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

Why you should listen

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

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

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

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

Geoffrey West: The surprising math of cities and corporations

ג'אופרי ווסט: המתמטיקה המפתיעה של ערים ותאגידים

Filmed:
1,583,030 views

הפיזיקאי ג'אופרי ווסט מצא חוק מתמטי פשוט אשר שולט בתכונות של ערים גדולות -- שניתן להקיש לגבי עושר, רמת פשיעה, מהירות הליכה והיבטים רבים אחרים של ערים גדולות מתוך מספר יחיד: האוכלוסיה של העיר. בהרצאה מעוררת מחשבה זו, מ-TEDGlobal, הוא מראה כיצד כל זה עובד וכיצד חוקים דומים נכונים ליצורים חיים ותאגידים.
- Theorist
Physicist Geoffrey West believes that complex systems from organisms to cities are in many ways governed by simple laws -- laws that can be discovered and analyzed. Full bio

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

00:16
Citiesערים are the crucibleמַצרֵף of civilizationתַרְבּוּת.
0
1000
3000
ערים הן כור ההיתוך של ציווליזציה.
00:19
They have been expandingהרחבת,
1
4000
2000
הן מתפשטות,
00:21
urbanizationעִיוּר has been expandingהרחבת,
2
6000
2000
העיור מתפשט,
00:23
at an exponentialאקספוננציאלית rateציון in the last 200 yearsשנים
3
8000
2000
בקצב מעריכי ב-200 השנים האחרונות,
00:25
so that by the secondשְׁנִיָה partחֵלֶק of this centuryמֵאָה,
4
10000
3000
כך שבמחצית השניה של המאה הזו,
00:28
the planetכוכב לכת will be completelyלַחֲלוּטִין dominatedנשלט
5
13000
2000
כוכבנו כולו יישלט
00:30
by citiesערים.
6
15000
3000
על-ידי ערים.
00:33
Citiesערים are the originsמקורות of globalגלוֹבָּלִי warmingהִתחַמְמוּת,
7
18000
3000
ערים הן המקור להתחממות גלובלית,
00:36
impactפְּגִיעָה on the environmentסביבה,
8
21000
2000
להשפעה על הסביבה,
00:38
healthבְּרִיאוּת, pollutionזיהום, diseaseמַחֲלָה,
9
23000
3000
הבריאות, הזיהום, מחלות,
00:41
financeלְמַמֵן,
10
26000
2000
כספים,
00:43
economiesכלכלות, energyאֵנֶרְגִיָה --
11
28000
3000
כלכלה, אנרגיה --
00:46
they're all problemsבעיות
12
31000
2000
כולם בעיות המתעוררות
00:48
that are confrontedהתעמתו by havingשיש citiesערים.
13
33000
2000
בגלל קיום הערים.
00:50
That's where all these problemsבעיות come from.
14
35000
2000
משם מגיעות כל הבעיות הללו.
00:52
And the tsunamiצונאמי of problemsבעיות that we feel we're facingמוּל
15
37000
3000
והצונמי של בעיות שאנו מתמודדים איתן
00:55
in termsמונחים of sustainability- קיימות questionsשאלות
16
40000
2000
במונחים של שאלות קיום,
00:57
are actuallyלמעשה a reflectionהִשׁתַקְפוּת
17
42000
2000
הוא למעשה השתקפות
00:59
of the exponentialאקספוננציאלית increaseלהגביר
18
44000
2000
של הגידול המעריכי בעיור
01:01
in urbanizationעִיוּר acrossלְרוֹחָב the planetכוכב לכת.
19
46000
3000
בכל רחבי הגלובוס.
01:04
Here'sהנה some numbersמספרים.
20
49000
2000
הנה כמה מספרים.
01:06
Two hundredמֵאָה yearsשנים agoלִפנֵי, the Unitedמאוחד Statesמדינות
21
51000
2000
לפני 200 שנה, ארה"ב היתה עירונית
01:08
was lessפָּחוּת than a fewמְעַטִים percentאָחוּז urbanizedעירוניים.
22
53000
2000
באחוזים בודדים ואף פחות מזה.
01:10
It's now more than 82 percentאָחוּז.
23
55000
2000
כיום היא עירונית יותר מ-82 אחוז.
01:12
The planetכוכב לכת has crossedחצה the halfwayבְּחַצִי הַדֶרֶך markסימן a fewמְעַטִים yearsשנים agoלִפנֵי.
24
57000
3000
העולם כולו חצה את קו החצי לפני מספר שנים.
01:15
China'sשל סין buildingבִּניָן 300 newחָדָשׁ citiesערים
25
60000
2000
סין תבנה 300 ערים חדשות
01:17
in the nextהַבָּא 20 yearsשנים.
26
62000
2000
ב-20 השנים הבאות.
01:19
Now listen to this:
27
64000
2000
ותקשיבו לזה:
01:21
Everyכֹּל weekשָׁבוּעַ for the foreseeableצָפוּי מִרֹאשׁ futureעתיד,
28
66000
3000
בכל שבוע בעתיד הנראה לעין,
01:24
untilעד 2050,
29
69000
2000
עד 2050,
01:26
everyכֹּל weekשָׁבוּעַ more than a millionמִילִיוֹן people
30
71000
2000
בכל שבוע יתווספו יותר
01:28
are beingלהיות addedהוסיף to our citiesערים.
31
73000
2000
ממיליון איש לערינו.
01:30
This is going to affectלהשפיע everything.
32
75000
2000
זה הולך להשפיע על הכל.
01:32
Everybodyכולם in this roomחֶדֶר, if you stayשָׁהוּת aliveבחיים,
33
77000
2000
כל אחד באולם זה, אם יחיה,
01:34
is going to be affectedמושפעים
34
79000
2000
הולך להיות מושפע
01:36
by what's happeningמתרחש in citiesערים
35
81000
2000
ממה שקורה בערים
01:38
in this extraordinaryיוצא דופן phenomenonתופעה.
36
83000
2000
עם תופעה יוצאת-דופן זו.
01:40
Howeverלמרות זאת, citiesערים,
37
85000
3000
אבל, ערים,
01:43
despiteלמרות havingשיש this negativeשלילי aspectאספקט to them,
38
88000
3000
למרות היותן בעלות היבט שלילי זה,
01:46
are alsoגַם the solutionפִּתָרוֹן.
39
91000
2000
הן גם הפיתרון.
01:48
Because citiesערים are the vacuumלִשְׁאוֹב cleanersשואבי אבק and the magnetsמגנטים
40
93000
4000
מכיוון שערים הן שואב האבק והמגנט
01:52
that have suckedמצוץ up creativeיְצִירָתִי people,
41
97000
2000
אשר משכו אליהן אנשים יצירתיים,
01:54
creatingיוצר ideasרעיונות, innovationחדשנות,
42
99000
2000
היוצרים רעיונות, חידושים,
01:56
wealthעוֹשֶׁר and so on.
43
101000
2000
עושר וכך הלאה.
01:58
So we have this kindסוג of dualכָּפוּל natureטֶבַע.
44
103000
2000
כך שיש לנו כאן טבע דו-משמעי.
02:00
And so there's an urgentדחוף need
45
105000
3000
לכן יש צורך דחוף
02:03
for a scientificמַדָעִי theoryתֵאוֹרִיָה of citiesערים.
46
108000
4000
בתיאוריה מדעית של ערים.
02:07
Now these are my comradesחברים in armsנשק.
47
112000
3000
אלה הם חבריי לנשק.
02:10
This work has been doneבוצע with an extraordinaryיוצא דופן groupקְבוּצָה of people,
48
115000
2000
עבודה זו נעשתה ביחד עם קבוצת אנשים יוצאי-דופן,
02:12
and they'veהם כבר doneבוצע all the work,
