TED2010
Nicholas Christakis: The hidden influence of social networks
นิโคลัส คริสทากิส: อิทธิพลซ้อนเร้นของเครือข่ายทางสังคม
Filmed:
Readability: 4.3
1,674,218 views
พวกเราถูกฝังเข้าไปในโครงข่ายทางสังคมอันยิ่งใหญ่ ของหมู่เพื่อน ครอบครัว เพื่อนร่วมงาน และอีกมากมาย นิโคลัส คริสทากิสได้ติดตามร่องรอยที่หลากหลายเหล่านี้-- จากเรื่องของความสุขไปจนถึงโรคอ้วน -- ที่สามารถแพร่จากคนหนึ่งไปสู่อีกคนหนึ่ง และจะแสดงให้เห็นว่าจุดที่คุณอยู่ในโครงข่ายสังคม มีผลกระทบต่อชีวิตของคุณในหลายๆทาง อย่างที่คุณเองก็ยังไม่รู้มาก่อน
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.
00:16
For me, this story begins about 15 years ago,
0
1000
3000
เรื่องของผมนี้ เกิดขึ้นเมื่อประมาณ 15 ปี ก่อน
00:19
when I was a hospice doctor at the University of Chicago.
1
4000
3000
ตอนที่ผมต้องดูแลผู้ป่วยระยะสุดท้ายที่มหาวิทยาลัยชิคาโก
00:22
And I was taking care of people who were dying and their families
2
7000
3000
และผมต้องดูแลคนที่กำลังจะตาย รวมไปถึงครอบครัวของเขา
00:25
in the South Side of Chicago.
3
10000
2000
ทางตอนใต้ของชิคาโก
00:27
And I was observing what happened to people and their families
4
12000
3000
แล้วผมก็สังเกตเห็นว่ามีบางอย่างเกิดขึ้นกับคนเหล่านั้น และครอบครัวของเขา
00:30
over the course of their terminal illness.
5
15000
3000
ตลอดช่วงการป่วยระยะสุดท้ายของพวกเขา
00:33
And in my lab, I was studying the widower effect,
6
18000
2000
และในแลปของผม ผมได้ศึกษาเรื่องผลกระทบของสภาวะแม่ม่าย (widower effect)
00:35
which is a very old idea in the social sciences,
7
20000
2000
ซึ่งเป็นแนวคิดทางสังคมวิทยาที่เก่ามากๆ
00:37
going back 150 years,
8
22000
2000
ตั้งกว่า 150 ปี ก่อน
00:39
known as "dying of a broken heart."
9
24000
2000
หรือที่รู้จักกันว่า "ตรอมใจตาย"
00:41
So, when I die, my wife's risk of death can double,
10
26000
3000
ก็อย่างเช่น ถ้าผมตาย เมียผมก็มีความเสี่ยงที่จะตายเพิ่มเป็นสองเท่า
00:44
for instance, in the first year.
11
29000
2000
ในปีแรก อย่างนี้เป็นต้น
00:46
And I had gone to take care of one particular patient,
12
31000
3000
และผมเคยได้ดูแลคนไข้พิเศษคนหนึ่ง
00:49
a woman who was dying of dementia.
13
34000
2000
เธอเป็นคนไข้หญิงที่ป่วยด้วยโรคจิตเสื่อม
00:51
And in this case, unlike this couple,
14
36000
2000
และในกรณีนี้ ไม่เหมือนกับคู่อื่น
00:53
she was being cared for
15
38000
2000
เธอได้รับการดูแลจาก
00:55
by her daughter.
16
40000
2000
ลูกสาวของเธอ
00:57
And the daughter was exhausted from caring for her mother.
17
42000
3000
และลูกสาวของเธอก็เหน็ดเหนื่อยกับการดูแลแม่ของเธอ
01:00
And the daughter's husband,
18
45000
2000
และสามีของลูกสาว
01:02
he also was sick
19
47000
3000
เขาก็พลอยป่วยไปด้วย
01:05
from his wife's exhaustion.
20
50000
2000
จากความเหน็ดเหนื่อยของภรรยา
01:07
And I was driving home one day,
21
52000
2000
วันหนึ่ง ระหว่างขับรถกลับบ้าน
01:09
and I get a phone call from the husband's friend,
22
54000
3000
ผมก็ได้รับโทรศัพท์จากเพื่อนของสามี
01:12
calling me because he was depressed
23
57000
2000
โทรมาหาผมเพราะเขารู้สึกซึมเศร้า
01:14
about what was happening to his friend.
24
59000
2000
เกี่ยวกับเรื่องที่เกิดขึ้นกับเพื่อนของเขา
01:16
So here I get this call from this random guy
25
61000
2000
ดูซิ ผมได้รับโทรศัพท์จากใครก็ไม่รู้
01:18
that's having an experience
26
63000
2000
ที่ต้องเผชิญกับ
01:20
that's being influenced by people
27
65000
2000
อิทธิพลจากคนอื่น
01:22
at some social distance.
28
67000
2000
ที่ไม่ได้ใกล้ชิดกัน
01:24
And so I suddenly realized two very simple things:
29
69000
3000
นี่มันทำให้ผมคิดถึงเรื่องธรรมดาๆ สองเรื่อง
01:27
First, the widowhood effect
30
72000
2000
อย่างแรกก็คือ ผลกระทบของสภาวะแม่ม่าย
01:29
was not restricted to husbands and wives.
31
74000
3000
ไม่ได้จำกัดอยู่แค่สามีภรรยา
01:32
And second, it was not restricted to pairs of people.
32
77000
3000
และสอง มันไม่ได้จำกัดให้เป็นคู่ๆ
01:35
And I started to see the world
33
80000
2000
และผมก็เริ่มมองโลก
01:37
in a whole new way,
34
82000
2000
ในมุมที่ต่างออกไปโดยสิ้นเชิง
01:39
like pairs of people connected to each other.
35
84000
3000
เหมือนกับผู้คนเป็นคู่เชื่อมต่อซึ่งกันและกัน
01:42
And then I realized that these individuals
36
87000
2000
และแล้วจู่ๆ ผมก็ตระหนักได้ว่าผู้คนเหล่านี้
01:44
would be connected into foursomes with other pairs of people nearby.
37
89000
3000
ก็จะเชื่อมต่อกับคู่อื่นที่อยู่ใกล้ๆ กัน กลายเป็นกลุ่มของคนสี่คน
01:47
And then, in fact, these people
38
92000
2000
และในความเป็นจริง คนเหล่านั้น
01:49
were embedded in other sorts of relationships:
39
94000
2000
ก็จะมีความสัมพันธ์กันในอีกหลายรูปแบบ
01:51
marriage and spousal
40
96000
2000
ชีวิตสมรส และคู่สามีภรรยา
01:53
and friendship and other sorts of ties.
41
98000
2000
ความเป็นเพื่อน และความสัมพันธ์อย่างอื่น
01:55
And that, in fact, these connections were vast
42
100000
3000
และในความเป็นจริง ความสัมพันธ์เหล่านี้มันกว้างใหญ่
01:58
and that we were all embedded in this
43
103000
2000
และพวกเราก็ได้ฝังตัวอยู่ใน
02:00
broad set of connections with each other.
44
105000
3000
เครือข่ายของความสัมพันธ์ ของกันและกัน
02:03
So I started to see the world in a completely new way
45
108000
3000
ดังนั้น ผมก็เริ่มที่จะเห็นโลกในมุมที่ต่างกันอย่างสิ้นเชิง
02:06
and I became obsessed with this.
46
111000
2000
และผมก็เริ่มหมกมุ่นอยู่กับเรื่องนี้
02:08
I became obsessed with how it might be
47
113000
2000
ผมเฝ้าคิดว่า มันเป็นไปได้อย่างไร
02:10
that we're embedded in these social networks,
48
115000
2000
ที่พวกเราจะถูกผูกติดไปกับเครือข่ายทางสังคมเหล่านี้
02:12
and how they affect our lives.
