TED@Cannes
Nicholas Christakis: How social networks predict epidemics
Nicholas Christakis: Mạng xã hội dự báo đại dịch như thế nào
Filmed:
Readability: 4.9
669,862 views
Sau khi lập bản đồ các mạng lưới xã hội phức tạp, Nicholas Christakis và cộng sự James Fowler đã bắt đầu điều tra làm cách nào những thông tin này có thể cải thiện cuộc sống của chúng ta. Ông bộc lộ những tìm kiếm còn rất nóng hổi trên báo chí: Những mạng lưới này có thể được dùng để chẩn đoán đại dịch sớm hơn bao giờ hết, từ sự lan truyền các ý tưởng tiên tiến tới những hành vi liều lĩnh và virut (như H1N1).
Nicholas Christakis - Physician, social scientist
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact. Full bio
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact. Full bio
Double-click the English transcript below to play the video.
00:15
For the last 10 years, I've been spending my time trying to figure out
0
0
3000
Suốt 10 năm vừa qua, tôi đã dành thời gian cố gắng tìm hiểu
00:18
how and why human beings
1
3000
2000
làm cách nào và tại sao con người
00:20
assemble themselves into social networks.
2
5000
3000
tập hợp thành các mạng lưới xã hội.
00:23
And the kind of social network I'm talking about
3
8000
2000
Và thứ mạng xã hội tôi đang nói đến
00:25
is not the recent online variety,
4
10000
2000
không phải là thể loại online gần đây,
00:27
but rather, the kind of social networks
5
12000
2000
mà là những mạng lưới xã hội
00:29
that human beings have been assembling for hundreds of thousands of years,
6
14000
3000
mà con người đã hình thành từ hàng trăm ngàn năm trước,
00:32
ever since we emerged from the African savannah.
7
17000
3000
từ khi chúng ta mới xuất hiện trên thảo nguyên châu Phi.
00:35
So, I form friendships and co-worker
8
20000
2000
Do đó, tôi hình thành quan hệ bạn bè và đồng nghiệp
00:37
and sibling and relative relationships with other people
9
22000
3000
và anh chị em, họ hàng với những người
00:40
who in turn have similar relationships with other people.
10
25000
2000
mà cũng có những quan hệ tương tự với người khác.
00:42
And this spreads on out endlessly into a distance.
11
27000
3000
Và việc đó cứ lan rộng vô tận.
00:45
And you get a network that looks like this.
12
30000
2000
Bạn được một mạng lưới trông như thế này.
00:47
Every dot is a person.
13
32000
2000
Mỗi chấm là một người.
00:49
Every line between them is a relationship between two people --
14
34000
2000
Mỗi đường nối là một quan hệ giữa hai người --
00:51
different kinds of relationships.
15
36000
2000
những quan hệ khác nhau.
00:53
And you can get this kind of vast fabric of humanity,
16
38000
3000
Và thế là bạn có được tấm vải rộng lớn của nhân loại
00:56
in which we're all embedded.
17
41000
2000
mà chúng ta đều nằm trong đó.
00:58
And my colleague, James Fowler and I have been studying for quite sometime
18
43000
3000
Cộng sự của tôi, James Fowler, và tôi đã nghiên cứu khá lâu
01:01
what are the mathematical, social,
19
46000
2000
những quy luật toán học, xã hội,
01:03
biological and psychological rules
20
48000
3000
sinh học và tâm lý học
01:06
that govern how these networks are assembled
21
51000
2000
điều khiển sự tập hợp các mạng lưới
01:08
and what are the similar rules
22
53000
2000
và những luật lệ tương tự
01:10
that govern how they operate, how they affect our lives.
23
55000
3000
vận hành và ảnh hưởng tới cuộc sống của chúng ta như thế nào.
01:13
But recently, we've been wondering
24
58000
2000
Gần đây chúng tôi đã tự hỏi
01:15
whether it might be possible to take advantage of this insight,
25
60000
3000
liệu có thể tận dụng đánh giá này
01:18
to actually find ways to improve the world,
26
63000
2000
để thực sự tìm ra cách phát triển thế giới,
01:20
to do something better,
27
65000
2000
và làm điều gì đó tốt đẹp hơn,
01:22
to actually fix things, not just understand things.
28
67000
3000
để thực sự sửa chữa chứ không chỉ là hiểu các vấn đề.
01:25
So one of the first things we thought we would tackle
29
70000
3000
Do đó, một trong những việc đầu tiên chúng tôi cho rằng mình có thể xử lý được
01:28
would be how we go about predicting epidemics.
30
73000
3000
đó là dự báo đại dịch.
01:31
And the current state of the art in predicting an epidemic --
31
76000
2000
Và kỹ thuật tiên tiến nhất trong dự đoán đại dịch --
01:33
if you're the CDC or some other national body --
32
78000
3000
nếu bạn thuộc CDC hay tổ chức quốc gia nào đó --
01:36
is to sit in the middle where you are
33
81000
2000
là ngồi tại chỗ
01:38
and collect data
34
83000
2000
và thu thập dữ liệu
01:40
from physicians and laboratories in the field
35
85000
2000
từ các bác sĩ và phòng thí nghiệm trong lĩnh vực
01:42
that report the prevalence or the incidence of certain conditions.
36
87000
3000
mà báo cáo về sự lan tràn hoặc bùng phát những ca đặc biệt nào đó.
01:45
So, so and so patients have been diagnosed with something,
37
90000
3000
Thế nên, bệnh nhận bị chẩn đoán mắc một bệnh nào đó [ở đây],
01:48
or other patients have been diagnosed,
38
93000
2000
hay những bệnh nhân khác cũng đã bị chẩn đoán mắc bệnh [ở kia],
01:50
and all these data are fed into a central repository, with some delay.
39
95000
3000
và tất cả các dữ liệu này được đưa về một bộ phận trung tâm sau một khoảng thời gian nhất định.
01:53
And if everything goes smoothly,
40
98000
2000
Và nếu mọi chuyện trơn tru,
01:55
one to two weeks from now
41
100000
2000
một hay hai tuần sau
01:57
you'll know where the epidemic was today.
42
102000
3000
bạn sẽ biết đại dịch bắt đầu từ hôm nay.
02:00
And actually, about a year or so ago,
43
105000
2000
Thực tế, khoảng một năm trước,
02:02
there was this promulgation
44
107000
2000
có dư luận
02:04
of the idea of Google Flu Trends, with respect to the flu,
45
109000
3000
về Chức năng Xu hướng dịch cúm của Google, nơi mà
02:07
where by looking at people's searching behavior today,
46
112000
3000
khi nhìn vào hoạt động tìm kiếm của mọi người một hôm nào đó
02:10
we could know where the flu --
47
115000
2000
chúng ta có thể dịch cúm...