49
117000
2000
הם עשו את כל העבודה,
02:14
and I'm the great bullshitterבולשיטר
50
119000
2000
ואני סתם חרטטן
02:16
that triesמנסה to bringלְהָבִיא it all togetherיַחַד.
51
121000
2000
המנסה להרכיב מזה משהו.
02:18
(Laughterצחוק)
52
123000
2000
(צחוק)
02:20
So here'sהנה the problemבְּעָיָה: This is what we all want.
53
125000
2000
אז הנה הבעיה: זה מה שכולנו רוצים.
02:22
The 10 billionמיליארד people on the planetכוכב לכת in 2050
54
127000
3000
10 מיליארד האנשים בעולם ב-2050
02:25
want to liveלחיות in placesמקומות like this,
55
130000
2000
רוצים לחיות במקומות כאלה,
02:27
havingשיש things like this,
56
132000
2000
שיהיו להם דברים כאלה,
02:29
doing things like this,
57
134000
2000
לעשות דברים כאלה,
02:31
with economiesכלכלות that are growingגָדֵל like this,
58
136000
3000
בכלכלות הצומחות כך,
02:34
not realizingמימוש that entropyאנטרופיה
59
139000
2000
מבלי להבין שאנטרופיה
02:36
producesייצור things like this,
60
141000
2000
יוצרת דברים כגון אלה,
02:38
this, this
61
143000
4000
וזה, וזה
02:42
and this.
62
147000
2000
וגם זה.
02:44
And the questionשְׁאֵלָה is:
63
149000
2000
והשאלה היא:
02:46
Is that what Edinburghאדינבורו and Londonלונדון and Newחָדָשׁ Yorkיורק
64
151000
2000
האם כך תיראינה אדינבורו
02:48
are going to look like in 2050,
65
153000
2000
ולונדון וניו-יורק ב-2050,
02:50
or is it going to be this?
66
155000
2000
או שזה יהיה כך?
02:52
That's the questionשְׁאֵלָה.
67
157000
2000
זו השאלה.
02:54
I mustצריך say, manyרב of the indicatorsאינדיקטורים
68
159000
2000
אני חייב לומר שסימנים רבים
02:56
look like this is what it's going to look like,
69
161000
3000
מראים שכך זה הולך להיראות,
02:59
but let's talk about it.
70
164000
3000
אבל הבה נדבר על זה.
03:02
So my provocativeפּרוֹבוֹקָטִיבִי statementהַצהָרָה
71
167000
3000
הטיעון המתגרה שלי הוא
03:05
is that we desperatelyנואשות need a seriousרְצִינִי scientificמַדָעִי theoryתֵאוֹרִיָה of citiesערים.
72
170000
3000
שאנו זקוקים נואשות לתיאוריה מדעית רצינית על ערים.
03:08
And scientificמַדָעִי theoryתֵאוֹרִיָה meansאומר quantifiableניתן לכימות --
73
173000
3000
תיאוריה מדעית פירושה שתהיה ברת-מדידה --
03:11
relyingהסתמכות on underlyingבְּסִיסִי genericגנרית principlesעקרונות
74
176000
3000
הנסמכת על עקרונות יסוד כלליים שניתן לעצבם
03:14
that can be madeעָשׂוּי into a predictiveמְנַבֵּא frameworkמִסגֶרֶת.
75
179000
2000
למסגרת המסוגלת לתת תחזית.
03:16
That's the questלַחקוֹר.
76
181000
2000
זה מה שמחפשים.
03:18
Is that conceivableמִתקָבֵּל עַל הַדַעַת?
77
183000
2000
האם זה מתקבל על הדעת?
03:20
Are there universalאוניברסלי lawsחוקי?
78
185000
2000
האם קיימים חוקים אוניברסליים?
03:22
So here'sהנה two questionsשאלות
79
187000
2000
אז הנה שתי שאלות שרצות בראשי
03:24
that I have in my headרֹאשׁ when I think about this problemבְּעָיָה.
80
189000
2000
כאשר אני מהרהר בבעיה זו.
03:26
The first is:
81
191000
2000
הראשונה היא:
03:28
Are citiesערים partחֵלֶק of biologyביולוגיה?
82
193000
2000
האם ערים הן חלק מביולוגיה?
03:30
Is Londonלונדון a great bigגָדוֹל whaleלוויתן?
83
195000
2000
האם לונדון היא לווייתן ענק?
03:32
Is Edinburghאדינבורו a horseסוּס?
84
197000
2000
האם אדינבורו היא סוס?
03:34
Is Microsoftמיקרוסופט a great bigגָדוֹל anthillאנתיל?
85
199000
2000
האם מיקרוסופט היא תל-נמלים גדול?
03:36
What do we learnלִלמוֹד from that?
86
201000
2000
מה אנו למדים מזה?
03:38
We use them metaphoricallyמטפורית --
87
203000
2000
אנו משתמשים בהם מטפורית --
03:40
the DNAדנ"א of a companyחֶברָה, the metabolismחילוף חומרים of a cityעִיר, and so on --
88
205000
2000
ה-DNA של חברה, החילוף-חומרים של עיר וכך הלאה --
03:42
is that just bullshitשְׁטוּיוֹת, metaphoricalמוּשׁאָל bullshitשְׁטוּיוֹת,
89
207000
3000
האם זה רק שטויות, שטויות מטפוריות,
03:45
or is there seriousרְצִינִי substanceחומר to it?
90
210000
3000
או שיש בזה מהות אמיתית?
03:48
And if that is the caseמקרה,
91
213000
2000
ואם זה המקרה,
03:50
how come that it's very hardקָשֶׁה to killלַהֲרוֹג a cityעִיר?
92
215000
2000
איך זה שכל-כך קשה להרוג עיר?
03:52
You could dropיְרִידָה an atomאָטוֹם bombפְּצָצָה on a cityעִיר,
93
217000
2000
אפשר להטיל פצצת אטום על עיר,
03:54
and 30 yearsשנים laterיותר מאוחר it's survivingשורד.
94
219000
2000
אבל 30 שנה אחר-כך היא חיה.
03:56
Very fewמְעַטִים citiesערים failלְהִכָּשֵׁל.
95
221000
3000
ערים מעטות ביותר נופלות.
03:59
All companiesחברות dieלָמוּת, all companiesחברות.
96
224000
3000
כל החברות המסחריות מתות בסוף, כולן.
04:02
And if you have a seriousרְצִינִי theoryתֵאוֹרִיָה, you should be ableיכול to predictלַחֲזוֹת
97
227000
2000
אם יש לנו תיאוריה רצינית, עלינו להיות מסוגלים לחזות
04:04
when GoogleGoogle is going to go bustחָזֶה.
98
229000
3000
מתי גוגל הולכת להתרושש.
04:07
So is that just anotherאַחֵר versionגִרְסָה
99
232000
3000
אז האם זה רק גירסה אחרת
04:10
of this?
100
235000
2000
של זה?
04:12
Well we understandמבין this very well.
101
237000
2000
את זה אנו מבינים היטב.
04:14
That is, you askלִשְׁאוֹל any genericגנרית questionשְׁאֵלָה about this --
102
239000
2000
כלומר, אפשר לשאול הרבה שאלות כלליות על זה --
04:16
how manyרב treesעצים of a givenנָתוּן sizeגודל,
103
241000
2000
כמה עצים בגודל מסויים,
04:18
how manyרב branchesענפים of a givenנָתוּן sizeגודל does a treeעֵץ have,
104
243000
2000
כמה ענפים בגודל נתון יש לעץ,
04:20
how manyרב leavesמשאיר,
105
245000
2000
כמה עלים,
04:22
what is the energyאֵנֶרְגִיָה flowingזורם throughדרך eachכל אחד branchענף,
106
247000
2000
מה האנרגיה הזורמת דרך כל ענף,
04:24
what is the sizeגודל of the canopyחוּפָּה,
107
249000
2000
מה גודל צמרת העץ,
04:26
what is its growthצְמִיחָה, what is its mortalityתמותה?
108