49
117000
2000
และมันมีผลต่อชีวิตพวกเราอย่างไร
02:14
So, social networks are these intricate things of beauty,
50
119000
3000
ดังนั้น เครือข่ายทางสังคมเป็นความงาม ที่ละเอียดอ่อน
02:17
and they're so elaborate and so complex
51
122000
2000
ที่ลึกซึ้ง และซับซ้อน
02:19
and so ubiquitous, in fact,
52
124000
2000
และที่จริง ก็พบเห็นได้ทั่วไป
02:21
that one has to ask what purpose they serve.
53
126000
3000
จนมีคนถามว่ามันมีหน้าที่อะไร
02:24
Why are we embedded in social networks?
54
129000
2000
แล้วทำไมพวกเราถึงผูกติดไปกับเครือข่ายทางสังคม
02:26
I mean, how do they form? How do they operate?
55
131000
2000
ผมหมายถึงว่ามันก่อตัวขึ้นได้อย่างไร แล้วมันทำงานอย่างไร
02:28
And how do they effect us?
56
133000
2000
และมันมีผลอย่างไรกับเรา
02:30
So my first topic with respect to this,
57
135000
3000
และดังนั้นหัวข้อแรกของผม ในเรื่องนี้
02:33
was not death, but obesity.
58
138000
3000
ก็ไม่ใช่เรื่องการตาย แต่เป็นโรคอ้วน
02:36
It had become trendy
59
141000
2000
ที่ทันทีทันใดก็กลายเป็นกระแสนิยม
02:38
to speak about the "obesity epidemic."
60
143000
2000
ที่ใครๆ ก็พาพูดกันเรื่อง "โรคอ้วนระบาด"
02:40
And, along with my collaborator, James Fowler,
61
145000
3000
ผม กับเพื่อนร่วมงานชื่อ เจมส์ ฟาวเลอร์
02:43
we began to wonder whether obesity really was epidemic
62
148000
3000
เราเริ่มจะสงสัยว่าโรคอ้วนมันเป็นโรคระบาดจริงๆ หรือเปล่า
02:46
and could it spread from person to person
63
151000
2000
แล้วมันสามารถแพร่กระจายจากคนสู่คน
02:48
like the four people I discussed earlier.
64
153000
3000
เหมือนกับเรื่องสี่คนที่ผมได้กล่าวมาก่อนหน้านี้
02:51
So this is a slide of some of our initial results.
65
156000
3000
สไลด์นี่เป็นผลการศึกษาเบื้องต้น
02:54
It's 2,200 people in the year 2000.
66
159000
3000
ในคน 2,200 คน เมื่อปี 2000
02:57
Every dot is a person. We make the dot size
67
162000
2000
แต่ละจุด คือคนแต่ละคน เราใช้ขนาดของจุด
02:59
proportional to people's body size;
68
164000
2000
ตามสัดส่วนของขนาดร่างกาย
03:01
so bigger dots are bigger people.
69
166000
3000
ดังนั้น ถ้าจุดใหญ่ ก็หมายถึงคนตัวใหญ่
03:04
In addition, if your body size,
70
169000
2000
และถ้าขนาดร่างกายของคุณ
03:06
if your BMI, your body mass index, is above 30 --
71
171000
2000
เช่นถ้าดัชนีมวลกายของคุณเกิน 30
03:08
if you're clinically obese --
72
173000
2000
ถ้าคุณอยู่ในภาวะอ้วนผิดปกติ
03:10
we also colored the dots yellow.
73
175000
2000
เราก็ทำจุดเป็นสีเหลือง
03:12
So, if you look at this image, right away you might be able to see
74
177000
2000
ดังนั้น ถ้าคุณดูภาพนี้ ก็จะเห็นได้ทันทีว่า
03:14
that there are clusters of obese and
75
179000
2000
มันมีกลุ่มของคนอ้วน และ
03:16
non-obese people in the image.
76
181000
2000
กลุ่มของคนไม่อ้วนอยู่ในภาพ
03:18
But the visual complexity is still very high.
77
183000
3000
แต่มันก็ยังดูสับสนมาก
03:21
It's not obvious exactly what's going on.
78
186000
3000
เรายังเห็นสภาวะที่เกิดขึ้นได้ไม่ชัดเจนนัก
03:24
In addition, some questions are immediately raised:
79
189000
2000
ยิ่งไปกว่านั้น เราก็จะเริ่มเกิดคำถาม
03:26
How much clustering is there?
80
191000
2000
มีการเกาะกลุ่มกันมากแค่ไหน
03:28
Is there more clustering than would be due to chance alone?
81
193000
3000
มากกว่าการเกาะกลุ่มที่เกิดขึ้นโดยบังเอิญมั้ย
03:31
How big are the clusters? How far do they reach?
82
196000
2000
กลุ่มพวกนี้ใหญ่แค่ไหน แล้วจะกระจายไปถึงไหน
03:33
And, most importantly,
83
198000
2000
และที่สำคัญที่สุด
03:35
what causes the clusters?
84
200000
2000
กลุ่มก้อนเหล่านี้เกิดขึ้นได้อย่างไร
03:37
So we did some mathematics to study the size of these clusters.
85
202000
3000
เราก็เลยลองคำนวณดู เพื่อศึกษาขนาดของแต่ละกลุ่มนี้
03:40
This here shows, on the Y-axis,
86
205000
2000
ซึ่งก็แสดงไว้บนแกน Y ในรูปนี้
03:42
the increase in the probability that a person is obese
87
207000
3000
โอกาสที่คนจะเป็นโรคอ้วนที่สูงขึ้น
03:45
given that a social contact of theirs is obese
88
210000
2000
หากผู้คนที่เขามีปฏิสัมพันธ์ด้วยนั้น เป็นโรคอ้วน
03:47
and, on the X-axis, the degrees of separation between the two people.
89
212000
3000
และบนแกน X ซึ่งเป็นระยะห่างระหว่างคนสองคน
03:50
On the far left, you see the purple line.
90
215000
2000
บนแกนด้านซ้ายห่างออกไป คุณจะเห็นแท่งสีม่วง
03:52
It says that, if your friends are obese,
91
217000
2000
ซึ่งบอกเราว่า ถ้าเพื่อนเราอ้วน
03:54
your risk of obesity is 45 percent higher.
92
219000
3000
ความเสี่ยงที่คุณจะอ้วนก็จะเพิ่มขึ้น 45%
03:57
And the next bar over, the [red] line,
93
222000
2000
และแท่งถัดมา อันสีแดง
03:59
says if your friend's friends are obese,
94
224000
2000
บอกเราว่าถ้าเพื่อน ของเพื่อน ของคุณเป็นโรคอ้วน
04:01
your risk of obesity is 25 percent higher.
95
226000
2000
โอกาสที่คุณจะอ้วนก็เพิ่มขึ้นอีก 25%
04:03
And then the next line over says
96
228000
2000
และกราฟแท่งถัดมาบอกเราว่า
04:05
if your friend's friend's friend, someone you probably don't even know, is obese,
97
230000
3000
ถ้าเพื่อน ของเพื่อน ของเพื่อน คนที่คุณอาจจะไม่รู้จักด้วยซ้ำ เกิดเป็นโรคอ้วน
04:08
your risk of obesity is 10 percent higher.
98
233000
3000
คุณก็มีความเสี่ยงที่จะอ้วนเพิ่มขึ้น 10%
04:11
And it's only when you get to your friend's friend's friend's friends
99
236000
3000
เมื่อถึงเพื่อน ของเพื่อน ของเพื่อน ของเพื่อนเท่านั้น
04:14
that there's no longer a relationship
100
239000
2000
ที่จะไม่มีความสัมพันธ์กันเลย
04:16
between that person's body size and your own body size.
101
241000
3000
ระหว่างน้ำหนักของคนๆ นั้น กับน้ำหนักของตัวคุณเอง
04:20
Well, what might be causing this clustering?
102
245000
3000
เอาล่ะ แล้วอะไรเป็นต้นเหตุของการเกาะกลุ่มแบบนี้
04:23
There are at least three possibilities:
103
248000
2000
ก็มีโอกาสเป็นได้อย่างน้อยสามทาง
04:25
One possibility is that, as I gain weight,
104
250000
2000
ทางแรก พอฉันน้ำหนักขึ้น
04:27
it causes you to gain weight.
