TED@Cannes
Nicholas Christakis: How social networks predict epidemics
Николас Христакис: Как социалните мрежи предсказват епидемии
Filmed:
Readability: 4.9
669,862 views
След като картографират човешките сложни социални мрежи, Николас Христакис и колегата му Джеймс Фаулър почват да разследват как тази информация може да подобри нашия живот. Сега той разкрива своите последни открития: Тези мрежи могат да бъдат използвани за откриване на епидемии по-рано от всякога, от разпространение на новаторски идеи до рисково поведение, и до вируси (като 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
В последните 10 години прекарвам времето си, опитвайки се да разбера,
00:18
how and why human beings
1
3000
2000
как и защо човешките същества
00:20
assemble themselves into social networks.
2
5000
3000
се събират в социални мрежи.
00:23
And the kind of social network I'm talking about
3
8000
2000
И не говоря за социалните мрежи
00:25
is not the recent online variety,
4
10000
2000
от наскорошните онлайн разновидности,
00:27
but rather, the kind of social networks
5
12000
2000
а по-скоро, за вида социални мрежи,
00:29
that human beings have been assembling for hundreds of thousands of years,
6
14000
3000
в които човешките същества се събират от стотици хиляди години,
00:32
ever since we emerged from the African savannah.
7
17000
3000
откакто сме произлезли от африканската савана.
00:35
So, I form friendships and co-worker
8
20000
2000
И така, аз формирам приятелства и връзки
00:37
and sibling and relative relationships with other people
9
22000
3000
с колеги, роднини и относителни връзки с други хора,
00:40
who in turn have similar relationships with other people.
10
25000
2000
които от своя страна имат подобни отношения с други хора.
00:42
And this spreads on out endlessly into a distance.
11
27000
3000
И това се разпростира безкрайно надалеко.
00:45
And you get a network that looks like this.
12
30000
2000
Получавате мрежа, която изглежда така.
00:47
Every dot is a person.
13
32000
2000
Всяка точка е човек.
00:49
Every line between them is a relationship between two people --
14
34000
2000
Всяка линия между тях е връзка между двама души --
00:51
different kinds of relationships.
15
36000
2000
различни видове връзки.
00:53
And you can get this kind of vast fabric of humanity,
16
38000
3000
И можете да получите този вид голяма структура на човечеството,
00:56
in which we're all embedded.
17
41000
2000
в която всички сме вградени.
00:58
And my colleague, James Fowler and I have been studying for quite sometime
18
43000
3000
И моят колега, Джеймс Фаулър, и аз изучаваме от известно време,
01:01
what are the mathematical, social,
19
46000
2000
какви са математическите, социалните,
01:03
biological and psychological rules
20
48000
3000
биологичните и психологическите правила,
01:06
that govern how these networks are assembled
21
51000
2000
които управляват как тези мрежи са образувани,
01:08
and what are the similar rules
22
53000
2000
и какви са сходните правила,
01:10
that govern how they operate, how they affect our lives.
23
55000
3000
които управляват как те функционират, как засягат нашия живот.
01:13
But recently, we've been wondering
24
58000
2000
И наскоро започнахме да се чудим,
01:15
whether it might be possible to take advantage of this insight,
25
60000
3000
дали не би било възможно да се възползваме от това прозрение,
01:18
to actually find ways to improve the world,
26
63000
2000
всъщност да намерим начини за подобряване на света,
01:20
to do something better,
27
65000
2000
да направим нещо по-добро,
01:22
to actually fix things, not just understand things.
28
67000
3000
всъщност да оправяме неща, а не само да ги разбираме.
01:25
So one of the first things we thought we would tackle
29
70000
3000
Така че едно от първите неща, които си мислим, че ще преборим,
01:28
would be how we go about predicting epidemics.
30
73000
3000
е как ще прогнозираме епидемиите.
01:31
And the current state of the art in predicting an epidemic --
31
76000
2000
Сегашния най-развит метод за прогнозиране на епидемия --
01:33
if you're the CDC or some other national body --
32
78000
3000
ако сте Центъра по контрол и профилактика на заболяванията [на англ. CDC] или друг национален орган --
01:36
is to sit in the middle where you are
33
81000
2000
е да стоите по средата, където сте,
01:38
and collect data
34
83000
2000
и да събирате данни
01:40
from physicians and laboratories in the field
35
85000
2000
от лекари и лаборатории в областта,
01:42
that report the prevalence or the incidence of certain conditions.
36
87000
3000
които докладват за преобладаването, или разпространението на определени заболявания.
01:45
So, so and so patients have been diagnosed with something,
37
90000
3000
Толкова, толкова и толкова пациента са диагностицирани с нещо,
01:48
or other patients have been diagnosed,
38
93000
2000
или други пациенти са диагностицирани,
01:50
and all these data are fed into a central repository, with some delay.
39
95000
3000
и всички тези данни се вкарват в централно хранилище с известно закъснение.
01:53
And if everything goes smoothly,
40
98000
2000
И ако всичко върви гладко,
01:55
one to two weeks from now
41
100000
2000
след 1-2 седмици
01:57
you'll know where the epidemic was today.
42
102000
3000
ще знаете къде е била епидемията днес.
02:00
And actually, about a year or so ago,
43
105000
2000
И всъщност преди около една година
02:02
there was this promulgation
44
107000
2000
беше обявена идеята
02:04
of the idea of Google Flu Trends, with respect to the flu,
45
109000
3000
за Гугъл грипни тенденции, по отношение на грипа,
02:07
where by looking at people's searching behavior today,
46
112000
3000
където, гледайки поведението на търсене на хората днес,
02:10
we could know where the flu --
47
115000
2000
бихме могли да знаем къде грипа ...
02:12
what the status of the epidemic was today,
48
117000
2000
какво е състоянието на епидемията днес,
02:14
what's the prevalence of the epidemic today.
49
119000
3000
какво е разпространението на епидемията днес.
