2000
Entonces: ¿cómo podemos averiguar
07:27
who the central people are in a network
185
432000
2000
cuáles son las personas centrales de una red
07:29
without actually mapping the network?
186
434000
3000
sin, de hecho, mapear la red?
07:32
What we came up with
187
437000
2000
Y surgió la idea
07:34
was an idea to exploit an old fact,
188
439000
2000
de explotar un hecho muy antiguo
07:36
or a known fact, about social networks,
189
441000
2000
o un hecho conocido de las redes sociales
07:38
which goes like this:
190
443000
2000
que dice así:
07:40
Do you know that your friends
191
445000
2000
¿sabías que tus amigos
07:42
have more friends than you do?
192
447000
3000
tienen más amigos que tú?
07:45
Your friends have more friends than you do,
193
450000
3000
Tus amigos tienen más amigos que tú.
07:48
and this is known as the friendship paradox.
194
453000
2000
Y esto se conoce como la paradoja de la amistad.
07:50
Imagine a very popular person in the social network --
195
455000
2000
Imaginen una persona muy popular en la red social
07:52
like a party host who has hundreds of friends --
196
457000
3000
-como un anfitrión de una fiesta con cientos de amigos-
07:55
and a misanthrope who has just one friend,
197
460000
2000
y un misántropo que tiene un solo amigo;
07:57
and you pick someone at random from the population;
198
462000
3000
si uno toma una persona al azar,
08:00
they were much more likely to know the party host.
199
465000
2000
es mucho más probable que conozca al anfitrión.
08:02
And if they nominate the party host as their friend,
200
467000
2000
Y si señala al anfitrión como amigo,
08:04
that party host has a hundred friends,
201
469000
2000
ese anfitrión tiene cientos de amigos,
08:06
therefore, has more friends than they do.
202
471000
3000
por lo tanto tiene más amigos que uno.
08:09
And this, in essence, is what's known as the friendship paradox.
203
474000
3000
Y esto, en esencia, es lo que se conoce como la paradoja de la amistad.
08:12
The friends of randomly chosen people
204
477000
3000
Los amigos de las personas elegidas al azar
08:15
have higher degree, and are more central
205
480000
2000
tienen más alto grado y están más al centro
08:17
than the random people themselves.
206
482000
2000
que la propia gente elegida al azar.
08:19
And you can get an intuitive appreciation for this
207
484000
2000
Y uno puede hacerse una idea intuitiva de esto
08:21
if you imagine just the people at the perimeter of the network.
208
486000
3000
si piensa en la gente del perímetro de la red.
08:24
If you pick this person,
209
489000
2000
Si uno elige a esta persona
08:26
the only friend they have to nominate is this person,
210
491000
3000
el único amigo que tendrá para elegir es esta persona,
08:29
who, by construction, must have at least two
211
494000
2000
quien, por construcción, debe tener al menos dos
08:31
and typically more friends.
212
496000
2000
o, normalmente, más amigos.
08:33
And that happens at every peripheral node.
213
498000
2000
Y eso sucede en cada nodo periférico.
08:35
And in fact, it happens throughout the network as you move in,
214
500000
3000
De hecho, sucede en toda la red conforme uno se desplaza,
08:38
everyone you pick, when they nominate a random --
215
503000
2000
cualquiera que elijamos, cuando nomine alguien al azar...
08:40
when a random person nominates a friend of theirs,
216
505000
3000
cuando una persona al azar nomina a un amigo
08:43
you move closer to the center of the network.
217
508000
3000
uno se mueve más cerca del centro de la red.
08:46
So, we thought we would exploit this idea
218
511000
3000
Así, pensamos en explotar esta idea
08:49
in order to study whether we could predict phenomena within networks.
219
514000
3000
para estudiar si podíamos predecir fenómenos dentro de las redes.
08:52
Because now, with this idea
220
517000
2000
Porque ahora, con esta idea,
08:54
we can take a random sample of people,
221
519000
2000
podemos tomar una muestra aleatoria de gente,
08:56
have them nominate their friends,
222
521000
2000
hacer que elijan a sus amigos,
08:58
those friends would be more central,
223
523000
2000
y esos amigos estarán más al centro,
09:00
and we could do this without having to map the network.