105
252000
2000
เป็นเหตุให้เธอน้ำหนักขึ้น
04:29
A kind of induction, a kind of spread from person to person.
106
254000
3000
ก็คล้ายๆ กับการเหนี่ยวนำ หรือการแพร่จากคนหนึ่ง ไปสู่อีกคนหนึ่ง
04:32
Another possibility, very obvious, is homophily,
107
257000
2000
อีกทางที่เป็นไปได้ ที่ค่อนข้างจะชัดเจนคือ ความคล้ายคลึงกันของสมาชิกในสังคม
04:34
or, birds of a feather flock together;
108
259000
2000
หรือ "นกที่มีขนสีเดียวกัน ก็จะอยู่ฝูงเดียวกัน"
04:36
here, I form my tie to you
109
261000
2000
หรือในกรณีนี้ ฉันสร้างความสัมพันธ์กับคุณ
04:38
because you and I share a similar body size.
110
263000
3000
เพราะเรามีขนาดตัวใกล้เคียงกัน
04:41
And the last possibility is what is known as confounding,
111
266000
2000
และทางสุดท้าย คือสิ่งที่เรียกว่าปัจจัยร่วมซ่อนเร้น
04:43
because it confounds our ability to figure out what's going on.
112
268000
3000
เพราะมันจะซ่อนเร้น และบดบัง ถึงกับทำให้เรามองไม่ออกว่านี่มันเกิดอะไรขึ้นกันแน่
04:46
And here, the idea is not that my weight gain
113
271000
2000
และถึงตรงนี้ ก็ไม่ใช่เรื่องว่าฉันน้ำหนักขึ้น
04:48
is causing your weight gain,
114
273000
2000
ก็เลยทำให้เธอน้ำหนักขึ้นไปด้วย
04:50
nor that I preferentially form a tie with you
115
275000
2000
แล้วก็ไม่ใช่เรื่องว่า ฉันสร้างความสัมพันธ์กับเธอ
04:52
because you and I share the same body size,
116
277000
2000
เพราะเรามีขนาดตัวใกล้เคียงกัน
04:54
but rather that we share a common exposure
117
279000
2000
แต่เป็นเพราะ เราเจออะไรๆ คล้ายๆ กัน
04:56
to something, like a health club
118
281000
3000
อย่างเช่นไปออกกำลังที่เดียวกัน
04:59
that makes us both lose weight at the same time.
119
284000
3000
เพื่อจะลดน้ำหนักไปพร้อมๆ กัน
05:02
When we studied these data, we found evidence for all of these things,
120
287000
3000
ตอนที่เราศึกษาข้อมูลเหล่านี้ เราก็พบหลักฐานของทุกเรื่องนี้
05:05
including for induction.
121
290000
2000
รวมไปถึงการเหนี่ยวนำด้วย
05:07
And we found that if your friend becomes obese,
122
292000
2000
และเราก็พบว่า ถ้าเพื่อนของเราอ้วน
05:09
it increases your risk of obesity by about 57 percent
123
294000
3000
เราจะมีความเสี่ยงที่จะเป็นโรคอ้วนไปด้วยถึง 57%
05:12
in the same given time period.
124
297000
2000
ในช่วงเวลาเดียวกัน
05:14
There can be many mechanisms for this effect:
125
299000
3000
มันก็มีหลายวิธีที่ทำให้เกิดผลเช่นนั้น
05:17
One possibility is that your friends say to you something like --
126
302000
2000
ทางนึงก็อย่างเช่น เพื่อนคุณอาจจะพูดกับคุณว่า --
05:19
you know, they adopt a behavior that spreads to you --
127
304000
3000
ก็อย่างที่รู้กันล่ะ เพราะเขามีนิสัยที่กำลังจะแพร่มาหาคุณอยู่แล้ว
05:22
like, they say, "Let's go have muffins and beer,"
128
307000
3000
อย่างเช่น เขาพูดว่า "ไปกินมัฟฟิน กับเบียร์กันเถอะ"
05:25
which is a terrible combination. (Laughter)
129
310000
3000
ซึ่งเป็นการจับคู่ที่ไม่ค่อยเข้าท่าเท่าไหร่
05:28
But you adopt that combination,
130
313000
2000
แต่คุณก็ทำตาม
05:30
and then you start gaining weight like them.
131
315000
3000
แล้วคุณก็เริ่มจะน้ำหนักเพิ่มตามเขาไป
05:33
Another more subtle possibility
132
318000
2000
อีกอย่างที่น่าจะเป็นไปได้
05:35
is that they start gaining weight, and it changes your ideas
133
320000
3000
ก็คือ พอเพื่อนคุณน้ำหนักเพิ่ม ก็เลยเปลี่ยนความคิดของคุณ
05:38
of what an acceptable body size is.
134
323000
2000
เกี่ยวกับขนาดของร่างกายที่ดูเหมาะ
05:40
Here, what's spreading from person to person
135
325000
2000
นี่ก็เป็นสิ่งที่แพร่จากคนหนึ่ง ไปสู่อีกคนหนึ่ง
05:42
is not a behavior, but rather a norm:
136
327000
2000
มันไม่ได้เป็นนิสัย แต่เป็นวิถีปฏิบัติ
05:44
An idea is spreading.
137
329000
2000
เป็นแนวคิดหนึ่งที่แพร่กระจายออกไป
05:46
Now, headline writers
138
331000
2000
คราวนี้ คนเขียนพาดหัวข่าว
05:48
had a field day with our studies.
139
333000
2000
เห็นงานวิจัยของเราเป็นโอกาสทอง
05:50
I think the headline in The New York Times was,
140
335000
2000
ผมว่าพาดหัวข่าวของนิวยอร์ค ไทม์ส คงจะเป็น
05:52
"Are you packing it on?
141
337000
2000
"อ้วน?
05:54
Blame your fat friends." (Laughter)
142
339000
3000
โทษเพื่อนอ้วน"
05:57
What was interesting to us is that the European headline writers
143
342000
2000
เรื่องที่น่าสนใจคือว่า นักเขียนพาดหัวข่าวทางยุโรป
05:59
had a different take: They said,
144
344000
2000
ก็จะมองต่างไป เขาเขียนว่า
06:01
"Are your friends gaining weight? Perhaps you are to blame."
145
346000
3000
"เพื่อนของคุณน้ำหนักขึ้นรึ คุณอาจจะเป็นคนที่ต้องรับผิดชอบ"
06:04
(Laughter)
146
349000
5000
(หัวเราะ)
06:09
And we thought this was a very interesting comment on America,
147
354000
3000
เราคงจะคิดว่านี่เป็นคำติชมที่น่าสนใจมากสำหรับอเมริกา
06:12
and a kind of self-serving,
148
357000
2000
วิธีคิดที่เอาตัวเองเป็นใหญ่
06:14
"not my responsibility" kind of phenomenon.
149
359000
2000
เป็นปรากฏการณ์แบบ "นี่ไม่ใช่ความผิดชั้น"
06:16
Now, I want to be very clear: We do not think our work
150
361000
2000
คราวนี้ ผมอยากบอกให้ชัดนะครับ ว่าผมไม่คิดว่างานของเรา
06:18
should or could justify prejudice
151
363000
2000
ควรถูกใช้เป็นข้ออ้างในการมีอคติ
06:20
against people of one or another body size at all.
152
365000
3000
ต่อบุคคลขนาดตัวแบบใดแบบหนึ่งเลย
06:24
Our next questions was:
153
369000
2000
คำถามต่อมาก็คือ
06:26
Could we actually visualize this spread?
154
371000
3000
เราจะเห็นการแพร่กระจายนี้ได้หรือไม่
06:29
Was weight gain in one person actually spreading
155
374000
2000
คนที่น้ำหนักเพิ่ม จะแพร่ไปสู่คนอื่นๆ
06:31
to weight gain in another person?
156
376000
2000
และจะทำให้คนๆ นั้น น้ำหนักขึ้นได้ด้วยหรือ
06:33
And this was complicated because
157
378000
2000
เรื่องนี้มันซับซ้อน เพราะ
06:35
we needed to take into account the fact that the network structure,
158
380000
3000
เราต้องนับปัจจัยที่ว่า โครงสร้างของเครือข่าย
06:38
the architecture of the ties, was changing across time.