251000
2000
מה קצב צמיחתו, מה שיעור התמותה אצלו?
04:28
We have a mathematicalמָתֵימָטִי frameworkמִסגֶרֶת
109
253000
2000
יש לנו מסגרת מתמטית
04:30
basedמבוסס on genericגנרית universalאוניברסלי principlesעקרונות
110
255000
3000
המבוססת על עקרונות גלובליים כלליים
04:33
that can answerתשובה those questionsשאלות.
111
258000
2000
אשר יכולה לענות על שאלות הללו.
04:35
And the ideaרַעְיוֹן is can we do the sameאותו for this?
112
260000
4000
והרעיון הוא, האם ניתן לעשות אותו הדבר כאן?
04:40
So the routeמַסלוּל in is recognizingזיהוי
113
265000
3000
הנתיב פנימה הוא בהכרה של אחד הדברים
04:43
one of the mostרוב extraordinaryיוצא דופן things about life,
114
268000
2000
המפליאים בקשר לחיים,
04:45
is that it is scalableמדרגי,
115
270000
2000
שהם יכולים לשנות את גודלם,
04:47
it worksעובד over an extraordinaryיוצא דופן rangeטווח.
116
272000
2000
הם מתפקדים בטווחי גודל מדהימים.
04:49
This is just a tinyזָעִיר rangeטווח actuallyלמעשה:
117
274000
2000
זהו רק טווח זעיר;
04:51
It's us mammalsיונקים;
118
276000
2000
אלה הם אנחנו היונקים,
04:53
we're one of these.
119
278000
2000
אנחנו אחד מאלה.
04:55
The sameאותו principlesעקרונות, the sameאותו dynamicsדִינָמִיקָה,
120
280000
2000
אותם העקרונות, אותה דינמיקה,
04:57
the sameאותו organizationאִרגוּן is at work
121
282000
2000
אותו סדר ואירגון בפעולה
04:59
in all of these, includingלְרַבּוֹת us,
122
284000
2000
בכל אלה, כולל אותנו,
05:01
and it can scaleסוּלָם over a rangeטווח of 100 millionמִילִיוֹן in sizeגודל.
123
286000
3000
וזה יכול להגיע לטווחים של פי-100 מיליון בגודל.
05:04
And that is one of the mainרָאשִׁי reasonsסיבות
124
289000
3000
זוהי אחת הסיבות העיקריות
05:07
life is so resilientמִתאוֹשֵׁשׁ מַהֵר and robustחָסוֹן --
125
292000
2000
שהחיים הם כה סגלתניים וחזקים --
05:09
scalabilityמדרגיות.
126
294000
2000
היכולת לשנות גודל.
05:11
We're going to discussלָדוּן that in a momentרֶגַע more.
127
296000
3000
נדון בזה בעוד רגע.
05:14
But you know, at a localמְקוֹמִי levelרָמָה,
128
299000
2000
אבל כידוע לנו,
05:16
you scaleסוּלָם; everybodyכולם in this roomחֶדֶר is scaledסולם.
129
301000
2000
כל אחד כאן עבר התאמת גודל.
05:18
That's calledשקוראים לו growthצְמִיחָה.
130
303000
2000
זה נקרא גדילה.
05:20
Here'sהנה how you grewגדל.
131
305000
2000
הנה איך שאנו גדלים.
05:22
Ratעכברוש, that's a ratעכברוש -- could have been you.
132
307000
2000
זו חולדה -- יכולנו להיות במקומה.
05:24
We're all prettyיפה much the sameאותו.
133
309000
3000
אנו די דומים לה.
05:27
And you see, you're very familiarמוּכָּר with this.
134
312000
2000
ואת זה אנו מכירים.
05:29
You growלגדול very quicklyבִּמְהִירוּת and then you stop.
135
314000
2000
אנו גדלים במהירות ואז נעצרים.
05:31
And that lineקַו there
136
316000
2000
הקו הזה שם
05:33
is a predictionנְבוּאָה from the sameאותו theoryתֵאוֹרִיָה,
137
318000
2000
הוא חיזוי לפי אותה תאוריה,
05:35
basedמבוסס on the sameאותו principlesעקרונות,
138
320000
2000
המתבססת על אותם העקרונות,
05:37
that describesמתאר that forestיַעַר.
139
322000
2000
אשר מתארת את היער ההוא.
05:39
And here it is for the growthצְמִיחָה of a ratעכברוש,
140
324000
2000
כאן זה עבור הגדילה של חולדה.
05:41
and those pointsנקודות on there are dataנתונים pointsנקודות.
141
326000
2000
הנקודות ההן שם זה נתונים.
05:43
This is just the weightמִשׁקָל versusנגד the ageגיל.
142
328000
2000
זה פשוט המשקל כנגד הגיל.
05:45
And you see, it stopsמפסיק growingגָדֵל.
143
330000
2000
ורואים שהגדילה נעצרת.
05:47
Very, very good for biologyביולוגיה --
144
332000
2000
טוב מאוד מבחינה ביולוגית --
05:49
alsoגַם one of the reasonsסיבות for its great resilienceכּוֹשֵׁר הִתאוֹשְׁשׁוּת.
145
334000
2000
עוד סיבה לסגלתנות הגדולה שלהם.
05:51
Very, very badרַע
146
336000
2000
אבל זה רע מאוד
05:53
for economiesכלכלות and companiesחברות and citiesערים
147
338000
2000
בשביל כלכלות וחברות מסחריות וערים
05:55
in our presentמתנה paradigmפרדיגמה.
148
340000
2000
בתבנית הקיימת היום.
05:57
This is what we believe.
149
342000
2000
זה מה שאנו מאמינים בו.
05:59
This is what our wholeכֹּל economyכַּלְכָּלָה
150
344000
2000
זה מה שהכלכלה שלנו כולה
06:01
is thrustingדוחף uponעַל us,
151
346000
2000
כופה עלינו,
06:03
particularlyבִּמְיוּחָד illustratedמְאוּיָר in that left-handיד שמאל cornerפינה:
152
348000
3000
במיוחד מה שמתואר בפינה השמאלית:
06:06
hockeyהוֹקֵי sticksמקלות.
153
351000
2000
מקלות הוקי.
06:08
This is a bunchצְרוֹר of softwareתוֹכנָה companiesחברות --
154
353000
2000
זו קבוצה של חברות תוכנה --
06:10
and what it is is theirשֶׁלָהֶם revenueהַכנָסָה versusנגד theirשֶׁלָהֶם ageגיל --
155
355000
2000
מה שרואים שם זה הכנסותיהן כנגד גילן --
06:12
all zoomingזום away,
156
357000
2000
כולן נוסקות,
06:14
and everybodyכולם makingהֲכָנָה millionsמיליונים and billionsמיליארדים of dollarsדולר.
157
359000
2000
וכל אחת מרויחה מיליוני או מיליארדי דולרים.
06:16
Okay, so how do we understandמבין this?
158
361000
3000
מה אנו מבינים מכל זה?
06:19
So let's first talk about biologyביולוגיה.
159
364000
3000
תחילה נדבר על ביולוגיה.
06:22
This is explicitlyבִּמְפוּרָשׁ showingמראה you
160
367000
2000
זה מראה בבירור
06:24
how things scaleסוּלָם,
161
369000
2000
כיצד דברים מסתדרים לפי גודל.
06:26
and this is a trulyבֶּאֱמֶת remarkableראוי לציון graphגרָף.
162
371000
2000
זהו באמת גרף ראוי לציון.
06:28
What is plottedזממו here is metabolicמטבולית rateציון --
163
373000
3000
מה שמופיע כאן הוא קצב של חילוף-חומרים --
06:31
how much energyאֵנֶרְגִיָה you need perלְכָל day to stayשָׁהוּת aliveבחיים --
164
376000
3000
כמה אנרגיה דרושה בכל יום כדי להתקיים --
06:34
versusנגד your weightמִשׁקָל, your massמסה,
165
379000
2000
כנגד משקלנו, המסה שלנו,