02:17
But what I'd like to show you today
50
122000
2000
Но това, което бих искал да ви покажа днес
02:19
is a means by which we might get
51
124000
2000
е средство, чрез което можем да получим,
02:21
not just rapid warning about an epidemic,
52
126000
3000
не само бързо предупреждение за епидемия,
02:24
but also actually
53
129000
2000
но също и
02:26
early detection of an epidemic.
54
131000
2000
ранно откриване на епидемия.
02:28
And, in fact, this idea can be used
55
133000
2000
И всъщност, тази идея може да се използва
02:30
not just to predict epidemics of germs,
56
135000
3000
не само за предсказване на епидемия от микроби,
02:33
but also to predict epidemics of all sorts of kinds.
57
138000
3000
но също и да предсказва епидемии от най-различен вид.
02:37
For example, anything that spreads by a form of social contagion
58
142000
3000
Например, всичко, което се разпространява като един вид социална зараза,
02:40
could be understood in this way,
59
145000
2000
може да бъде разбрано по този начин,
02:42
from abstract ideas on the left
60
147000
2000
от абстрактни идеи от една страна,
02:44
like patriotism, or altruism, or religion
61
149000
3000
като патриотизъм, или алтруизъм, или религия,
02:47
to practices
62
152000
2000
до практики
02:49
like dieting behavior, or book purchasing,
63
154000
2000
като диетично поведение, или купуване на книги,
02:51
or drinking, or bicycle-helmet [and] other safety practices,
64
156000
3000
или пиене, или велосипедна-каска [и] други практики за безопасност,
02:54
or products that people might buy,
65
159000
2000
или продукти, които хората могат да купуват,
02:56
purchases of electronic goods,
66
161000
2000
покупка на електронни стоки,
02:58
anything in which there's kind of an interpersonal spread.
67
163000
3000
всичко, в което има нещо като междуличностно разпространение.
03:01
A kind of a diffusion of innovation
68
166000
2000
Нещо като разпространение на иновациите
03:03
could be understood and predicted
69
168000
2000
може да бъде разбрано и прогнозирано
03:05
by the mechanism I'm going to show you now.
70
170000
3000
от механизма, който ще ви покажа сега.
03:08
So, as all of you probably know,
71
173000
2000
И така, както всички от вас може би знаят,
03:10
the classic way of thinking about this
72
175000
2000
класическия начин да си мислим за това
03:12
is the diffusion-of-innovation,
73
177000
2000
е разпространението на иновациите,
03:14
or the adoption curve.
74
179000
2000
или "кривата на усвояване."
03:16
So here on the Y-axis, we have the percent of the people affected,
75
181000
2000
Така, тук по оста Y е процента на засегнатите хора,
03:18
and on the X-axis, we have time.
76
183000
2000
и по оста X е времето.
03:20
And at the very beginning, not too many people are affected,
77
185000
3000
И в самото начало, засегнатите хора не са твърде много,
03:23
and you get this classic sigmoidal,
78
188000
2000
и ще получите тази класическа сигмоида,
03:25
or S-shaped, curve.
79
190000
2000
или S-образна крива.
03:27
And the reason for this shape is that at the very beginning,
80
192000
2000
И причината за тази форма е, че в самото начало,
03:29
let's say one or two people
81
194000
2000
да приемем, че един или двама души
03:31
are infected, or affected by the thing
82
196000
2000
са засегнати, или заразени от нещото,
03:33
and then they affect, or infect, two people,
83
198000
2000
и след това те засягат, или заразяват, двама човека,
03:35
who in turn affect four, eight, 16 and so forth,
84
200000
3000
които на свой ред засягат четири, осем, 16 и т.н.,
03:38
and you get the epidemic growth phase of the curve.
85
203000
3000
и получавате фазата на растеж на епидемията върху кривата.
03:41
And eventually, you saturate the population.
86
206000
2000
И накрая, населението се насища.
03:43
There are fewer and fewer people
87
208000
2000
Има все по-малко хора,
03:45
who are still available that you might infect,
88
210000
2000
които все още са на разположение, за да могат да бъдат заразени,
03:47
and then you get the plateau of the curve,
89
212000
2000
и тогава получавате платото на кривата,
03:49
and you get this classic sigmoidal curve.
90
214000
3000
и ще получите тази класическа S-образна крива.
03:52
And this holds for germs, ideas,
91
217000
2000
И това се отнася и за микроби, идеи,
03:54
product adoption, behaviors,
92
219000
2000
възприемане на продукти, поведение
03:56
and the like.
93
221000
2000
и други подобни.
03:58
But things don't just diffuse in human populations at random.
94
223000
3000
Но нещата не се разпространяват на случаен принцип в човешките популации.
04:01
They actually diffuse through networks.
95
226000
2000
Те всъщност се разпространяват чрез мрежи.
04:03
Because, as I said, we live our lives in networks,
96
228000
3000
Понеже, както казах, ние живеем живота си в мрежи,
04:06
and these networks have a particular kind of a structure.
97
231000
3000
и тези мрежи имат определен вид структура.
04:09
Now if you look at a network like this --
98
234000
2000
Сега, ако се вгледате в мрежа като този ...
04:11
this is 105 people.
99
236000
2000
Това са 105 души.
04:13
And the lines represent -- the dots are the people,
100
238000
2000
И линиите представляват ... точките са хората,
04:15
and the lines represent friendship relationships.
101
240000
2000
а линиите представляват приятелски отношения.
04:17
You might see that people occupy
102
242000
2000
Можете да видите, че хората заемат
04:19
different locations within the network.
103
244000
2000
различни места в мрежата.
04:21
And there are different kinds of relationships between the people.
104
246000
2000
И има различни видове взаимоотношения между хората.
04:23
You could have friendship relationships, sibling relationships,
105
248000
3000
Може да има приятелски взаимоотношения, отношения между братя и сестри,
04:26
spousal relationships, co-worker relationships,
106
251000
3000
съпружески взаимоотношения, колегиални отношения,
04:29
neighbor relationships and the like.
107
254000
3000
съседски взаимоотношения и други подобни.
04:32
And different sorts of things
108
257000
2000
И различни видове неща,
04:34
spread across different sorts of ties.
109
259000
2000
разпространени в различни видове връзки.
