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

Why you should listen

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

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

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

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

Geoffrey West: The surprising math of cities and corporations

Geoffrey Ovest: La sorprendente matematica di città e corporazioni

Filmed:
1,583,030 views

Il fisico Geoffrey West ha scoperto che semplici leggi matematiche governano le proprietà delle città - che il benessere, il tasso di criminalità, la velocità pedonale e molti altri aspetti di una città si possono dedurre da un singolo numero: il numero di abitanti. In questa convincente conferenza al TEDGlobal ci spiega come funziona e come leggi simili si applichino ad organismi e corporazioni.
- Theorist
Physicist Geoffrey West believes that complex systems from organisms to cities are in many ways governed by simple laws -- laws that can be discovered and analyzed. Full bio

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

00:16
CitiesCittà are the cruciblecrogiolo of civilizationciviltà.
0
1000
3000
Le città sono il crogiolo della civiltà.
00:19
They have been expandingespansione,
1
4000
2000
Sono cresciute,
00:21
urbanizationurbanizzazione has been expandingespansione,
2
6000
2000
l'urbanizzazione le ha fatte crescere
00:23
at an exponentialesponenziale rateVota in the last 200 yearsanni
3
8000
2000
ad un ritmo esponenziale negli ultimi 200 anni,
00:25
so that by the secondsecondo partparte of this centurysecolo,
4
10000
3000
e probabilmente entro la seconda metà di questo secolo
00:28
the planetpianeta will be completelycompletamente dominateddominato
5
13000
2000
il pianeta sarà completamente invaso
00:30
by citiescittà.
6
15000
3000
dalle città.
00:33
CitiesCittà are the originsorigini of globalglobale warmingriscaldamento,
7
18000
3000
Le città stanno all'origine del riscaldamento globale,
00:36
impacturto on the environmentambiente,
8
21000
2000
hanno un impatto sull'ambiente,
00:38
healthSalute, pollutioninquinamento, diseasemalattia,
9
23000
3000
sulla salute, sull'inquinamento, sulle malattie,
00:41
financefinanza,
10
26000
2000
della finanza,
00:43
economieseconomie, energyenergia --
11
28000
3000
dell'economia, dell'energia -
00:46
they're all problemsi problemi
12
31000
2000
tutti problemi
00:48
that are confronteddi fronte by havingavendo citiescittà.
13
33000
2000
che si devono affrontare se si costruiscono città.
00:50
That's where all these problemsi problemi come from.
14
35000
2000
Ecco da dove provengono tutti questi problemi.
00:52
And the tsunamitsunami of problemsi problemi that we feel we're facingdi fronte
15
37000
3000
E lo tsunami di problemi che abbiamo di fronte
00:55
in termscondizioni of sustainabilitysostenibilità questionsle domande
16
40000
2000
sulla questione della sostenibilità,
00:57
are actuallyin realtà a reflectionriflessione
17
42000
2000
rispecchia in realtà
00:59
of the exponentialesponenziale increaseaumentare
18
44000
2000
la crescita esponenziale
01:01
in urbanizationurbanizzazione acrossattraverso the planetpianeta.
19
46000
3000
dell'urbanizzazione in tutto il pianeta.
01:04
Here'sQui è some numbersnumeri.
20
49000
2000
Ecco alcune cifre:
01:06
Two hundredcentinaio yearsanni agofa, the UnitedUniti d'America StatesStati
21
51000
2000
200 anni fa, il territorio degli Stati Uniti
01:08
was lessDi meno than a fewpochi percentper cento urbanizedurbanizzata.
22
53000
2000
era urbanizzato solo in minima parte.
01:10
It's now more than 82 percentper cento.
23
55000
2000
Oggi siamo oltre l'82%.
01:12
The planetpianeta has crossedattraversato the halfwaya metà strada markmarchio a fewpochi yearsanni agofa.
24
57000
3000
Qualche anno fa il pianeta ha superato la linea della metà.
01:15
China'sDella Cina buildingcostruzione 300 newnuovo citiescittà
25
60000
2000
La Cina costruirà 300 nuove città
01:17
in the nextIl prossimo 20 yearsanni.
26
62000
2000
nei prossimi 20 anni.
01:19
Now listen to this:
27
64000
2000
Ora sentite questo:
01:21
EveryOgni weeksettimana for the foreseeableprevedibili futurefuturo,
28
66000
3000
Ogni settimana del futuro prossimo venturo,
01:24
untilfino a 2050,
29
69000
2000
fino al 2050,
01:26
everyogni weeksettimana more than a millionmilione people
30
71000
2000
ogni settimana, più di un milione di persone
01:28
are beingessere addedaggiunto to our citiescittà.
31
73000
2000
vanno ad abitare in città.
01:30
This is going to affectinfluenzare everything.
32
75000
2000
Questo avrà un impatto su ogni cosa.
01:32
EverybodyTutti in this roomcamera, if you stayrestare alivevivo,
33
77000
2000
Ognuno di noi in questa sala, se vivremo abbastanza,
01:34
is going to be affectedinfluenzato
34
79000
2000
sarà in qualche modo condizionato
01:36
by what's happeningavvenimento in citiescittà
35
81000
2000
da ciò che sta accadendo nelle città
01:38
in this extraordinarystraordinario phenomenonfenomeno.
36
83000
2000
per via di questo straordinario fenomeno.
01:40
HoweverTuttavia, citiescittà,
37
85000
3000
Tuttavia le città,
01:43
despitenonostante havingavendo this negativenegativo aspectaspetto to them,
38
88000
3000
pur presentando questo aspetto negativo,
01:46
are alsoanche the solutionsoluzione.
39
91000
2000
rappresentano anche la soluzione.
01:48
Because citiescittà are the vacuumvuoto cleanersaddetti alle pulizie and the magnetsMagneti
40
93000
4000
Perché le città sono gli aspirapolvere e le calamite
01:52
that have suckedsucchiato up creativecreativo people,
41
97000
2000
che attraggono le persone creative
01:54
creatingla creazione di ideasidee, innovationinnovazione,
42
99000
2000
per produrre idee, innovazione,
01:56
wealthricchezza and so on.
43
101000
2000
ricchezza e così via.
01:58
So we have this kindgenere of dualdoppio naturenatura.
44
103000
2000
Abbiamo questa sorta di duplice natura.
02:00
And so there's an urgenturgente need
45
105000
3000
E quindi c'è un urgente bisogno
02:03
for a scientificscientifico theoryteoria of citiescittà.
46
108000
4000
di una teoria scientifica delle città.
02:07
Now these are my comradescamerati in armsbraccia.
47
112000
3000
Questi sono i miei compagni di avventura.
02:10
This work has been donefatto with an extraordinarystraordinario groupgruppo of people,