06:36
for all of us bunchצְרוֹר of organismsאורגניזמים.
166
381000
3000
עבור כולנו בתור יצורים חיים.
06:39
And it's plottedזממו in this funnyמצחיק way by going up by factorsגורמים of 10,
167
384000
3000
זה מוצג במרווחים במכפלות של 10,
06:42
otherwiseאחרת you couldn'tלא יכול get everything on the graphגרָף.
168
387000
2000
שאם לא, בלתי אפשרי להציג הכל בגרף יחיד.
06:44
And what you see if you plotעלילה it
169
389000
2000
מה שרואים כאשר מציגים הכל
06:46
in this slightlyמְעַט curiousסקרן way
170
391000
2000
באופן זה על גרף,
06:48
is that everybodyכולם liesשקרים on the sameאותו lineקַו.
171
393000
3000
שכולם נמצאים על אותו קו.
06:51
Despiteלמרות the factעוּבדָה that this is the mostרוב complexמורכב and diverseמְגוּוָן systemמערכת
172
396000
3000
למרות העובדה שזוהי המערכת
06:54
in the universeעוֹלָם,
173
399000
3000
הכי מורכבת ומגוונת ביקום,
06:57
there's an extraordinaryיוצא דופן simplicityפַּשְׁטוּת
174
402000
2000
יש בה פשטות מדהימה
06:59
beingלהיות expressedהביע by this.
175
404000
2000
המובעת בזה.
07:01
It's particularlyבִּמְיוּחָד astonishingמַפתִיעַ
176
406000
3000
זה מפליא במיוחד
07:04
because eachכל אחד one of these organismsאורגניזמים,
177
409000
2000
מפני שכל אחד מהיצורים הללו,
07:06
eachכל אחד subsystemתת - מערכת, eachכל אחד cellתָא typeסוּג, eachכל אחד geneגֵן,
178
411000
2000
כל תת-מערכת כזו, כל סוג של תא,
07:08
has evolvedהתפתח in its ownשֶׁלוֹ uniqueייחודי environmentalסְבִיבָתִי nicheגוּמחָה
179
413000
4000
כל גן, התפתח בתוך נישה סביבתית מיוחדת משלו
07:12
with its ownשֶׁלוֹ uniqueייחודי historyהִיסטוֹרִיָה.
180
417000
3000
עם היסטוריה ייחודית משלו.
07:15
And yetעדיין, despiteלמרות all of that Darwinianדרוויני evolutionאבולוציה
181
420000
3000
אבל, למרות כל האבולוציה הדרוויניסטית
07:18
and naturalטִבעִי selectionבְּחִירָה,
182
423000
2000
והברירה הטבעית,
07:20
they'veהם כבר been constrainedמוגבל to lieשקר on a lineקַו.
183
425000
2000
הם נאלצים להצטופף על קו אחד.
07:22
Something elseאַחֵר is going on.
184
427000
2000
משהו אחר קורה כאן.
07:24
Before I talk about that,
185
429000
2000
לפני שאדבר על זה,
07:26
I've writtenכתוב down at the bottomתַחתִית there
186
431000
2000
כתבתי בתחתית שם
07:28
the slopeמִדרוֹן of this curveעֲקוּמָה, this straightיָשָׁר lineקַו.
187
433000
2000
את שיפוע העמודה, של קו ישר זה.
07:30
It's three-quartersשלושה רבעים, roughlyבְּעֵרֶך,
188
435000
2000
הוא בקירוב שלושת-רבעים,
07:32
whichאיזה is lessפָּחוּת than one -- and we call that sublinearתת-לינארי.
189
437000
3000
שזה פחות מאחד -- ואנו מכנים זאת תת-לינארי.
07:35
And here'sהנה the pointנְקוּדָה of that.
190
440000
2000
וזו הנקודה שלה.
07:37
It saysאומר that, if it were linearליניארי,
191
442000
3000
היא אומרת שאם זה היה לינארי,
07:40
the steepestתלולה slopeמִדרוֹן,
192
445000
2000
השיפוע התלול ביותר,
07:42
then doublingכְּפִילָה the sizeגודל
193
447000
2000
אז הכפלה בגודל
07:44
you would requireלִדרוֹשׁ doubleלְהַכפִּיל the amountכמות of energyאֵנֶרְגִיָה.
194
449000
2000
היתה דורשת הכפלה גם באנרגיה.
07:46
But it's sublinearתת-לינארי, and what that translatesמתרגם into
195
451000
3000
אבל זה תת-לינארי, וזה אומר
07:49
is that, if you doubleלְהַכפִּיל the sizeגודל of the organismאורגניזם,
196
454000
2000
שאם מכפילים את הגודל
07:51
you actuallyלמעשה only need 75 percentאָחוּז more energyאֵנֶרְגִיָה.
197
456000
3000
צריך רק 75 אחוז יותר אנרגיה.
07:54
So a wonderfulנִפלָא thing about all of biologyביולוגיה
198
459000
2000
אז יש כאן משהו נהדר בקשר לביולוגיה
07:56
is that it expressesמבטא an extraordinaryיוצא דופן economyכַּלְכָּלָה of scaleסוּלָם.
199
461000
3000
וזה שהיא מבטאת כלכלה יוצאת-דופן של גודל.
07:59
The biggerגדול יותר you are systematicallyבאופן שיטתי,
200
464000
2000
ככל שעולים בגודל,
08:01
accordingלפי to very well-definedמוגדר היטב rulesכללים,
201
466000
2000
לפי כללים המוגדרים היטב,
08:03
lessפָּחוּת energyאֵנֶרְגִיָה perלְכָל capitaלנפש.
202
468000
3000
פחות אנרגיה לנפש.
08:06
Now any physiologicalפִיסִיוֹלוֹגִי variableמִשְׁתַנֶה you can think of,
203
471000
3000
משתנה פיזיולוגי כלשהו שניתן להעלות בדעתנו,
08:09
any life historyהִיסטוֹרִיָה eventמִקרֶה you can think of,
204
474000
2000
אירוע כלשהו מהיסטוריית חיים שניתן לחשוב עליו,
08:11
if you plotעלילה it this way, looksנראה like this.
205
476000
3000
אם מציבים אותם כך, זה ייראה ככה.
08:14
There is an extraordinaryיוצא דופן regularityסְדִירוּת.
206
479000
2000
יש כאן חוקיות יוצאת-דופן.
08:16
So you tell me the sizeגודל of a mammalיונק,
207
481000
2000
תגידו לי את גודל היונק,
08:18
I can tell you at the 90 percentאָחוּז levelרָמָה everything about it
208
483000
3000
ואספר לכם ברמת דיוק של 90 אחוז,
08:21
in termsמונחים of its physiologyפִיסִיוֹלוֹגִיָה, life historyהִיסטוֹרִיָה, etcוכו.
209
486000
4000
הכל עליו, במונחים של הפיזיולוגיה שלו, היסטוריית חיים וכו'.
08:25
And the reasonסיבה for this is because of networksרשתות.
210
490000
3000
הסיבה שבגללה זה קורה היא רשתות קשרים.
08:28
All of life is controlledמְבוּקָר by networksרשתות --
211
493000
3000
כל צורות החיים נשלטות על-ידי רשתות קשרים --
08:31
from the intracellularתאיים throughדרך the multicellularרב תאיים
212
496000
2000
מהחד-תאיים לרב-תאיים
08:33
throughדרך the ecosystemמערכת אקולוגית levelרָמָה.
213
498000
2000
ברמת המערכת האקולוגית.
08:35
And you're very familiarמוּכָּר with these networksרשתות.
214
500000
3000
אנו מכירים מקרוב רשתות אלו.
08:39
That's a little thing that livesחיים insideבְּתוֹך an elephantפיל.
215
504000
3000
זה הדבר הקטן שחי בתוך פיל.
08:42
And here'sהנה the summaryסיכום of what I'm sayingפִּתגָם.
216
507000
3000
עכשיו התמצית של מה שאני אומר.
08:45