04:36
For instance, sexually transmitted diseases
110
261000
2000
Например, полово предавани болести,
04:38
will spread across sexual ties.
111
263000
2000
ще се разпространяват чрез сексуални връзки.
04:40
Or, for instance, people's smoking behavior
112
265000
2000
Или например, пушенето на хората,
04:42
might be influenced by their friends.
113
267000
2000
може да бъде повлияно от техните приятели.
04:44
Or their altruistic or their charitable giving behavior
114
269000
2000
Или тяхното алтруистично или благотворително поведение,
04:46
might be influenced by their coworkers,
115
271000
2000
може да бъде повлияно от колегите им,
04:48
or by their neighbors.
116
273000
2000
или от техните съседи.
04:50
But not all positions in the network are the same.
117
275000
3000
Но не всички позиции в мрежата са еднакви.
04:53
So if you look at this, you might immediately grasp
118
278000
2000
Така че, ако се вгледате в това, може незабавно да схванете,
04:55
that different people have different numbers of connections.
119
280000
3000
че различните хора имат различен брой връзки.
04:58
Some people have one connection, some have two,
120
283000
2000
Някои хора имат една връзка, някои са с две,
05:00
some have six, some have 10 connections.
121
285000
3000
някои имат шест, други са с десет връзки.
05:03
And this is called the "degree" of a node,
122
288000
2000
И това се нарича степен на един възел,
05:05
or the number of connections that a node has.
123
290000
2000
или броя на връзките, които има един възел.
05:07
But in addition, there's something else.
124
292000
2000
Но, освен това, има нещо друго.
05:09
So, if you look at nodes A and B,
125
294000
2000
Така например, ако погледнете възлите А и Б,
05:11
they both have six connections.
126
296000
2000
те и двата имат шест връзки.
05:13
But if you can see this image [of the network] from a bird's eye view,
127
298000
3000
Но ако видите тази диаграма от птичи поглед,
05:16
you can appreciate that there's something very different
128
301000
2000
можете да оцените, че има нещо много различно
05:18
about nodes A and B.
129
303000
2000
между възлите А и Б.
05:20
So, let me ask you this -- I can cultivate this intuition by asking a question --
130
305000
3000
Така че, нека да ви попитам -- мога да направя това интуитивно, като задам въпрос --
05:23
who would you rather be
131
308000
2000
кой бихте искали да бъдете,
05:25
if a deadly germ was spreading through the network, A or B?
132
310000
3000
ако смъртоносен вирус се разпространява през мрежата, А или Б?
05:28
(Audience: B.) Nicholas Christakis: B, it's obvious.
133
313000
2000
(Публиката: Б.) Николас Христакис: Б, това е очевидно.
05:30
B is located on the edge of the network.
134
315000
2000
Б се намира на края на мрежата.
05:32
Now, who would you rather be
135
317000
2000
Сега, кой бихте искали да бъдете,
05:34
if a juicy piece of gossip were spreading through the network?
136
319000
3000
ако пикантна клюка са разпространява през мрежата?
05:37
A. And you have an immediate appreciation
137
322000
3000
А. И можете да оцените непосредствено,
05:40
that A is going to be more likely
138
325000
2000
че А е по-вероятно
05:42
to get the thing that's spreading and to get it sooner
139
327000
3000
да получи новината, която се разпространява, и да я получи по-скоро,
05:45
by virtue of their structural location within the network.
140
330000
3000
благодарение на структурното си разположение в рамките на мрежата.
05:48
A, in fact, is more central,
141
333000
2000
А, всъщност, е по-централен,
05:50
and this can be formalized mathematically.
142
335000
3000
и това може да се формализира математически.
05:53
So, if we want to track something
143
338000
2000
Така че, ако искаме да проследим нещо,
05:55
that was spreading through a network,
144
340000
3000
което се разпространява през мрежа,
05:58
what we ideally would like to do is to set up sensors
145
343000
2000
това, което в идеалния случай бихме искали да направим, е да поставим сензори
06:00
on the central individuals within the network,
146
345000
2000
на централните лица в рамките на мрежата,
06:02
including node A,
147
347000
2000
включително възел А,
06:04
monitor those people that are right there in the middle of the network,
148
349000
3000
и да наблюдаваме тези хора, които са там в средата на мрежата,
06:07
and somehow get an early detection
149
352000
2000
и някак си да открием рано,
06:09
of whatever it is that is spreading through the network.
150
354000
3000
каквото и да се разпространява чрез мрежата.
06:12
So if you saw them contract a germ or a piece of information,
151
357000
3000
Така че, ако ги видите да получават вирус, или информация,
06:15
you would know that, soon enough,
152
360000
2000
ще знаете, че доста скоро,
06:17
everybody was about to contract this germ
153
362000
2000
всеки ще е на път да получи този вирус,
06:19
or this piece of information.
154
364000
2000
или тази информация.
06:21
And this would be much better
155
366000
2000
И това ще бъде много по-добре,
06:23
than monitoring six randomly chosen people,
156
368000
2000
отколкото да се наблюдават шест произволно избрани хора,
06:25
without reference to the structure of the population.
157
370000
3000
без оглед на структурата на населението.
06:28
And in fact, if you could do that,
158
373000
2000
И всъщност, ако бихме могли да направим това,
06:30
what you would see is something like this.
159
375000
2000
това, което ще видим е нещо подобно
06:32
On the left-hand panel, again, we have the S-shaped curve of adoption.
160
377000
3000
на таблото от лявата страна, отново, имаме S-образна крива на усвояване.
06:35
In the dotted red line, we show
161
380000
2000
С пунктираната червена линия показваме,
06:37
what the adoption would be in the random people,
162
382000
2000
какво ще бъде усвояването при случайни хора,
06:39
and in the left-hand line, shifted to the left,
163
384000
3000
и на линията от ляво, изместена на ляво,
06:42
we show what the adoption would be
164
387000
2000
показваме какво ще е усвояването
06:44
in the central individuals within the network.
165
389000
2000
при индивидите, разположени в централната част на мрежата.