48
115000
2000
Questo lavoro è stato svolto assieme a uno straordinario gruppo di persone:
02:12
and they'veessi hanno donefatto all the work,
49
117000
2000
loro hanno fatto tutto il lavoro,
02:14
and I'm the great bullshitterRaccontaballe
50
119000
2000
e io sono solo il poveraccio
02:16
that triescerca to bringportare it all togetherinsieme.
51
121000
2000
che cerca di mettere tutto insieme.
02:18
(LaughterRisate)
52
123000
2000
(Risate)
02:20
So here'secco the problemproblema: This is what we all want.
53
125000
2000
Quindi ecco il problema, Questo è quello che vogliamo tutti.
02:22
The 10 billionmiliardo people on the planetpianeta in 2050
54
127000
3000
I 10 miliardi di persone che avrà il pianeta nel 2050
02:25
want to livevivere in placesposti like this,
55
130000
2000
vorranno vivere in posti come questo,
02:27
havingavendo things like this,
56
132000
2000
avere cose come questa,
02:29
doing things like this,
57
134000
2000
fare cose come questa,
02:31
with economieseconomie that are growingin crescita like this,
58
136000
3000
con un'economia che cresce in questo modo,
02:34
not realizingrendersene conto that entropyentropia
59
139000
2000
senza rendersi conto che l'entropia
02:36
producesproduce things like this,
60
141000
2000
produce cose come questa,
02:38
this, this
61
143000
4000
questa, questa
02:42
and this.
62
147000
2000
e questa.
02:44
And the questiondomanda is:
63
149000
2000
E la domanda è:
02:46
Is that what EdinburghEdimburgo and LondonLondra and NewNuovo YorkYork
64
151000
2000
E' così che saranno Edimburgo, Londra e New York
02:48
are going to look like in 2050,
65
153000
2000
nel 2050,
02:50
or is it going to be this?
66
155000
2000
oppure così?
02:52
That's the questiondomanda.
67
157000
2000
Questa è la domanda.
02:54
I mustdovere say, manymolti of the indicatorsindicatori
68
159000
2000
Secondo molti indicatori, devo dire
02:56
look like this is what it's going to look like,
69
161000
3000
che è così che saranno,
02:59
but let's talk about it.
70
164000
3000
ma parliamone.
03:02
So my provocativeprovocatorio statementdichiarazione
71
167000
3000
La mia affermazione provocatoria
03:05
is that we desperatelydisperatamente need a seriousgrave scientificscientifico theoryteoria of citiescittà.
72
170000
3000
è che abbiamo un disperato bisogno di una solida teoria scientifica delle città.
03:08
And scientificscientifico theoryteoria meanssi intende quantifiablequantificabile --
73
173000
3000
E teoria scientifica significa quantificare -
03:11
relyingbasandosi on underlyingsottostanti genericgenerico principlesi principi
74
176000
3000
basandosi su principi generici
03:14
that can be madefatto into a predictivepredittiva frameworkstruttura.
75
179000
2000
che possano essere incorporati in un quadro di previsione.
03:16
That's the questricerca.
76
181000
2000
Questa è la ricerca da fare.
03:18
Is that conceivableconcepibile?
77
183000
2000
È concepibile?
03:20
Are there universaluniversale lawslegislazione?
78
185000
2000
Esistono leggi universali?
03:22
So here'secco two questionsle domande
79
187000
2000
Ecco due domande
03:24
that I have in my headcapo when I think about this problemproblema.
80
189000
2000
che mi vengono in mente quando penso a questo problema.
03:26
The first is:
81
191000
2000
La prima è:
03:28
Are citiescittà partparte of biologybiologia?
82
193000
2000
Le città fanno parte della biologia?
03:30
Is LondonLondra a great biggrande whalebalena?
83
195000
2000
Londra è come una grande balena?
03:32
Is EdinburghEdimburgo a horsecavallo?
84
197000
2000
Edimburgo come un cavallo?
03:34
Is MicrosoftMicrosoft a great biggrande anthillformicaio?
85
199000
2000
La Microsoft è un formicaio enorme?
03:36
What do we learnimparare from that?
86
201000
2000
Che cosa impariamo da questo?
03:38
We use them metaphoricallymetaforicamente --
87
203000
2000
Li usiamo metaforicamente -
03:40
the DNADNA of a companyazienda, the metabolismmetabolismo of a citycittà, and so on --
88
205000
2000
il DNA di una società, il metabolismo di una città, e così via -
03:42
is that just bullshitcazzate, metaphoricalmetaforico bullshitcazzate,
89
207000
3000
sono solo sciocchezze metaforiche,
03:45
or is there seriousgrave substancesostanza to it?
90
210000
3000
oppure c'è qualcosa di vero?
03:48
And if that is the casecaso,
91
213000
2000
E se fosse così,
03:50
how come that it's very harddifficile to killuccidere a citycittà?
92
215000
2000
perché è così difficile uccidere una città?
03:52
You could dropfar cadere an atomatomo bombbomba on a citycittà,
93
217000
2000
Potete lanciare una bomba atomica su una città
03:54
and 30 yearsanni laterdopo it's survivingsopravvivendo.
94
219000
2000
e 30 anni dopo la ritrovereste ancora vitale.
03:56
Very fewpochi citiescittà failfallire.
95
221000
3000
Poche città falliscono.
03:59
All companiesaziende diemorire, all companiesaziende.
96
224000
3000
Tutte le aziende muoiono, tutte.
04:02
And if you have a seriousgrave theoryteoria, you should be ablecapace to predictpredire
97
227000
2000
E se disporreste di una teoria seria, dovreste essere in grado di prevedere
04:04
when GoogleGoogle is going to go bustbusto.
98
229000
3000
quando fallirà Google.
04:07
So is that just anotherun altro versionversione
99
232000
3000
Dunque è solo un'altra versione
04:10
of this?
100
235000
2000
di questo?
04:12
Well we understandcapire this very well.
101
237000
2000
Bene, noi lo sappiamo molto bene.
04:14
That is, you askChiedere any genericgenerico questiondomanda about this --
102
239000
2000
Cioè, fate qualsiasi domanda generica su questo -
04:16
how manymolti treesalberi of a givendato sizedimensione,
103
241000
2000
quanti alberi di una certa dimensione,
04:18
how manymolti branchesrami of a givendato sizedimensione does a treealbero have,
104
243000
2000
quanti rami di una certa grandezza ha un albero,
04:20
how manymolti leavesle foglie,
105
245000
2000
quante foglie,
04:22
what is the energyenergia flowingfluente throughattraverso eachogni branchramo,
106
247000
2000
qual è l'energia che scorre attraverso ogni ramo,
04:24
what is the sizedimensione of the canopybaldacchino,
107
249000
2000
quali sono le dimensioni della chioma,
04:26
what is its growthcrescita, what is its mortalitymortalità?
108