159
383000
3000
โครงสร้างของความสัมพันธ์ มันมีการเปลี่ยนแปลงไปตามเวลา
06:41
In addition, because obesity is not a unicentric epidemic,
160
386000
3000
ยิ่งไปกว่านั้น โรคอ้วนนี่ก็ไม่ได้แพร่ระบาดจากจุดๆ เดียว
06:44
there's not a Patient Zero of the obesity epidemic --
161
389000
3000
มันไม่มีคนไข้ "หมายเลขศูนย์" ในการระบาดของโรคอ้วน
06:47
if we find that guy, there was a spread of obesity out from him --
162
392000
3000
ที่หากเราหาตัวเจอ เราจะพบการระบาดออกจากคนๆ นั้น
06:50
it's a multicentric epidemic.
163
395000
2000
แต่มันเป็นการแพร่ระบาดจากหลายแหล่ง
06:52
Lots of people are doing things at the same time.
164
397000
2000
มีผู้คนมากมาย ที่ทำอะไรพร้อมๆ กัน
06:54
And I'm about to show you a 30 second video animation
165
399000
3000
ผมจะให้คุณดูวิดีโอราว 30 วินาที
06:57
that took me and James five years of our lives to do.
166
402000
3000
ที่ผม และเจมส์ใช้เวลาทำมา 5 ปี
07:00
So, again, every dot is a person.
167
405000
2000
อีกครั้งนะครับ แต่ละจุด คือแต่ละคน
07:02
Every tie between them is a relationship.
168
407000
2000
เส้นที่โยงกัน คือความสัมพันธ์
07:04
We're going to put this into motion now,
169
409000
2000
เราจะปล่อยให้มันเคลื่อนไปนะครับ
07:06
taking daily cuts through the network for about 30 years.
170
411000
3000
ดูเป็นรายวัน ไปราวๆ 30 ปี
07:09
The dot sizes are going to grow,
171
414000
2000
ขนาดของจุดจะใหญ่ขึ้น
07:11
you're going to see a sea of yellow take over.
172
416000
3000
คุณจะได้เห็นคลื่นสีเหลืองที่จะเข้ายึดครอง
07:14
You're going to see people be born and die --
173
419000
2000
คุณจะได้เห็นผู้คนตั้งแต่เกิดจนตาย
07:16
dots will appear and disappear --
174
421000
2000
จุดจะปรากฎขึ้น และจะดับหายไป
07:18
ties will form and break, marriages and divorces,
175
423000
3000
ความสัมพันธ์จะก่อตัวขึ้น และจะแตกหัก มีการแต่งงาน และการหย่าร้าง
07:21
friendings and defriendings.
176
426000
2000
เป็นเพื่อนกัน และตัดขาดกัน
07:23
A lot of complexity, a lot is happening
177
428000
2000
มีความซับซ้อนมากมาย มีเรื่องราวเกิดขึ้นมากมาย
07:25
just in this 30-year period
178
430000
2000
นี่แค่เพียงใน 30 ปีนี้เท่านั้น
07:27
that includes the obesity epidemic.
179
432000
2000
ที่เกี่ยวกับการแพร่ระบาดของโรคอ้วน
07:29
And, by the end, you're going to see clusters
180
434000
2000
และเมื่อถึงตอนจบ คุณก็จะได้เห็นกลุ่มก้อน
07:31
of obese and non-obese individuals
181
436000
2000
ของคนที่อ้วน และไม่อ้วน
07:33
within the network.
182
438000
2000
ในเครือข่ายนี้
07:35
Now, when looked at this,
183
440000
3000
เมื่อเราดูที่เรื่องนี้
07:38
it changed the way I see things,
184
443000
3000
มันก็เปลี่ยนวิธีที่ผมมองเห็นสิ่งต่างๆ
07:41
because this thing, this network
185
446000
2000
เพราะสิ่งนี้ โครงข่ายนี้
07:43
that's changing across time,
186
448000
2000
มีการเปลี่ยนแปลงไปตามเวลา
07:45
it has a memory, it moves,
187
450000
3000
มันมีความทรงจำ มันเคลื่อนไหว
07:48
things flow within it,
188
453000
2000
มีการเคลื่อนไหวในตัวเอง
07:50
it has a kind of consistency --
189
455000
2000
แล้วก็ดูเหมือนจะมีความสม่ำเสมอ
07:52
people can die, but it doesn't die;
190
457000
2000
คนเราตายได้ แต่เครือข่ายไม่ตาย
07:54
it still persists --
191
459000
2000
มันยังอยู่คงทน
07:56
and it has a kind of resilience
192
461000
2000
ดูเหมือนมันจะฟื้นคืนตัวได้
07:58
that allows it to persist across time.
193
463000
2000
ซึ่งก็ทำให้มันคงสภาพอยู่ได้ข้ามกาลเวลา
08:00
And so, I came to see these kinds of social networks
194
465000
3000
ดังนั้น ผมจึงมองเครือข่ายทางสังคม
08:03
as living things,
195
468000
2000
เป็นสิ่งมีชีวิต
08:05
as living things that we could put under a kind of microscope
196
470000
3000
เป็นสิ่งมีชีวิต แบบที่เราสามารถจะเอาไปส่องดูด้วยกล้องจุลทรรศน์
08:08
to study and analyze and understand.
197
473000
3000
เพื่อศึกษา และวิเคราะห์ ทำความเข้าใจ
08:11
And we used a variety of techniques to do this.
198
476000
2000
ซึ่งเราก็ได้ใช้หลายวิธี
08:13
And we started exploring all kinds of other phenomena.
199
478000
3000
และเราก็เริ่มค้นหาปรากฏการณ์อย่างอื่น
08:16
We looked at smoking and drinking behavior,
200
481000
2000
เราดูที่พฤติกรรมการสูบบุหรี่ และการดื่ม
08:18
and voting behavior,
201
483000
2000
รวมถึงพฤติกรรมการลงคะแนน
08:20
and divorce -- which can spread --
202
485000
2000
และการหย่า --ซึ่งก็แพร่ได้ด้วย--
08:22
and altruism.
203
487000
2000
และการเห็นใจคนอื่น
08:24
And, eventually, we became interested in emotions.
204
489000
3000
ในที่สุด เราก็เริ่มสนใจในเรื่องอารมณ์
08:28
Now, when we have emotions,
205
493000
2000
เดี๋ยวนี้ ถ้าเราเกิดอารมณ์
08:30
we show them.
206
495000
2000
เราก็แสดงออก
08:32
Why do we show our emotions?
207
497000
2000
ทำไมเราถึงแสดงอารมณ์ล่ะ
08:34
I mean, there would be an advantage to experiencing
208
499000
2000
ผมหมายถึงว่า มันมีความได้เปรียบ ถ้าเราจะรับรู้
08:36
our emotions inside, you know, anger or happiness.
209
501000
3000
อารมณ์ของเราอยู่ข้างใน คุณก็รู้ใช่มั้ย อย่างความโกรธ หรือความสุข
08:39
But we don't just experience them, we show them.
210
504000
2000
แต่เราไม่ได้แค่รู้ เราแสดงมันออกมา
08:41
And not only do we show them, but others can read them.
211
506000
3000
แล้วเราก็ไม่ได้แสดงออกมาเฉยๆ แต่คนอื่นก็อ่านออกด้วย
08:44
And, not only can they read them, but they copy them.
212
509000
2000
และก็ไม่ใช่แค่เขาอ่านออกเท่านั้น แต่เขาลอกเลียนแบบด้วย
08:46
There's emotional contagion
213
511000
2000
มันมีการติดต่อกันทางอารมณ์
08:48
that takes place in human populations.
214
513000
3000
ซึ่งเกิดขึ้นในหมู่มนุษย์
08:51
And so this function of emotions
215
516000
2000
ดังนั้น การแสดงออกของอารมณ์
08:53
suggests that, in addition to any other purpose they serve,
216
518000
2000
บอกเราว่า นอกเหนือไปจากวัตถุประสงค์อื่นที่มันต้องการแล้ว
08:55
they're a kind of primitive form of communication.