If you take those networksרשתות,
217
510000
2000
אם נוטלים רשתות אלו,
08:47
this ideaרַעְיוֹן of networksרשתות,
218
512000
2000
את הרעיון של רשתות,
08:49
and you applyלהגיש מועמדות universalאוניברסלי principlesעקרונות,
219
514000
2000
ומחילים עליו עקרונות אוניברסליים,
08:51
mathematizableמתמטית, universalאוניברסלי principlesעקרונות,
220
516000
2000
שניתנים לחישוב,
08:53
all of these scalingsקשקשים
221
518000
2000
אז כל הגדלים הללו
08:55
and all of these constraintsאילוצים followלעקוב אחר,
222
520000
3000
וכל האילוצים האלה, באים בעקבותיהם,
08:58
includingלְרַבּוֹת the descriptionתיאור of the forestיַעַר,
223
523000
2000
כולל תיאור היער,
09:00
the descriptionתיאור of your circulatoryמחזור הדם systemמערכת,
224
525000
2000
כולל תיאור מחזור הדם שלנו,
09:02
the descriptionתיאור withinבְּתוֹך cellsתאים.
225
527000
2000
תיאור התוכן בתוך התאים.
09:04
One of the things I did not stressלחץ in that introductionמבוא
226
529000
3000
אחד הדברים שלא הדגשתי בהקדמה היה
09:07
was that, systematicallyבאופן שיטתי, the paceלִפְסוֹעַ of life
227
532000
3000
שבאופן שיטתי, הקצב של החיים
09:10
decreasesירידות as you get biggerגדול יותר.
228
535000
2000
יורד ככל שהגודל עולה.
09:12
Heartלֵב ratesתעריפים are slowerאיטי יותר; you liveלחיות longerארוך יותר;
229
537000
3000
הלב פועם יותר לאט;
09:15
diffusionפִּעַפּוּעַ of oxygenחַמצָן and resourcesאֶמְצָעִי
230
540000
2000
דיפוזיה של חמצן וגורמים אחרים
09:17
acrossלְרוֹחָב membranesממברנות is slowerאיטי יותר, etcוכו.
231
542000
2000
דרך הקרומים היא יותר איטית וכו'.
09:19
The questionשְׁאֵלָה is: Is any of this trueנָכוֹן
232
544000
2000
השאלה היא: האם משהו מזה נכון
09:21
for citiesערים and companiesחברות?
233
546000
3000
לגבי ערים וחברות מסחריות?
09:24
So is Londonלונדון a scaledסולם up Birminghamבירמינגהם,
234
549000
3000
האם באותו אופן, לונדון היא הגדלה של בירמינגהם,
09:27
whichאיזה is a scaledסולם up Brightonברייטון, etcוכו., etcוכו.?
235
552000
3000
שהיא הגדלה של ברייטון, וכך הלאה?
09:30
Is Newחָדָשׁ Yorkיורק a scaledסולם up Sanברג Franciscoפרנסיסקו,
236
555000
2000
האם ניו-יורק היא הגדלה של סן-פרנסיסקו,
09:32
whichאיזה is a scaledסולם up Santaסנטה FeFe?
237
557000
2000
שהיא הגדלה של סנטה-פיי?
09:34
Don't know. We will discussלָדוּן that.
238
559000
2000
לא יודע. נדון בזה.
09:36
But they are networksרשתות,
239
561000
2000
אבל הן רשתות של קשרים.
09:38
and the mostרוב importantחָשׁוּב networkרֶשֶׁת of citiesערים
240
563000
2000
והרשת החשובה ביותר של ערים
09:40
is you.
241
565000
2000
זה אתם.
09:42
Citiesערים are just a physicalגוּפָנִי manifestationתוֹפָעָה
242
567000
3000
ערים הן פשוט ביטוי פיזי
09:45
of your interactionsאינטראקציות,
243
570000
2000
של האינטראקציות בינינו,
09:47
our interactionsאינטראקציות,
244
572000
2000
האינטראקציות שלנו,
09:49
and the clusteringקיבוץ and groupingהַקבָּצָה of individualsיחידים.
245
574000
2000
וההתקבצות ביחד של אינדיבידואלים.
09:51
Here'sהנה just a symbolicסִמלִי pictureתְמוּנָה of that.
246
576000
3000
הנה רק תמונה סמלית של זה.
09:54
And here'sהנה scalingדֵרוּג of citiesערים.
247
579000
2000
והנה גרפים של ערים.
09:56
This showsמופעים that in this very simpleפָּשׁוּט exampleדוגמא,
248
581000
3000
זה מראה שבדוגמא פשוטה זו,
09:59
whichאיזה happensקורה to be a mundaneאַרְצִי exampleדוגמא
249
584000
2000
שהיא דוגמא מאוד שגרתית
10:01
of numberמספר of petrolבֶּנזִין stationsתחנות
250
586000
2000
של מספר תחנות דלק
10:03
as a functionפוּנקצִיָה of sizeגודל --
251
588000
2000
בפונקציה של גודל --
10:05
plottedזממו in the sameאותו way as the biologyביולוגיה --
252
590000
2000
מונחות כאן באותו אופן כמו עם ביולוגיה --
10:07
you see exactlyבְּדִיוּק the sameאותו kindסוג of thing.
253
592000
2000
רואים בדיוק אותה צורה של דברים.
10:09
There is a scalingדֵרוּג.
254
594000
2000
הנה הגרף.
10:11
That is that the numberמספר of petrolבֶּנזִין stationsתחנות in the cityעִיר
255
596000
4000
שזה אומר שמספר תחנות הדלק בעיר
10:15
is now givenנָתוּן to you
256
600000
2000
ידוע לנו
10:17
when you tell me its sizeגודל.
257
602000
2000
אם אנו יודעים את גודלה.
10:19
The slopeמִדרוֹן of that is lessפָּחוּת than linearליניארי.
258
604000
3000
השיפוע של הגרף הוא פחות מלינארי.
10:22
There is an economyכַּלְכָּלָה of scaleסוּלָם.
259
607000
2000
יש חיסכון לפי גודל.
10:24
Lessפָּחוּת petrolבֶּנזִין stationsתחנות perלְכָל capitaלנפש the biggerגדול יותר you are -- not surprisingמַפתִיעַ.
260
609000
3000
פחות תחנות דלק לנפש ככל שהגודל עולה -- לא מפתיע.
10:27
But here'sהנה what's surprisingמַפתִיעַ.
261
612000
2000
אבל הנה דבר מפתיע.
10:29
It scalesמאזניים in the sameאותו way everywhereבכל מקום.
262
614000
2000
זה אותו גרף בכל מקום.
10:31
This is just Europeanאֵירוֹפִּי countriesמדינות,
263
616000
2000
אלו פשוט ערים אירופאיות,
10:33
but you do it in Japanיפן or Chinaסין or Colombiaקולומביה,
264
618000
3000
אבל אם נבדוק ביפן או סין או קולומביה,
10:36
always the sameאותו
265
621000
2000
זה תמיד אותו הדבר
10:38
with the sameאותו kindסוג of economyכַּלְכָּלָה of scaleסוּלָם
266
623000
2000
עם אותה צורת חסכנות לפי גודל
10:40
to the sameאותו degreeתוֹאַר.
267
625000
2000
ובאותה מידה.
10:42
And any infrastructureתַשׁתִית you look at --
268
627000
3000
כל צורת תשתית שנסתכל עליה --
10:45
whetherהאם it's the lengthאורך of roadsכבישים, lengthאורך of electricalחַשׁמַלִי linesקווים --
269
630000
3000
בין אם זה אורך הכבישים, או אורך קווי חשמל --
10:48
anything you look at
270
633000
2000
לא משנה על מה מסתכלים --
10:50
has the sameאותו economyכַּלְכָּלָה of scaleסוּלָם scalingדֵרוּג in the sameאותו way.
271
635000
3000
יש שם את אותה חסכנות של גודל כאשר מציגים את זה באופן הנ"ל.
10:53