251000
2000
qual è la sua crescita, qual è la sua mortalità?
04:28
We have a mathematicalmatematico frameworkstruttura
109
253000
2000
Abbiamo una struttura matematica
04:30
basedbasato on genericgenerico universaluniversale principlesi principi
110
255000
3000
basata su principi universali generici
04:33
that can answerrisposta those questionsle domande.
111
258000
2000
in grado di rispondere a queste domande.
04:35
And the ideaidea is can we do the samestesso for this?
112
260000
4000
E l'idea è, possiamo fare lo stesso per questo?
04:40
So the routeitinerario in is recognizingriconoscendo
113
265000
3000
Tutto sta a rendersi conto
04:43
one of the mostmaggior parte extraordinarystraordinario things about life,
114
268000
2000
di una delle cose più straordinarie della vita,
04:45
is that it is scalablescalabile,
115
270000
2000
cioè la rappresentazione in scala
04:47
it workslavori over an extraordinarystraordinario rangegamma.
116
272000
2000
si può applicare a molti concetti diversi.
04:49
This is just a tinyminuscolo rangegamma actuallyin realtà:
117
274000
2000
Qui si tratta di una gamma molto limitata;
04:51
It's us mammalsmammiferi;
118
276000
2000
parliamo di noi mammiferi,
04:53
we're one of these.
119
278000
2000
noi siamo uno di questi.
04:55
The samestesso principlesi principi, the samestesso dynamicsdinamica,
120
280000
2000
Gli stessi principi, le stesse dinamiche,
04:57
the samestesso organizationorganizzazione is at work
121
282000
2000
la stessa organizzazione funziona
04:59
in all of these, includingCompreso us,
122
284000
2000
in tutti questi gruppi, noi compresi,
05:01
and it can scalescala over a rangegamma of 100 millionmilione in sizedimensione.
123
286000
3000
e può funzionare per numeri dell'ordine di 100 milioni di unità.
05:04
And that is one of the mainprincipale reasonsmotivi
124
289000
3000
E questo è uno dei principali motivi
05:07
life is so resilientresiliente and robustrobusto --
125
292000
2000
per cui la vita è così resistente e vigorosa -
05:09
scalabilityscalabilità.
126
294000
2000
per via della scalabilità.
05:11
We're going to discussdiscutere that in a momentmomento more.
127
296000
3000
Approfondiremo l'argomento tra poco.
05:14
But you know, at a localLocale levellivello,
128
299000
2000
Ma si sa che a livello locale,
05:16
you scalescala; everybodytutti in this roomcamera is scaledscalato.
129
301000
2000
si ridimensiona, tutti in questa sala siamo in scala.
05:18
That's calledchiamato growthcrescita.
130
303000
2000
Questo si chiama crescita.
05:20
Here'sQui è how you grewè cresciuto.
131
305000
2000
Ecco come si cresce.
05:22
RatRatto, that's a ratratto -- could have been you.
132
307000
2000
Questo è un ratto - ma potrebbe essere uno di voi.
05:24
We're all prettybella much the samestesso.
133
309000
3000
Non siamo molto diversi.
05:27
And you see, you're very familiarfamiliare with this.
134
312000
2000
Guardate, questo vi sarà famigliare.
05:29
You growcrescere very quicklyvelocemente and then you stop.
135
314000
2000
Si cresce molto velocemente e ad un certo punto ci si ferma.
05:31
And that linelinea there
136
316000
2000
E questa curva
05:33
is a predictionpredizione from the samestesso theoryteoria,
137
318000
2000
è una predizione della stessa teoria,
05:35
basedbasato on the samestesso principlesi principi,
138
320000
2000
basata sugli stessi principi,
05:37
that describesdescrive that forestforesta.
139
322000
2000
che descrive quella foresta.
05:39
And here it is for the growthcrescita of a ratratto,
140
324000
2000
Questa è la curva di crescita di un ratto.
05:41
and those pointspunti on there are datadati pointspunti.
141
326000
2000
E questi punti indicano i dati reali.
05:43
This is just the weightpeso versuscontro the ageetà.
142
328000
2000
Mostrano semplicemente il peso relativo all'età.
05:45
And you see, it stopsfermate growingin crescita.
143
330000
2000
E vedete, smette di crescere.
05:47
Very, very good for biologybiologia --
144
332000
2000
Questo è ottimo per la biologia -
05:49
alsoanche one of the reasonsmotivi for its great resilienceelasticità.
145
334000
2000
ed è anche uno dei motivi della sua grande resistenza.
05:51
Very, very badcattivo
146
336000
2000
Ma è una cosa molto negativa
05:53
for economieseconomie and companiesaziende and citiescittà
147
338000
2000
per l'economia, le aziende e le città
05:55
in our presentpresente paradigmparadigma.
148
340000
2000
nel nostro modello attuale.
05:57
This is what we believe.
149
342000
2000
Questo è ciò in cui crediamo.
05:59
This is what our wholetotale economyeconomia
150
344000
2000
Quello che ci impone
06:01
is thrustingspingendo il uponsu us,
151
346000
2000
l'intera l'economia,
06:03
particularlysoprattutto illustratedillustrato in that left-handmano sinistra cornerangolo:
152
348000
3000
come si vede a sinistra:
06:06
hockeyhockey sticksbastoni.
153
351000
2000
come mazze da hockey.
06:08
This is a bunchmazzo of softwareSoftware companiesaziende --
154
353000
2000
Questo è un gruppo di società di software -
06:10
and what it is is theirloro revenuereddito versuscontro theirloro ageetà --
155
355000
2000
e il loro reddito in base all'età -
06:12
all zoominglo zoom away,
156
357000
2000
estendono il loro campo d'azione
06:14
and everybodytutti makingfabbricazione millionsmilioni and billionsmiliardi of dollarsdollari.
157
359000
2000
e fanno milioni, miliardi di dollari.
06:16
Okay, so how do we understandcapire this?
158
361000
3000
Bene, ma come facciamo a capire questo concetto?
06:19
So let's first talk about biologybiologia.
159
364000
3000
Dunque, cominciamo a parlare di biologia.
06:22
This is explicitlyespressamente showingmostrando you
160
367000
2000
Questo vi mostra esplicitamente
06:24
how things scalescala,
161
369000
2000
come le cose avvengano in scala.
06:26
and this is a trulyveramente remarkablenotevole graphgrafico.
162
371000
2000
E questo è un grafico davvero notevole.
06:28
What is plottedtracciati here is metabolicmetabolica rateVota --
163
373000
3000
Quello che vediamo qui è il consumo metabolico -
06:31
how much energyenergia you need perper day to stayrestare alivevivo --
164
376000
3000
la quantità giornaliera di energia necessaria per rimanere in vita -
06:34
versuscontro your weightpeso, your massmassa,
165
379000
2000