06:46
On the Y-axis is the cumulative instances of contagion,
166
391000
2000
По оста Y са сумарните случаи на зараза,
06:48
and on the X-axis is the time.
167
393000
2000
а по оста X е времето.
06:50
And on the right-hand side, we show the same data,
168
395000
2000
И от дясната страна, показваме същите данни,
06:52
but here with daily incidence.
169
397000
2000
но с дневни инциденти.
06:54
And what we show here is -- like, here --
170
399000
2000
И това, което показваме тук е - като, тук --
06:56
very few people are affected, more and more and more and up to here,
171
401000
2000
много малко хора са засегнати, все повече, и повече, и повече до тук,
06:58
and here's the peak of the epidemic.
172
403000
2000
и тук е пикът на епидемията.
07:00
But shifted to the left is what's occurring in the central individuals.
173
405000
2000
Но изместено наляво е това, което се случва при индивидите в центъра.
07:02
And this difference in time between the two
174
407000
3000
И тази разлика във времето между двете групи
07:05
is the early detection, the early warning we can get,
175
410000
3000
е ранното откриване, ранното предупреждение, което можем да получим,
07:08
about an impending epidemic
176
413000
2000
за предстоящата епидемия
07:10
in the human population.
177
415000
2000
в човешката популация.
07:12
The problem, however,
178
417000
2000
Проблемът, обаче е,
07:14
is that mapping human social networks
179
419000
2000
че пълното описание на човешките социални мрежи
07:16
is not always possible.
180
421000
2000
е не винаги възможно.
07:18
It can be expensive, not feasible,
181
423000
2000
Може да бъде скъпо, [неосъществимо],
07:20
unethical,
182
425000
2000
неетично,
07:22
or, frankly, just not possible to do such a thing.
183
427000
3000
или, честно казано, просто не е възможно да се направи такова нещо.
07:25
So, how can we figure out
184
430000
2000
И така, как можем да разберем,
07:27
who the central people are in a network
185
432000
2000
кои са хората в центъра на мрежата,
07:29
without actually mapping the network?
186
434000
3000
без всъщност да описваме мрежата в детайли?
07:32
What we came up with
187
437000
2000
Това, което ни хрумна
07:34
was an idea to exploit an old fact,
188
439000
2000
беше идеята да се използва една много стара практика,
07:36
or a known fact, about social networks,
189
441000
2000
или известен факт за социалните мрежи,
07:38
which goes like this:
190
443000
2000
който гласи нещо от сорта на:
07:40
Do you know that your friends
191
445000
2000
Знаете ли, че вашите приятели
07:42
have more friends than you do?
192
447000
3000
имат повече приятели от вас?
07:45
Your friends have more friends than you do,
193
450000
3000
Вашите приятели имат повече приятели от вас.
07:48
and this is known as the friendship paradox.
194
453000
2000
И това е известно като парадокса на приятелството.
07:50
Imagine a very popular person in the social network --
195
455000
2000
Представете си един много популярен човек в социалната мрежа --
07:52
like a party host who has hundreds of friends --
196
457000
3000
като домакин на парти, който има стотици приятели --
07:55
and a misanthrope who has just one friend,
197
460000
2000
и мизантроп, който има само един приятел,
07:57
and you pick someone at random from the population;
198
462000
3000
и вие избирате някого на случаен принцип от населението;
08:00
they were much more likely to know the party host.
199
465000
2000
той е много по-вероятно да познава домакина на партито.
08:02
And if they nominate the party host as their friend,
200
467000
2000
И ако те определят домакина на партито като свой приятел,
08:04
that party host has a hundred friends,
201
469000
2000
този домакин на парти има сто приятели,
08:06
therefore, has more friends than they do.
202
471000
3000
следователно, има повече приятели, отколкото тях.
08:09
And this, in essence, is what's known as the friendship paradox.
203
474000
3000
И това по същество е известно като парадокса на приятелството.
08:12
The friends of randomly chosen people
204
477000
3000
Приятелите на случайно избрани хора
08:15
have higher degree, and are more central
205
480000
2000
имат по-висока степен и са по-централни,
08:17
than the random people themselves.
206
482000
2000
отколкото самите случайни хора.
08:19
And you can get an intuitive appreciation for this
207
484000
2000
Можете да получите интуитивна представа за това,
08:21
if you imagine just the people at the perimeter of the network.
208
486000
3000
ако си представите само хората в периметъра на мрежата.
08:24
If you pick this person,
209
489000
2000
Ако изберете този човек,
08:26
the only friend they have to nominate is this person,
210
491000
3000
единственият приятел, който той трябва да избере, е този човек,
08:29
who, by construction, must have at least two
211
494000
2000
който по построение, трябва да има поне двама,
08:31
and typically more friends.
212
496000
2000
и обикновено повече приятели.
08:33
And that happens at every peripheral node.
213
498000
2000
И това се случва със всеки периферен възел.
08:35
And in fact, it happens throughout the network as you move in,
214
500000
3000
И всъщност, това се случва в рамките на цялата мрежа, докато се придвижвате навътре,
08:38
everyone you pick, when they nominate a random --
215
503000
2000
всекиго, когото изберете, ако те номинират случайно ...
08:40
when a random person nominates a friend of theirs,
216
505000
3000
когато случаен човек номинира свой приятел,
08:43
you move closer to the center of the network.
217
508000
3000
се придвижвате по-близо до центъра на мрежата.
08:46
So, we thought we would exploit this idea
218
511000
3000
Така че, ние решихме, че можем да използваме тази идея,
08:49
in order to study whether we could predict phenomena within networks.
219
514000
3000
за да проучим дали можем да предскажем явления в мрежи.
08:52
Because now, with this idea
220
517000
2000
Защото сега, с тази идея,
08:54
we can take a random sample of people,
221
519000
2000
можем да вземем случайна извадка от хора,
08:56
have them nominate their friends,
222
521000
2000
да ги накараме да номинират своите приятели,
08:58
those friends would be more central,
223
523000
2000
тези приятели ще бъдат по-централни,
09:00
and we could do this without having to map the network.