224
525000
3000
y podríamos hacer eso sin tener que mapear la red.
09:03
And we tested this idea with an outbreak of H1N1 flu
225
528000
3000
Hemos probado esta idea con un brote de la gripe H1N1
09:06
at Harvard College
226
531000
2000
en la universidad de Harvard
09:08
in the fall and winter of 2009, just a few months ago.
227
533000
3000
en el otoño y el invierno de 2009, hace apenas unos meses.
09:11
We took 1,300 randomly selected undergraduates,
228
536000
3000
Tomamos 1.300 estudiantes seleccionados al azar,
09:14
we had them nominate their friends,
229
539000
2000
hicimos que elijan a sus amigos
09:16
and we followed both the random students and their friends
230
541000
2000
y seguimos a los estudiantes elegidos al azar y a sus amigos
09:18
daily in time
231
543000
2000
diariamente
09:20
to see whether or not they had the flu epidemic.
232
545000
3000
para ver si tenían o no la epidemia de gripe.
09:23
And we did this passively by looking at whether or not they'd gone to university health services.
233
548000
3000
Y lo hicimos pasivamente observando si habían ido a los servicios de salud universitarios.
09:26
And also, we had them [actively] email us a couple of times a week.
234
551000
3000
Les pedimos también que nos envíen un correo un par de veces por semana.
09:29
Exactly what we predicted happened.
235
554000
3000
Y sucedió exactamente lo que predijimos.
09:32
So the random group is in the red line.
236
557000
3000
El grupo aleatorio está en la línea roja.
09:35
The epidemic in the friends group has shifted to the left, over here.
237
560000
3000
La epidemia en el grupo de amigos se desplazó a la izquierda, por aquí.
09:38
And the difference in the two is 16 days.
238
563000
3000
Y la diferencia entre los dos es de 16 días.
09:41
By monitoring the friends group,
239
566000
2000
Monitoreando el grupo de amigos
09:43
we could get 16 days advance warning
240
568000
2000
pudimos tener una alerta 16 días antes
09:45
of an impending epidemic in this human population.
241
570000
3000
de una epidemia inminente en esta población humana.
09:48
Now, in addition to that,
242
573000
2000
Ahora, además de eso,
09:50
if you were an analyst who was trying to study an epidemic
243
575000
3000
si uno fuese un analista que trata de estudiar una epidemia
09:53
or to predict the adoption of a product, for example,
244
578000
3000
o de predecir la adopción de un producto, por ejemplo,
09:56
what you could do is you could pick a random sample of the population,
245
581000
3000
lo que podría hacer es tomar una muestra aleatoria de la población,
09:59
also have them nominate their friends and follow the friends
246
584000
3000
pedirle que elijan a sus amigos y seguir a los amigos,
10:02
and follow both the randoms and the friends.
247
587000
3000
y seguir tanto a los aleatorios como a los amigos.
10:05
Among the friends, the first evidence you saw of a blip above zero
248
590000
3000
Entre los amigos, la primera evidencia de un salto sobre cero
10:08
in adoption of the innovation, for example,
249
593000
3000
en la adopción de innovación, por ejemplo,
10:11
would be evidence of an impending epidemic.
250
596000
2000
sería la evidencia de una epidemia inminente.
10:13
Or you could see the first time the two curves diverged,
251
598000
3000
O uno podría ver la primera vez que divergen las dos curvas,
10:16
as shown on the left.
252
601000
2000
como se muestra a la izquierda.
10:18
When did the randoms -- when did the friends take off
253
603000
3000
¿Cuándo los aleatorios... cuándo despegaron los amigos
10:21
and leave the randoms,
254
606000
2000
y dejaron a los aleatorios
10:23
and [when did] their curve start shifting?
255
608000
2000
y su curva empezó a desplazarse?
10:25
And that, as indicated by the white line,
256
610000
2000
Y eso, como indica la línea blanca,
10:27
occurred 46 days
257
612000
2000
se produjo 46 días
10:29
before the peak of the epidemic.