rispetto a peso e massa
06:36
for all of us bunchmazzo of organismsorganismi.
166
381000
3000
in organismi come i nostri.
06:39
And it's plottedtracciati in this funnydivertente way by going up by factorsfattori of 10,
167
384000
3000
Viene tracciato in questo strano modo usando un fattore di incremento 10,
06:42
otherwisealtrimenti you couldn'tnon poteva get everything on the graphgrafico.
168
387000
2000
altrimenti non entrerebbero tutti nel grafico.
06:44
And what you see if you plottracciare it
169
389000
2000
E ciò che si vede se si traccia il grafico
06:46
in this slightlyleggermente curiouscurioso way
170
391000
2000
in questo modo un po' curioso,
06:48
is that everybodytutti liesbugie on the samestesso linelinea.
171
393000
3000
è che si trovano tutti sulla stessa linea.
06:51
DespiteNonostante the factfatto that this is the mostmaggior parte complexcomplesso and diversediverso systemsistema
172
396000
3000
Nonostante che questo sia il sistema più complesso e diversificato
06:54
in the universeuniverso,
173
399000
3000
dell'universo,
06:57
there's an extraordinarystraordinario simplicitysemplicità
174
402000
2000
c'è una straordinaria semplicità
06:59
beingessere expressedespresso by this.
175
404000
2000
che emerge dal grafico.
07:01
It's particularlysoprattutto astonishingstupefacente
176
406000
3000
E' particolarmente sorprendente
07:04
because eachogni one of these organismsorganismi,
177
409000
2000
perché ognuno di questi organismi,
07:06
eachogni subsystemsottosistema, eachogni cellcellula typetipo, eachogni genegene,
178
411000
2000
ogni sottosistema, ogni tipo di cellula, ogni gene,
07:08
has evolvedevoluto in its ownproprio uniqueunico environmentalambientale nichenicchia
179
413000
4000
si è evoluto nella propria singolare nicchia ambientale
07:12
with its ownproprio uniqueunico historystoria.
180
417000
3000
con la sua propria e unica storia.
07:15
And yetancora, despitenonostante all of that DarwinianDarwiniana evolutionEvoluzione
181
420000
3000
E nonostante tutto l'evoluzione darwiniana
07:18
and naturalnaturale selectionselezione,
182
423000
2000
e la selezione naturale,
07:20
they'veessi hanno been constrainedcostretto to liemenzogna on a linelinea.
183
425000
2000
si ritrovano tutti sulla stessa linea.
07:22
Something elsealtro is going on.
184
427000
2000
Ma c'è dell'altro.
07:24
Before I talk about that,
185
429000
2000
Prima di parlarvene
07:26
I've writtenscritto down at the bottomparte inferiore there
186
431000
2000
ho tracciato qui in basso
07:28
the slopependenza of this curvecurva, this straightdritto linelinea.
187
433000
2000
la pendenza di questa curva, questa linea retta.
07:30
It's three-quarterstre quarti, roughlyapprossimativamente,
188
435000
2000
E' di circa tre quarti,
07:32
whichquale is lessDi meno than one -- and we call that sublinearsublineare.
189
437000
3000
che è meno di uno - noi la chiamiamo sublineare.
07:35
And here'secco the pointpunto of that.
190
440000
2000
E questo è il punto.
07:37
It saysdice that, if it were linearlineare,
191
442000
3000
Se fosse lineare,
07:40
the steepestpiù ripida slopependenza,
192
445000
2000
ossia con la pendenza più ripida,
07:42
then doublingraddoppio the sizedimensione
193
447000
2000
allora raddoppiando la dimensione
07:44
you would requirerichiedere doubleraddoppiare the amountquantità of energyenergia.
194
449000
2000
sarebbe necessario il doppio di energia.
07:46
But it's sublinearsublineare, and what that translatessi traduce into
195
451000
3000
Ma siccome è sublineare, questo significa che
07:49
is that, if you doubleraddoppiare the sizedimensione of the organismorganismo,
196
454000
2000
se si raddoppia la dimensione dell'organismo,
07:51
you actuallyin realtà only need 75 percentper cento more energyenergia.
197
456000
3000
basta in realtà solo il 75% di energia in più.
07:54
So a wonderfulmeraviglioso thing about all of biologybiologia
198
459000
2000
Quindi la cosa fantastica della biologia
07:56
is that it expressesesprime an extraordinarystraordinario economyeconomia of scalescala.
199
461000
3000
è che esprime una straordinaria economia di scala.
07:59
The biggerpiù grande you are systematicallysistematicamente,
200
464000
2000
Maggiore è il sistema,
08:01
accordingsecondo to very well-definedben definita rulesregole,
201
466000
2000
in base a regole ben definite,
08:03
lessDi meno energyenergia perper capitacapite.
202
468000
3000
minore l'energia pro-capite.
08:06
Now any physiologicalfisiologico variablevariabile you can think of,
203
471000
3000
Ora, qualsiasi variabile fisiologica immaginabile,
08:09
any life historystoria eventevento you can think of,
204
474000
2000
qualsiasi evento della vita a cui si possa pensare,
08:11
if you plottracciare it this way, lookssembra like this.
205
476000
3000
se li si traccia in questo modo, avremo qualcosa del genere.
08:14
There is an extraordinarystraordinario regularityregolarità.
206
479000
2000
C'è una regolarità straordinaria.
08:16
So you tell me the sizedimensione of a mammalmammifero,
207
481000
2000
Se mi date le dimensioni di un mammifero
08:18
I can tell you at the 90 percentper cento levellivello everything about it
208
483000
3000
sono in grado di dirvi tutto su di lui, con una precisione del 90%
08:21
in termscondizioni of its physiologyfisiologia, life historystoria, etceccetera.
209
486000
4000
in termini di fisiologia, storia di vita, ecc.
08:25
And the reasonragionare for this is because of networksreti.
210
490000
3000
E il motivo di questo sono le reti.
08:28
All of life is controlledcontrollata by networksreti --
211
493000
3000
Tutto nella vita è controllato da reti -
08:31
from the intracellularintracellulare throughattraverso the multicellularmulticellulare
212
496000
2000
dal livello intracellulare al pluricellulare,
08:33
throughattraverso the ecosystemecosistema levellivello.
213
498000
2000
fino al livello degli ecosistemi.
08:35
And you're very familiarfamiliare with these networksreti.
214
500000
3000
E voi ne sapete abbastanza di queste reti.
08:39
That's a little thing that livesvite insidedentro an elephantelefante.
215
504000
3000
Questo è un piccolo organismo che vive dentro all'elefante.
08:42
And here'secco the summaryRiepilogo of what I'm sayingdetto.
216
507000
3000
Ed ecco la sintesi di quello che sto dicendo.