224
525000
3000
и можем да направим това, без да се налага да съставяме карта на мрежата.
09:03
And we tested this idea with an outbreak of H1N1 flu
225
528000
3000
И ние тествахме тази идея с разпространението на H1N1 грип
09:06
at Harvard College
226
531000
2000
в Харвардския колеж,
09:08
in the fall and winter of 2009, just a few months ago.
227
533000
3000
през есента и зимата на 2009 година, само преди няколко месеца.
09:11
We took 1,300 randomly selected undergraduates,
228
536000
3000
Взехме 1300 случайно подбрани студенти,
09:14
we had them nominate their friends,
229
539000
2000
накарахме ги да номинират своите приятели,
09:16
and we followed both the random students and their friends
230
541000
2000
и следвахме както случайно избрани студенти, така и техните приятели,
09:18
daily in time
231
543000
2000
ежедневно във времето,
09:20
to see whether or not they had the flu epidemic.
232
545000
3000
за да видим дали те имат, или не, грипна епидемия.
09:23
And we did this passively by looking at whether or not they'd gone to university health services.
233
548000
3000
И ние правихме това пасивно, гледайки дали те са ползвали, или не, университетския здравен център.
09:26
And also, we had them [actively] email us a couple of times a week.
234
551000
3000
И също така, те трябваше да ни пишат няколко пъти в седмицата.
09:29
Exactly what we predicted happened.
235
554000
3000
Случи се точно това, което предсказахме.
09:32
So the random group is in the red line.
236
557000
3000
Случайната група е с червената линия.
09:35
The epidemic in the friends group has shifted to the left, over here.
237
560000
3000
Епидемията в групата на приятелите се измести наляво, до тук.
09:38
And the difference in the two is 16 days.
238
563000
3000
И разликата в двете е 16 дни.
09:41
By monitoring the friends group,
239
566000
2000
Чрез наблюдение на групата приятели,
09:43
we could get 16 days advance warning
240
568000
2000
можахме да получим 16 дни предупреждение в аванс,
09:45
of an impending epidemic in this human population.
241
570000
3000
за предстояща епидемия в тази човешка популация.
09:48
Now, in addition to that,
242
573000
2000
Сега, в допълнение към това,
09:50
if you were an analyst who was trying to study an epidemic
243
575000
3000
ако сте анализатор, който се опитва да изучава епидемиите,
09:53
or to predict the adoption of a product, for example,
244
578000
3000
или да предвиди усвояването на даден продукт, например,
09:56
what you could do is you could pick a random sample of the population,
245
581000
3000
това, което бихте могли да направите, е да изберете случайна извадка от населението,
09:59
also have them nominate their friends and follow the friends
246
584000
3000
да ги накарете да номинират своите приятели и да проследите приятелите,
10:02
and follow both the randoms and the friends.
247
587000
3000
и да следвате както случайните хора, така и приятелите.
10:05
Among the friends, the first evidence you saw of a blip above zero
248
590000
3000
Сред приятелите, първото доказателство, което видите за покачване над нулата
10:08
in adoption of the innovation, for example,
249
593000
3000
в усвояването на иновациите, например,
10:11
would be evidence of an impending epidemic.
250
596000
2000
ще бъде доказателство за предстояща епидемия.
10:13
Or you could see the first time the two curves diverged,
251
598000
3000
Или можете да видите първия път, когато двете криви се разклоняват,
10:16
as shown on the left.
252
601000
2000
както е показано в ляво.
10:18
When did the randoms -- when did the friends take off
253
603000
3000
Кога случайните ... кога приятелите се отделят
10:21
and leave the randoms,
254
606000
2000
и оставят случайните хора,
10:23
and [when did] their curve start shifting?
255
608000
2000
и техните криви започват да се отместват?
10:25
And that, as indicated by the white line,
256
610000
2000
И това, както е показано от бялата линия,
10:27
occurred 46 days
257
612000
2000
настъпи на 46 ден,
10:29
before the peak of the epidemic.
258
614000
2000
преди пика на епидемията.
10:31
So this would be a technique
259
616000
2000
Така че това може да бъде техника,
10:33
whereby we could get more than a month-and-a-half warning
260
618000
2000
с която бихме могли да получим повече от месец и половина предупреждение,
10:35
about a flu epidemic in a particular population.
261
620000
3000
за грипна епидемия в определена популация.
10:38
I should say that
262
623000
2000
Трябва да кажа, че
10:40
how far advanced a notice one might get about something
263
625000
2000
колко ранно предупреждение може да се получи за нещо,
10:42
depends on a host of factors.
264
627000
2000
зависи от множество фактори.
10:44
It could depend on the nature of the pathogen --
265
629000
2000
Може да зависи от естеството на патогените --
10:46
different pathogens,
266
631000
2000
при различни патогени,
10:48
using this technique, you'd get different warning --
267
633000
2000
използвайки тази техника, може да получите различни предупреждения --
10:50
or other phenomena that are spreading,
268
635000
2000
или различни явления, които се разпространяват,
10:52
or frankly, on the structure of the human network.
269
637000
3000
или, честно казано, от структурата на човешката мрежа.
10:55
Now in our case, although it wasn't necessary,
270
640000
3000
Сега, в нашия случай, въпреки че не беше необходимо,
10:58
we could also actually map the network of the students.
271
643000
2000
можехме да направим карта на мрежата на студентите.
11:00
So, this is a map of 714 students
272
645000
2000
Така че, това е картата на 714 студенти
11:02
and their friendship ties.
273
647000
2000
и техните приятелски връзки.
11:04
And in a minute now, I'm going to put this map into motion.
274
649000
2000
И след една минута ще оживя тази карта.
11:06
We're going to take daily cuts through the network
275
651000
2000
Ще направим дневни снимки на мрежата
11:08
for 120 days.
276
653000
2000
за 120 дни.
11:10
The red dots are going to be cases of the flu,
277
655000
3000
Червените точки ще са случаите на грип,
11:13
and the yellow dots are going to be friends of the people with the flu.
278
658000
3000
а жълтите точки ще бъдат приятели на хората с грип.