It's an integratedמְשׁוּלָב systemמערכת
272
638000
2000
זוהי מערכת שלמה אחת
10:55
that has evolvedהתפתח despiteלמרות all the planningתִכנוּן and so on.
273
640000
3000
שהתפתחה למרות כל התכנון וכו'.
10:58
But even more surprisingמַפתִיעַ
274
643000
2000
אבל מה שעוד יותר מפתיע
11:00
is if you look at socio-economicסוציו אקונומי quantitiesכמיות,
275
645000
2000
אם מסתכלים על הגדלים הסוציו-אקונומיים,
11:02
quantitiesכמיות that have no analogאנלוגי in biologyביולוגיה,
276
647000
3000
גדלים שאין להם מקבילה בביולוגיה,
11:05
that have evolvedהתפתח when we startedהתחיל formingיוצר communitiesקהילות
277
650000
3000
אשר התפתחו כאשר התחלנו ליצור קומונות
11:08
eightשמונה to 10,000 yearsשנים agoלִפנֵי.
278
653000
2000
לפני 8 עד 10 אלף שנים.
11:10
The topחלק עליון one is wagesשכר as a functionפוּנקצִיָה of sizeגודל
279
655000
2000
הכי למעלה זה משכורות כתלות בגודל
11:12
plottedזממו in the sameאותו way.
280
657000
2000
המוצגות בגרף באותו אופן.
11:14
And the bottomתַחתִית one is you lot --
281
659000
2000
ובתחתית זה --
11:16
super-creativesסופר-קריאייטיב plottedזממו in the sameאותו way.
282
661000
3000
אנשים יצירתיים המוצגים בגרף באותו אופן
11:19
And what you see
283
664000
2000
ומה שרואים
11:21
is a scalingדֵרוּג phenomenonתופעה.
284
666000
2000
היא תופעת היערכות לפי קו.
11:23
But mostרוב importantחָשׁוּב in this,
285
668000
2000
אבל מה שהכי חשוב בזה,
11:25
the exponentמַעֲרִיך, the analogאנלוגי to that three-quartersשלושה רבעים
286
670000
2000
המספר בחזקה, האנלוגיה לאותם שלושת-רבעים
11:27
for the metabolicמטבולית rateציון,
287
672000
2000
בקצב של החילוף-חומרים,
11:29
is biggerגדול יותר than one -- it's about 1.15 to 1.2.
288
674000
2000
הוא יותר גדול מאחד -- כ-1.15 עד 1.2.
11:31
Here it is,
289
676000
2000
הנה זה,
11:33
whichאיזה saysאומר that the biggerגדול יותר you are
290
678000
3000
דבר האומר שככל שאתה יותר גדול
11:36
the more you have perלְכָל capitaלנפש, unlikeבניגוד biologyביולוגיה --
291
681000
3000
יש לך יותר לכל נפש, שלא כמו בביולוגיה --
11:39
higherגבוה יותר wagesשכר, more super-creativeסופר יצירתי people perלְכָל capitaלנפש as you get biggerגדול יותר,
292
684000
4000
משכורות יותר גבוהות, יותר אנשים יצירתיים לכל נפש ככל שאתה גדל,
11:43
more patentsפטנטים perלְכָל capitaלנפש, more crimeפֶּשַׁע perלְכָל capitaלנפש.
293
688000
3000
יותר פטנטים לכל נפש, יותר פשיעה לכל נפש.
11:46
And we'veיש לנו lookedהביט at everything:
294
691000
2000
בדקנו הכל:
11:48
more AIDSאיידס casesבמקרים, fluשַׁפַעַת, etcוכו.
295
693000
3000
מקרי איידס, שפעת וכו'.
11:51
And here, they're all plottedזממו togetherיַחַד.
296
696000
2000
כולם מוצגים כאן ביחד בגרף.
11:53
Just to showלְהַצִיג you what we plottedזממו,
297
698000
2000
רק כדי להראות לכם מה הכנסנו לגרף,
11:55
here is incomeהַכנָסָה, GDPתמ"ג --
298
700000
3000
כאן זה הכנסה, תוצר מקומי גולמי --
11:58
GDPתמ"ג of the cityעִיר --
299
703000
2000
תוצר גולמי של עיר --
12:00
crimeפֶּשַׁע and patentsפטנטים all on one graphגרָף.
300
705000
2000
פשעים ופטנטים, כולם באותו גרף.
12:02
And you can see, they all followלעקוב אחר the sameאותו lineקַו.
301
707000
2000
ניתן לראות שכולם הולכים לפי אותו קו.
12:04
And here'sהנה the statementהַצהָרָה.
302
709000
2000
ועכשיו האמירה.
12:06
If you doubleלְהַכפִּיל the sizeגודל of a cityעִיר from 100,000 to 200,000,
303
711000
3000
אם מגדילים פי-2 את גודל העיר מ-100 אלף ל-200 אלף,
12:09
from a millionמִילִיוֹן to two millionמִילִיוֹן, 10 to 20 millionמִילִיוֹן,
304
714000
2000
ממיליון לשני מיליון, מ-10 ל-20 מיליון,
12:11
it doesn't matterחוֹמֶר,
305
716000
2000
זה לא משנה,
12:13
then systematicallyבאופן שיטתי
306
718000
2000
מקבלים בשיטתיות
12:15
you get a 15 percentאָחוּז increaseלהגביר
307
720000
2000
עליה של 15 אחוז
12:17
in wagesשכר, wealthעוֹשֶׁר, numberמספר of AIDSאיידס casesבמקרים,
308
722000
2000
במשכורות, עושר, מס' מקרי איידס,
12:19
numberמספר of policeמִשׁטָרָה,
309
724000
2000
מספר שוטרים,
12:21
anything you can think of.
310
726000
2000
כל מה שתעלו על דעתכם.
12:23
It goesהולך up by 15 percentאָחוּז,
311
728000
2000
זה עולה ב-15 אחוז.
12:25
and you have a 15 percentאָחוּז savingsחיסכון
312
730000
3000
יש לנו חיסכון של 15 אחוז
12:28
on the infrastructureתַשׁתִית.
313
733000
3000
על תשתית.
12:31
This, no doubtספק, is the reasonסיבה
314
736000
3000
זו, ללא ספק, הסיבה
12:34
why a millionמִילִיוֹן people a weekשָׁבוּעַ are gatheringכֶּנֶס in citiesערים.
315
739000
3000
מדוע מיליון אנשים בכל שבוע עוברים לערים.
12:37
Because they think that all those wonderfulנִפלָא things --
316
742000
3000
מכיוון שהם חושבים שכל אותם דברים נפלאים,
12:40
like creativeיְצִירָתִי people, wealthעוֹשֶׁר, incomeהַכנָסָה --
317
745000
2000
כמו אנשים יצירתיים, עושר, הכנסה,
12:42
is what attractsמושך them,
318
747000
2000
זה מה שמושך אותם,
12:44
forgettingשכחה about the uglyמְכוֹעָר and the badרַע.
319
749000
2000
בעודם שוכחים את המכוער והרע.
12:46
What is the reasonסיבה for this?
320
751000
2000
מה הסיבה לכך?
12:48
Well I don't have time to tell you about all the mathematicsמָתֵימָטִיקָה,
321
753000
3000
אין לי זמן להיכנס לכל המתמטיקה,
12:51
but underlyingבְּסִיסִי this is the socialחֶברָתִי networksרשתות,
322
756000
3000
אבל ביסוד של זה מונחות רשתות חברתיות,
12:54
because this is a universalאוניברסלי phenomenonתופעה.
323
759000
3000
מפני שזו תופעה אוניברסלית.
12:57
This 15 percentאָחוּז ruleכְּלָל
324
762000
3000
הכלל הזה של 15 אחוז
13:00
is trueנָכוֹן
325
765000
2000
הוא נכון,
13:02
no matterחוֹמֶר where you are on the planetכוכב לכת --
326
767000
2000
לא משנה היכן אנו נמצאים בעולם --
13:04
Japanיפן, Chileצ'ילה,
327
769000
2000
יפן, צילי,
13:06
Portugalפּוֹרטוּגָל, Scotlandסקוטלנד, doesn't matterחוֹמֶר.