02:12
what the status of the epidemic was today,
48
117000
2000
tình trạng của đại dịch hôm đó ra sao,
02:14
what's the prevalence of the epidemic today.
49
119000
3000
đại dịch lan tràn ở đâu hôm đó.
02:17
But what I'd like to show you today
50
122000
2000
Nhưng thứ mà tôi muốn cho các bạn xem hôm nay
02:19
is a means by which we might get
51
124000
2000
là một cách để ta có thể đưa ra
02:21
not just rapid warning about an epidemic,
52
126000
3000
không chỉ những cảnh báo tức thời
02:24
but also actually
53
129000
2000
mà còn
02:26
early detection of an epidemic.
54
131000
2000
có thể phát hiện sớm đại dịch.
02:28
And, in fact, this idea can be used
55
133000
2000
Và ý tưởng này có thể được dùng
02:30
not just to predict epidemics of germs,
56
135000
3000
không chỉ để dự báo các đại dịch gây ra bởi vi trùng
02:33
but also to predict epidemics of all sorts of kinds.
57
138000
3000
mà còn để dự đoán tất cả các loại đại dịch.
02:37
For example, anything that spreads by a form of social contagion
58
142000
3000
Chẳng hạn, bất cứ thứ gì lan truyền bởi lây nhiễm khi tiếp xúc xã hội
02:40
could be understood in this way,
59
145000
2000
có thể được hiểu theo cách này,
02:42
from abstract ideas on the left
60
147000
2000
từ các khái niệm trừu tượng bên trái
02:44
like patriotism, or altruism, or religion
61
149000
3000
như lòng yêu nước, nhân đạo, hay tôn giáo,
02:47
to practices
62
152000
2000
cho tới những thói quen
02:49
like dieting behavior, or book purchasing,
63
154000
2000
như ăn kiêng, đặt mua sách
02:51
or drinking, or bicycle-helmet [and] other safety practices,
64
156000
3000
hay uống rượu bia, hay đội mũ bảo hiểm xe đạp và sử dụng các đồ bảo vệ khác,
02:54
or products that people might buy,
65
159000
2000
hoặc những sản phẩm mà mọi người thường mua,
02:56
purchases of electronic goods,
66
161000
2000
các đồ điện tử
02:58
anything in which there's kind of an interpersonal spread.
67
163000
3000
mọi việc mà trong đó có những lan truyền từ người sang người.
03:01
A kind of a diffusion of innovation
68
166000
2000
Việc lan truyền những sự đổi mới
03:03
could be understood and predicted
69
168000
2000
có thể được hiểu và dự đoán
03:05
by the mechanism I'm going to show you now.
70
170000
3000
bởi cơ chế mà tôi sẽ cho các bạn xem bây giờ.
03:08
So, as all of you probably know,
71
173000
2000
Vậy thì, như tất cả các bạn đã biết,
03:10
the classic way of thinking about this
72
175000
2000
thông thường việc này được đánh giá
03:12
is the diffusion-of-innovation,
73
177000
2000
như việc lan truyền những đổi mới,
03:14
or the adoption curve.
74
179000
2000
hay đường biểu thị sự chấp nhận.
03:16
So here on the Y-axis, we have the percent of the people affected,
75
181000
2000
Trên trục Y, chúng ta có phần trăm người bị ảnh hưởng,
03:18
and on the X-axis, we have time.
76
183000
2000
và trên trục X, chúng ta có thời gian.
03:20
And at the very beginning, not too many people are affected,
77
185000
3000
Lúc đầu, không có nhiều người bị ảnh hưởng,
03:23
and you get this classic sigmoidal,
78
188000
2000
và bạn có đồ thị hình sin quen thuộc,
03:25
or S-shaped, curve.
79
190000
2000
hay hình chữ S.
03:27
And the reason for this shape is that at the very beginning,
80
192000
2000
Lý do có hình này là bởi ban đầu,
03:29
let's say one or two people
81
194000
2000
chẳng hạn có một hay hai người
03:31
are infected, or affected by the thing
82
196000
2000
bị ảnh hưởng, hay bị lây nhiễm bởi vi rút,
03:33
and then they affect, or infect, two people,
83
198000
2000
và sau đó họ lây nhiễm cho hai người khác,
03:35
who in turn affect four, eight, 16 and so forth,
84
200000
3000
đến lượt họ lại lây truyền cho bốn, tám, 16 và cứ thế mãi,
03:38
and you get the epidemic growth phase of the curve.
85
203000
3000
và bạn có đồ thị giai đoạn phát triển đại dịch.
03:41
And eventually, you saturate the population.
86
206000
2000
Cuối cùng, chúng chiếm gần toàn bộ dân số.
03:43
There are fewer and fewer people
87
208000
2000
Những người còn lại để lây nhiễm
03:45
who are still available that you might infect,
88
210000
2000
ngày một ít
03:47
and then you get the plateau of the curve,
89
212000
2000
và đồ thị chững lại,
03:49
and you get this classic sigmoidal curve.
90
214000
3000
ta được đường hình sin quen thuộc.
03:52
And this holds for germs, ideas,
91
217000
2000
Điều này đúng cho cả vi rút, ý tưởng,
03:54
product adoption, behaviors,
92
219000
2000
sự chấp nhận sản phẩm, hành vi
03:56
and the like.
93
221000
2000
và tương tự.
03:58
But things don't just diffuse in human populations at random.
94
223000
3000
Nhưng vi rút không lây lan trên người một cách ngẫu nhiên.
04:01
They actually diffuse through networks.
95
226000
2000
Thực tế chúng lây lan qua các mạng lưới xã hội.
04:03
Because, as I said, we live our lives in networks,
96
228000
3000
Bởi, như tôi đã nói, chúng ta sống trong những mạng lưới
04:06
and these networks have a particular kind of a structure.
97
231000
3000
và các mạng lưới này có một cấu trúc đặc biệt.
04:09
Now if you look at a network like this --
98
234000
2000
Giờ nếu bạn nhìn vào một mạng lưới thế này...
04:11
this is 105 people.
99
236000
2000
Đây là 105 người.
04:13
And the lines represent -- the dots are the people,
100
238000
2000
Và các đường thẳng biểu thị...những chấm tròn là mọi người,
04:15
and the lines represent friendship relationships.
101
240000
2000
và các đường thẳng biểu diễn những quan hệ bạn bè.
04:17
You might see that people occupy
102
242000
2000
Họ có thể nhận thấy mọi người chiếm
04:19
different locations within the network.
103
244000
2000
những vị trí khác nhau trong mạng lưới.
04:21
And there are different kinds of relationships between the people.
104
246000
2000
Và có những quan hệ khác nhau giữa mọi người.
04:23
You could have friendship relationships, sibling relationships,
105
248000
3000
Các bạn có thể có quan hệ bạn bè, anh chị em,
04:26
spousal relationships, co-worker relationships,
106
251000
3000
chồng vợ, đồng nghiệp,
04:29
neighbor relationships and the like.