258
614000
2000
antes del pico de la epidemia.
10:31
So this would be a technique
259
616000
2000
Así que esta sería una técnica
10:33
whereby we could get more than a month-and-a-half warning
260
618000
2000
mediante la cual se podría alertar más de un mes y medio antes
10:35
about a flu epidemic in a particular population.
261
620000
3000
la epidemia de gripe en una población en particular.
10:38
I should say that
262
623000
2000
Debo decir que
10:40
how far advanced a notice one might get about something
263
625000
2000
la antelación con la que puede conocerse una noticia
10:42
depends on a host of factors.
264
627000
2000
depende de una serie de factores.
10:44
It could depend on the nature of the pathogen --
265
629000
2000
Podría depender de la naturaleza del patógeno,
10:46
different pathogens,
266
631000
2000
distintos patógenos,
10:48
using this technique, you'd get different warning --
267
633000
2000
usando esta técnica, se obtienen distintas alertas,
10:50
or other phenomena that are spreading,
268
635000
2000
u otros fenómenos que se están extendiendo
10:52
or frankly, on the structure of the human network.
269
637000
3000
o, francamente, de la estructura de la red humana.
10:55
Now in our case, although it wasn't necessary,
270
640000
3000
En nuestro caso, aunque no era necesario,
10:58
we could also actually map the network of the students.
271
643000
2000
pudimos, de hecho, mapear la red de estudiantes.
11:00
So, this is a map of 714 students
272
645000
2000
Este es un mapeo de 714 estudiantes
11:02
and their friendship ties.
273
647000
2000
y sus vínculos de amistad.
11:04
And in a minute now, I'm going to put this map into motion.
274
649000
2000
Y en un minuto voy a poner este mapeo en movimiento.
11:06
We're going to take daily cuts through the network
275
651000
2000
Vamos a tomar cortes diarios de la red
11:08
for 120 days.
276
653000
2000
durante 120 días.
11:10
The red dots are going to be cases of the flu,
277
655000
3000
Los puntos rojos van a ser casos de gripe
11:13
and the yellow dots are going to be friends of the people with the flu.
278
658000
3000
y los puntos amarillos van a ser amigos de las personas con gripe.
11:16
And the size of the dots is going to be proportional
279
661000
2000
Y el tamaño de los puntos va a ser proporcional
11:18
to how many of their friends have the flu.
280
663000
2000
a la cantidad de amigos con gripe.
11:20
So bigger dots mean more of your friends have the flu.
281
665000
3000
Así, puntos más grandes significan más amigos con gripe.
11:23
And if you look at this image -- here we are now in September the 13th --
282
668000
3000
Y si miran esta imagen, aquí estamos en el 13 de septiembre,
11:26
you're going to see a few cases light up.
283
671000
2000
van a ver algunos casos iluminados.
11:28
You're going to see kind of blooming of the flu in the middle.
284
673000
2000
Van a ver una especie de florecimiento de la gripe en el medio.
11:30
Here we are on October the 19th.
285
675000
3000
Aquí estamos el 19 de octubre. La pendiente de la curva
11:33
The slope of the epidemic curve is approaching now, in November.
286
678000
2000
de la epidemia se está acercando ahora, en noviembre.
11:35
Bang, bang, bang, bang, bang -- you're going to see lots of blooming in the middle,
287
680000
3000
Bang, bang, bang, bang, van a ver un gran florecimiento en el medio,
11:38
and then you're going to see a sort of leveling off,
288
683000
2000
y luego van a ver una especie de nivelación,
11:40
fewer and fewer cases towards the end of December.
289
685000
3000
cada vez menos casos hasta fines de diciembre.
11:43
And this type of a visualization
290
688000
2000
Y este tipo de visualización
11:45
can show that epidemics like this take root
291
690000
2000
puede mostrar que las epidemias como éstas echan raíces
11:47
and affect central individuals first,
292
692000
2000
y afectan primero a los individuos del centro
11:49
before they affect others.
293
694000
2000
antes de afectar a otros.
11:51
Now, as I've been suggesting,
294
696000
2000
Ahora, como he estado sugiriendo,
11:53
this method is not restricted to germs,
295
698000
3000
este método no se limita a los gérmenes,
11:56
but actually to anything that spreads in populations.
296
701000
2000
sino, en realidad, a cualquier cosa que se propague en la población.
11:58
Information spreads in populations,
297
703000
2000
La información se propaga en la población.
12:00
norms can spread in populations,
298
705000
2000
Las normas se propagan en la población.
12:02
behaviors can spread in populations.
299
707000
2000
Los comportamientos pueden propagarse en la población.
12:04
And by behaviors, I can mean things like criminal behavior,
300
709000
3000
Y comportamiento puede significar comportamiento criminal
12:07
or voting behavior, or health care behavior,
301
712000
3000
o electoral, o del cuidado de la salud
12:10
like smoking, or vaccination,
302
715000
2000
como el tabaco o las vacunas,
12:12
or product adoption, or other kinds of behaviors
303
717000
2000
o la adopción de productos u otro tipo de comportamiento
12:14
that relate to interpersonal influence.
304
719000
2000
relacionado con la influencia interpersonal.
12:16
If I'm likely to do something that affects others around me,
305
721000
3000
Si soy capaz de hacer algo que afecta a los demás a mi alrededor,
12:19
this technique can get early warning or early detection
306
724000
3000
esta técnica puede proporcionar una alerta o detección temprana
12:22
about the adoption within the population.
307
727000
3000
sobre la adopción en la población.
12:25
The key thing is that for it to work,
308
730000
2000
La clave es que, para que funcione,
12:27
there has to be interpersonal influence.
309
732000
2000
tiene que haber influencia interpersonal.
12:29
It cannot be because of some broadcast mechanism
310
734000
2000
No puede deberse a un mecanismo de difusión
12:31
affecting everyone uniformly.
311
736000
3000
que afecte a todos por igual.
12:35
Now the same insights
312
740000
2000
Ahora, los mismos conocimientos
12:37
can also be exploited -- with respect to networks --
313
742000
3000
de las redes pueden ser explotados también
12:40
can also be exploited in other ways,
314
745000
3000
de otras maneras
12:43
for example, in the use of targeting
315
748000
2000
por ejemplo, para seleccionar
12:45
specific people for interventions.
316
750000
2000
personas específicas para intervenciones.
12:47
So, for example, most of you are probably familiar
317
752000
2000
Muchos de Uds. están familiarizados probablemente
12:49
with the notion of herd immunity.
318
754000
2000
con la noción de inmunidad de grupo.
12:51
So, if we have a population of a thousand people,
319
756000
3000
Así, si tenemos una población de mil personas
12:54
and we want to make the population immune to a pathogen,
320
759000
3000
y queremos hacer que la población sea inmune a un patógeno
12:57
we don't have to immunize every single person.
321
762000
2000
no tenemos que inmunizar a todos.
12:59
If we immunize 960 of them,
322
764000
2000
Si inmunizamos a 960 de ellos
13:01
it's as if we had immunized a hundred [percent] of them.
323
766000
3000
es como si hubiéramos inmunizado al 100% de ellos.
13:04
Because even if one or two of the non-immune people gets infected,
324
769000
3000
Porque incluso si una o dos de las personas no inmunes se infectan,
13:07
there's no one for them to infect.
325
772000
2000
no hay nadie a quien puedan infectar.
13:09
They are surrounded by immunized people.
326
774000
2000
Están rodeados de personas inmunizadas.
13:11
So 96 percent is as good as 100 percent.
327
776000
3000
Así que el 96% es tan bueno como el 100%.
13:14
Well, some other scientists have estimated
328
779000
2000
Bueno, algunos científicos han estimado
13:16
what would happen if you took a 30 percent random sample
329
781000
2000
qué pasaría si se toma una muestra aleatoria del 30%
13:18
of these 1000 people, 300 people and immunized them.
330
783000
3000
y de estas 1.000 personas se inmuniza a 300.
13:21
Would you get any population-level immunity?
331
786000
2000
¿Se obtendría alguna inmunidad a nivel poblacional?
13:23
And the answer is no.
332
788000
3000
Y la respuesta es no.
13:26
But if you took this 30 percent, these 300 people
333
791000
2000
Pero si uno toma este 30%, estas 300 personas,
13:28
and had them nominate their friends
334
793000
2000
y hacemos que elijan a sus amigos
13:30
and took the same number of vaccine doses
335
795000
3000
y tomamos la misma cantidad de dosis de vacunas
13:33
and vaccinated the friends of the 300 --
336
798000
2000
y vacunamos a los amigos de los 300,
13:35
the 300 friends --
337
800000
2000
los 300 amigos,
13:37
you can get the same level of herd immunity
338
802000
2000
se obtiene el mismo nivel de inmunidad de grupo
13:39
as if you had vaccinated 96 percent of the population
339
804000
3000
que si vacunáramos al 96% de la población
13:42
at a much greater efficiency, with a strict budget constraint.
340
807000
3000
con mucha mayor eficiencia y una restricción presupuestaria estricta.
13:45
And similar ideas can be used, for instance,
341
810000
2000
Y pueden usarse ideas similares, por ejemplo,
13:47
to target distribution of things like bed nets
342
812000
2000
para enfocar la distribucion de cosas como mosquiteros
13:49
in the developing world.
343
814000
2000
en el mundo en desarrollo.
13:51
If we could understand the structure of networks in villages,
344
816000
3000
Si pudiésemos identificar la estructura de las redes en los pueblos
13:54
we could target to whom to give the interventions
345
819000
2000
podríamos elegir a quién darle las intervenciones
13:56
to foster these kinds of spreads.
346
821000
2000
para fomentar este tipo de propagación.
13:58
Or, frankly, for advertising with all kinds of products.
347
823000
3000
O bien, francamente, para publicitar todo tipo de productos.
14:01
If we could understand how to target,
348
826000
2000
Si pudiéramos entender cómo seleccionar,
14:03
it could affect the efficiency
349
828000
2000
eso podría afectar la eficiencia
14:05
of what we're trying to achieve.
350
830000
2000
de lo que estamos tratando de lograr.
14:07
And in fact, we can use data
351
832000
2000
Y, de hecho, podemos usar datos
14:09
from all kinds of sources nowadays [to do this].
352
834000
2000
de todo tipo de fuentes hoy en día [para hacerlo].
14:11
This is a map of eight million phone users
353
836000
2000
Este es un mapeo de 8 millones de usuarios de teléfono
14:13
in a European country.
354
838000
2000
en un país europeo.
14:15
Every dot is a person, and every line represents
355
840000
2000
Cada punto es una persona, y cada línea representa
14:17
a volume of calls between the people.
356
842000
2000
un volumen de llamadas entre personas.
14:19
And we can use such data, that's being passively obtained,
357
844000
3000
Y podemos usar estos datos obtenidos de manera pasiva
14:22
to map these whole countries
358
847000
2000
para mapear estos países enteros
14:24
and understand who is located where within the network.
359
849000
3000
y comprender dónde se ubica cada quien en la red.
14:27
Without actually having to query them at all,
360
852000
2000
Sin tener que interrogarlos en absoluto
14:29
we can get this kind of a structural insight.
361
854000
2000
podemos obtener este tipo de conocimiento estructural.
14:31
And other sources of information, as you're no doubt aware
362
856000
3000
Y otras fuentes de información, que Uds. sin duda conocen,
14:34
are available about such features, from email interactions,
363
859000
3000
están disponibles a partir de las interacciones de correo electrónico,
14:37
online interactions,
364
862000
2000
interacciones en línea,
14:39
online social networks and so forth.
365
864000
3000
redes sociales virtuales, etc.
14:42
And in fact, we are in the era of what I would call
366
867000
2000
Y, de hecho, estamos en la era de lo que llamaría
14:44
"massive-passive" data collection efforts.
367
869000
3000
esfuerzos de recolección de datos "masivo-pasivos".
14:47
They're all kinds of ways we can use massively collected data
368
872000
3000
Hay todo tipo de maneras de recolectar datos en forma masiva
14:50
to create sensor networks
369
875000
3000
para crear redes de sensores
14:53
to follow the population,
370
878000
2000
para seguir a la población
14:55
understand what's happening in the population,
371
880000
2000
y comprender lo que sucede en la población
14:57
and intervene in the population for the better.