328
771000
3000
פורטוגל, סקוטלנד, לא חשוב.
13:09
Always, all the dataנתונים showsמופעים it's the sameאותו,
329
774000
3000
תמיד, כל הנתונים מצביעים על אותו הדבר,
13:12
despiteלמרות the factעוּבדָה that these citiesערים have evolvedהתפתח independentlyבאופן עצמאי.
330
777000
3000
למרות העובדה שערים אלו התפתחו בנפרד זו מזו.
13:15
Something universalאוניברסלי is going on.
331
780000
2000
קורה כאן משהו אוניברסלי.
13:17
The universalityאוניברסאליות, to repeatחזור, is us --
332
782000
3000
האוניברסליות, אזכיר, זה אנחנו --
13:20
that we are the cityעִיר.
333
785000
2000
שאנחנו הם הערים.
13:22
And it is our interactionsאינטראקציות and the clusteringקיבוץ of those interactionsאינטראקציות.
334
787000
3000
והן האינטראקציות שלנו וההצטברות של אותן אינטראקציות.
13:25
So there it is, I've said it again.
335
790000
2000
הנה אמרתי זאת שוב.
13:27
So if it is those networksרשתות and theirשֶׁלָהֶם mathematicalמָתֵימָטִי structureמִבְנֶה,
336
792000
3000
אז אם זה הרשתות והמבנה המתמטי שלהן,
13:30
unlikeבניגוד biologyביולוגיה, whichאיזה had sublinearתת-לינארי scalingדֵרוּג,
337
795000
3000
שלא כמו ביולוגיה, שהייתה שם היערכות תת-לינארית,
13:33
economiesכלכלות of scaleסוּלָם,
338
798000
2000
חיסכון של גודל,
13:35
you had the slowingהאטה of the paceלִפְסוֹעַ of life
339
800000
2000
שקיבלנו האטת קצב החיים
13:37
as you get biggerגדול יותר.
340
802000
2000
ככל שהגודל עולה.
13:39
If it's socialחֶברָתִי networksרשתות with super-linearסופר ליניארי scalingדֵרוּג --
341
804000
2000
אם זה הרשתות החברתיות עם ההיערכות העל-לינארית --
13:41
more perלְכָל capitaלנפש --
342
806000
2000
יותר לכל נפש --
13:43
then the theoryתֵאוֹרִיָה saysאומר
343
808000
2000
אז התאוריה אומרת
13:45
that you increaseלהגביר the paceלִפְסוֹעַ of life.
344
810000
2000
שמגבירים את קצב החיים.
13:47
The biggerגדול יותר you are, life getsמקבל fasterמהיר יותר.
345
812000
2000
ככל שאתה יותר גדול, החיים הופכים למהירים יותר.
13:49
On the left is the heartלֵב rateציון showingמראה biologyביולוגיה.
346
814000
2000
משמאל זה קצב פעימות הלב הקשור לביולוגיה.
13:51
On the right is the speedמְהִירוּת of walkingהליכה
347
816000
2000
מימין זו מהירות ההליכה
13:53
in a bunchצְרוֹר of Europeanאֵירוֹפִּי citiesערים,
348
818000
2000
בקבוצה של ערים אירופאיות,
13:55
showingמראה that increaseלהגביר.
349
820000
2000
המראות את עליית המהירות.
13:57
Lastlyלבסוף, I want to talk about growthצְמִיחָה.
350
822000
3000
לבסוף, ברצוני לדבר על גדילה.
14:00
This is what we had in biologyביולוגיה, just to repeatחזור.
351
825000
3000
זה מה שהיה לנו בביולוגיה, רק להזכיר.
14:03
Economiesכלכלות of scaleסוּלָם
352
828000
3000
חיסכון של גודל
14:06
gaveנתן riseלעלות to this sigmoidalסיגמואידית behaviorהִתְנַהֲגוּת.
353
831000
3000
העלה את ההתנהגות דמויית האות S.
14:09
You growלגדול fastמָהִיר and then stop --
354
834000
3000
אנו גדלים במהירות ואז נעצרים --
14:12
partחֵלֶק of our resilienceכּוֹשֵׁר הִתאוֹשְׁשׁוּת.
355
837000
2000
זה חלק מיכולתנו להסתגל.
14:14
That would be badרַע for economiesכלכלות and citiesערים.
356
839000
3000
זה רע עבור כלכלות וערים.
14:17
And indeedאכן, one of the wonderfulנִפלָא things about the theoryתֵאוֹרִיָה
357
842000
2000
ואכן, מה שיפה בתאוריה זו
14:19
is that if you have super-linearסופר ליניארי scalingדֵרוּג
358
844000
3000
הוא שיש היערכות על-לינארית
14:22
from wealthעוֹשֶׁר creationיצירה and innovationחדשנות,
359
847000
2000
מיצירת עושר וחדשנות,
14:24
then indeedאכן you get, from the sameאותו theoryתֵאוֹרִיָה,
360
849000
3000
ואז אכן מקבלים, מאותה תאוריה,
14:27
a beautifulיפה risingעוֹלֶה exponentialאקספוננציאלית curveעֲקוּמָה -- lovelyיָפֶה.
361
852000
2000
עקומה עולה יפהפייה -- מקסים.
14:29
And in factעוּבדָה, if you compareלְהַשְׁווֹת it to dataנתונים,
362
854000
2000
אם משווים אותה לנתונים,
14:31
it fitsמתאים very well
363
856000
2000
היא מתאימה מאוד יפה
14:33
with the developmentהתפתחות of citiesערים and economiesכלכלות.
364
858000
2000
להתפתחות הערים והכלכלות.
14:35
But it has a terribleנורא catchלתפוס,
365
860000
2000
אבל ישנו מילכוד נוראי.
14:37
and the catchלתפוס
366
862000
2000
המילכוד הוא
14:39
is that this systemמערכת is destinedמְיוּעָד to collapseהִתמוֹטְטוּת.
367
864000
3000
שהתאוריה נועדה לקרוס.
14:42
And it's destinedמְיוּעָד to collapseהִתמוֹטְטוּת for manyרב reasonsסיבות --
368
867000
2000
היא נועדה לקרוס בגלל הרבה סיבות --
14:44
kindסוג of Malthusianמלתוסיאני reasonsסיבות -- that you runלָרוּץ out of resourcesאֶמְצָעִי.
369
869000
3000
מין תאוריה מלתוסית (צימצום הילודה) -- בגלל שנגמרים המשאבים.
14:47
And how do you avoidלְהִמָנַע that? Well we'veיש לנו doneבוצע it before.
370
872000
3000
כיצד מונעים זאת? כבר עשינו זאת בעבר.
14:50
What we do is,
371
875000
2000
מה שעושים זה,
14:52
as we growלגדול and we approachגִישָׁה the collapseהִתמוֹטְטוּת,
372
877000
3000
ככל שגדלים ומתקרבים לקריסה,
14:55
a majorגדול innovationחדשנות takes placeמקום
373
880000
3000
מגיעה המצאה חשובה
14:58
and we startהַתחָלָה over again,
374
883000
2000
ואז שוב מתחילים מחדש.
15:00
and we startהַתחָלָה over again as we approachגִישָׁה the nextהַבָּא one, and so on.
375
885000
3000
כאשר מתקרבים לקריסה הבאה שוב מתחילים מחדש וכך הלאה.
15:03
So there's this continuousרָצִיף cycleמחזור of innovationחדשנות
376
888000
2000
ישנו מעגל מתמשך של חדשנות
15:05
that is necessaryנחוץ
377
890000
2000
החיוני
15:07
in orderלהזמין to sustainלִתְמוֹך growthצְמִיחָה and avoidלְהִמָנַע collapseהִתמוֹטְטוּת.
378
892000
3000
כדי לקיים גדילה ולמנוע קריסה.
15:10
The catchלתפוס, howeverלמרות זאת, to this
379
895000
2000
המילכוד בזה
15:12
is that you have to innovateלְחַדֵשׁ
380