107
254000
3000
hàng xóm và tương tự.
04:32
And different sorts of things
108
257000
2000
Những loại vi rút khác nhau
04:34
spread across different sorts of ties.
109
259000
2000
lan truyền qua những mối quan hệ khác nhau.
04:36
For instance, sexually transmitted diseases
110
261000
2000
Chẳng hạn, bệnh truyền qua đường tình dục
04:38
will spread across sexual ties.
111
263000
2000
sẽ lây lan qua các quan hệ tình dục.
04:40
Or, for instance, people's smoking behavior
112
265000
2000
Hay chẳng hạn, việc hút thuốc
04:42
might be influenced by their friends.
113
267000
2000
có thể được ảnh hưởng từ bạn bè.
04:44
Or their altruistic or their charitable giving behavior
114
269000
2000
Hoặc các việc làm nhân đạo, từ thiện
04:46
might be influenced by their coworkers,
115
271000
2000
có thể được ảnh hưởng bởi đồng nghiệp
04:48
or by their neighbors.
116
273000
2000
hay hàng xóm.
04:50
But not all positions in the network are the same.
117
275000
3000
Nhưng không phải mọi vị trí trong mạng lưới đều giống nhau.
04:53
So if you look at this, you might immediately grasp
118
278000
2000
Nếu bạn nhìn vào đây, bạn sẽ lập tức hiểu
04:55
that different people have different numbers of connections.
119
280000
3000
rằng những người khác nhau có các mối quan hệ khác nhau.
04:58
Some people have one connection, some have two,
120
283000
2000
Một số người có một mối quan hệ, một số có hai,
05:00
some have six, some have 10 connections.
121
285000
3000
sáu, một số có mười quan hệ.
05:03
And this is called the "degree" of a node,
122
288000
2000
Và đây được gọi là "bậc" của một nút,
05:05
or the number of connections that a node has.
123
290000
2000
hay số kết nối mà một điểm nút có.
05:07
But in addition, there's something else.
124
292000
2000
Nhưng ngoài ra còn một thứ khác.
05:09
So, if you look at nodes A and B,
125
294000
2000
Nếu bạn nhìn vào điểm nút A và B,
05:11
they both have six connections.
126
296000
2000
chúng đều có sáu kết nối.
05:13
But if you can see this image [of the network] from a bird's eye view,
127
298000
3000
Nhưng nếu bạn có thể thấy bức ảnh từ trên cao,
05:16
you can appreciate that there's something very different
128
301000
2000
các bạn có thể hiểu còn một điểm khác biệt
05:18
about nodes A and B.
129
303000
2000
giữa nút A và B.
05:20
So, let me ask you this -- I can cultivate this intuition by asking a question --
130
305000
3000
Tôi sẽ hỏi một câu hỏi -- Tôi có thể tạo ra trực giác bằng cách hỏi --
05:23
who would you rather be
131
308000
2000
bạn sẽ là ai
05:25
if a deadly germ was spreading through the network, A or B?
132
310000
3000
nếu một vi rút chết người đang lan truyền qua mạng lưới, A hay B?
05:28
(Audience: B.) Nicholas Christakis: B, it's obvious.
133
313000
2000
(Khán giả: B.) Nicholas Christakis: B, hiển nhiên.
05:30
B is located on the edge of the network.
134
315000
2000
B nằm tại rìa mạng lưới.
05:32
Now, who would you rather be
135
317000
2000
Giờ thì, bạn muốn là ai
05:34
if a juicy piece of gossip were spreading through the network?
136
319000
3000
nếu một mẩu tin đồn đang lan truyền trong mạng lưới?
05:37
A. And you have an immediate appreciation
137
322000
3000
A. Và bạn lập tức hiểu
05:40
that A is going to be more likely
138
325000
2000
A dễ
05:42
to get the thing that's spreading and to get it sooner
139
327000
3000
nhận được thứ đang lan truyền hơn và nhanh hơn
05:45
by virtue of their structural location within the network.
140
330000
3000
nhờ vào vị trí cấu trúc trong mạng lưới.
05:48
A, in fact, is more central,
141
333000
2000
A, trong thực tế, ở gần trung tâm hơn,
05:50
and this can be formalized mathematically.
142
335000
3000
và có công thức toán học khẳng định điều này.
05:53
So, if we want to track something
143
338000
2000
Vậy, nếu chúng ta muốn theo dõi điều gì đó
05:55
that was spreading through a network,
144
340000
3000
đang lan truyền qua một mạng lưới,
05:58
what we ideally would like to do is to set up sensors
145
343000
2000
việc lý tưởng sẽ là đặt cảm biến
06:00
on the central individuals within the network,
146
345000
2000
ở những cá nhân thuộc trung tâm mạng lưới,
06:02
including node A,
147
347000
2000
bao gồm A,
06:04
monitor those people that are right there in the middle of the network,
148
349000
3000
theo dõi những người ở chính giữa mạng lưới
06:07
and somehow get an early detection
149
352000
2000
và bằng cách nào đó nhận biết sớm
06:09
of whatever it is that is spreading through the network.
150
354000
3000
bất cứ thứ gì đang lan truyền.
06:12
So if you saw them contract a germ or a piece of information,
151
357000
3000
Nếu bạn thấy họ nhiễm vi rút hay có một thông tin mới,
06:15
you would know that, soon enough,
152
360000
2000
bạn sẽ biết rằng, không lâu sau
06:17
everybody was about to contract this germ
153
362000
2000
mọi người cũng sẽ nhiễm vi rút
06:19
or this piece of information.
154
364000
2000
hay thông tin mới này.
06:21
And this would be much better
155
366000
2000
Làm như thế sẽ tốt hơn
06:23
than monitoring six randomly chosen people,
156
368000
2000
là theo dõi sáu người ngẫu nhiên,
06:25
without reference to the structure of the population.
157
370000
3000
mà không quan tâm tới cấu trúc xã hội.
06:28
And in fact, if you could do that,
158
373000
2000
Trong thực tế, nếu bạn có thể làm thế,
06:30
what you would see is something like this.
159
375000
2000
bạn sẽ thấy một thứ như thế này.
06:32
On the left-hand panel, again, we have the S-shaped curve of adoption.
160
377000
3000
Phía bên trái, một lần nữa ta lại có đường chữ S về sự tiếp nhận.
06:35
In the dotted red line, we show
161
380000
2000
Đường chấm màu đỏ biểu thị
06:37
what the adoption would be in the random people,
162
382000
2000
sự tiếp nhận ở những người ngẫu nhiên,
06:39
and in the left-hand line, shifted to the left,
163
384000
3000
và đường tay trái, dịch về bên trái,
06:42
we show what the adoption would be
164
387000
2000
biểu thị sự tiếp nhận
06:44
in the central individuals within the network.