08:45
If you take those networksreti,
217
510000
2000
Se prendete quelle reti,
08:47
this ideaidea of networksreti,
218
512000
2000
il concetto di reti,
08:49
and you applyapplicare universaluniversale principlesi principi,
219
514000
2000
e le applicate ai principi universali,
08:51
mathematizablequantificabili, universaluniversale principlesi principi,
220
516000
2000
quantificabili e universali,
08:53
all of these scalingsScalings
221
518000
2000
si otterranno modelli scalari
08:55
and all of these constraintsvincoli followSeguire,
222
520000
3000
con le relative regole,
08:58
includingCompreso the descriptiondescrizione of the forestforesta,
223
523000
2000
che ci consentiranno di descrivere la foresta,
09:00
the descriptiondescrizione of your circulatorycircolatori systemsistema,
224
525000
2000
il sistema circolatorio,
09:02
the descriptiondescrizione withinentro cellscellule.
225
527000
2000
l'interazione tra le cellule.
09:04
One of the things I did not stressstress in that introductionintroduzione
226
529000
3000
Una delle cose che non ho sottolineato nell'introduzione
09:07
was that, systematicallysistematicamente, the paceritmo of life
227
532000
3000
era che, sistematicamente, il ritmo della vita
09:10
decreasesdiminuisce as you get biggerpiù grande.
228
535000
2000
diminuisce con l'aumentare delle dimensioni.
09:12
HeartCuore ratesaliquote are slowerPiù lentamente; you livevivere longerpiù a lungo;
229
537000
3000
La frequenza cardiaca è più lenta, si vive più a lungo;
09:15
diffusiondiffusione of oxygenossigeno and resourcesrisorse
230
540000
2000
la diffusione di ossigeno e di risorse
09:17
acrossattraverso membranesmembrane is slowerPiù lentamente, etceccetera.
231
542000
2000
attraverso le membrane diventa più lenta, ecc.
09:19
The questiondomanda is: Is any of this truevero
232
544000
2000
La domanda è: Questo funziona anche
09:21
for citiescittà and companiesaziende?
233
546000
3000
per le città e le imprese?
09:24
So is LondonLondra a scaledscalato up BirminghamBirmingham,
234
549000
3000
Ad esempio, Londra è una Birmingham più grande,
09:27
whichquale is a scaledscalato up BrightonBrighton, etceccetera., etceccetera.?
235
552000
3000
che a sua volta è una Brighton più grande, e così via?
09:30
Is NewNuovo YorkYork a scaledscalato up SanSan FranciscoFrancisco,
236
555000
2000
New York è una San Francisco in scala maggiore,
09:32
whichquale is a scaledscalato up SantaSanta FeFe?
237
557000
2000
che lo è a sua volta di Santa Fe?
09:34
Don't know. We will discussdiscutere that.
238
559000
2000
Non lo so. Ne discuteremo dopo.
09:36
But they are networksreti,
239
561000
2000
Ma sono delle reti.
09:38
and the mostmaggior parte importantimportante networkRete of citiescittà
240
563000
2000
E la più importante rete delle città
09:40
is you.
241
565000
2000
siete voi.
09:42
CitiesCittà are just a physicalfisico manifestationmanifestazione
242
567000
3000
Le città sono solo una manifestazione fisica
09:45
of your interactionsinterazioni,
243
570000
2000
delle vostre interazioni,
09:47
our interactionsinterazioni,
244
572000
2000
delle nostre interazioni,
09:49
and the clusteringClustering and groupingraggruppamento of individualsindividui.
245
574000
2000
e il raggruppamento a comparti di individui.
09:51
Here'sQui è just a symbolicsimbolico pictureimmagine of that.
246
576000
3000
Questo è solo un grafico simbolico.
09:54
And here'secco scalingscalata of citiescittà.
247
579000
2000
Ed ecco come si analizzano le città in scala.
09:56
This showsSpettacoli that in this very simplesemplice exampleesempio,
248
581000
3000
Questo mostra che in questo semplicissimo esempio,
09:59
whichquale happensaccade to be a mundanemondano exampleesempio
249
584000
2000
che banalmente prende in considerazione
10:01
of numbernumero of petrolbenzina stationsstazioni
250
586000
2000
il numero di stazioni di servizio
10:03
as a functionfunzione of sizedimensione --
251
588000
2000
in funzione della dimensione della città -
10:05
plottedtracciati in the samestesso way as the biologybiologia --
252
590000
2000
è un grafico simile a quello biologico -
10:07
you see exactlydi preciso the samestesso kindgenere of thing.
253
592000
2000
si nota esattamente lo stesso tipo di fenomeni.
10:09
There is a scalingscalata.
254
594000
2000
C'è una proporzionalità.
10:11
That is that the numbernumero of petrolbenzina stationsstazioni in the citycittà
255
596000
4000
Per cui il numero delle stazioni di servizio in città
10:15
is now givendato to you
256
600000
2000
si deduce
10:17
when you tell me its sizedimensione.
257
602000
2000
dalla sua dimensione.
10:19
The slopependenza of that is lessDi meno than linearlineare.
258
604000
3000
Questa pendenza è meno che lineare.
10:22
There is an economyeconomia of scalescala.
259
607000
2000
C'è un'economia di scala.
10:24
LessMeno petrolbenzina stationsstazioni perper capitacapite the biggerpiù grande you are -- not surprisingsorprendente.
260
609000
3000
Più grande la città, minore il numero di stazioni di servizio pro-capite - niente di strano.
10:27
But here'secco what's surprisingsorprendente.
261
612000
2000
Ma ecco cosa è sorprendente.
10:29
It scalesbilancia in the samestesso way everywhereovunque.
262
614000
2000
Questo rapporto è costante in tutto il mondo.
10:31
This is just EuropeanEuropeo countriespaesi,
263
616000
2000
Qui abbiamo solo i paesi europei,
10:33
but you do it in JapanGiappone or ChinaCina or ColombiaColombia,
264
618000
3000
ma lo si può applicare in Giappone, in Cina o in Colombia,
10:36
always the samestesso
265
621000
2000
sempre la stessa cosa
10:38
with the samestesso kindgenere of economyeconomia of scalescala
266
623000
2000
con lo stesso tipo di economie di scala
10:40
to the samestesso degreegrado.
267
625000
2000
nella stessa misura.
10:42
And any infrastructureinfrastruttura you look at --
268
627000
3000
E qualsiasi infrastruttura si guardi -
10:45
whetherse it's the lengthlunghezza of roadsstrade, lengthlunghezza of electricalelettrico linesLinee --
269
630000
3000
che sia la lunghezza delle strade, la lunghezza delle linee elettriche -
10:48
anything you look at
270
633000
2000
qualunque cosa si consideri,
10:50
has the samestesso economyeconomia of scalescala scalingscalata in the samestesso way.
271
635000