11:16
And the size of the dots is going to be proportional
279
661000
2000
И размерът на точките ще бъде пропорционален
11:18
to how many of their friends have the flu.
280
663000
2000
на това, колко много от техните приятели имат грип.
11:20
So bigger dots mean more of your friends have the flu.
281
665000
3000
Така че по-големите точки означават, че повече от вашите приятели имат грип.
11:23
And if you look at this image -- here we are now in September the 13th --
282
668000
3000
И ако се вгледате в тази графика -- това е от 13-и септември --
11:26
you're going to see a few cases light up.
283
671000
2000
можете да видите само няколко случаи да проблясват.
11:28
You're going to see kind of blooming of the flu in the middle.
284
673000
2000
Може да видите растежа на грипа по средата.
11:30
Here we are on October the 19th.
285
675000
3000
Това е от 19-и октомври.
11:33
The slope of the epidemic curve is approaching now, in November.
286
678000
2000
Наклонът на епидемичната крива се приближава сега през ноември.
11:35
Bang, bang, bang, bang, bang -- you're going to see lots of blooming in the middle,
287
680000
3000
Бам, бам, бам, бам, бам, ще видите много растеж в средата,
11:38
and then you're going to see a sort of leveling off,
288
683000
2000
и след това ще видите нещо като стабилизиране,
11:40
fewer and fewer cases towards the end of December.
289
685000
3000
и все по-малко случаи към края на декември.
11:43
And this type of a visualization
290
688000
2000
И този тип визуализация
11:45
can show that epidemics like this take root
291
690000
2000
показва, че епидемии като тази, се закореняват
11:47
and affect central individuals first,
292
692000
2000
и засягат първо индивидите в центъра,
11:49
before they affect others.
293
694000
2000
преди да засегнат останалите.
11:51
Now, as I've been suggesting,
294
696000
2000
Сега, както споменах,
11:53
this method is not restricted to germs,
295
698000
3000
този метод не се ограничава до микроби,
11:56
but actually to anything that spreads in populations.
296
701000
2000
но всъщност до всичко, което се разпространява в популациите.
11:58
Information spreads in populations,
297
703000
2000
Информацията се разпространява в популациите.
12:00
norms can spread in populations,
298
705000
2000
Норми може да се разпространяват в популациите.
12:02
behaviors can spread in populations.
299
707000
2000
Поведения могат да се разпространяват в популациите.
12:04
And by behaviors, I can mean things like criminal behavior,
300
709000
3000
И под поведения, имам предвид неща като престъпно поведение,
12:07
or voting behavior, or health care behavior,
301
712000
3000
или избирателно поведение, или здравно поведение,
12:10
like smoking, or vaccination,
302
715000
2000
като тютюнопушене, или ваксинация,
12:12
or product adoption, or other kinds of behaviors
303
717000
2000
или усвояване на продукт, или други видове поведения,
12:14
that relate to interpersonal influence.
304
719000
2000
които се отнасят до междуличностното влияние.
12:16
If I'm likely to do something that affects others around me,
305
721000
3000
Ако мога да направя нещо, което да засегне другите около мен,
12:19
this technique can get early warning or early detection
306
724000
3000
тази техника може да получи ранно предупреждение, или ранно откриване,
12:22
about the adoption within the population.
307
727000
3000
за усвояването в населението.
12:25
The key thing is that for it to work,
308
730000
2000
Ключовото нещо в това, за да работи е,
12:27
there has to be interpersonal influence.
309
732000
2000
че трябва да има междуличносто влияние.
12:29
It cannot be because of some broadcast mechanism
310
734000
2000
Не може да се дължи на някакъв предавателен механизъм,
12:31
affecting everyone uniformly.
311
736000
3000
който засяга всички по еднакъв начин.
12:35
Now the same insights
312
740000
2000
Сега, същите прозрения,
12:37
can also be exploited -- with respect to networks --
313
742000
3000
също може да бъдат използвани -- по отношение на мрежите --
12:40
can also be exploited in other ways,
314
745000
3000
също могат да бъдат използвани по други начини,
12:43
for example, in the use of targeting
315
748000
2000
например, при използването на фокусиране
12:45
specific people for interventions.
316
750000
2000
на определени хора за интервенции.
12:47
So, for example, most of you are probably familiar
317
752000
2000
Така например, повечето от вас вероятно са запознати
12:49
with the notion of herd immunity.
318
754000
2000
с понятието за стаден имунитет.
12:51
So, if we have a population of a thousand people,
319
756000
3000
Така че, ако имаме популация от хиляда души,
12:54
and we want to make the population immune to a pathogen,
320
759000
3000
и искаме да направим населението имунно към патогени,
12:57
we don't have to immunize every single person.
321
762000
2000
ние не трябва да имунизираме всеки един човек.
12:59
If we immunize 960 of them,
322
764000
2000
Ако имунизираме 960 от тях,
13:01
it's as if we had immunized a hundred [percent] of them.
323
766000
3000
ще бъде същото, както ако имунизираме сто [процента] от тях.
13:04
Because even if one or two of the non-immune people gets infected,
324
769000
3000
Защото, ако дори един или двама от неимунизираните хора станат заразени,
13:07
there's no one for them to infect.
325
772000
2000
няма да има кого да инфектират.
13:09
They are surrounded by immunized people.
326
774000
2000
Ще са заобиколени от имунизирани хора.
13:11
So 96 percent is as good as 100 percent.
327
776000
3000
Така че 96% е почти като 100%.
13:14
Well, some other scientists have estimated
328
779000
2000
Е, някои други учени изчислиха,
13:16
what would happen if you took a 30 percent random sample
329
781000
2000
какво ще се случи, ако се направи 30 процентова случайна извадка
13:18
of these 1000 people, 300 people and immunized them.
330
783000
3000
на тези 1300 души и ги имунизираме.
13:21
Would you get any population-level immunity?
331
786000
2000
Дали ще получим някакво ниво на имунитет на населението?
13:23
And the answer is no.
332
788000
3000
И отговорът е, не.