217
520000
3000
มันเป็นการสื่อสารแบบดั้งเดิม
08:58
And that, in fact, if we really want to understand human emotions,
218
523000
3000
และที่จริง ถ้าเราอยากจะเข้าใจอารมณ์ของมนุษย์
09:01
we need to think about them in this way.
219
526000
2000
เราก็ควรจะมองมันแบบนี้
09:03
Now, we're accustomed to thinking about emotions in this way,
220
528000
3000
ตอนนี้ เราก็คุ้นชินที่จะมองอารมณ์ในแบบนี้
09:06
in simple, sort of, brief periods of time.
221
531000
3000
ในทางง่ายๆ แบบที่ใช้เวลาสั้นๆ
09:09
So, for example,
222
534000
2000
ตัวอย่างเช่น
09:11
I was giving this talk recently in New York City,
223
536000
2000
เมื่อไม่นานมานี้ ผมไปพูดที่นิวยอร์ค
09:13
and I said, "You know when you're on the subway
224
538000
2000
แล้วผมบอกว่า "คุณก็รู้นี่นา มันก็เหมือนตอนคุณอยู่บนรถไฟฟ้าใต้ดินนะแหละ
09:15
and the other person across the subway car
225
540000
2000
แล้วก็มีคนนึงอยู่ฝั่งตรงข้าม
09:17
smiles at you,
226
542000
2000
ยิ้มให้คุณ,
09:19
and you just instinctively smile back?"
227
544000
2000
แล้วคุณก็ยิ้มตอบ แบบไม่รู้ตัว"
09:21
And they looked at me and said, "We don't do that in New York City." (Laughter)
228
546000
3000
พวกเขาก็มองที่ผม แล้วบอกว่า "เราไม่ทำอย่างนั้นกันที่นิวยอร์ค" (หัวเราะ)
09:24
And I said, "Everywhere else in the world,
229
549000
2000
ผมก็บอกว่า "ที่ไหนๆ ในโลก,
09:26
that's normal human behavior."
230
551000
2000
ที่มนุษย์มีพฤติกรรมปกติ"
09:28
And so there's a very instinctive way
231
553000
2000
ดังนั้น มันก็เลยมีวิธีตามสัญชาตญาณ
09:30
in which we briefly transmit emotions to each other.
232
555000
3000
ที่เราจะส่งต่ออารมณ์ระหว่างกันได้
09:33
And, in fact, emotional contagion can be broader still.
233
558000
3000
และที่จริง การติดต่อทางอารมณ์ ก็ยังแพร่กว้างออกไปได้อีก
09:36
Like we could have punctuated expressions of anger,
234
561000
3000
เหมือนอย่างที่เราแสดงความโกรธแบบเป็นห้วงๆ
09:39
as in riots.
235
564000
2000
อย่างเวลาที่มีการชุมนุม
09:41
The question that we wanted to ask was:
236
566000
2000
ปัญหาที่เราอยากถามคือ
09:43
Could emotion spread,
237
568000
2000
อารมณ์ มีการแพร่กระจาย
09:45
in a more sustained way than riots, across time
238
570000
3000
ในแบบที่ยั่งยืนได้มากกว่าในการจลาจล หรืออยู่เหนือกาลเวลา
09:48
and involve large numbers of people,
239
573000
2000
และเกิดขึ้นในคนหมู่มากได้หรือไม่
09:50
not just this pair of individuals smiling at each other in the subway car?
240
575000
3000
ไม่ใช่แค่กับคนเป็นคู่ๆ ที่มองหน้ากันแล้วยิ้มในรถไฟฟ้า
09:53
Maybe there's a kind of below the surface, quiet riot
241
578000
3000
หรือมันอาจจะมีการจลาจลแบบไร้เสียง ที่ซ่อนตัวอยู่
09:56
that animates us all the time.
242
581000
2000
ที่เป็นแรงบันดาลใจเราอยู่ตลอดเวลา
09:58
Maybe there are emotional stampedes
243
583000
2000
หรืออาจจะมีความโกลาหลทางอารมณ์
10:00
that ripple through social networks.
244
585000
2000
ที่กระเพื่อมอยู่ทั่วโครงข่ายสังคมนี้
10:02
Maybe, in fact, emotions have a collective existence,
245
587000
3000
หรือบางที อารมณ์อาจจะอยู่กันเป็นกลุ่มก้อน
10:05
not just an individual existence.
246
590000
2000
ไมใช่เป็นของคนใด คนหนึ่ง
10:07
And this is one of the first images we made to study this phenomenon.
247
592000
3000
และนี่ก็เป็นภาพแรกๆ ที่เราศึกษาปรากฏการณ์นี้
10:10
Again, a social network,
248
595000
2000
อีกครั้งนะครับ นี่คือเครือข่ายสังคม
10:12
but now we color the people yellow if they're happy
249
597000
3000
คราวนี้ เราจะใช้สีเหลืองถ้าคนนั้นมีความสุข
10:15
and blue if they're sad and green in between.
250
600000
3000
ใช้สีฟ้าถ้าเขากำลังเศร้า แล้วก็ใช้สีเขียวถ้าอยู่ตรงกลาง
10:18
And if you look at this image, you can right away see
251
603000
2000
และถ้าคุณดูที่รูปนี้ ก็จะเห็นได้ทันที
10:20
clusters of happy and unhappy people,
252
605000
2000
ว่ามีกลุ่มของคนที่มีความสุข และคนที่ไม่มีความสุข
10:22
again, spreading to three degrees of separation.
253
607000
2000
และเหมือนกันครับ มีการแพร่กระจายออกไปสามลำดับความสัมพันธ์
10:24
And you might form the intuition
254
609000
2000
และคุณก็อาจจะเกิดสัญชาตญาณว่า
10:26
that the unhappy people
255
611000
2000
คนที่ไม่มีความสุข
10:28
occupy a different structural location within the network.
256
613000
3000
จะยึดพื้นที่ต่างๆ กันไปในเครือข่าย
10:31
There's a middle and an edge to this network,
257
616000
2000
จะมีบริเวณตรงกลาง กับที่ขอบๆ ของเครือข่าย
10:33
and the unhappy people seem to be
258
618000
2000
และคนที่ไม่มีความสุขก็ดูเหมือน
10:35
located at the edges.
259
620000
2000
จะชอบอยู่ที่ชายขอบ
10:37
So to invoke another metaphor,
260
622000
2000
ซึ่งก็ก่อให้เกิดคำเปรียบเทียบอีกอย่างหนึ่ง
10:39
if you imagine social networks as a kind of
261
624000
2000
ถ้าคิดว่าโครงข่ายทางสังคมเป็น
10:41
vast fabric of humanity --
262
626000
2000
เส้นใยของความสัมพันธ์
10:43
I'm connected to you and you to her, on out endlessly into the distance --
263
628000
3000
ฉันเชื่อมโยงกับคุณ และคุณก็เชื่อมต่อกับเธอ ต่อเนื่องไกลออกไปเรื่อยๆ ไม่มีวันจบ
10:46
this fabric is actually like
264
631000
2000
เส้นใยเหล่านี้ก็เหมือน
10:48
an old-fashioned American quilt,
265
633000
2000
การเย็บควิ้ลแบบดั้งเดิมของอเมริกัน
10:50
and it has patches on it: happy and unhappy patches.
266
635000
3000
แล้วมันก็มีแผ่นๆ มาปะติดปะต่อ มีแผ่นของความสุข แล้วก็มีแผ่นของความเศร้า
10:53
And whether you become happy or not
267
638000
2000
และโอกาสที่คุณจะมีความสุขหรือไม่
10:55
depends in part on whether you occupy a happy patch.
268
640000
3000
ส่วนหนึ่งมันขึ้นอยู่กับว่าแผ่นปะที่คุณมีนั่น เป็นแผ่นที่เป็นความสุขหรือเปล่า
10:58
(Laughter)
269
643000
2000
(หัวเราะ)
11:00
So, this work with emotions,
270
645000
3000
ดังนั้น การศึกษาเรื่องอารมณ์นี้
11:03
which are so fundamental,
271
648000
2000
ซึ่งเป็นเรื่องพื้นฐานอย่างที่สุด
11:05
then got us to thinking about: Maybe
272
650000
2000
ก็ทำให้เราคิดว่า บางที
11:07
the fundamental causes of human social networks
273
652000
2000
ปัจจัยพื้นฐานที่ทำให้เกิดเครือข่ายสังคมของมนุษย์
11:09
are somehow encoded in our genes.