165
389000
2000
ở những người thuộc trung tâm mạng lưới.
06:46
On the Y-axis is the cumulative instances of contagion,
166
391000
2000
Trên trục Y là những thời điểm lan truyền,
06:48
and on the X-axis is the time.
167
393000
2000
và trục X là thời gian.
06:50
And on the right-hand side, we show the same data,
168
395000
2000
Phía tay phải là những dữ liệu tương tự
06:52
but here with daily incidence.
169
397000
2000
nhưng với các sự kiện hàng ngày.
06:54
And what we show here is -- like, here --
170
399000
2000
Ở đây thể hiện
06:56
very few people are affected, more and more and more and up to here,
171
401000
2000
rất ít người bị ảnh hưởng, nhiều dần lên ở đây
06:58
and here's the peak of the epidemic.
172
403000
2000
và đây là đỉnh của đại dịch.
07:00
But shifted to the left is what's occurring in the central individuals.
173
405000
2000
Nhưng dịch sang bên trái là những người ở trung tâm.
07:02
And this difference in time between the two
174
407000
3000
Và điểm khác biệt về thời gian ở hai nhóm
07:05
is the early detection, the early warning we can get,
175
410000
3000
là sự phát hiện sớm, cảnh báo mà ta có thể đưa ra sớm
07:08
about an impending epidemic
176
413000
2000
về một đại dịch sắp đến
07:10
in the human population.
177
415000
2000
trong toàn dân.
07:12
The problem, however,
178
417000
2000
Tuy nhiên, vấn đề
07:14
is that mapping human social networks
179
419000
2000
đó là lập bản đồ các mạng xã hội của con người
07:16
is not always possible.
180
421000
2000
không phải lúc nào cũng khả thi.
07:18
It can be expensive, not feasible,
181
423000
2000
Việc này có thể tốn rất nhiều chi phí, rất khó khăn,
07:20
unethical,
182
425000
2000
phi đạo đức,
07:22
or, frankly, just not possible to do such a thing.
183
427000
3000
hay, thẳng thắn mà nói, chỉ đơn giản là không thể làm được.
07:25
So, how can we figure out
184
430000
2000
Vậy, làm cách nào chúng ta tìm ra
07:27
who the central people are in a network
185
432000
2000
ai là những người ở trung tâm
07:29
without actually mapping the network?
186
434000
3000
mà không phải thực sự lập bản đồ mạng lưới?
07:32
What we came up with
187
437000
2000
Chúng tôi có một
07:34
was an idea to exploit an old fact,
188
439000
2000
ý tưởng về việc lợi dụng một thực tế đã cũ
07:36
or a known fact, about social networks,
189
441000
2000
về mạng xã hội,
07:38
which goes like this:
190
443000
2000
đó là:
07:40
Do you know that your friends
191
445000
2000
Bạn có biết rằng các bạn mình
07:42
have more friends than you do?
192
447000
3000
có nhiều bạn bè hơn bạn?
07:45
Your friends have more friends than you do,
193
450000
3000
Bạn của bạn có nhiều bạn hơn bạn.
07:48
and this is known as the friendship paradox.
194
453000
2000
Và đây được coi là nghịch lý quan hệ bạn bè.
07:50
Imagine a very popular person in the social network --
195
455000
2000
Tưởng tượng một người giao tiếp rất rộng trong mạng xã hôi --
07:52
like a party host who has hundreds of friends --
196
457000
3000
như là một người hay tổ chức tiệc tùng có hàng trăm bạn bè --
07:55
and a misanthrope who has just one friend,
197
460000
2000
và một người xa lánh cộng đồng chỉ có một người bạn,
07:57
and you pick someone at random from the population;
198
462000
3000
và bạn chọn ai đó ngẫu nhiên từ cộng đồng;
08:00
they were much more likely to know the party host.
199
465000
2000
thì nhiều khả năng người đó sẽ biết người tổ chức tiệc tùng.
08:02
And if they nominate the party host as their friend,
200
467000
2000
Và nếu họ có bạn là người hay tổ chức party,
08:04
that party host has a hundred friends,
201
469000
2000
người đó có hàng trăm bạn bè,
08:06
therefore, has more friends than they do.
202
471000
3000
nên có nhiều bạn bè hơn người ban đầu.
08:09
And this, in essence, is what's known as the friendship paradox.
203
474000
3000
Về bản chất đây là nghịch lý bạn bè.
08:12
The friends of randomly chosen people
204
477000
3000
Bạn bè của người được chọn ngẫu nhiên
08:15
have higher degree, and are more central
205
480000
2000
có "bậc" cao hơn, và thuộc trung tâm nhiều hơn
08:17
than the random people themselves.
206
482000
2000
là chính người ngẫu nhiên đó.
08:19
And you can get an intuitive appreciation for this
207
484000
2000
Bạn có thể hiểu điều này
08:21
if you imagine just the people at the perimeter of the network.
208
486000
3000
nếu hình dung những người ở rìa mạng lưới.
08:24
If you pick this person,
209
489000
2000
Nếu bạn chọn người này,
08:26
the only friend they have to nominate is this person,
210
491000
3000
người bạn duy nhất họ có là người này,
08:29
who, by construction, must have at least two
211
494000
2000
và theo cấu trúc lưới, phải có ít nhất hai người bạn,
08:31
and typically more friends.
212
496000
2000
thường là nhiều hơn.
08:33
And that happens at every peripheral node.
213
498000
2000
Điều này xảy ra ở mọi nút rìa.
08:35
And in fact, it happens throughout the network as you move in,
214
500000
3000
Thực tế, nó xảy ra ở toàn mạng lưới khi ta đi dần vào,
08:38
everyone you pick, when they nominate a random --
215
503000
2000
mọi người được chọn,
08:40
when a random person nominates a friend of theirs,
216
505000
3000
khi một người ngẫu nhiên chọn một người bạn,
08:43
you move closer to the center of the network.
217
508000
3000
bạn tiến gần hơn trung tâm mạng lưới.
08:46
So, we thought we would exploit this idea
218
511000
3000
Thế nên chúng tôi nghĩ có thể sử dụng ý tưởng này
08:49
in order to study whether we could predict phenomena within networks.
219
514000
3000
để nghiên cứu xem liệu ta có thể dự đoán hiện tượng trong các mạng lưới hay không.
08:52
Because now, with this idea
220
517000
2000
Bởi bây giờ, với ý tưởng này,
08:54
we can take a random sample of people,
221
519000
2000
ta có thể tập hợp một nhóm người ngẫu nhiên,
08:56
have them nominate their friends,
222
521000
2000
để họ chọn các bạn bè mình,
08:58
those friends would be more central,
223
523000
2000
những người bạn đó sẽ gần trung tâm hơn,
09:00
and we could do this without having to map the network.