897000
2000
הוא שצריך להמציא
15:14
fasterמהיר יותר and fasterמהיר יותר and fasterמהיר יותר.
381
899000
3000
בקצב גובר.
15:17
So the imageתמונה
382
902000
2000
כך שהדימוי הוא
15:19
is that we're not only on a treadmillהליכון that's going fasterמהיר יותר,
383
904000
3000
שלא רק שאנו צועדים על הליכון המסתובב בקצב גובר,
15:22
but we have to changeשינוי the treadmillהליכון fasterמהיר יותר and fasterמהיר יותר.
384
907000
3000
אלא שעלינו להחליף את ההליכון בקצב הולך וגובר.
15:25
We have to accelerateלהאיץ on a continuousרָצִיף basisבָּסִיס.
385
910000
3000
עלינו להאיץ באופן קבוע.
15:28
And the questionשְׁאֵלָה is: Can we, as socio-economicסוציו אקונומי beingsישויות,
386
913000
3000
והשאלה היא: האם נוכל בתור יצורים סוציו-אקונומיים,
15:31
avoidלְהִמָנַע a heartלֵב attackלִתְקוֹף?
387
916000
3000
להימנע מהתקף לב?
15:34
So lastlyלבסוף, I'm going to finishסִיוּם up in this last minuteדַקָה or two
388
919000
3000
לכן לסיום, אשאל בדקה או שתיים שנותרו
15:37
askingשואל about companiesחברות.
389
922000
2000
לגבי חברות מסחריות.
15:39
See companiesחברות, they scaleסוּלָם.
390
924000
2000
חברות, הן גדלות בהתאמה.
15:41
The topחלק עליון one, in factעוּבדָה, is Walmartוולמארט on the right.
391
926000
2000
העליונה זו וולמרט מימין.
15:43
It's the sameאותו plotעלילה.
392
928000
2000
זה אותו גרף.
15:45
This happensקורה to be incomeהַכנָסָה and assetsנכסים
393
930000
2000
אלה הם הכנסות ונכסים
15:47
versusנגד the sizeגודל of the companyחֶברָה as denotedמסומן by its numberמספר of employeesעובדים.
394
932000
2000
כנגד גודל החברה המיוצג באמצעות מסי עובדיה.
15:49
We could use salesמכירות, anything you like.
395
934000
3000
היינו יכולים להשתמש במכירות, מה שרוצים.
15:52
There it is: after some little fluctuationsתנודות at the beginningהתחלה,
396
937000
3000
לאחר כמה תנודות קלות בהתחלה,
15:55
when companiesחברות are innovatingחדשנות,
397
940000
2000
כאשר חברות ממציאות ומחדשות,
15:57
they scaleסוּלָם beautifullyיָפֶה.
398
942000
2000
הן מסתדרות יפה על הגרף.
15:59
And we'veיש לנו lookedהביט at 23,000 companiesחברות
399
944000
3000
בדקנו 23 אלף חברות,
16:02
in the Unitedמאוחד Statesמדינות, mayמאי I say.
400
947000
2000
בארה"ב, צריך לומר.
16:04
And I'm only showingמראה you a little bitbit of this.
401
949000
3000
אני מראה לכם מעט מזה.
16:07
What is astonishingמַפתִיעַ about companiesחברות
402
952000
2000
מה שמדהים לגבי חברות
16:09
is that they scaleסוּלָם sublinearlyתת-ליניארי
403
954000
3000
הוא שהן מסתדרות בגרף באופן תת-לינארי
16:12
like biologyביולוגיה,
404
957000
2000
כמו ביולוגיה,
16:14
indicatingהמציין that they're dominatedנשלט,
405
959000
2000
דבר המצביע על כך שהן נשלטות,
16:16
not by super-linearסופר ליניארי
406
961000
2000
לא על-ידי חידושים ורעיונות
16:18
innovationחדשנות and ideasרעיונות;
407
963000
3000
על-לינאריים;
16:21
they becomeהפכו dominatedנשלט
408
966000
2000
הן נשלטות
16:23
by economiesכלכלות of scaleסוּלָם.
409
968000
2000
על-ידי כלכלה של גודל.
16:25
In that interpretationפרשנות,
410
970000
2000
לפי פרשנות זו,
16:27
by bureaucracyבִּירוֹקרַטִיָה and administrationמִנהָל,
411
972000
2000
על-ידי בירוקרטיה וניירת,
16:29
and they do it beautifullyיָפֶה, mayמאי I say.
412
974000
2000
והן עושות זאת בצורה יפה.
16:31
So if you tell me the sizeגודל of some companyחֶברָה, some smallקָטָן companyחֶברָה,
413
976000
3000
אז אם היו אומרים לי את הגודל של חברה כלשהי, חברה קטנה,
16:34
I could have predictedניבא the sizeגודל of Walmartוולמארט.
414
979000
3000
הייתי יכול לחזות את הגודל של וולמרט.
16:37
If it has this sublinearתת-לינארי scalingדֵרוּג,
415
982000
2000
אם יש לה את הגדילה התת-לינארית,
16:39
the theoryתֵאוֹרִיָה saysאומר
416
984000
2000
התיאוריה אומרת
16:41
we should have sigmoidalסיגמואידית growthצְמִיחָה.
417
986000
3000
שתהיה לנו גדילה דמויית אות S.
16:44
There's Walmartוולמארט. Doesn't look very sigmoidalסיגמואידית.
418
989000
2000
הנה וולמרט. לא נראית כמו אות S.
16:46
That's what we like, hockeyהוֹקֵי sticksמקלות.
419
991000
3000
זה מה שאנו אוהבים, מקלות הוקי.
16:49
But you noticeהודעה, I've cheatedמְרוּמֶה,
420
994000
2000
אבל תשימו לב שרימיתי,
16:51
because I've only goneנעלם up to '94.
421
996000
2000
מכיוון שהגעתי רק עד 1994.
16:53
Let's go up to 2008.
422
998000
2000
הבה נעלה ל-2008.
16:55
That redאָדוֹם lineקַו is from the theoryתֵאוֹרִיָה.
423
1000000
3000
הקו האדום הוא מהתיאוריה.
16:58
So if I'd have doneבוצע this in 1994,
424
1003000
2000
כך שאם הייתי עושה זאת ב-1994,
17:00
I could have predictedניבא what Walmartוולמארט would be now.
425
1005000
3000
הייתי יכול לחזות מה תהיה וולמרט היום.
17:03
And then this is repeatedחוזר על עצמו
426
1008000
2000
זה חוזר על עצמו
17:05
acrossלְרוֹחָב the entireשלם spectrumספֵּקטרוּם of companiesחברות.
427
1010000
2000
לאורך כל מגוון החברות מסחריות.
17:07
There they are. That's 23,000 companiesחברות.
428
1012000
3000
הנה הן. אלה 23 אלף חברות.
17:10
They all startהַתחָלָה looking like hockeyהוֹקֵי sticksמקלות,
429
1015000
2000
הן כולן מתחילות כמקלות הוקי,
17:12
they all bendלְכּוֹפֵף over,
430
1017000
2000
הן כולן מתעקלות,
17:14
and they all dieלָמוּת like you and me.
431
1019000
2000
והן כולן מתות כמוני וכמוכם.
17:16
Thank you.
432
1021000
2000
תודה לכם
17:18
(Applauseתְשׁוּאוֹת)
433
1023000
9000
(מחיאות כפיים)
Translated by Yubal Masalker
Reviewed by Ido Dekkers

▲Back to top

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

Why you should listen

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

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

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

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