274
654000
2000
มันอาจจะมีรหัสฝังอยู่ในยีนของเราอยู่แล้ว
11:11
Because human social networks, whenever they are mapped,
275
656000
3000
เพราะไม่ว่าเมื่อไหร่ที่เราทำแผนที่ของเครือข่ายสังคม
11:14
always kind of look like this:
276
659000
2000
มันก็ออกมาหน้าตาคล้ายๆ แบบนี้ทุกที
11:16
the picture of the network.
277
661000
2000
รูปแบบของเครือข่าย
11:18
But they never look like this.
278
663000
2000
แต่มันไม่ออกมาเป็นแบบนี้
11:20
Why do they not look like this?
279
665000
2000
ทำไมมันไม่ออกมาเป็นแบบนี้ล่ะ
11:22
Why don't we form human social networks
280
667000
2000
ทำไมเราไม่สร้างเครือข่ายทางสังคม
11:24
that look like a regular lattice?
281
669000
2000
ที่มีรูปร่างเหมือนตาข่ายปกติล่ะ
11:26
Well, the striking patterns of human social networks,
282
671000
3000
ใช่ครับ รูปแบบที่โดดเด่นของเครือข่ายทางสังคมของมนุษย์
11:29
their ubiquity and their apparent purpose
283
674000
3000
ที่เห็นได้ทั่วไป และมีวัตถุประสงค์ชัดเจน
11:32
beg questions about whether we evolved to have
284
677000
2000
ทำให้เกิดคำถามว่า เราวิวัฒนาการเพื่อให้เกิด
11:34
human social networks in the first place,
285
679000
2000
เครือข่ายทางสังคมมาตั้งแต่แรก
11:36
and whether we evolved to form networks
286
681000
2000
หรือเราวิวัฒนาการ เพื่อสร้างเครือข่าย
11:38
with a particular structure.
287
683000
2000
ที่มีรูปแบบที่กำหนดไว้ก่อนแล้ว
11:40
And notice first of all -- so, to understand this, though,
288
685000
2000
และโปรดสังเกตนะครับ...และเพื่อจะทำความเข้าใจกับเรื่องนี้
11:42
we need to dissect network structure a little bit first --
289
687000
3000
เราก็ต้องชำแหละโครงสร้างของเครือข่ายนี่ออกมาซักหน่อยก่อน
11:45
and notice that every person in this network
290
690000
2000
ให้สังเกตนะครับว่า ทุกๆ คนในเครือข่าย
11:47
has exactly the same structural location as every other person.
291
692000
3000
มีโครงสร้างที่อยู่ที่เหมือนกันกับคนอื่นๆ
11:50
But that's not the case with real networks.
292
695000
3000
แต่ถ้าเป็นเครือข่ายจริงๆ มันก็จะไม่เป็นแบบนั้น
11:53
So, for example, here is a real network of college students
293
698000
2000
เพื่อเป็นตัวอย่างนะครับ นี่คือเครือข่ายจริงๆ ของนักศึกษา
11:55
at an elite northeastern university.
294
700000
3000
ในมหาวิทยาลัยชั้นนำแห่งหนึ่งทางตะวันออกเฉียงเหนือ
11:58
And now I'm highlighting a few dots.
295
703000
2000
แล้วผมก็จะเน้นที่บางจุดนะครับ
12:00
If you look here at the dots,
296
705000
2000
ถ้าคุณดูที่จุดพวกนี้
12:02
compare node B in the upper left
297
707000
2000
เปรียบเทียบ จุด B ด้านบนซ้าย
12:04
to node D in the far right;
298
709000
2000
กับจุด D ที่ด้านขวา
12:06
B has four friends coming out from him
299
711000
2000
B มีเพื่อน 4 คน
12:08
and D has six friends coming out from him.
300
713000
3000
ส่วน D มีเพื่อน 6 คน
12:11
And so, those two individuals have different numbers of friends.
301
716000
3000
นักศึกษาสองคนนี้ก็มีเพื่อนเป็นจำนวนต่างกัน
12:14
That's very obvious, we all know that.
302
719000
2000
นี่มันชัดเจน เราก็เห็นๆ กัน
12:16
But certain other aspects
303
721000
2000
แต่ปัจจัยอื่น
12:18
of social network structure are not so obvious.
304
723000
2000
ของเครือข่ายทางสังคม มันไม่ชัดเจนอย่างนั้น
12:20
Compare node B in the upper left to node A in the lower left.
305
725000
3000
ลองเปรียบเทียบจุด B ที่ด้านบนซ้าย กับ A ที่มุมล่างซ้าย
12:23
Now, those people both have four friends,
306
728000
3000
ทั้งสองคนมีเพื่อน 4 คนเท่ากัน
12:26
but A's friends all know each other,
307
731000
2000
แต่เพื่อนของ A ต่างก็รู้จักกันเองด้วย
12:28
and B's friends do not.
308
733000
2000
แต่เพื่อนของ B ไม่
12:30
So the friend of a friend of A's
309
735000
2000
ดังนั้น เพื่อนของเพื่อนของ A
12:32
is, back again, a friend of A's,
310
737000
2000
ก็จะกลายมาเป็นเพื่อนของ A อีก
12:34
whereas the friend of a friend of B's is not a friend of B's,
311
739000
2000
ในขณะที่เพื่อนของเพื่อนของ B จะไม่กลายมาเป็นเพื่อนของ B
12:36
but is farther away in the network.
312
741000
2000
แต่จะอยู่ไกลออกไปในเครือข่าย
12:38
This is known as transitivity in networks.
313
743000
3000
ที่เราเรียกกันว่าการส่งต่อกันในเครือข่าย
12:41
And, finally, compare nodes C and D:
314
746000
2000
และสุดท้าย ลองเรียบเทียบจุด C กับจุด D
12:43
C and D both have six friends.
315
748000
3000
C และ D ต่างก็มีเพื่อน 6 คน
12:46
If you talk to them, and you said, "What is your social life like?"
316
751000
3000
ถ้าคุณคุยกับเขา แล้วถามว่า "สังคมของคุณเป็นยังไง?"
12:49
they would say, "I've got six friends.
317
754000
2000
เขาก็คงจะตอบว่า "ผมมีเพื่อน 6 คน
12:51
That's my social experience."
318
756000
2000
นั่นละสังคมของผม"
12:53
But now we, with a bird's eye view looking at this network,
319
758000
3000
แต่ตอนนี้ เรามองเห็นเครือข่ายนี้จากมุมสูง
12:56
can see that they occupy very different social worlds.
320
761000
3000
เราเลยเห็นว่าแต่ละคนก็มีโลกที่แตกต่างกันไป
12:59
And I can cultivate that intuition in you by just asking you:
321
764000
2000
และผมก็ใช้ประโยชน์จากความรู้นี้จากคุณ โดยการแค่ถามว่า
13:01
Who would you rather be
322
766000
2000
คุณอยากจะเป็นใคร
13:03
if a deadly germ was spreading through the network?
323
768000
2000
ถ้ามีเชื้อมรณะกำลังแพร่กระจายอยู่ในโครงข่ายนี้
13:05
Would you rather be C or D?
324
770000
3000
คุณอยากจะเป็น C หรือ D
13:08
You'd rather be D, on the edge of the network.
325
773000
2000
คุณคงอยากจะเป็น D ที่อยู่ตรงขอบๆ ของเครือข่าย
13:10
And now who would you rather be
326
775000
2000
แล้วคราวนี้ คุณอยากจะเป็นใคร
13:12
if a juicy piece of gossip -- not about you --
327
777000
3000
ถ้ามีเรื่องเม้าท์มันๆ ที่ไม่เกี่ยวกับคุณ
13:15
was spreading through the network? (Laughter)
328
780000
2000
กระจายอยู่ในเครือข่ายนี้
13:17
Now, you would rather be C.