3000
si avrà la stessa economia di scala in proporzioni analoghe.
10:53
It's an integratedintegrato systemsistema
272
638000
2000
È un sistema integrato
10:55
that has evolvedevoluto despitenonostante all the planningpianificazione and so on.
273
640000
3000
che si è evoluto nonostante tutta la pianificazione e altro.
10:58
But even more surprisingsorprendente
274
643000
2000
Ma è ancora più sorprendente
11:00
is if you look at socio-economicsocio-economico quantitiesquantità,
275
645000
2000
se si guardano i parametri socio-economici,
11:02
quantitiesquantità that have no analoganalogico in biologybiologia,
276
647000
3000
dati che non hanno alcuna analogia in biologia,
11:05
that have evolvedevoluto when we startediniziato formingformatura communitiescomunità
277
650000
3000
che si sono evoluti quando cominciarono a formarsi le comunità umane
11:08
eightotto to 10,000 yearsanni agofa.
278
653000
2000
8-10 mila anni fa.
11:10
The topsuperiore one is wagessalari as a functionfunzione of sizedimensione
279
655000
2000
In alto vediamo i salari in funzione della dimensione
11:12
plottedtracciati in the samestesso way.
280
657000
2000
tracciati nello stesso modo.
11:14
And the bottomparte inferiore one is you lot --
281
659000
2000
E in basso quello che vi rappresenta -
11:16
super-creativesSuper-creativi plottedtracciati in the samestesso way.
282
661000
3000
i super-creativi, tracciati nello stesso modo.
11:19
And what you see
283
664000
2000
Quello che si vede
11:21
is a scalingscalata phenomenonfenomeno.
284
666000
2000
è un fenomeno di scala.
11:23
But mostmaggior parte importantimportante in this,
285
668000
2000
Ma la cosa più importante qui
11:25
the exponentesponente, the analoganalogico to that three-quarterstre quarti
286
670000
2000
è che l'esponente, l'analogo dei tre quarti
11:27
for the metabolicmetabolica rateVota,
287
672000
2000
per il tasso metabolico,
11:29
is biggerpiù grande than one -- it's about 1.15 to 1.2.
288
674000
2000
è maggiore di uno - va da circa 1,15 a 1,2.
11:31
Here it is,
289
676000
2000
Eccolo,
11:33
whichquale saysdice that the biggerpiù grande you are
290
678000
3000
dice che più grandi siete,
11:36
the more you have perper capitacapite, unlikea differenza di biologybiologia --
291
681000
3000
più ne avrete pro-capite, a differenza della biologia -
11:39
higherpiù alto wagessalari, more super-creativeSuper-creativo people perper capitacapite as you get biggerpiù grande,
292
684000
4000
salari più alti, più gente creativa con l'aumentare delle dimensioni della città,
11:43
more patentsbrevetti perper capitacapite, more crimecrimine perper capitacapite.
293
688000
3000
più brevetti pro capite, più criminalità.
11:46
And we'venoi abbiamo lookedguardato at everything:
294
691000
2000
Abbiamo esaminato tutto:
11:48
more AIDSAIDS casescasi, fluinfluenza, etceccetera.
295
693000
3000
casi di AIDS, influenza, ecc.
11:51
And here, they're all plottedtracciati togetherinsieme.
296
696000
2000
E qui sono tutti tracciati insieme.
11:53
Just to showmostrare you what we plottedtracciati,
297
698000
2000
Solo per mostrarvi ciò che abbiamo trovato,
11:55
here is incomereddito, GDPPIL --
298
700000
3000
ecco il reddito, il PIL -
11:58
GDPPIL of the citycittà --
299
703000
2000
il PIL della città -
12:00
crimecrimine and patentsbrevetti all on one graphgrafico.
300
705000
2000
crimine e brevetti, tutto su un unico grafico.
12:02
And you can see, they all followSeguire the samestesso linelinea.
301
707000
2000
E come vedete, tutti seguono la stessa linea.
12:04
And here'secco the statementdichiarazione.
302
709000
2000
Ed ecco la teoria.
12:06
If you doubleraddoppiare the sizedimensione of a citycittà from 100,000 to 200,000,
303
711000
3000
Se si raddoppia la dimensione di una città da 100.000 a 200.000 abitanti,
12:09
from a millionmilione to two millionmilione, 10 to 20 millionmilione,
304
714000
2000
da un milione a due milioni, da 10 a 20 milioni,
12:11
it doesn't matterimporta,
305
716000
2000
non importa,
12:13
then systematicallysistematicamente
306
718000
2000
sistematicamente
12:15
you get a 15 percentper cento increaseaumentare
307
720000
2000
si ottiene un aumento del 15%
12:17
in wagessalari, wealthricchezza, numbernumero of AIDSAIDS casescasi,
308
722000
2000
in termine di salari, ricchezza, numero di casi di AIDS,
12:19
numbernumero of policepolizia,
309
724000
2000
numero di poliziotti,
12:21
anything you can think of.
310
726000
2000
qualsiasi cosa vi possiate immaginare.
12:23
It goesva up by 15 percentper cento,
311
728000
2000
Un aumento del 15%.
12:25
and you have a 15 percentper cento savingsrisparmi
312
730000
3000
Ma anche un 15% di risparmio
12:28
on the infrastructureinfrastruttura.
313
733000
3000
sull'infrastruttura.
12:31
This, no doubtdubbio, is the reasonragionare
314
736000
3000
Senza dubbio questa è la ragione
12:34
why a millionmilione people a weeksettimana are gatheringraduno in citiescittà.
315
739000
3000
per cui un milione di persone alla settimana va ad abitare in città.
12:37
Because they think that all those wonderfulmeraviglioso things --
316
742000
3000
Perché pensano che tutte quelle cose meravigliose,
12:40
like creativecreativo people, wealthricchezza, incomereddito --
317
745000
2000
come le persone creative, la ricchezza, il reddito,
12:42
is what attractsattrae them,
318
747000
2000
è ciò che li attrae,
12:44
forgettingdimenticare about the uglybrutta and the badcattivo.
319
749000
2000
dimenticando gli aspetti brutti e cattivi.
12:46
What is the reasonragionare for this?
320
751000
2000
Qual è la ragione di questo?
12:48
Well I don't have time to tell you about all the mathematicsmatematica,
321
753000
3000
Beh non ho tempo di raccontarvelo in termini matematici,
12:51
but underlyingsottostanti this is the socialsociale networksreti,
322
756000
3000
ma sotto tutto questo ci sono i social network,
12:54
because this is a universaluniversale phenomenonfenomeno.
323
759000
3000
perché si tratta di un fenomeno universale.
12:57
This 15 percentper cento ruleregola
324
762000
3000
Questa regola del 15%
13:00
is truevero
325
765000
2000
è vera
13:02
no matterimporta where you are on the planetpianeta --
326
767000
2000
in qualsiasi luogo vi troviate -
13:04
JapanGiappone, ChileCile,
327
769000
2000
Giappone, Cile,