224
525000
3000
và chúng ta có thể làm thế mà không phải lập bản đồ cả mạng lưới.
09:03
And we tested this idea with an outbreak of H1N1 flu
225
528000
3000
Chúng tôi đã thử nghiệm ý tưởng này khi dịch H1N1 bùng phát
09:06
at Harvard College
226
531000
2000
tại Đại học Harvard
09:08
in the fall and winter of 2009, just a few months ago.
227
533000
3000
vào thu đông 2009, chỉ vài tháng trước.
09:11
We took 1,300 randomly selected undergraduates,
228
536000
3000
Chúng tôi chọn ngẫu nhiên 1300 sinh viên
09:14
we had them nominate their friends,
229
539000
2000
và yêu cầu họ chọn ra một số người bạn,
09:16
and we followed both the random students and their friends
230
541000
2000
chúng tôi theo dõi cả những sinh viên ngẫu nhiên và bạn của họ
09:18
daily in time
231
543000
2000
hằng ngày
09:20
to see whether or not they had the flu epidemic.
232
545000
3000
để xem liệu họ có nhiễm dịch hay không.
09:23
And we did this passively by looking at whether or not they'd gone to university health services.
233
548000
3000
Chúng tôi làm việc này một cách thụ động bằng cách quan sát họ có đến khu dịch vụ y tế của trường hay không.
09:26
And also, we had them [actively] email us a couple of times a week.
234
551000
3000
Chúng tôi yêu cầu họ chủ động email cho chúng tôi hai lần mỗi tuần.
09:29
Exactly what we predicted happened.
235
554000
3000
Chính xác những điều chúng tôi dự đoán đã xảy ra.
09:32
So the random group is in the red line.
236
557000
3000
Thế nên nhóm ngẫu nhiên thuộc đường màu đỏ.
09:35
The epidemic in the friends group has shifted to the left, over here.
237
560000
3000
Dịch bệnh trong nhóm bạn đã dịch sang trái, tới đây.
09:38
And the difference in the two is 16 days.
238
563000
3000
Sự khác biệt giữa hai nhóm là 16 ngày.
09:41
By monitoring the friends group,
239
566000
2000
Bằng việc quan sát nhóm những người bạn,
09:43
we could get 16 days advance warning
240
568000
2000
chúng ta có thể có cảnh báo sớm hơn 16 ngày.
09:45
of an impending epidemic in this human population.
241
570000
3000
về một dịch bệnh sắp đến.
09:48
Now, in addition to that,
242
573000
2000
Thêm vào đó,
09:50
if you were an analyst who was trying to study an epidemic
243
575000
3000
nếu bạn là một nhà phân tích đang nghiên cứu một dịch bệnh
09:53
or to predict the adoption of a product, for example,
244
578000
3000
hay dự đoán sự chấp nhận một sản phẩm chẳng hạn,
09:56
what you could do is you could pick a random sample of the population,
245
581000
3000
bạn có thể chọn một nhóm ngẫu nhiên
09:59
also have them nominate their friends and follow the friends
246
584000
3000
và để họ chọn các bạn mình, theo dõi những người bạn,
10:02
and follow both the randoms and the friends.
247
587000
3000
và theo dõi cả nhóm ngẫu nhiên.
10:05
Among the friends, the first evidence you saw of a blip above zero
248
590000
3000
Ở những người bạn, một điểm trên mức sàn
10:08
in adoption of the innovation, for example,
249
593000
3000
trong việc tiếp nhận thay đổi, ví dụ như vậy,
10:11
would be evidence of an impending epidemic.
250
596000
2000
có thể là bằng chứng cho một đại dịch sắp tới.
10:13
Or you could see the first time the two curves diverged,
251
598000
3000
Hay bạn có thể thấy lần đầu hai đường cong tách ra,
10:16
as shown on the left.
252
601000
2000
như ta thấy ở bên trái.
10:18
When did the randoms -- when did the friends take off
253
603000
3000
Khi nào thì nhóm bạn đi lên
10:21
and leave the randoms,
254
606000
2000
và tách khỏi nhóm ngẫu nhiên,
10:23
and [when did] their curve start shifting?
255
608000
2000
và đường biểu thị của họ bắt đầu dịch chuyển?
10:25
And that, as indicated by the white line,
256
610000
2000
Việc đó, như đường màu trắng biểu diễn,
10:27
occurred 46 days
257
612000
2000
diễn ra trong 46 ngày
10:29
before the peak of the epidemic.
258
614000
2000
trước khi chạm đỉnh đại dịch.
10:31
So this would be a technique
259
616000
2000
Thế nên đây có thể là một kỹ thuật
10:33
whereby we could get more than a month-and-a-half warning
260
618000
2000
nhờ đó ta có thể cảnh báo sớm hơn một tháng rưỡi
10:35
about a flu epidemic in a particular population.
261
620000
3000
về dịch cúm trong một nhóm dân cụ thể.
10:38
I should say that
262
623000
2000
Cảnh báo sớm bao nhiêu
10:40
how far advanced a notice one might get about something
263
625000
2000
phụ thuộc vào
10:42
depends on a host of factors.
264
627000
2000
nhiều yếu tố.
10:44
It could depend on the nature of the pathogen --
265
629000
2000
Đó có thể là bản chất dịch bệnh --
10:46
different pathogens,
266
631000
2000
các dịch bệnh khác nhau,
10:48
using this technique, you'd get different warning --
267
633000
2000
với kỹ thuật này, bạn có các cảnh báo khác nhau --
10:50
or other phenomena that are spreading,
268
635000
2000
hay những hiện tượng cũng đang lây lan khác
10:52
or frankly, on the structure of the human network.
269
637000
3000
hay là cấu trúc của mạng xã hội.
10:55
Now in our case, although it wasn't necessary,
270
640000
3000
Trong trường hợp của chúng ta, dù không cần thiết,
10:58
we could also actually map the network of the students.
271
643000
2000
chúng ta cũng có thể thực sự lập bản đồ mạng lưới các sinh viên.
11:00
So, this is a map of 714 students
272
645000
2000
Đây là một mạng lưới 714 sinh viên
11:02
and their friendship ties.
273
647000
2000
và các quan hệ bạn bè giữa họ.
11:04
And in a minute now, I'm going to put this map into motion.
274
649000
2000
Trong vòng một phút, tôi sẽ cho mạng lưới này chuyển động.
11:06
We're going to take daily cuts through the network
275
651000
2000
Chúng ta sẽ xem các biến động trong mạng lưới
11:08
for 120 days.
276
653000
2000
trong 120 ngày.
11:10
The red dots are going to be cases of the flu,
277
655000
3000
Những chấm đỏ là các ca bị cúm,
11:13
and the yellow dots are going to be friends of the people with the flu.
278
658000
3000
và những chấm vàng là bạn của những người bị mắc cúm.
11:16
And the size of the dots is going to be proportional
279
661000
2000
Kích cỡ các chấm tròn tỉ lệ
11:18
to how many of their friends have the flu.
280
663000
2000
với số người bạn mắc cúm của một người.
11:20
So bigger dots mean more of your friends have the flu.
281
665000
3000
Vậy nên chấm to hơn nghĩa là người đó có nhiều bạn mắc cúm hơn.
11:23
And if you look at this image -- here we are now in September the 13th --
282
668000
3000
Nếu nhìn vào hình này -- chúng ta đang ở ngày 13 tháng 9 --
11:26
you're going to see a few cases light up.
283
671000
2000
các bạn sẽ thấy một số ca xuất hiện.
11:28
You're going to see kind of blooming of the flu in the middle.
284
673000
2000
Bạn sẽ thấy sự bùng nổ dịch cúm ở giữa.
11:30
Here we are on October the 19th.
285
675000
3000
Đây là ngày 19 tháng Mười.
11:33
The slope of the epidemic curve is approaching now, in November.
286
678000
2000
Sườn nghiêng của đường cong đang tới gần, vào tháng 11.
11:35
Bang, bang, bang, bang, bang -- you're going to see lots of blooming in the middle,
287
680000
3000
Bang, bang, bang, bang, bang, các bạn sẽ thấy sự bùng nổ ở giữa,
11:38
and then you're going to see a sort of leveling off,
288
683000
2000
và sau đó gần như chững lại,
11:40
fewer and fewer cases towards the end of December.
289
685000
3000
càng ngày càng ít ca hơn cho tới hết tháng 12.
11:43
And this type of a visualization
290
688000
2000
Và cách minh họa này
11:45
can show that epidemics like this take root
291
690000
2000
cho thấy dịch bệnh như thế này bắt đầu
11:47
and affect central individuals first,
292
692000
2000
và ảnh hưởng tới những người ở trung tâm đầu tiên,
11:49
before they affect others.
293
694000
2000
trước khi họ lây nhiễm cho người khác.
11:51
Now, as I've been suggesting,
294
696000
2000
Như tôi đã gợi ý,
11:53
this method is not restricted to germs,
295
698000
3000
phương pháp này không chỉ giới hạn cho vi trùng,
11:56
but actually to anything that spreads in populations.
296
701000
2000
mà còn áp dụng được cho mọi thứ lan truyền trong cộng đồng.
11:58
Information spreads in populations,
297
703000
2000
Thông tin lan truyền trong cộng đồng.
12:00
norms can spread in populations,
298
705000
2000
Các chuẩn mực có thể lan truyền trong cộng đồng.
12:02
behaviors can spread in populations.
299
707000
2000
Hành vi có thể lan truyền trong cộng đồng.
12:04
And by behaviors, I can mean things like criminal behavior,
300
709000
3000
Và hành vi có thể là tội phạm,
12:07
or voting behavior, or health care behavior,
301
712000
3000
bầu cử, hay chăm sóc sức khỏe
12:10
like smoking, or vaccination,
302
715000
2000
như hút thuốc, tiêm vaccin
12:12
or product adoption, or other kinds of behaviors
303
717000
2000
hay tiếp nhận sản phẩm, hay các hành vi khác
12:14
that relate to interpersonal influence.
304
719000
2000
liên quan đến ảnh hưởng từ người này sang người khác.
12:16
If I'm likely to do something that affects others around me,
305
721000
3000
Nếu tôi có thể làm việc gì đó ảnh hưởng tới mọi người quanh mình,
12:19
this technique can get early warning or early detection
306
724000
3000
kỹ thuật này sẽ cho cảnh báo sớm, hay chẩn đoán sớm
12:22
about the adoption within the population.
307
727000
3000
về sự tiếp nhận của mọi người.
12:25
The key thing is that for it to work,
308
730000
2000
Điều quan trọng là, để nó có hiệu quả
12:27
there has to be interpersonal influence.
309
732000
2000
phải có ảnh hưởng qua lại giữa các cá nhân.
12:29
It cannot be because of some broadcast mechanism
310
734000
2000
Nó không thể phát sinh từ một cơ chế đại chúng
12:31
affecting everyone uniformly.
311
736000
3000
tác động đến mọi người đều giống nhau.
12:35
Now the same insights
312
740000
2000
Các cơ chế tương tự
12:37
can also be exploited -- with respect to networks --
313
742000
3000
cũng có thể được sử dụng
12:40
can also be exploited in other ways,
314
745000
3000
theo những cách khác,
12:43
for example, in the use of targeting
315
748000
2000
chẳng hạn, trong việc hướng đến
12:45
specific people for interventions.
316
750000
2000
một số người cụ thể để can thiệp.
12:47
So, for example, most of you are probably familiar
317
752000
2000
Chẳng hạn, một số trong các bạn đã quen
12:49
with the notion of herd immunity.
318
754000
2000
với khái niệm miễn dịch bầy đàn.
12:51
So, if we have a population of a thousand people,
319
756000
3000
Nếu ta có 1000 người,
12:54
and we want to make the population immune to a pathogen,
320
759000
3000
và muốn khiến họ miễn dịch với một loại bênh,
12:57
we don't have to immunize every single person.
321
762000
2000
ta không phải miễn nhiễm cho từng người.
12:59
If we immunize 960 of them,
322
764000
2000
Nếu ta miễn nhiễm cho 960 người trong số họ,
13:01
it's as if we had immunized a hundred [percent] of them.
323
766000
3000
cũng giống như đã miễn nhiễm 100%.
13:04
Because even if one or two of the non-immune people gets infected,
324
769000
3000
Bởi ngay cả khi một hay hai người chưa miễn nhiễm bị mắc bệnh,
13:07
there's no one for them to infect.
325
772000
2000
sẽ không có ai để họ lây bệnh sang.
13:09
They are surrounded by immunized people.
326
774000
2000
Họ được bao quanh bởi những người đã bị miễn nhiễm.
13:11
So 96 percent is as good as 100 percent.
327
776000
3000
Thế nên 96 % cũng như là 100%.
13:14
Well, some other scientists have estimated
328
779000
2000
Một số nhà khoa học khác đã ước tính
13:16
what would happen if you took a 30 percent random sample
329
781000
2000
xem chuyện gì sẽ xảy ra nếu bạn lấy ngẫu nhiên 30%
13:18
of these 1000 people, 300 people and immunized them.
330
783000
3000
trong 1000 người, 300 người và miễn nhiễm cho họ.
13:21
Would you get any population-level immunity?
331
786000
2000
Liệu bạn có đạt được miễn dịch cho toàn bộ mọi người không?
13:23
And the answer is no.
332
788000
3000
Câu trả lời là không.