329
782000
2000
คราวนี้ คุณคงอยากเป็น C
13:19
So different structural locations
330
784000
2000
ดังนั้น ที่อยู่ที่ต่างกันออกไป
13:21
have different implications for your life.
331
786000
2000
ก็มีผลต่อชีวิตของคุณต่างกัน
13:23
And, in fact, when we did some experiments looking at this,
332
788000
3000
และที่จริง ตอนที่เราทดลองเรื่องนี้
13:26
what we found is that 46 percent of the variation
333
791000
3000
เราพบว่า 46% ของความแตกต่าง
13:29
in how many friends you have
334
794000
2000
ของจำนวนเพื่อนที่คุณมี
13:31
is explained by your genes.
335
796000
2000
อธิบายได้ด้วยยีนของคุณ
13:33
And this is not surprising. We know that some people are born shy
336
798000
3000
แต่นี่ก็ไม่น่าแปลกใจเท่าไหร่ เราก็รู้กันอยู่แล้วว่าบางคนก็เกิดมาขี้อาย
13:36
and some are born gregarious. That's obvious.
337
801000
3000
แล้วบางคนก็เกิดมาชอบสังคม นั่นมันชัดเจน
13:39
But we also found some non-obvious things.
338
804000
2000
แต่เราได้พบบางอย่างที่มันไม่ชัดเจนอย่างนั้นด้วย
13:41
For instance, 47 percent in the variation
339
806000
3000
ตัวอย่างเช่น 47% ของความแตกต่าง
13:44
in whether your friends know each other
340
809000
2000
ในเรื่องที่เพื่อนของคุณจะรู้จักกันเอง
13:46
is attributable to your genes.
341
811000
2000
ก็อธิบายได้ด้วยยีนของคุณเองด้วย
13:48
Whether your friends know each other
342
813000
2000
การที่เพื่อนของคุณ เขาจะรู้จักกันเองหรือไม่
13:50
has not just to do with their genes, but with yours.
343
815000
3000
ไม่ได้เป็นเรื่องที่อยู่ในยีนของเขาเองเท่านั้น แต่มันอยู่ในยีนของคุณด้วย
13:53
And we think the reason for this is that some people
344
818000
2000
เราคิดว่า เหตุผลของเรื่องนี้ก็คือ บางคน
13:55
like to introduce their friends to each other -- you know who you are --
345
820000
3000
ก็ชอบแนะนำเพื่อนของตัวเองให้เพื่อนรู้จักด้วย --คุณก็รู้นี่นาว่าคุณเป็นใคร--
13:58
and others of you keep them apart and don't introduce your friends to each other.
346
823000
3000
และก็มีคนอีกพวกนึงที่อยากจะแยกๆ กันไว้ เขาก็จะไม่แนะนำให้เพื่อนรู้จักกัน
14:01
And so some people knit together the networks around them,
347
826000
3000
ดังนั้น บางคนก็ถักทอโครงข่ายไว้รอบๆ ตัว
14:04
creating a kind of dense web of ties
348
829000
2000
สร้างเป็นเส้นใยหนาแน่นผูกมัดกัน
14:06
in which they're comfortably embedded.
349
831000
2000
เป็นที่ๆ เขาฝังตัวอยู่อย่างสบาย
14:08
And finally, we even found that
350
833000
2000
และสุดท้าย เราก็ยังพบแม้กระทั่งว่า
14:10
30 percent of the variation
351
835000
2000
30% ของความแตกต่าง
14:12
in whether or not people are in the middle or on the edge of the network
352
837000
3000
ที่คนจะอยู่ตรงกลาง หรืออยู่ที่ริมของเครือข่าย
14:15
can also be attributed to their genes.
353
840000
2000
ก็ขึ้นอยู่กับยีนของเขาด้วย
14:17
So whether you find yourself in the middle or on the edge
354
842000
2000
ดังนั้น การทีคุณจะพบว่าตัวเองอยู่ตรงกลาง หรือเป็นคนชายขอบ
14:19
is also partially heritable.
355
844000
3000
มันเป็นเรื่องที่ได้รับตกทอดมาก่อนแล้ว
14:22
Now, what is the point of this?
356
847000
3000
เอาละ แล้วประเด็นมันคืออะไร?
14:25
How does this help us understand?
357
850000
2000
เรื่องนี้จะช่วยให้เราเข้าใจโลกได้ยังไง?
14:27
How does this help us
358
852000
2000
เรื่องนี้จะช่วยเรา
14:29
figure out some of the problems that are affecting us these days?
359
854000
3000
ให้ค้นพบทางแก้ปัญหา ที่มีผลต่อเราในทุกวันนี้ได้ยังไง?
14:33
Well, the argument I'd like to make is that networks have value.
360
858000
3000
ครับ เรื่องที่ผมอยากจะบอกก็คือ เครือข่ายนั้นมีคุณค่า
14:36
They are a kind of social capital.
361
861000
3000
มันเป็นต้นทุนทางสังคม
14:39
New properties emerge
362
864000
2000
มันมีคุณสมบัติใหม่ๆ เกิดขึ้น
14:41
because of our embeddedness in social networks,
363
866000
2000
เพราะการที่เราอยู่เป็นส่วนหนึ่งของเครือข่ายทางสังคม
14:43
and these properties inhere
364
868000
3000
และคุณสมบัติเหล่านี้ มันจะคงอยู่
14:46
in the structure of the networks,
365
871000
2000
ในโครงสร้างของเครือข่าย
14:48
not just in the individuals within them.
366
873000
2000
ไม่ใช่แต่เฉพาะในคนแต่ละคนในเครือข่ายนี้เท่านั้น
14:50
So think about these two common objects.
367
875000
2000
ลองคิดถึงของสองอย่างนี้
14:52
They're both made of carbon,
368
877000
2000
ทั้งคู่ต่างก็มีคาร์บอนเป็นองค์ประกอบ
14:54
and yet one of them has carbon atoms in it
369
879000
3000
แต่ในของอย่างนึงมีอะตอมของคาร์บอน
14:57
that are arranged in one particular way -- on the left --
370
882000
3000
ที่เรียงตัวกันแบบนึง อย่างภาพทางซ้าย
15:00
and you get graphite, which is soft and dark.
371
885000
3000
แล้วคุณก็ได้กราไฟต์ ซึ่งนิ่มและเป็นสีดำ
15:03
But if you take the same carbon atoms
372
888000
2000
แต่ถ้าคุณเอาอะตอมของคาร์บอน
15:05
and interconnect them a different way,
373
890000
2000
มาเรียงตัวในอีกรูปแบบนึง
15:07
you get diamond, which is clear and hard.
374
892000
3000
คุณจะได้เพชร ซึ่งใสและแข็ง
15:10
And those properties of softness and hardness and darkness and clearness
375
895000
3000
คุณสมบัติที่นิ่ม หรือแข็ง หรือดำ หรือใส
15:13
do not reside in the carbon atoms;
376
898000
2000
ไม่ได้อยู่ในอะตอมของคาร์บอน
15:15
they reside in the interconnections between the carbon atoms,
377
900000
3000
แต่อยู่ที่การจัดเรียงตัวของมันต่างหาก
15:18
or at least arise because of the
378
903000
2000
หรืออย่างน้อย มันก็เกิดขึ้นเพราะ
15:20
interconnections between the carbon atoms.
379
905000
2000
การเชื่อมโยงกันของอะตอมคาร์บอน
15:22
So, similarly, the pattern of connections among people
380
907000
3000
ก็คล้ายกันนะครับ รูปแบบของความสัมพันธ์ของมนุษย์
15:25
confers upon the groups of people
381
910000
3000
ก็เกิดขึ้นในกลุ่มคน
15:28
different properties.
382
913000
2000
ที่มีคุณสมบัติที่แตกต่างกัน
15:30
It is the ties between people
383
915000
2000
ความยึดโยงระหว่างผู้คนต่างหากเล่า
15:32
that makes the whole greater than the sum of its parts.