13:06
PortugalPortogallo, ScotlandScozia, doesn't matterimporta.
328
771000
3000
Portogallo, Scozia, non importa!
13:09
Always, all the datadati showsSpettacoli it's the samestesso,
329
774000
3000
Tutti i dati mostrano sempre la stessa cosa,
13:12
despitenonostante the factfatto that these citiescittà have evolvedevoluto independentlyin modo indipendente.
330
777000
3000
nonostante l'evoluzione indipendente delle città.
13:15
Something universaluniversale is going on.
331
780000
2000
Sta accadendo qualcosa a livello universale.
13:17
The universalityuniversalità, to repeatripetere, is us --
332
782000
3000
Ripeto, l'universalità siamo noi -
13:20
that we are the citycittà.
333
785000
2000
le città siamo noi.
13:22
And it is our interactionsinterazioni and the clusteringClustering of those interactionsinterazioni.
334
787000
3000
Sono le nostre interazioni e le associazioni di queste interazioni.
13:25
So there it is, I've said it again.
335
790000
2000
E' così, ancora una volta.
13:27
So if it is those networksreti and theirloro mathematicalmatematico structurestruttura,
336
792000
3000
Quindi, se queste reti e la loro struttura matematica
13:30
unlikea differenza di biologybiologia, whichquale had sublinearsublineare scalingscalata,
337
795000
3000
si comportassero come in biologia, col suo andamento sublineare,
13:33
economieseconomie of scalescala,
338
798000
2000
per ottenere economie di scala,
13:35
you had the slowingrallentando of the paceritmo of life
339
800000
2000
si avrebbe un rallentamento del ritmo della vita
13:37
as you get biggerpiù grande.
340
802000
2000
con l'aumentare delle dimensioni.
13:39
If it's socialsociale networksreti with super-linearSuper-lineare scalingscalata --
341
804000
2000
Ma per i social network e la loro scalabilità super-lineare -
13:41
more perper capitacapite --
342
806000
2000
di più pro capite -
13:43
then the theoryteoria saysdice
343
808000
2000
la teoria dice
13:45
that you increaseaumentare the paceritmo of life.
344
810000
2000
che si aumenta il ritmo della vita.
13:47
The biggerpiù grande you are, life getsprende fasterPiù veloce.
345
812000
2000
Più grandi si è, più la vita diventa veloce.
13:49
On the left is the heartcuore rateVota showingmostrando biologybiologia.
346
814000
2000
Quella a sinistra è la frequenza cardiaca.
13:51
On the right is the speedvelocità of walkinga passeggio
347
816000
2000
Quella a destra è la velocità pedonale
13:53
in a bunchmazzo of EuropeanEuropeo citiescittà,
348
818000
2000
in alcune città europee,
13:55
showingmostrando that increaseaumentare.
349
820000
2000
che indicano questo aumento.
13:57
LastlyInfine, I want to talk about growthcrescita.
350
822000
3000
Per finire, voglio parlarvi della crescita.
14:00
This is what we had in biologybiologia, just to repeatripetere.
351
825000
3000
Ripeto, questo è ciò che avevamo in biologia.
14:03
EconomiesEconomie of scalescala
352
828000
3000
Le economie di scala
14:06
gaveha dato risesalire to this sigmoidalsigmoidale behaviorcomportamento.
353
831000
3000
hanno dato origine a questo comportamento sigmoidale.
14:09
You growcrescere fastveloce and then stop --
354
834000
3000
Si cresce rapidamente e poi si ci ferma -
14:12
partparte of our resilienceelasticità.
355
837000
2000
parte della nostra resistenza.
14:14
That would be badcattivo for economieseconomie and citiescittà.
356
839000
3000
Che sarebbe un male per le economie e le città.
14:17
And indeedinfatti, one of the wonderfulmeraviglioso things about the theoryteoria
357
842000
2000
E in effetti, una delle cose meravigliose di questa teoria
14:19
is that if you have super-linearSuper-lineare scalingscalata
358
844000
3000
è che se si dispone di una scala super-lineare
14:22
from wealthricchezza creationcreazione and innovationinnovazione,
359
847000
2000
per creare ricchezza e innovazione,
14:24
then indeedinfatti you get, from the samestesso theoryteoria,
360
849000
3000
allora si ottiene, dalla stessa teoria,
14:27
a beautifulbellissimo risingcrescente exponentialesponenziale curvecurva -- lovelybello.
361
852000
2000
una bella curva di crescita esponenziale - affascinante.
14:29
And in factfatto, if you compareconfrontare it to datadati,
362
854000
2000
E in effetti, se si paragona ai dati,
14:31
it fitssi adatta very well
363
856000
2000
corrisponde perfettamente
14:33
with the developmentsviluppo of citiescittà and economieseconomie.
364
858000
2000
allo sviluppo delle città e delle economie.
14:35
But it has a terribleterribile catchcatturare,
365
860000
2000
Ma c'è un rovescio della medaglia.
14:37
and the catchcatturare
366
862000
2000
Ossia che
14:39
is that this systemsistema is destineddestinata to collapsecrollo.
367
864000
3000
questo sistema è destinato a crollare.
14:42
And it's destineddestinata to collapsecrollo for manymolti reasonsmotivi --
368
867000
2000
Ed è così per diversi motivi -
14:44
kindgenere of MalthusianMalthusiana reasonsmotivi -- that you runcorrere out of resourcesrisorse.
369
869000
3000
motivi di tipo malthusiano - cioè, che si esauriscono le risorse.
14:47
And how do you avoidevitare that? Well we'venoi abbiamo donefatto it before.
370
872000
3000
E come si fa ad evitarlo? Beh, l'abbiamo già fatto nel passato.
14:50
What we do is,
371
875000
2000
Quello che facciamo è che
14:52
as we growcrescere and we approachapproccio the collapsecrollo,
372
877000
3000
man mano che si cresce e ci si avvicina al collasso,
14:55
a majormaggiore innovationinnovazione takes placeposto
373
880000
3000
avviene una grande innovazione
14:58
and we startinizio over again,
374
883000
2000
e si inizia da capo.
15:00
and we startinizio over again as we approachapproccio the nextIl prossimo one, and so on.
375
885000
3000
E così via, collasso dopo collasso.
15:03
So there's this continuouscontinuo cycleciclo of innovationinnovazione
376
888000
2000
Quindi, questo ciclo continuo di innovazione
15:05
that is necessarynecessario
377
890000
2000
è necessario
15:07
in orderordine to sustainsostenere growthcrescita and avoidevitare collapsecrollo.
378
892000
3000
per sostenere la crescita ed evitare il collasso.
15:10
The catchcatturare, howeverperò, to this
379
895000
2000
Tuttavia, il problema che rimane
15:12
is that you have to innovateinnovare
380
897000
2000
è che bisogna innovare