13:26
But if you took this 30 percent, these 300 people
333
791000
2000
Nhưng nếu bạn lấy 30% này, 300 người này,
13:28
and had them nominate their friends
334
793000
2000
và để họ chọn một người bạn
13:30
and took the same number of vaccine doses
335
795000
3000
rồi với cùng lượng vaccin đó
13:33
and vaccinated the friends of the 300 --
336
798000
2000
tiêm cho bạn bè của 300 người kia,
13:35
the 300 friends --
337
800000
2000
300 người bạn,
13:37
you can get the same level of herd immunity
338
802000
2000
bạn sẽ đạt được sự miễn dịch cho toàn bộ tương tự
13:39
as if you had vaccinated 96 percent of the population
339
804000
3000
như khi tiêm vaccin cho 96 phần trăm dân số
13:42
at a much greater efficiency, with a strict budget constraint.
340
807000
3000
với hiệu quả cao hơn, ngân quỹ thấp hơn.
13:45
And similar ideas can be used, for instance,
341
810000
2000
Ý tưởng tương tự có thể được sử dụng
13:47
to target distribution of things like bed nets
342
812000
2000
trong việc phân phát những thứ như màn chống muỗi
13:49
in the developing world.
343
814000
2000
ở các nước đang phát triển.
13:51
If we could understand the structure of networks in villages,
344
816000
3000
Nếu ta có thể hiểu cấu trúc mạng lưới trong những ngôi làng,
13:54
we could target to whom to give the interventions
345
819000
2000
chúng ta sẽ có thể tìm đúng người để tác động
13:56
to foster these kinds of spreads.
346
821000
2000
và hỗ trợ thêm sự lan truyền.
13:58
Or, frankly, for advertising with all kinds of products.
347
823000
3000
Hay cho việc quảng cáo mọi loại sản phẩm.
14:01
If we could understand how to target,
348
826000
2000
Nếu ta có thể hiểu cách định hướng đối tượng ra sao,
14:03
it could affect the efficiency
349
828000
2000
nó có thể ảnh hưởng tới hiệu quả
14:05
of what we're trying to achieve.
350
830000
2000
của việc ta đang muốn đạt được.
14:07
And in fact, we can use data
351
832000
2000
Trong thực tế, chúng ta có thể sử dụng dữ liệu
14:09
from all kinds of sources nowadays [to do this].
352
834000
2000
từ mọi nguồn hiện nay để làm việc đó.
14:11
This is a map of eight million phone users
353
836000
2000
Đây là bản đồ tám triệu người dùng điện thoại
14:13
in a European country.
354
838000
2000
tại một quốc gia châu Âu.
14:15
Every dot is a person, and every line represents
355
840000
2000
Mỗi chấm là một người, và mỗi đường thẳng biểu thị
14:17
a volume of calls between the people.
356
842000
2000
tổng số cuộc gọi giữa mọi người.
14:19
And we can use such data, that's being passively obtained,
357
844000
3000
Chúng ta có thể sử dụng dữ liệu như thế, đạt được một cách thụ động,
14:22
to map these whole countries
358
847000
2000
để lập bản đồ toàn bộ quốc gia
14:24
and understand who is located where within the network.
359
849000
3000
và tìm hiểu vị trí của mọi người trong mạng lưới.
14:27
Without actually having to query them at all,
360
852000
2000
Không phải tra hỏi họ chút nào,
14:29
we can get this kind of a structural insight.
361
854000
2000
ta có thể đạt được một sự thấu hiểu về cấu trúc.
14:31
And other sources of information, as you're no doubt aware
362
856000
3000
Những nguồn thông tin khác, như các bạn đều biết,
14:34
are available about such features, from email interactions,
363
859000
3000
cũng mang các đặc điểm đó, từ email,
14:37
online interactions,
364
862000
2000
tương tác online,
14:39
online social networks and so forth.
365
864000
3000
mạng xã hội online và tương tự.
14:42
And in fact, we are in the era of what I would call
366
867000
2000
Thực tế, chúng ta đang ở trong thời đại mà tôi cho rằng
14:44
"massive-passive" data collection efforts.
367
869000
3000
thu thập một khối lượng dữ liệu đồ sộ và thụ động.
14:47
They're all kinds of ways we can use massively collected data
368
872000
3000
Đây là những cách ta có thể dùng dữ liệu thu thập thụ động
14:50
to create sensor networks
369
875000
3000
để tạo ra mạng lưới cảm biến
14:53
to follow the population,
370
878000
2000
theo dõi cộng đồng,
14:55
understand what's happening in the population,
371
880000
2000
thấu hiểu điều đang diễn ra trong cộng đồng,
14:57
and intervene in the population for the better.
372
882000
3000
và tác động để đạt được điều tốt đẹp hơn.
15:00
Because these new technologies tell us
373
885000
2000
Bởi vì những công nghệ mới cho ta biết
15:02
not just who is talking to whom,
374
887000
2000
không chỉ ai đang nói chuyện với ai,
15:04
but where everyone is,
375
889000
2000
mà còn mọi người đang ở đâu,
15:06
and what they're thinking based on what they're uploading on the Internet,
376
891000
3000
và họ đang nghĩ gì dựa vào những gì họ đang tải lên mạng,
15:09
and what they're buying based on their purchases.
377
894000
2000
và những gì họ đang mua dựa trên đơn đặt hàng của họ.
15:11
And all this administrative data can be pulled together
378
896000
3000
Tất cả các dữ liệu quản lý này có thể được tập hợp
15:14
and processed to understand human behavior
379
899000
2000
và xử lý để tìm hiểu hành vi xã hội
15:16
in a way we never could before.
380
901000
3000
theo một cách mà trước đây bất khả thi.
15:19
So, for example, we could use truckers' purchases of fuel.
381
904000
3000
Chẳng hạn, chúng ta có thể sử dụng những lần đổ xăng của người lái xe tải.
15:22
So the truckers are just going about their business,
382
907000
2000
Những người lái xe đơn giản là làm công việc của họ,
15:24
and they're buying fuel.
383
909000
2000
và mua xăng.
15:26
And we see a blip up in the truckers' purchases of fuel,
384
911000
3000
Khi thấy gia tăng trong những lần mua xăng,
15:29
and we know that a recession is about to end.
385
914000
2000
ta biết rằng suy thoái sắp kết thúc.
15:31
Or we can monitor the velocity
386
916000
2000
Hay chúng ta có thể theo dỗi vận tốc
15:33
with which people are moving with their phones on a highway,
387
918000
3000
mà mọi người đang đi trên đường cao tốc với điện thoại của họ,
15:36
and the phone company can see,
388
921000
2000
và công ty điện thoại có thể thấy,
15:38
as the velocity is slowing down,
389
923000
2000
khi vận tốc giảm xuống
15:40
that there's a traffic jam.