372
882000
3000
e intervenir en la población para mejor.
15:00
Because these new technologies tell us
373
885000
2000
Porque estas nuevas tecnologías nos dicen
15:02
not just who is talking to whom,
374
887000
2000
no sólo quién habla con quién
15:04
but where everyone is,
375
889000
2000
sino dónde está cada uno
15:06
and what they're thinking based on what they're uploading on the Internet,
376
891000
3000
y lo que están pensando en base a lo que están subiendo a internet,
15:09
and what they're buying based on their purchases.
377
894000
2000
y lo que están consumiendo en base a sus compras.
15:11
And all this administrative data can be pulled together
378
896000
3000
Y todos estos datos administrativos pueden juntarse
15:14
and processed to understand human behavior
379
899000
2000
y ser procesados para comprender el comportamiento humano
15:16
in a way we never could before.
380
901000
3000
en modos nunca antes posibles.
15:19
So, for example, we could use truckers' purchases of fuel.
381
904000
3000
Por ejemplo: podríamos usar las compras de combustible de transportistas.
15:22
So the truckers are just going about their business,
382
907000
2000
Los transportistas hacen lo suyo
15:24
and they're buying fuel.
383
909000
2000
y compran combustible.
15:26
And we see a blip up in the truckers' purchases of fuel,
384
911000
3000
Vemos una suba en la compra de combustible de los transportistas
15:29
and we know that a recession is about to end.
385
914000
2000
y sabemos que una recesión está por terminar.
15:31
Or we can monitor the velocity
386
916000
2000
O podemos analizar la velocidad
15:33
with which people are moving with their phones on a highway,
387
918000
3000
a la que se mueve la gente con sus celulares en la autopista
15:36
and the phone company can see,
388
921000
2000
y la compañía telefónica puede ver,
15:38
as the velocity is slowing down,
389
923000
2000
conforme la velocidad disminuye,
15:40
that there's a traffic jam.
390
925000
2000
que hay un atasco de tráfico.
15:42
And they can feed that information back to their subscribers,
391
927000
3000
Y se puede enviar esa información a los clientes,
15:45
but only to their subscribers on the same highway
392
930000
2000
pero sólo a los clientes que están en esa misma autopista
15:47
located behind the traffic jam!
393
932000
2000
ubicados detrás del atasco.
15:49
Or we can monitor doctors prescribing behaviors, passively,
394
934000
3000
O podemos monitorear diagnósticos médicos, de forma pasiva,
15:52
and see how the diffusion of innovation with pharmaceuticals
395
937000
3000
y ver la difusión de innovación en productos farmacéuticos
15:55
occurs within [networks of] doctors.
396
940000
2000
en las redes de médicos.
15:57
Or again, we can monitor purchasing behavior in people
397
942000
2000
O, de vuelta, podemos seguir los hábitos de compra de la gente
15:59
and watch how these types of phenomena
398
944000
2000
y observar cómo estos tipos de fenómenos
16:01
can diffuse within human populations.
399
946000
3000
pueden difundirse en las poblaciones humanas.
16:04
And there are three ways, I think,
400
949000
2000
Y creo que hay tres maneras
16:06
that these massive-passive data can be used.
401
951000
2000
en que pueden usarse estos datos masivo-pasivos.
16:08
One is fully passive,
402
953000
2000
Una es totalmente pasiva
16:10
like I just described --
403
955000
2000
como acabo de describir.
16:12
as in, for instance, the trucker example,
404
957000
2000
Por ejemplo, el caso de los transportistas
16:14
where we don't actually intervene in the population in any way.
405
959000
2000
en el que no se interviene en la población de ningún modo.
16:16
One is quasi-active,
406
961000
2000
Otro es casi activo,
16:18
like the flu example I gave,
407
963000
2000
como el ejemplo que di de la gripe,
16:20
where we get some people to nominate their friends
408
965000
3000
en el que pedimos a la gente que elija a sus amigos,
16:23
and then passively monitor their friends --
409
968000
2000
y luego controlamos pasivamente a sus amigos:
16:25
do they have the flu, or not? -- and then get warning.