13:26
But if you took this 30 percent, these 300 people
333
791000
2000
Но ако вземете тези 30 процента, тези 300 души,
13:28
and had them nominate their friends
334
793000
2000
и ги накарате да номинират своите приятели,
13:30
and took the same number of vaccine doses
335
795000
3000
и вземете същия брой ваксини,
13:33
and vaccinated the friends of the 300 --
336
798000
2000
и ваксинирате приятелите на 300-та,
13:35
the 300 friends --
337
800000
2000
300-та приятели,
13:37
you can get the same level of herd immunity
338
802000
2000
ще получите същото ниво на стаден имунитет,
13:39
as if you had vaccinated 96 percent of the population
339
804000
3000
все едно сте ваксинирали 96% от населението,
13:42
at a much greater efficiency, with a strict budget constraint.
340
807000
3000
при много по-голяма ефективност, със строго ограничен бюджет.
13:45
And similar ideas can be used, for instance,
341
810000
2000
И подобни идеи могат да бъдат използвани, например,
13:47
to target distribution of things like bed nets
342
812000
2000
за разпределението на неща, като мрежи за легла,
13:49
in the developing world.
343
814000
2000
в развиващия се свят.
13:51
If we could understand the structure of networks in villages,
344
816000
3000
Ако можем да разберем структурата на мрежите в селата,
13:54
we could target to whom to give the interventions
345
819000
2000
може да насочим към кого да дадем интервенциите,
13:56
to foster these kinds of spreads.
346
821000
2000
за насърчаването на тези видове покривала.
13:58
Or, frankly, for advertising with all kinds of products.
347
823000
3000
Или, честно казано, за рекламиране на всякакви видове продукти.
14:01
If we could understand how to target,
348
826000
2000
Ако можем да разберем как да се фокусираме,
14:03
it could affect the efficiency
349
828000
2000
това ще повлияе на ефективността,
14:05
of what we're trying to achieve.
350
830000
2000
на това, което се опитваме да постигнем.
14:07
And in fact, we can use data
351
832000
2000
И в действителност, можем да използваме данни
14:09
from all kinds of sources nowadays [to do this].
352
834000
2000
от различни видове източници, [за да правим това] днес.
14:11
This is a map of eight million phone users
353
836000
2000
Това е карта на осем милиона телефонни потребители
14:13
in a European country.
354
838000
2000
в една европейска държава.
14:15
Every dot is a person, and every line represents
355
840000
2000
Всяка точка е човек, и всяка линия представлява
14:17
a volume of calls between the people.
356
842000
2000
обемът на разговорите между хората.
14:19
And we can use such data, that's being passively obtained,
357
844000
3000
И можем да използваме такива данни, които са пасивно получени,
14:22
to map these whole countries
358
847000
2000
за да опишем целите тези страни,
14:24
and understand who is located where within the network.
359
849000
3000
и да разберем кой къде се намира в рамките на мрежата.
14:27
Without actually having to query them at all,
360
852000
2000
Без всъщност да се налага да ги питаме,
14:29
we can get this kind of a structural insight.
361
854000
2000
можем да получим това структурно наблюдение.
14:31
And other sources of information, as you're no doubt aware
362
856000
3000
И други източници на информация, както без съмнение ви е известно,
14:34
are available about such features, from email interactions,
363
859000
3000
са на разположение, за информация като електронни взаимодействия,
14:37
online interactions,
364
862000
2000
онлайн взаимодействия,
14:39
online social networks and so forth.
365
864000
3000
онлайн социални мрежи и други.
14:42
And in fact, we are in the era of what I would call
366
867000
2000
И всъщност, ние сме в ерата на това, което бих нарекъл
14:44
"massive-passive" data collection efforts.
367
869000
3000
масивни-пасивни усилия за събиране на данни.
14:47
They're all kinds of ways we can use massively collected data
368
872000
3000
Има всякакви начини за използване на масово събирани данни
14:50
to create sensor networks
369
875000
3000
за създаване на сензорни мрежи,
14:53
to follow the population,
370
878000
2000
които да следат населението,
14:55
understand what's happening in the population,
371
880000
2000
разбират какво се случва в населението
14:57
and intervene in the population for the better.
372
882000
3000
и да се намесват в населението за по-добро.
15:00
Because these new technologies tell us
373
885000
2000
Понеже тези нови технологии ни казават,
15:02
not just who is talking to whom,
374
887000
2000
не само кой говори с кого,
15:04
but where everyone is,
375
889000
2000
но и къде е всеки,
15:06
and what they're thinking based on what they're uploading on the Internet,
376
891000
3000
и това, което мислят, въз основа на това, което качват в интернет,
15:09
and what they're buying based on their purchases.
377
894000
2000
и това, което купуват, въз основа на техните покупки.
15:11
And all this administrative data can be pulled together
378
896000
3000
И всички тези административни данни могат да бъдат използвани заедно
15:14
and processed to understand human behavior
379
899000
2000
и обработени, за да разберем поведението на хората,
15:16
in a way we never could before.
380
901000
3000
по начин, по който не сме могли да го сторим преди.
15:19
So, for example, we could use truckers' purchases of fuel.
381
904000
3000
Така например, бихме могли да използваме покупките на гориво на шофьорите на камиони.
15:22
So the truckers are just going about their business,
382
907000
2000
И така, шофьорите на камиони развиват търговията си,
15:24
and they're buying fuel.
383
909000
2000
и те закупуват гориво.
15:26
And we see a blip up in the truckers' purchases of fuel,
384
911000
3000
И когато видим нарастване в покупките на гориво на шофьорите на камиони,
15:29
and we know that a recession is about to end.
385
914000
2000
знаем, че рецесията е на път да свърши.
15:31
Or we can monitor the velocity
386
916000
2000
Или можем да наблюдаваме скоростта,
15:33
with which people are moving with their phones on a highway,
387
918000
3000
с която хората се движат с телефоните си по магистралата,
15:36
and the phone company can see,
388
921000
2000
и телефонната компания може да види,
15:38
as the velocity is slowing down,
389
923000
2000
докато скоростта намалява,
15:40
that there's a traffic jam.