390
925000
2000
là có tắc đường.
15:42
And they can feed that information back to their subscribers,
391
927000
3000
Họ có thể đưa thông tin đó lại cho những người đã đăng ký nhận tin,
15:45
but only to their subscribers on the same highway
392
930000
2000
nhưng chỉ cho những người ở trên tuyến đường đó
15:47
located behind the traffic jam!
393
932000
2000
mà ở đằng trước đoạn tắc!
15:49
Or we can monitor doctors prescribing behaviors, passively,
394
934000
3000
Hoặc ta có thể theo dõi những lần kê đơn của bác sĩ, một cách thụ động,
15:52
and see how the diffusion of innovation with pharmaceuticals
395
937000
3000
và quan sát sự lan truyền của những tiến bộ dược phẩm
15:55
occurs within [networks of] doctors.
396
940000
2000
diễn ra như thế nào trong mạng lưới các bác sĩ.
15:57
Or again, we can monitor purchasing behavior in people
397
942000
2000
Hoặc chúng ta có thể theo dõi việc đặt hàng của mọi người
15:59
and watch how these types of phenomena
398
944000
2000
và xem những hiện tượng này
16:01
can diffuse within human populations.
399
946000
3000
lan truyền như thế nào trong mọi người.
16:04
And there are three ways, I think,
400
949000
2000
Có ba cách
16:06
that these massive-passive data can be used.
401
951000
2000
mà những dữ liệu này có thể được sử dụng.
16:08
One is fully passive,
402
953000
2000
Một là hoàn toàn thụ động,
16:10
like I just described --
403
955000
2000
như tôi vừa miêu tả --
16:12
as in, for instance, the trucker example,
404
957000
2000
như trong ví dụ người lái xe tải,
16:14
where we don't actually intervene in the population in any way.
405
959000
2000
khi ta không thực sự tác động tới mọi người theo bất cứ cách nào.
16:16
One is quasi-active,
406
961000
2000
Một là bán chủ động,
16:18
like the flu example I gave,
407
963000
2000
như ví dụ dịch cúm,
16:20
where we get some people to nominate their friends
408
965000
3000
khi ta cần một số người chọn ra bạn của họ
16:23
and then passively monitor their friends --
409
968000
2000
và theo dõi những người bạn một cách thụ động --
16:25
do they have the flu, or not? -- and then get warning.
410
970000
2000
họ có bị cúm hay không? -- và đưa ra cảnh báo.
16:27
Or another example would be,
411
972000
2000
Một ví dụ khác,
16:29
if you're a phone company, you figure out who's central in the network
412
974000
3000
nếu bạn có một công ty điện thoại, bạn tìm ra người nào ở trung tâm mạng lưới,
16:32
and you ask those people, "Look, will you just text us your fever every day?
413
977000
3000
và yêu cầu những người đó, "Các bạn sẽ nhắn tin cho chúng tôi về dịch sốt mỗi ngày nhé?
16:35
Just text us your temperature."
414
980000
2000
Chỉ đơn giản nhắn nhiệt độ cơ thể thôi."
16:37
And collect vast amounts of information about people's temperature,
415
982000
3000
Và thu thập những khối lượng thông tin đồ sộ về thân nhiệt của mọi người,
16:40
but from centrally located individuals.
416
985000
2000
nhưng từ những người ở trung tâm.
16:42
And be able, on a large scale,
417
987000
2000
Và bạn có thể theo dõi một dịch bệnh sắp đến
16:44
to monitor an impending epidemic
418
989000
2000
trên diện rộng
16:46
with very minimal input from people.
419
991000
2000
với chỉ đóng góp tối thiểu từ mọi người.
16:48
Or, finally, it can be more fully active --
420
993000
2000
Cuối cùng, nó có thể là hoàn toàn chủ động --
16:50
as I know subsequent speakers will also talk about today --
421
995000
2000
như tôi biết các diễn giả tiếp theo sẽ trình bày hôm nay --
16:52
where people might globally participate in wikis,
422
997000
2000
theo cách đó mọi người toàn thế giới có thể tham gia vào các wiki,
16:54
or photographing, or monitoring elections,
423
999000
3000
chụp ảnh, theo dõi bầu cử,
16:57
and upload information in a way that allows us to pool
424
1002000
2000
rồi upload thông tin sao cho chúng ta có thể sắp xếp
16:59
information in order to understand social processes
425
1004000
2000
thông tin nhằm phân tích các quá trình xã hội
17:01
and social phenomena.
426
1006000
2000
và hiện tượng xã hội.
17:03
In fact, the availability of these data, I think,
427
1008000
2000
Thực tế, sự tiện dụng của những dữ liệu này
17:05
heralds a kind of new era
428
1010000
2000
hé mở một thời kỳ mới
17:07
of what I and others would like to call
429
1012000
2000
mà tôi và những người khác muốn gọi là
17:09
"computational social science."
430
1014000
2000
"khoa học xã hội tính toán"
17:11
It's sort of like when Galileo invented -- or, didn't invent --
431
1016000
3000
Như là khi Galileo phát minh ra -- hay là, không phát minh --
17:14
came to use a telescope
432
1019000
2000
sử dụng kính viễn vọng
17:16
and could see the heavens in a new way,
433
1021000
2000
và có thể nhìn thấy thiên đàng theo một cách mới,
17:18
or Leeuwenhoek became aware of the microscope --
434
1023000
2000
hay Leeuwenhoek biết đến kính hiển vi --
17:20
or actually invented --
435
1025000
2000
thực ra là phát minh ra --
17:22
and could see biology in a new way.
436
1027000
2000
và có thể nhìn sinh học theo một cách mới.
17:24
But now we have access to these kinds of data
437
1029000
2000
Giờ đây chúng ta có thể tiếp cận những loại dữ liệu
17:26
that allow us to understand social processes
438
1031000
2000
cho phép ta nghiên cứu các quá trình xã hội
17:28
and social phenomena
439
1033000
2000
và hiện tượng xã hội
17:30
in an entirely new way that was never before possible.
440
1035000
3000
theo một cách hoàn toàn mới mà trước đây chưa thể làm được.
17:33
And with this science, we can
441
1038000
2000
Và với ngành khoa học này, chúng ta có thể
17:35
understand how exactly
442
1040000
2000
thấu hiểu chính xác làm cách nào
17:37
the whole comes to be greater
443
1042000
2000
chỉnh thể lớn hơn
17:39
than the sum of its parts.
444
1044000
2000
tổng các phần cộng lại.
17:41
And actually, we can use these insights
445
1046000
2000
Và thực sự, chúng ta có thể sử dụng các quan sát này
17:43
to improve society and improve human well-being.
446
1048000
3000
để phát triển xã hội và nâng cao đời sống mọi người.
17:46
Thank you.
447
1051000
2000
Cảm ơn các bạn.
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