410
970000
2000
¿tienen la gripe o no? Y luego la advertencia.
16:27
Or another example would be,
411
972000
2000
Y otro ejemplo sería
16:29
if you're a phone company, you figure out who's central in the network
412
974000
3000
si uno es una compañía telefónica, averigua quiénes son el centro de la red,
16:32
and you ask those people, "Look, will you just text us your fever every day?
413
977000
3000
y le pregunta a esa gente: "¿Podrías mandarnos un sms
16:35
Just text us your temperature."
414
980000
2000
con tu temperatura todos los días?
16:37
And collect vast amounts of information about people's temperature,
415
982000
3000
Y uno junta ingentes cantidades de información de la temperatura de la gente
16:40
but from centrally located individuals.
416
985000
2000
pero de los individuos del centro.
16:42
And be able, on a large scale,
417
987000
2000
Y se es capaz, a gran escala,
16:44
to monitor an impending epidemic
418
989000
2000
de monitorear una epidemia inminente
16:46
with very minimal input from people.
419
991000
2000
con una participación mínima de la gente.
16:48
Or, finally, it can be more fully active --
420
993000
2000
O podría ser algo completamente activo,
16:50
as I know subsequent speakers will also talk about today --
421
995000
2000
sé que los próximos oradores también hablarán de esto hoy,
16:52
where people might globally participate in wikis,
422
997000
2000
donde la gente participará globalmente en wikis
16:54
or photographing, or monitoring elections,
423
999000
3000
o fotografiando, o siguiendo elecciones,
16:57
and upload information in a way that allows us to pool
424
1002000
2000
y subiendo información de modo que pueda consolidarse
16:59
information in order to understand social processes
425
1004000
2000
para comprender los procesos sociales
17:01
and social phenomena.
426
1006000
2000
y los fenómenos sociales.
17:03
In fact, the availability of these data, I think,
427
1008000
2000
De hecho, la disponibilidad de estos datos, creo,
17:05
heralds a kind of new era
428
1010000
2000
anuncian una nueva era
17:07
of what I and others would like to call
429
1012000
2000
de lo que tanto yo como otros daríamos en llamar
17:09
"computational social science."
430
1014000
2000
"ciencias sociales de cómputo".
17:11
It's sort of like when Galileo invented -- or, didn't invent --
431
1016000
3000
Es como cuando Galileo inventó -o no inventó-
17:14
came to use a telescope
432
1019000
2000
utilizó un telescopio
17:16
and could see the heavens in a new way,
433
1021000
2000
y pudo ver el firmamento de otra manera;
17:18
or Leeuwenhoek became aware of the microscope --
434
1023000
2000
o cuando Leeuwenhoek conoció el microscopio
17:20
or actually invented --
435
1025000
2000
-o en realidad lo inventó-
17:22
and could see biology in a new way.
436
1027000
2000
y pudo ver la biología de manera nueva.
17:24
But now we have access to these kinds of data
437
1029000
2000
Pero ahora tenemos acceso a estos datos
17:26
that allow us to understand social processes
438
1031000
2000
que nos permiten entender los procesos sociales
17:28
and social phenomena
439
1033000
2000
y los fenómenos sociales
17:30
in an entirely new way that was never before possible.
440
1035000
3000
de una forma totalmente nueva que nunca antes fue posible.
17:33
And with this science, we can
441
1038000
2000
Y con esa ciencia podemos
17:35
understand how exactly
442
1040000
2000
entender exactamente cómo
17:37
the whole comes to be greater
443
1042000
2000
el todo viene a ser más grande
17:39
than the sum of its parts.
444
1044000
2000
que la suma de las partes.
17:41
And actually, we can use these insights
445
1046000
2000
Y, en realidad, podemos usar estos conocimientos
17:43
to improve society and improve human well-being.
446
1048000
3000
para mejorar la sociedad y el bienestar del hombre.
17:46
Thank you.
447
1051000
2000
Gracias.
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