390
925000
2000
че има задръстване.
15:42
And they can feed that information back to their subscribers,
391
927000
3000
И те могат да изпратят тази информация обратно на своите абонати,
15:45
but only to their subscribers on the same highway
392
930000
2000
но само на абонатите си по същата магистрала,
15:47
located behind the traffic jam!
393
932000
2000
намираща се зад задръстването.
15:49
Or we can monitor doctors prescribing behaviors, passively,
394
934000
3000
Или можем да следим лекарското поведение на изписване на лекарства, пасивно,
15:52
and see how the diffusion of innovation with pharmaceuticals
395
937000
3000
като видим как разпространението на иновациите с фармацевтични продукти
15:55
occurs within [networks of] doctors.
396
940000
2000
се случва при лекарите.
15:57
Or again, we can monitor purchasing behavior in people
397
942000
2000
Или отново, можем да наблюдаваме покупателното поведение на хората,
15:59
and watch how these types of phenomena
398
944000
2000
и да гледам как тези явления
16:01
can diffuse within human populations.
399
946000
3000
могат да се разпространяват в човешки популации.
16:04
And there are three ways, I think,
400
949000
2000
И има три начина, мисля,
16:06
that these massive-passive data can be used.
401
951000
2000
по които могат да бъдат използвани тези масивни-пасивни данни.
16:08
One is fully passive,
402
953000
2000
Единият е напълно пасивен,
16:10
like I just described --
403
955000
2000
както току-що описах.
16:12
as in, for instance, the trucker example,
404
957000
2000
Например, при шофьорът на камиона,
16:14
where we don't actually intervene in the population in any way.
405
959000
2000
където всъщност не се намесваме в популацията по никакъв начин.
16:16
One is quasi-active,
406
961000
2000
Един от тях е полуактивен,
16:18
like the flu example I gave,
407
963000
2000
като примера с грипа, който дадох,
16:20
where we get some people to nominate their friends
408
965000
3000
където накарахме някои хора да номинират своите приятели
16:23
and then passively monitor their friends --
409
968000
2000
и след това пасивно наблюдавахме техните приятели --
16:25
do they have the flu, or not? -- and then get warning.
410
970000
2000
дали имат грип, или не? -- и след това получихме предупреждение.
16:27
Or another example would be,
411
972000
2000
Или друг пример ще бъде,
16:29
if you're a phone company, you figure out who's central in the network
412
974000
3000
ако сте телефонна компания, и сте наясно кой е нa централно място в мрежата,
16:32
and you ask those people, "Look, will you just text us your fever every day?
413
977000
3000
и помолите тези хора, "Вижте, може ли просто да ни изпратите съобщение с вашата температура всеки ден?
16:35
Just text us your temperature."
414
980000
2000
Просто SMS с температурата."
16:37
And collect vast amounts of information about people's temperature,
415
982000
3000
И да съберете огромно количество информация за температурата на хората,
16:40
but from centrally located individuals.
416
985000
2000
но само от централно разположените лица.
16:42
And be able, on a large scale,
417
987000
2000
И да имате възможност, в голям мащаб,
16:44
to monitor an impending epidemic
418
989000
2000
да наблюдавате предстояща епидемия,
16:46
with very minimal input from people.
419
991000
2000
с много минимална информация от хората.
16:48
Or, finally, it can be more fully active --
420
993000
2000
Или може да бъде много по-активен начин --
16:50
as I know subsequent speakers will also talk about today --
421
995000
2000
за което знам, че други ще говорят днес --
16:52
where people might globally participate in wikis,
422
997000
2000
където хората могат да участват в световен мащаб в уикита,
16:54
or photographing, or monitoring elections,
423
999000
3000
или фотографиране, или наблюдение на избори,
16:57
and upload information in a way that allows us to pool
424
1002000
2000
и качване на информация по начин, по който можем да я извличаме,
16:59
information in order to understand social processes
425
1004000
2000
за да разбираме обществени процеси
17:01
and social phenomena.
426
1006000
2000
и социални явления.
17:03
In fact, the availability of these data, I think,
427
1008000
2000
Всъщност, наличието на тези данни, мисля,
17:05
heralds a kind of new era
428
1010000
2000
предвещава една нова ера,
17:07
of what I and others would like to call
429
1012000
2000
на това, което аз и други, бихме искали да наречем
17:09
"computational social science."
430
1014000
2000
изчислителна социална наука.
17:11
It's sort of like when Galileo invented -- or, didn't invent --
431
1016000
3000
Това е нещо като Галилео, когато изобретил -- или, не го е изобретил --
17:14
came to use a telescope
432
1019000
2000
но започнал да използва телескопа,
17:16
and could see the heavens in a new way,
433
1021000
2000
и могъл да види небето по нов начин,
17:18
or Leeuwenhoek became aware of the microscope --
434
1023000
2000
или когато Льовенхук се запознал с микроскопа --
17:20
or actually invented --
435
1025000
2000
или всъщност го изобретил --
17:22
and could see biology in a new way.
436
1027000
2000
и можал да види биологията по нов начин.
17:24
But now we have access to these kinds of data
437
1029000
2000
Но сега имаме достъп до този вид данни,
17:26
that allow us to understand social processes
438
1031000
2000
които ни позволяват да разберем социални процеси
17:28
and social phenomena
439
1033000
2000
и социални явления,
17:30
in an entirely new way that was never before possible.
440
1035000
3000
по един изцяло нов начин, който не бил възможен преди.
17:33
And with this science, we can
441
1038000
2000
И с тази наука, ние можем
17:35
understand how exactly
442
1040000
2000
да разберем как точно
17:37
the whole comes to be greater
443
1042000
2000
цялата част става по-голяма,
17:39
than the sum of its parts.
444
1044000
2000
от сбора на съставните й части.
17:41
And actually, we can use these insights
445
1046000
2000
И всъщност, ние можем да използваме тези данни,
17:43
to improve society and improve human well-being.
446
1048000
3000
за подобряване на обществото и подобряване на човешкото благополучие.
17:46
Thank you.
447
1051000
2000
Благодаря ви.
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