384
917000
3000
ที่ทำให้ภาพรวมออกมายิ่งใหญ่กว่าผลบวกของแต่ละคน
15:35
And so it is not just what's happening to these people --
385
920000
3000
แล้วนี่ก็ไม่ใช่เรื่องที่เกิดขึ้นกับคนเหล่านี้เท่านั้น
15:38
whether they're losing weight or gaining weight, or becoming rich or becoming poor,
386
923000
3000
ว่าเขากำลังลดน้ำหนัก หรือทำน้ำหนัก หรือกำลังรวยขึ้น หรือกำลังจนลง
15:41
or becoming happy or not becoming happy -- that affects us;
387
926000
3000
หรือกำลังมีความสุขหรือว่าไม่มีความสุข--ที่จะส่งผลต่อเรา
15:44
it's also the actual architecture
388
929000
2000
แต่มันเป็นโครงสร้างจริงๆ
15:46
of the ties around us.
389
931000
2000
ที่ยึดโยงล้อมรอบเราไว้
15:48
Our experience of the world
390
933000
2000
ประสบการณ์ของเราบนโลกใบนี้
15:50
depends on the actual structure
391
935000
2000
ขึ้นอยู่กับโครงสร้างจริงๆ
15:52
of the networks in which we're residing
392
937000
2000
ของเครือข่ายที่เราอาศัยอยู่
15:54
and on all the kinds of things that ripple and flow
393
939000
3000
และขึ้นอยู่กับปัจจัยต่างๆ ที่กระเพื่อม และเคลื่อนไหว
15:57
through the network.
394
942000
2000
ไปทั่วเครือข่าย
16:00
Now, the reason, I think, that this is the case
395
945000
3000
คราวนี้ ผมก็คิดว่า เหตุผลที่เรื่องนี้จะเป็นเรื่อง
16:03
is that human beings assemble themselves
396
948000
2000
ก็คือว่า มนุษย์ จะมีการรวมกลุ่มกัน
16:05
and form a kind of superorganism.
397
950000
3000
คล้ายระบบร่างกายขนาดใหญ่
16:09
Now, a superorganism is a collection of individuals
398
954000
3000
ระบบร่างกายขนาดใหญ่ ซึ่งเกิดขึ้นจากการรวมกลุ่มของคน
16:12
which show or evince behaviors or phenomena
399
957000
3000
ที่แสดง หรือเปิดเผยพฤติกรรม หรือปรากฏการณ์
16:15
that are not reducible to the study of individuals
400
960000
3000
ที่ไม่สามารถแยกออกไปสู่การศึกษาเป็นรายเดี่ยวๆ ได้
16:18
and that must be understood by reference to,
401
963000
2000
และต้องทำความเข้าใจกับมันในลักษณะ
16:20
and by studying, the collective.
402
965000
2000
ของการศึกษาทั้งกลุ่ม
16:22
Like, for example, a hive of bees
403
967000
3000
อย่างเช่นฝูงผึ้ง
16:25
that's finding a new nesting site,
404
970000
3000
ที่มองหาที่สร้างรังใหม่
16:28
or a flock of birds that's evading a predator,
405
973000
2000
หรือฝูงนกที่หลบหนีศัตรูนักล่า
16:30
or a flock of birds that's able to pool its wisdom
406
975000
3000
หรือฝูงนกที่สามารถจะรวมหัวกัน
16:33
and navigate and find a tiny speck
407
978000
2000
เพื่อจะกำหนดทิศทาง และหายอดเล็กๆ
16:35
of an island in the middle of the Pacific,
408
980000
2000
ของเกาะกลางมหาสมุทรแปซิฟิค
16:37
or a pack of wolves that's able
409
982000
2000
หรือฝูงหมาป่าที่สามารถ
16:39
to bring down larger prey.
410
984000
3000
ล่าสัตว์ที่ใหญ่กว่าได้
16:42
Superorganisms have properties
411
987000
2000
ระบบร่างกายขนาดใหญ่ มีคุณสมบัติ
16:44
that cannot be understood just by studying the individuals.
412
989000
3000
ที่หากเรามองจากแต่ละคนเดี่ยวๆ แล้วก็จะทำความเข้าใจไม่ได้เลย
16:47
I think understanding social networks
413
992000
2000
ผมคิดว่า การจะเข้าใจโครงข่ายสังคม
16:49
and how they form and operate
414
994000
2000
การก่อตัว และการทำงานของมัน
16:51
can help us understand not just health and emotions
415
996000
3000
จะช่วยเราได้ทั้งทางด้านสุขภาพ และทางอารมณ์
16:54
but all kinds of other phenomena --
416
999000
2000
และปรากฏการณ์อื่นๆด้วย
16:56
like crime, and warfare,
417
1001000
2000
อย่างเช่น อาชญากรรม และสงคราม
16:58
and economic phenomena like bank runs
418
1003000
2000
หรือปรากฏการณ์ทางเศรษฐกิจ อย่างเช่นธนาคารเจ๊ง
17:00
and market crashes
419
1005000
2000
หรือตลาดหุ้นถล่ม
17:02
and the adoption of innovation
420
1007000
2000
และการยอมรับเอานวัตกรรมใหม่ๆ
17:04
and the spread of product adoption.
421
1009000
2000
หรือการแพร่กระจายของการใช้สินค้า
17:06
Now, look at this.
422
1011000
2000
ลองดูนี่นะครับ
17:09
I think we form social networks
423
1014000
2000
ผมคิดว่า เราได้สร้างโครงข่ายสังคม
17:11
because the benefits of a connected life
424
1016000
2000
เพราะมันมีผลประโยชน์ของความสัมพันธ์ในชีวิต
17:13
outweigh the costs.
425
1018000
3000
สูงกว่าต้นทุน
17:16
If I was always violent towards you
426
1021000
2000
ถ้าผมทำอะไรรุนแรงกับคุณบ่อยๆ
17:18
or gave you misinformation
427
1023000
2000
หรือให้ข้อมูลคุณผิดๆ เป็นประจำ
17:20
or made you sad or infected you with deadly germs,
428
1025000
3000
หรือทำให้คุณเศร้า หรือเอาเชื้อมรณะมาแพร่ใส่คุณ
17:23
you would cut the ties to me,
429
1028000
2000
คุณก็คงเลิกคบผม
17:25
and the network would disintegrate.
430
1030000
2000
และเครือข่ายนั้นก็แยกออกจากกัน
17:27
So the spread of good and valuable things
431
1032000
3000
ดังนั้น การส่งต่อเรื่องดีๆ และสิ่งที่มีคุณค่า
17:30
is required to sustain and nourish social networks.
432
1035000
3000
ก็เป็นเรื่องจำเป็นในการที่จะรักษา และฟูมฟักโครงข่ายทางสังคมเอาไว้
17:34
Similarly, social networks are required
433
1039000
2000
และก็คล้ายๆ กัน โครงข่ายสังคมก็ต้องการ
17:36
for the spread of good and valuable things,
434
1041000
3000
การกระสิ่งดีๆ และมีคุณค่า
17:39
like love and kindness
435
1044000
2000
อย่างเช่นความรัก และความปรารถนาดี
17:41
and happiness and altruism
436
1046000
2000
ความสุข และการเห็นแก่ประโยชน์ของผู้อื่น
17:43
and ideas.
437
1048000
2000
และความคิดดีๆ
17:45
I think, in fact, that if we realized
438
1050000
2000
อันที่จริง ผมคิดว่าถ้าเราตระหนัก
17:47
how valuable social networks are,
439
1052000
2000
ว่าโครงข่ายสังคมมีค่าแค่ไหน
17:49
we'd spend a lot more time nourishing them and sustaining them,
440
1054000
3000
เราก็คงจะใช้เวลามากขึ้นในการดูแล รักษามันไว้
17:52
because I think social networks
441
1057000
2000
เพราะผมคิดว่า โครงข่ายสังคม
17:54
are fundamentally related to goodness.
442
1059000
3000
เป็นพื้นฐานของเรื่องดีๆ
17:57
And what I think the world needs now
443
1062000
2000
และสิ่งที่ผมคิดว่าโลกเรากำลังต้องการก็คือ
17:59
is more connections.
444
1064000
2000
ความสัมพันธ์ที่มากขึ้น
18:01
Thank you.
445
1066000
2000
ขอบคุณครับ
18:03
(Applause)
446
1068000
3000
(ปรบมือ)
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