15:14
fasterPiù veloce and fasterPiù veloce and fasterPiù veloce.
381
899000
3000
in modo sempre più veloce.
15:17
So the imageImmagine
382
902000
2000
Per dirlo con le immagini,
15:19
is that we're not only on a treadmilltapis roulant that's going fasterPiù veloce,
383
904000
3000
non stiamo solo correndo su un tapis roulant che accelera,
15:22
but we have to changemodificare the treadmilltapis roulant fasterPiù veloce and fasterPiù veloce.
384
907000
3000
ma dobbiamo cambiare lo stesso tapis roulant sempre più di frequente.
15:25
We have to accelerateaccelerare on a continuouscontinuo basisbase.
385
910000
3000
Dobbiamo accelerare continuamente.
15:28
And the questiondomanda is: Can we, as socio-economicsocio-economico beingsesseri,
386
913000
3000
E la domanda è: sarà possibile, in quanto esseri socio-economici,
15:31
avoidevitare a heartcuore attackattacco?
387
916000
3000
evitare un attacco cardiaco?
15:34
So lastlyda ultimo, I'm going to finishfinire up in this last minuteminuto or two
388
919000
3000
Quindi, in questo paio di minuti che ci restano concluderò
15:37
askingchiede about companiesaziende.
389
922000
2000
parlando delle aziende.
15:39
See companiesaziende, they scalescala.
390
924000
2000
Vedete, la scalabilità si applica anche alle aziende.
15:41
The topsuperiore one, in factfatto, is WalmartWalmart on the right.
391
926000
2000
Infatti la più grossa è Walmart, a destra.
15:43
It's the samestesso plottracciare.
392
928000
2000
Segue lo stesso tracciato.
15:45
This happensaccade to be incomereddito and assetsrisorse
393
930000
2000
Questo indica reddito e patrimonio
15:47
versuscontro the sizedimensione of the companyazienda as denoteddenotato by its numbernumero of employeesdipendenti.
394
932000
2000
rispetto alla dimensione della società, determinata dal numero di dipendenti.
15:49
We could use salesi saldi, anything you like.
395
934000
3000
Potremmo usare il numero di vendite, quello che preferite.
15:52
There it is: after some little fluctuationsfluttuazioni at the beginninginizio,
396
937000
3000
Eccolo: dopo alcune piccole fluttuazioni all'inizio,
15:55
when companiesaziende are innovatinginnovare,
397
940000
2000
quando le aziende fanno innovazione,
15:57
they scalescala beautifullymagnificamente.
398
942000
2000
poi si ha una magnifica scala.
15:59
And we'venoi abbiamo lookedguardato at 23,000 companiesaziende
399
944000
3000
Abbiamo analizzato 23.000 aziende
16:02
in the UnitedUniti d'America StatesStati, maypuò I say.
400
947000
2000
negli Stati Uniti.
16:04
And I'm only showingmostrando you a little bitpo of this.
401
949000
3000
E ne state vedendo solo una piccola parte.
16:07
What is astonishingstupefacente about companiesaziende
402
952000
2000
La cosa sorprendente sulle aziende
16:09
is that they scalescala sublinearlysublineare
403
954000
3000
è che seguono la scala sublineare
16:12
like biologybiologia,
404
957000
2000
come la biologia,
16:14
indicatingindicando that they're dominateddominato,
405
959000
2000
indicando che sono regolate
16:16
not by super-linearSuper-lineare
406
961000
2000
non dalla super-linearità,
16:18
innovationinnovazione and ideasidee;
407
963000
3000
dall'innovazione e dalle idee;
16:21
they becomediventare dominateddominato
408
966000
2000
ma sono regolate
16:23
by economieseconomie of scalescala.
409
968000
2000
dalle economie di scala.
16:25
In that interpretationinterpretazione,
410
970000
2000
In questa interpretazione,
16:27
by bureaucracyburocrazia and administrationamministrazione,
411
972000
2000
dalla burocrazia e dall'amministrazione,
16:29
and they do it beautifullymagnificamente, maypuò I say.
412
974000
2000
e lo fanno in modo egregio, direi.
16:31
So if you tell me the sizedimensione of some companyazienda, some smallpiccolo companyazienda,
413
976000
3000
Quindi, se mi si danno le dimensioni di un'azienda, una piccola,
16:34
I could have predictedprevisto the sizedimensione of WalmartWalmart.
414
979000
3000
posso prevederne le dimensioni di crescita.
16:37
If it has this sublinearsublineare scalingscalata,
415
982000
2000
Se si ha questa scala sublineare,
16:39
the theoryteoria saysdice
416
984000
2000
la teoria dice che
16:41
we should have sigmoidalsigmoidale growthcrescita.
417
986000
3000
dovremmo avere una crescita sigmoidale.
16:44
There's WalmartWalmart. Doesn't look very sigmoidalsigmoidale.
418
989000
2000
Ecco Walmart. Non sembra molto sigmoidale.
16:46
That's what we like, hockeyhockey sticksbastoni.
419
991000
3000
Un grafico che ci piace, a forma di mazza da hockey.
16:49
But you noticeAvviso, I've cheatedtruffato,
420
994000
2000
Ma è solo una parte della crescita,
16:51
because I've only goneandato up to '94.
421
996000
2000
perché arriva fino al '94.
16:53
Let's go up to 2008.
422
998000
2000
Andiamo fino al 2008.
16:55
That redrosso linelinea is from the theoryteoria.
423
1000000
3000
La linea rossa segue la teoria.
16:58
So if I'd have donefatto this in 1994,
424
1003000
2000
Quindi se avessi disegnato questo grafico nel '94
17:00
I could have predictedprevisto what WalmartWalmart would be now.
425
1005000
3000
avrei potuto prevedere come sarebbe stata Walmart oggi.
17:03
And then this is repeatedripetuto
426
1008000
2000
E questo paradigma si ripete
17:05
acrossattraverso the entireintero spectrumspettro of companiesaziende.
427
1010000
2000
per tutto lo spettro delle aziende.
17:07
There they are. That's 23,000 companiesaziende.
428
1012000
3000
Eccole. Ecco le 23.000 aziende.
17:10
They all startinizio looking like hockeyhockey sticksbastoni,
429
1015000
2000
All'inizio hanno una curva a forma di mazza da hockey,
17:12
they all bendpiegare over,
430
1017000
2000
poi si piegano
17:14
and they all diemorire like you and me.
431
1019000
2000
e infine muoiono, come tutti noi.
17:16
Thank you.
432
1021000
2000
Grazie.
17:18
(ApplauseApplausi)
433
1023000
9000
(Applausi)
Translated by Ana María Pérez
Reviewed by Daniele Buratti

▲Back to top

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

Why you should listen

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

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

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

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

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee