TED2010
Nicholas Christakis: The hidden influence of social networks
ניקולאס כריסטאקיס: השפעתם הנסתרת של רשתות חברתיות
Filmed:
Readability: 4.3
1,674,218 views
כולנו מוטמעים ברשתות חברתיות נרחבות של חברים, משפחה, עמיתים לעבודה ועוד. ניקולאס כריסטאקיס בודק כיצד מגוון רחב של תכונות -- מאושר להשמנת יתר -- יכולות להתפשט מאדם לאדם, ומראה כיצד המיקום שלך ברשת יכול להשפיע על חייך בדרכים שאתה בכלל לא יודע.
Nicholas Christakis - Physician, social scientist
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact. Full bio
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact. Full bio
Double-click the English transcript below to play the video.
00:16
For me, this story begins about 15 years ago,
0
1000
3000
עבורי, הסיפור הזה התחיל בערך לפני 15 שנים,
00:19
when I was a hospice doctor at the University of Chicago.
1
4000
3000
כשהייתי רופא הוספיס באוניברסיטת שיקאגו.
00:22
And I was taking care of people who were dying and their families
2
7000
3000
וטיפלתי באנשים שהולכים למות ובמשפחותיהם,
00:25
in the South Side of Chicago.
3
10000
2000
בחלק הדרומי של שיקאגו.
00:27
And I was observing what happened to people and their families
4
12000
3000
וצפיתי במה שקרה לאנשים ולמשפחותיהם
00:30
over the course of their terminal illness.
5
15000
3000
במהלך המחלה הסופנית שלהם.
00:33
And in my lab, I was studying the widower effect,
6
18000
2000
ובמעבדה שלי, חקרתי את 'אפקט האלמנה',
00:35
which is a very old idea in the social sciences,
7
20000
2000
שהוא רעיון עתיק מאוד במדעי החברה,
00:37
going back 150 years,
8
22000
2000
שקיים כבר כ-150 שנים,
00:39
known as "dying of a broken heart."
9
24000
2000
וידוע גם כ-"מוות משברון לב".
00:41
So, when I die, my wife's risk of death can double,
10
26000
3000
כך, שכשאני מת, הסיכוי של אשתי למות יכול להיות מוכפל,
00:44
for instance, in the first year.
11
29000
2000
למשל, בשנה הראשונה.
00:46
And I had gone to take care of one particular patient,
12
31000
3000
והלכתי לטפל בחולה מסוימת,
00:49
a woman who was dying of dementia.
13
34000
2000
אשה שגססה מדמנציה.
00:51
And in this case, unlike this couple,
14
36000
2000
ובמקרה זה, שלא כמו בני הזוג האלה,
00:53
she was being cared for
15
38000
2000
היא טופלה
00:55
by her daughter.
16
40000
2000
על ידי בתה.
00:57
And the daughter was exhausted from caring for her mother.
17
42000
3000
והבת הייתה מותשת מהטיפול באמה.
01:00
And the daughter's husband,
18
45000
2000
ובעלה של הבת,
01:02
he also was sick
19
47000
3000
הוא היה גם חולה
01:05
from his wife's exhaustion.
20
50000
2000
מהתשישות של אשתו.
01:07
And I was driving home one day,
21
52000
2000
ויום אחד בזמן שנהגתי הביתה,
01:09
and I get a phone call from the husband's friend,
22
54000
3000
קיבלתי שיחת טלפון מחבר של הבעל,
01:12
calling me because he was depressed
23
57000
2000
שהתקשר אלי בגלל שהוא היה מדוכא
01:14
about what was happening to his friend.
24
59000
2000
ממה שקורה לחבר שלו.
01:16
So here I get this call from this random guy
25
61000
2000
אז הנה אני, מקבל שיחה מהבחור האקראי הזה
01:18
that's having an experience
26
63000
2000
שחווה חוויה,
01:20
that's being influenced by people
27
65000
2000
שמושפעת מאנשים
01:22
at some social distance.
28
67000
2000
במרחק חברתי מסוים.
01:24
And so I suddenly realized two very simple things:
29
69000
3000
וכך אני פתאום מבין שני דברים מאוד פשוטים.
01:27
First, the widowhood effect
30
72000
2000
ראשית, אפקט האלמנות
01:29
was not restricted to husbands and wives.
31
74000
3000
אינו מוגבל לנשים ובעלים.
01:32
And second, it was not restricted to pairs of people.
32
77000
3000
שנית, הוא אינו מוגבל לזוגות של אנשים.
01:35
And I started to see the world
33
80000
2000
ואז התחלתי לראות את העולם
01:37
in a whole new way,
34
82000
2000
בדרך חדשה לגמרי,
01:39
like pairs of people connected to each other.
35
84000
3000
כזוגות של אנשים המחוברים אחד לשני.
01:42
And then I realized that these individuals
36
87000
2000
ואז הבנתי שפרטים אלה
01:44
would be connected into foursomes with other pairs of people nearby.
37
89000
3000
יהיו מחוברים לרביעיות עם זוגות אנשים אחרים בקרבתם.
01:47
And then, in fact, these people
38
92000
2000
ואז, למעשה, אנשים אלה
01:49
were embedded in other sorts of relationships:
39
94000
2000
כבר היו מוטמעים במערכות יחסים אחרות:
01:51
marriage and spousal
40
96000
2000
נישואים וזוגיות,
01:53
and friendship and other sorts of ties.
41
98000
2000
וחברות וקשרים אחרים.
01:55
And that, in fact, these connections were vast
42
100000
3000
ושלמעשה, הקשרים האלה הם נרחבים
01:58
and that we were all embedded in this
43
103000
2000
ושכולנו מוטמעים במערך
02:00
broad set of connections with each other.
44
105000
3000
הרחב של חיבורים אחד עם השני.
02:03
So I started to see the world in a completely new way
45
108000
3000
אז התחלתי לראות את העולם בדרך חדשה לחלוטין,
02:06
and I became obsessed with this.
46
111000
2000
ונהייתי אובססיבי לנושא.
02:08
I became obsessed with how it might be
47
113000
2000
נהייתי אובססיבי לאופן בו
02:10
that we're embedded in these social networks,
48
115000
2000
אנחנו מוטמעים ברשתות החברתיות האלה,
02:12
and how they affect our lives.
49
117000
2000
ולדרך בה הן משפיעות על חיינו.
02:14
So, social networks are these intricate things of beauty,
50
119000
3000
אז, רשתות חברתיות הן הדברים המסובכים היפים האלה,
02:17
and they're so elaborate and so complex
51
122000
2000
והן כל כך מפורטות ומורכבות
02:19
and so ubiquitous, in fact,
52
124000
2000
וכל כך נפוצות, שלמעשה,
02:21
that one has to ask what purpose they serve.
53
126000
3000
חייבים לשאול איזו מטרה הן משרתות.
02:24
Why are we embedded in social networks?
54
129000
2000
למה אנחנו מוטמעים ברשתות חברתיות?
02:26
I mean, how do they form? How do they operate?
55
131000
2000
אני מתכוון, כיצד הן נוצרות? איך הן פועלות?
02:28
And how do they effect us?
56
133000
2000
וכיצד הן משפיעות עלינו?
02:30
So my first topic with respect to this,
57
135000
3000
וכך, הנושא הראשון שלי ביחס לזה,
02:33
was not death, but obesity.
58
138000
3000
לא היה מוות, אלא, השמנת יתר.
02:36
It had become trendy
59
141000
2000
ופתאום, זה נהייה אופנתי
02:38
to speak about the "obesity epidemic."
60
143000
2000
לדבר על מגפת השמנת היתר.
02:40
And, along with my collaborator, James Fowler,
61
145000
3000
ויחד עם שותפי, ג'יימס פאולר,
02:43
we began to wonder whether obesity really was epidemic
62
148000
3000
התחלנו לתהות האם השמנת יתר היא באמת מגפה,
02:46
and could it spread from person to person
63
151000
2000
והאם היא יכולה להתפשט מאדם לאדם.
02:48
like the four people I discussed earlier.
64
153000
3000
כמו ארבעת האנשים שדיברתי עליהם קודם.
02:51
So this is a slide of some of our initial results.
65
156000
3000
אז זוהי שקופית של חלק מהתוצאות הראשוניות שלנו.
02:54
It's 2,200 people in the year 2000.
66
159000
3000
אלו 2,200 אנשים בשנת 2000.
02:57
Every dot is a person. We make the dot size
67
162000
2000
כל נקודה מייצגת אדם. גודל הנקודה נמצא
02:59
proportional to people's body size;
68
164000
2000
בפרופורציה למשקל הגוף של האנשים.
03:01
so bigger dots are bigger people.
69
166000
3000
כך שנקודות גדולות יותר מייצגות אנשים שמנים יותר.
03:04
In addition, if your body size,
70
169000
2000
ובנוסף, אם משקל הגוף שלכם,
03:06
if your BMI, your body mass index, is above 30 --
71
171000
2000
אם ה- BMI, מדד מסת הגוף שלכם הוא יותר מ-30,
03:08
if you're clinically obese --
72
173000
2000
ואתם מוגדרים כלוקים בהשמנת יתר קלינית,
03:10
we also colored the dots yellow.
73
175000
2000
אז צבענו את הנקודה שלכם בצהוב.
03:12
So, if you look at this image, right away you might be able to see
74
177000
2000
אז אם אתם מסתכלים מיד על ההדמייה, ייתכן שתוכלו לראות
03:14
that there are clusters of obese and
75
179000
2000
שישנם מקבצים של אנשים עם השמנת יתר
03:16
non-obese people in the image.
76
181000
2000
ואנשים ללא השמנת יתר.
03:18
But the visual complexity is still very high.
77
183000
3000
אבל המורכבות החזותית עדיין גבוהה מאוד.
03:21
It's not obvious exactly what's going on.
78
186000
3000
לא בדיוק ברור מה מתרחש כאן.
03:24
In addition, some questions are immediately raised:
79
189000
2000
בנוסף, שאלות מסוימות מועלות מייד.
03:26
How much clustering is there?
80
191000
2000
מהי מידת ההתקבצות?
03:28
Is there more clustering than would be due to chance alone?
81
193000
3000
האם היא גבוהה מזו שהיתה מתקבלת באופן מקרי?
03:31
How big are the clusters? How far do they reach?
82
196000
2000
כמה גדולים המקבצים? כמה רחוק הם מגיעים?
03:33
And, most importantly,
83
198000
2000
והכי חשוב,
03:35
what causes the clusters?
84
200000
2000
מה גורם להתקבצויות?
03:37
So we did some mathematics to study the size of these clusters.
85
202000
3000
אז עשינו מעט חישובים כדי לבחון את ההתקבצויות האלה.
03:40
This here shows, on the Y-axis,
86
205000
2000
זה כאן מראה, על ציר ה- Y,
03:42
the increase in the probability that a person is obese
87
207000
3000
את העליה בסבירות שאדם לוקה בהשמנת יתר
03:45
given that a social contact of theirs is obese
88
210000
2000
בהינתן שמכר שלהם לוקה בהשמנת יתר.
03:47
and, on the X-axis, the degrees of separation between the two people.
89
212000
3000
ועל ציר ה- X, רמות ההפרדה בין שני אנשים.
03:50
On the far left, you see the purple line.
90
215000
2000
ובצד שמאל, אתם רואים את העמודה הסגולה.
03:52
It says that, if your friends are obese,
91
217000
2000
שמראה שאם חבריכם לוקים בהשמנת יתר,
03:54
your risk of obesity is 45 percent higher.
92
219000
3000
הסיכוי שלכם ללקות בהשמנת יתר עולה ב-45 אחוז.
03:57
And the next bar over, the [red] line,
93
222000
2000
והעמודה ליד, הכתומה,
03:59
says if your friend's friends are obese,
94
224000
2000
מראה שאם חבר של חבר שלכם לוקה בהשמנת יתר,
04:01
your risk of obesity is 25 percent higher.
95
226000
2000
הסיכוי שלכם ללקות בהשמנת יתר עולה ב-25 אחוז.
04:03
And then the next line over says
96
228000
2000
והעמודה הבאה מראה
04:05
if your friend's friend's friend, someone you probably don't even know, is obese,
97
230000
3000
שאם חבר של חבר של חבר שלכם, מישהו שכנראה אינכם מכירים, לוקה בהשמנת יתר,
04:08
your risk of obesity is 10 percent higher.
98
233000
3000
הסיכוי שלכם ללקות בהשמנת יתר גבוה ב-10 אחוז.
04:11
And it's only when you get to your friend's friend's friend's friends
99
236000
3000
ורק כשאתם מגיעים לחבר של חבר של חבר של חבר שלכם,
04:14
that there's no longer a relationship
100
239000
2000
אז אין יותר קשר
04:16
between that person's body size and your own body size.
101
241000
3000
בין גודל הגוף של האדם ההוא לבין גודל הגוף שלכם.
04:20
Well, what might be causing this clustering?
102
245000
3000
ובכן, מה יכול לגרום להתקבצות הזאת?
04:23
There are at least three possibilities:
103
248000
2000
יש לפחות שלוש אפשרויות.
04:25
One possibility is that, as I gain weight,
104
250000
2000
אפשרות אחת היא שככל שאני עולה במשקל,
04:27
it causes you to gain weight.
105
252000
2000
זה גורם לכם לעלות במשקל,
04:29
A kind of induction, a kind of spread from person to person.
106
254000
3000
מעין אינדוקציה אוהתפשטות מאדם לאדם.
04:32
Another possibility, very obvious, is homophily,
107
257000
2000
עוד אפשרות, הברורה מאוד, היא הידמות,
04:34
or, birds of a feather flock together;
108
259000
2000
או 'ציפורים זהות נוצה חוברות לאותה להקה'.
04:36
here, I form my tie to you
109
261000
2000
אני מתחבר אליך
04:38
because you and I share a similar body size.
110
263000
3000
בגלל חולקים שלשנינו יש גודל גוף דומה.
04:41
And the last possibility is what is known as confounding,
111
266000
2000
והאפשרות האחרונה היא מה שידוע כ-'גורם מתערב',
04:43
because it confounds our ability to figure out what's going on.
112
268000
3000
בגלל שהוא מתערב ביכולת שלנו להבין מה קורה.
04:46
And here, the idea is not that my weight gain
113
271000
2000
וכאן, הרעיון הוא לא שההשמנה שלי
04:48
is causing your weight gain,
114
273000
2000
גורמת להשמנה שלך,
04:50
nor that I preferentially form a tie with you
115
275000
2000
ולא שאני מעדיף ליצור קשר איתך
04:52
because you and I share the same body size,
116
277000
2000
בגלל שאני ואתה בעלי משקל גוף זהה,
04:54
but rather that we share a common exposure
117
279000
2000
אלא משום שאנחנו נחשפים לסביבה דומה,
04:56
to something, like a health club
118
281000
3000
למשהו כמו מועדון בריאות
04:59
that makes us both lose weight at the same time.
119
284000
3000
שגורם לשנינו לאבד משקל באותו הזמן.
05:02
When we studied these data, we found evidence for all of these things,
120
287000
3000
וכשחקרנו את הנתונים האלה, מצאנו ראיות לכל הדברים הללו,
05:05
including for induction.
121
290000
2000
גם לאינדוקציה.
05:07
And we found that if your friend becomes obese,
122
292000
2000
ומצאנו שאם חבר שלכם סובל מהשמנת יתר,
05:09
it increases your risk of obesity by about 57 percent
123
294000
3000
זה מגדיל את הסיכוי שלכם ללקות בהשמנת יתר ב-57 אחוזים בערך
05:12
in the same given time period.
124
297000
2000
באותו פרק זמן.
05:14
There can be many mechanisms for this effect:
125
299000
3000
ויכולים להיות מספר מנגנונים עבור האפקט הזה.
05:17
One possibility is that your friends say to you something like --
126
302000
2000
אפשרות אחת היא שחברים שלכם אומרים לכם משהו כמו --
05:19
you know, they adopt a behavior that spreads to you --
127
304000
3000
אתם יודעים, הם מאמצים התנהגות שמתפשטת אליכם,
05:22
like, they say, "Let's go have muffins and beer,"
128
307000
3000
כמו למשל אם הם אומרים, "בוא נצא למאפינס ובירה",
05:25
which is a terrible combination. (Laughter)
129
310000
3000
שמהווים שילוב איום ונורא,
05:28
But you adopt that combination,
130
313000
2000
אבל אתם מאמצים את השילוב הזה,
05:30
and then you start gaining weight like them.
131
315000
3000
ואז אתם מתחילים לעלות במשקל כמותם.
05:33
Another more subtle possibility
132
318000
2000
ואפשרות אחרת, מעט מעודנת יותר,
05:35
is that they start gaining weight, and it changes your ideas
133
320000
3000
היא שהם מתחילים לעלות במשקל וזה משנה את המושג שלכם
05:38
of what an acceptable body size is.
134
323000
2000
לגבי מהו משקל גוף מקובל.
05:40
Here, what's spreading from person to person
135
325000
2000
וכאן, מה שמתפשט מאדם לאדם
05:42
is not a behavior, but rather a norm:
136
327000
2000
הוא לא התנהגות, אלא יותר נורמה.
05:44
An idea is spreading.
137
329000
2000
הרעיון הוא שמתפשט.
05:46
Now, headline writers
138
331000
2000
עכשיו, כתבים
05:48
had a field day with our studies.
139
333000
2000
התלהבו מאוד מהמחקר שלנו.
05:50
I think the headline in The New York Times was,
140
335000
2000
אני חושב שהכותרת בניו-יורק טיימס הייתה,
05:52
"Are you packing it on?
141
337000
2000
"האם אתה עולה במשקל?
05:54
Blame your fat friends." (Laughter)
142
339000
3000
האשם את החברים השמנים שלך."
05:57
What was interesting to us is that the European headline writers
143
342000
2000
מה שהיה מעניין לנו היו הכתבים האירופאים
05:59
had a different take: They said,
144
344000
2000
שהייתה להם זווית שונה, הם אמרו,
06:01
"Are your friends gaining weight? Perhaps you are to blame."
145
346000
3000
"האם חבריך עולים במשקל? אולי צריך להאשים אותך."
06:04
(Laughter)
146
349000
5000
(צחוק)
06:09
And we thought this was a very interesting comment on America,
147
354000
3000
ואנחנו חשבנו שזאת הערה מאוד מעניינת על אמריקה,
06:12
and a kind of self-serving,
148
357000
2000
סוג של 'טמינת ידיים בצלחת',
06:14
"not my responsibility" kind of phenomenon.
149
359000
2000
תופעה מהסוג של "לא-קשור-אלי".
06:16
Now, I want to be very clear: We do not think our work
150
361000
2000
עכשיו אני רוצה להיות מאוד ברור, אנחנו לא חושבים שהעבודה שלנו
06:18
should or could justify prejudice
151
363000
2000
יכולה או צריכה להצדיק דעות קדומות
06:20
against people of one or another body size at all.
152
365000
3000
נגד אנשים עם במשקל כזה או אחר.
06:24
Our next questions was:
153
369000
2000
עכשיו, השאלה הבאה שלנו הייתה:
06:26
Could we actually visualize this spread?
154
371000
3000
האם אנחנו יכולים לדמות את ההתפשטות הזאת?
06:29
Was weight gain in one person actually spreading
155
374000
2000
האם העליה במשקל של אדם אחד ממש מתפשטת
06:31
to weight gain in another person?
156
376000
2000
לעליה במשקל של אדם אחר?
06:33
And this was complicated because
157
378000
2000
וזה היה מסובך בגלל
06:35
we needed to take into account the fact that the network structure,
158
380000
3000
שהיינו צריכים לקחת בחשבון את העובדה שמבנה הרשת,
06:38
the architecture of the ties, was changing across time.
159
383000
3000
הארכיטקטורה של הקשרים השתנתה לאורך זמן.
06:41
In addition, because obesity is not a unicentric epidemic,
160
386000
3000
בנוסף, בגלל שהשמנת יתר אינה מגפה ממוקדת,
06:44
there's not a Patient Zero of the obesity epidemic --
161
389000
3000
אין כאן "חולה אפס" של מגפת השמנת היתר --
06:47
if we find that guy, there was a spread of obesity out from him --
162
392000
3000
שאם היינו מוצאים אותו, היינו רואים התפשטות של השמנת יתר ממנו.
06:50
it's a multicentric epidemic.
163
395000
2000
זאת מגפה רבת מוקדים.
06:52
Lots of people are doing things at the same time.
164
397000
2000
המון אנשים עושים דברים באותו הזמן.
06:54
And I'm about to show you a 30 second video animation
165
399000
3000
ואני עומד להראות לכם קטע ווידאו מונפש בן 30 שניות
06:57
that took me and James five years of our lives to do.
166
402000
3000
שלקח לי ולג'יימס חמש שנים מהחיים שלנו לעשות.
07:00
So, again, every dot is a person.
167
405000
2000
וכך שוב, כל נקודה מייצגת אדם.
07:02
Every tie between them is a relationship.
168
407000
2000
כל קו ביניהם הוא מערכת יחסים.
07:04
We're going to put this into motion now,
169
409000
2000
ואנחנו נניע את זה עכשיו,
07:06
taking daily cuts through the network for about 30 years.
170
411000
3000
כאשר אנחנו לוקחים תמונות יומיות של הרשת במשך 30 שנה בערך.
07:09
The dot sizes are going to grow,
171
414000
2000
הנקודות הולכות לגדול.
07:11
you're going to see a sea of yellow take over.
172
416000
3000
אתם עומדים לראות ים של צהוב שמשתלט.
07:14
You're going to see people be born and die --
173
419000
2000
אתם עומדים לראות אנשים שעומדים להיוולד ולמות;
07:16
dots will appear and disappear --
174
421000
2000
נקודות יופיעו ייעלמו.
07:18
ties will form and break, marriages and divorces,
175
423000
3000
קשרים ייוצרו ויישברו. נישואים וגירושים,
07:21
friendings and defriendings.
176
426000
2000
התחברות והיפרדות,
07:23
A lot of complexity, a lot is happening
177
428000
2000
הרבה מורכבות, הרבה קורה
07:25
just in this 30-year period
178
430000
2000
רק בתקופה הזאת של שלושים שנים.
07:27
that includes the obesity epidemic.
179
432000
2000
זה כולל את מגפת השמנת היתר.
07:29
And, by the end, you're going to see clusters
180
434000
2000
ולקראת הסוף, אתם עומדים לראות מקבצים
07:31
of obese and non-obese individuals
181
436000
2000
של יחידים עם השמנת יתר ובלי
07:33
within the network.
182
438000
2000
בתוך הרשת.
07:35
Now, when looked at this,
183
440000
3000
עכשיו, כאשר הסתכלתי על זה,
07:38
it changed the way I see things,
184
443000
3000
זה שינה את הדרך שבה אני רואה דברים,
07:41
because this thing, this network
185
446000
2000
בגלל שהדבר הזה, הרשת הזאת,
07:43
that's changing across time,
186
448000
2000
שמשתנה לאורך זמן,
07:45
it has a memory, it moves,
187
450000
3000
יש לה זיכרון, היא זזה,
07:48
things flow within it,
188
453000
2000
דברים זורמים בתוכה,
07:50
it has a kind of consistency --
189
455000
2000
יש לה סוג של עקביות;
07:52
people can die, but it doesn't die;
190
457000
2000
אנשים יכולים למות, אבל היא לא מתה;
07:54
it still persists --
191
459000
2000
היא עדיין מתמידה.
07:56
and it has a kind of resilience
192
461000
2000
ויש לה סוג של גמישות
07:58
that allows it to persist across time.
193
463000
2000
שמאפשרת לה להתמיד לאורך זמן.
08:00
And so, I came to see these kinds of social networks
194
465000
3000
וכך, הגעתי לראות את הסימנים האלה של רשתות חברתיות
08:03
as living things,
195
468000
2000
בדברים חיים,
08:05
as living things that we could put under a kind of microscope
196
470000
3000
דברים חיים שאנחנו יכולים לשים מתחת לסוג כזה של מיקרוסקופ
08:08
to study and analyze and understand.
197
473000
3000
וללמוד ולנתח ולהבין.
08:11
And we used a variety of techniques to do this.
198
476000
2000
והשתמשנו במגוון של טכנולוגיות כדי לעשות זאת.
08:13
And we started exploring all kinds of other phenomena.
199
478000
3000
והתחלנו לחקור כל מיני תופעות אחרות.
08:16
We looked at smoking and drinking behavior,
200
481000
2000
וכך הסתכלנו על התנהגות של שתייה ועישון
08:18
and voting behavior,
201
483000
2000
והתנהגות של הצבעה בבחירות,
08:20
and divorce -- which can spread --
202
485000
2000
וגירושים, שיכולים להתפשט,
08:22
and altruism.
203
487000
2000
ואלטרואיזם.
08:24
And, eventually, we became interested in emotions.
204
489000
3000
ולבסוף, התעניינו ברגשות.
08:28
Now, when we have emotions,
205
493000
2000
עכשיו, כשיש לנו רגשות,
08:30
we show them.
206
495000
2000
אנחנו מראים אותם.
08:32
Why do we show our emotions?
207
497000
2000
למה אנחנו מראים את הרגשות שלנו?
08:34
I mean, there would be an advantage to experiencing
208
499000
2000
אני מתכוון, יש יתרון בלחוות
08:36
our emotions inside, you know, anger or happiness.
209
501000
3000
את הרגשות שלנו בפנים, אתם יודעים, כעס או אושר,
08:39
But we don't just experience them, we show them.
210
504000
2000
אבל אנחנו לא רק חווים אותם, אנחנו מראים אותם.
08:41
And not only do we show them, but others can read them.
211
506000
3000
ולא רק שאנחנו מראים אותם, אחרים יכולים לקרוא אותם.
08:44
And, not only can they read them, but they copy them.
212
509000
2000
ולא רק שהם יכולים לקרוא אותם, הם יכולים גם להעתיק אותם.
08:46
There's emotional contagion
213
511000
2000
ישנה הדבקה חברתית
08:48
that takes place in human populations.
214
513000
3000
שמתרחשת באוכלוסיות אנושיות.
08:51
And so this function of emotions
215
516000
2000
ושימוש כזה של רגשות
08:53
suggests that, in addition to any other purpose they serve,
216
518000
2000
יכול להציע שבנוסף למטרה אחרת שהם משרתים,
08:55
they're a kind of primitive form of communication.
217
520000
3000
הם גם צורת תקשורת פרימיטיבית.
08:58
And that, in fact, if we really want to understand human emotions,
218
523000
3000
ושלמעשה, אם אנחנו באמת רוצים להבין רגשות אנושיים,
09:01
we need to think about them in this way.
219
526000
2000
אנחנו צריכים לדבר עליהם בדרך כזאת.
09:03
Now, we're accustomed to thinking about emotions in this way,
220
528000
3000
עכשיו, אנחנו מורגלים לחשוב על רגשות בדרך כזאת,
09:06
in simple, sort of, brief periods of time.
221
531000
3000
בצורה פשוטה ובתקופות קצרות של זמן
09:09
So, for example,
222
534000
2000
כך לדוגמא,
09:11
I was giving this talk recently in New York City,
223
536000
2000
העברתי את ההרצאה הזאת בניו-יורק, ואמרתי:
09:13
and I said, "You know when you're on the subway
224
538000
2000
"אתם יודעים, איך זה כשאתם
09:15
and the other person across the subway car
225
540000
2000
ברכבת התחתית,ואדם אחר
09:17
smiles at you,
226
542000
2000
מחייך לעברכם,
09:19
and you just instinctively smile back?"
227
544000
2000
ואתם פשוט אינסטינקטיבית מחייכים בחזרה."
09:21
And they looked at me and said, "We don't do that in New York City." (Laughter)
228
546000
3000
והם הסתכלו עלי ואמרו, "אנחנו לא עושים את זה כאן בניו-יורק."
09:24
And I said, "Everywhere else in the world,
229
549000
2000
ואני אמרתי, "בכל מקום אחר בעולם,
09:26
that's normal human behavior."
230
551000
2000
זאת ההתנהגות האנושית הנורמאלית."
09:28
And so there's a very instinctive way
231
553000
2000
וכך יש דרך מאוד אינסטינקטיבית
09:30
in which we briefly transmit emotions to each other.
232
555000
3000
שבה אנחנו משדרים בקצרה רגשות אחד לשני.
09:33
And, in fact, emotional contagion can be broader still.
233
558000
3000
ולמעשה, הידבקות חברתית יכולה להיות רחבה עדיין,
09:36
Like we could have punctuated expressions of anger,
234
561000
3000
כמו למשל שאנחנו יכולים לראות ביטויים מודגשים של כעס,
09:39
as in riots.
235
564000
2000
כמו במהומות.
09:41
The question that we wanted to ask was:
236
566000
2000
השאלה שאנחנו רצינו לשאול הייתה:
09:43
Could emotion spread,
237
568000
2000
האם רגש יכול להתפשט,
09:45
in a more sustained way than riots, across time
238
570000
3000
בדרך יותר ממושכת מאשר במהומות, לאורך זמן
09:48
and involve large numbers of people,
239
573000
2000
ותוך עירוב מספר גדול יותר של אנשים,
09:50
not just this pair of individuals smiling at each other in the subway car?
240
575000
3000
לא רק הזוג הזה של פרטים שמחייכים אחד לשני בקרון הרכבת התחתית?
09:53
Maybe there's a kind of below the surface, quiet riot
241
578000
3000
אולי יש סוג של מהומה "מתחת לפני השטח"
09:56
that animates us all the time.
242
581000
2000
שמלווה אותנו כל הזמן.
09:58
Maybe there are emotional stampedes
243
583000
2000
אולי ישנם רמיסות רגשיות
10:00
that ripple through social networks.
244
585000
2000
שזזות על פני גלי הרשתות החברתיות.
10:02
Maybe, in fact, emotions have a collective existence,
245
587000
3000
אולי, למעשה, לרגשות יש קיום קולקטיבי,
10:05
not just an individual existence.
246
590000
2000
ולא רק קיום יחידני.
10:07
And this is one of the first images we made to study this phenomenon.
247
592000
3000
וזוהי אחת מההדמיות הראשונות שעשינו כדי ללמוד את התופעה הזאת.
10:10
Again, a social network,
248
595000
2000
שוב, רשת חברתית,
10:12
but now we color the people yellow if they're happy
249
597000
3000
אבל עכשיו אנחנו צובעים את האנשים בצהוב אם הם מאושרים
10:15
and blue if they're sad and green in between.
250
600000
3000
ובכחול אם הם עצובים וירוק אם הם באמצע.
10:18
And if you look at this image, you can right away see
251
603000
2000
ואם אתם מסתכלים על ההדמיה הזאת, אתם מיד יכולים לראות
10:20
clusters of happy and unhappy people,
252
605000
2000
מקבצים של אנשים מאושרים ולא מאושרים,
10:22
again, spreading to three degrees of separation.
253
607000
2000
שוב, מתחלקים לשלוש דרגות של הפרדה.
10:24
And you might form the intuition
254
609000
2000
ואתם יכולים לקבל את התחושה
10:26
that the unhappy people
255
611000
2000
שאנשים לא מאושרים
10:28
occupy a different structural location within the network.
256
613000
3000
תופסים מיקום שונה במבנה בתוך הרשת.
10:31
There's a middle and an edge to this network,
257
616000
2000
כך שיש אמצע וקצה לרשת הזאת,
10:33
and the unhappy people seem to be
258
618000
2000
ונראה שהאנשים הלא מאושרים
10:35
located at the edges.
259
620000
2000
ממוקמים בקצוות.
10:37
So to invoke another metaphor,
260
622000
2000
אז כדי לעורר מטאפורה נוספת,
10:39
if you imagine social networks as a kind of
261
624000
2000
אם אתם מדמיינים רשתות חברתיות כסוג של
10:41
vast fabric of humanity --
262
626000
2000
מארג אנושי רחב --
10:43
I'm connected to you and you to her, on out endlessly into the distance --
263
628000
3000
אני מחובר אליך ואתה מחובר אליה, וכך בצורה אינסופית אל המרחב --
10:46
this fabric is actually like
264
631000
2000
המארג הזה הוא למעשה כמו
10:48
an old-fashioned American quilt,
265
633000
2000
שמיכת טלאים אמריקאית קלאסית,
10:50
and it has patches on it: happy and unhappy patches.
266
635000
3000
ויש עליה טלאים, טלאים מאושרים ולא מאושרים.
10:53
And whether you become happy or not
267
638000
2000
ואם אתם תהיו מאושרים או לא
10:55
depends in part on whether you occupy a happy patch.
268
640000
3000
תלוי בחלקו באם תאכלסו טלאי שמח.
10:58
(Laughter)
269
643000
2000
(צחוק)
11:00
So, this work with emotions,
270
645000
3000
אז, זה עובד עם רגשות,
11:03
which are so fundamental,
271
648000
2000
שהם כל כך בסיסיים,
11:05
then got us to thinking about: Maybe
272
650000
2000
מה שגרם לנו לחשוב, אולי,
11:07
the fundamental causes of human social networks
273
652000
2000
שהסיבות הבסיסיות לרשתות חברתיות אנושיות
11:09
are somehow encoded in our genes.
274
654000
2000
איכשהו מקודדות בגנים שלנו.
11:11
Because human social networks, whenever they are mapped,
275
656000
3000
משום שרשתות חברתיות אנושיות, כאשר הן ממופות,
11:14
always kind of look like this:
276
659000
2000
תמיד נראות כך,
11:16
the picture of the network.
277
661000
2000
התמונה של הרשת,
11:18
But they never look like this.
278
663000
2000
אבל הן אף פעם לא נראות כך.
11:20
Why do they not look like this?
279
665000
2000
למה הן אף פעם לא נראות כך?
11:22
Why don't we form human social networks
280
667000
2000
למה אנחנו לא יוצרים רשתות חברתיות אנושיות
11:24
that look like a regular lattice?
281
669000
2000
שנראות כמו סבכה רגילה?
11:26
Well, the striking patterns of human social networks,
282
671000
3000
ובכן, התבניות המדהימות של רשתות חברתיות אנושיות,
11:29
their ubiquity and their apparent purpose
283
674000
3000
ההימצאות שלהן בכל מקום, והמטרה הנראית לעין שלהן
11:32
beg questions about whether we evolved to have
284
677000
2000
מזמינות שאלות כמו האם התפתחנו לקיים
11:34
human social networks in the first place,
285
679000
2000
רשתות חברתיות אנושיות מלכתחילה?
11:36
and whether we evolved to form networks
286
681000
2000
והאם התפתחנו ליצור רשתות
11:38
with a particular structure.
287
683000
2000
עם מבנה מסוים?
11:40
And notice first of all -- so, to understand this, though,
288
685000
2000
וקודם כל שימו לב... בכדי להבין זאת,
11:42
we need to dissect network structure a little bit first --
289
687000
3000
אנחנו קודם כל צריכים לנתח בחלקו את מבנה הרשת.
11:45
and notice that every person in this network
290
690000
2000
ושימו לב שלכל אדם ברשת הזאת
11:47
has exactly the same structural location as every other person.
291
692000
3000
יש בדיוק את אותו המיקום המבני כמו לכל אדם אחר.
11:50
But that's not the case with real networks.
292
695000
3000
אבל זה לא המקרה עם רשתות אמיתיות.
11:53
So, for example, here is a real network of college students
293
698000
2000
כך, לדוגמא, הנה רשת של סטודנטים במכללה
11:55
at an elite northeastern university.
294
700000
3000
באוניברסיטה צפון-מזרחית נחשבת.
11:58
And now I'm highlighting a few dots.
295
703000
2000
וכעת אני מדגיש כמה נקודות.
12:00
If you look here at the dots,
296
705000
2000
ואם אתם מסתכלים כאן על הנקודות,
12:02
compare node B in the upper left
297
707000
2000
השוו את צומת B, משמאל למעלה,
12:04
to node D in the far right;
298
709000
2000
לצומת D מימין.
12:06
B has four friends coming out from him
299
711000
2000
ול- B יש ארבעה חברים שיוצאים ממנו.
12:08
and D has six friends coming out from him.
300
713000
3000
ול- D יש שישה חברים שיוצאים ממנו.
12:11
And so, those two individuals have different numbers of friends.
301
716000
3000
וכך, לשני הפרטים האלה יש מספר שונה של חברים --
12:14
That's very obvious, we all know that.
302
719000
2000
זה מאוד ברור, כולנו יודעים את זה.
12:16
But certain other aspects
303
721000
2000
אבל פנים מסוימים אחרים
12:18
of social network structure are not so obvious.
304
723000
2000
של רשתות חברתיות אינם ברורים כל כך.
12:20
Compare node B in the upper left to node A in the lower left.
305
725000
3000
השוו את צומת B משמאל למעלה לצומת A משמאל למטה.
12:23
Now, those people both have four friends,
306
728000
3000
וכעת לשני האנשים האלה יש ארבעה חברים,
12:26
but A's friends all know each other,
307
731000
2000
אבל החברים של A כולם מכירים אחד את השני,
12:28
and B's friends do not.
308
733000
2000
והחברים של B לא.
12:30
So the friend of a friend of A's
309
735000
2000
אז חבר של חבר של A,
12:32
is, back again, a friend of A's,
310
737000
2000
הוא בעצמו חבר של A,
12:34
whereas the friend of a friend of B's is not a friend of B's,
311
739000
2000
בעוד שחבר של חבר של B אינו חבר של B,
12:36
but is farther away in the network.
312
741000
2000
הוא למעשה רחוק יותר ברשת.
12:38
This is known as transitivity in networks.
313
743000
3000
זה ידוע כטרנזיטיביות (יחס עובר) ברשתות.
12:41
And, finally, compare nodes C and D:
314
746000
2000
ולסיום השוו את הצמתים C ו- D.
12:43
C and D both have six friends.
315
748000
3000
ל- C ול- D שניהם יש שישה חברים.
12:46
If you talk to them, and you said, "What is your social life like?"
316
751000
3000
אם היית מדבר איתם, והיית אומר, "איך נראים החיים החברתיים שלך?"
12:49
they would say, "I've got six friends.
317
754000
2000
הם היו אומרים, "יש לי שישה חברים.
12:51
That's my social experience."
318
756000
2000
זאת החוויה החברתית שלי."
12:53
But now we, with a bird's eye view looking at this network,
319
758000
3000
אבל כעת כשאנחנו, ממבט הציפור, מסתכלים על הרשת הזאת,
12:56
can see that they occupy very different social worlds.
320
761000
3000
אנחנו יכולים לראות שהם מהווים עולמות חברתיים מאוד שונים,
12:59
And I can cultivate that intuition in you by just asking you:
321
764000
2000
ואני יכול לפתח את האינטואיציה הזאת בכם ע"י שאשאל אתכם:
13:01
Who would you rather be
322
766000
2000
מי אתם הייתם מעדיפים להיות
13:03
if a deadly germ was spreading through the network?
323
768000
2000
אם חיידק קטלני היה מתפשט דרך הרשת?
13:05
Would you rather be C or D?
324
770000
3000
הייתם מעדיפים להיות C או D?
13:08
You'd rather be D, on the edge of the network.
325
773000
2000
הייתם מעדיפים להיות D, בקצה הרשת.
13:10
And now who would you rather be
326
775000
2000
וכעת, מי הייתם מעדיפים להיות
13:12
if a juicy piece of gossip -- not about you --
327
777000
3000
אם פיסה עסיסית של רכילות, לא עליכם,
13:15
was spreading through the network? (Laughter)
328
780000
2000
הייתה מתפשטת דרך הרשת?
13:17
Now, you would rather be C.
329
782000
2000
עכשיו, הייתם מעדיפים להיות C.
13:19
So different structural locations
330
784000
2000
אז למיקומים מבניים שונים
13:21
have different implications for your life.
331
786000
2000
יש השלכות שונות עבור החיים שלכם.
13:23
And, in fact, when we did some experiments looking at this,
332
788000
3000
ולמעשה, כשביצענו ניסויים שבחנו את זה,
13:26
what we found is that 46 percent of the variation
333
791000
3000
מה שמצאנו הוא ש-46 אחוזים מהשונות בין אנשים
13:29
in how many friends you have
334
794000
2000
במספר החברים
13:31
is explained by your genes.
335
796000
2000
מוסברים ע"י הגנים.
13:33
And this is not surprising. We know that some people are born shy
336
798000
3000
וזה לא מפתיע. אנחנו יודעים שאנשים מסוימים נולדים ביישנים,
13:36
and some are born gregarious. That's obvious.
337
801000
3000
וחלק נולדים ראוותנים. זה ברור.
13:39
But we also found some non-obvious things.
338
804000
2000
אבל גם מצאנו דברים שהם לא ברורים.
13:41
For instance, 47 percent in the variation
339
806000
3000
למשל, 47 אחוז מהשונות
13:44
in whether your friends know each other
340
809000
2000
ברמת ההיכרות בין החברים שלכם
13:46
is attributable to your genes.
341
811000
2000
מיוחסים לגנים שלכם.
13:48
Whether your friends know each other
342
813000
2000
רמת ההיכרות בין החברים שלכם
13:50
has not just to do with their genes, but with yours.
343
815000
3000
קשורה לא רק לגנים שלהם, אלא גם לשלכם.
13:53
And we think the reason for this is that some people
344
818000
2000
ואנחנו חושבים שהסיבה לכך היא שחלק מהאנשים
13:55
like to introduce their friends to each other -- you know who you are --
345
820000
3000
אוהבים להכיר את החברים שלהם אחד לשני -- אתם יודעים מי אתם --
13:58
and others of you keep them apart and don't introduce your friends to each other.
346
823000
3000
ואחרים מכם, שומרים אותם בנפרד ולא מכירים אותם אחד לשני.
14:01
And so some people knit together the networks around them,
347
826000
3000
וכך, חלק מהאנשים סורגים ביחד את הרשת שלהם מסביבם,
14:04
creating a kind of dense web of ties
348
829000
2000
יוצרים מעין קור דחוס של קשרים
14:06
in which they're comfortably embedded.
349
831000
2000
שבתוכם הם מוטמעים בנוחות.
14:08
And finally, we even found that
350
833000
2000
ולסיום, אפילו מצאנו
14:10
30 percent of the variation
351
835000
2000
ש 30% מהשונות
14:12
in whether or not people are in the middle or on the edge of the network
352
837000
3000
במיקום על גבי הרשת
14:15
can also be attributed to their genes.
353
840000
2000
יכולים גם כן להיות מיוחסים לגנים.
14:17
So whether you find yourself in the middle or on the edge
354
842000
2000
אז אם אתם מוצאים את עצמכם באמצע או בקצה
14:19
is also partially heritable.
355
844000
3000
היא גם תכונה שבחלקה תורשתית.
14:22
Now, what is the point of this?
356
847000
3000
עכשיו, מה הנקודה של כל זה?
14:25
How does this help us understand?
357
850000
2000
כיצד זה עוזר לנו להבין?
14:27
How does this help us
358
852000
2000
כיצד זה עוזר לנו
14:29
figure out some of the problems that are affecting us these days?
359
854000
3000
להבין חלק מהבעיות שמשפיעות עלינו בימים אלה?
14:33
Well, the argument I'd like to make is that networks have value.
360
858000
3000
ובכן, אני אטען שלרשתות יש ערך.
14:36
They are a kind of social capital.
361
861000
3000
שהן סוג של הון חברתי.
14:39
New properties emerge
362
864000
2000
תכונות חדשות מגיחות
14:41
because of our embeddedness in social networks,
363
866000
2000
בגלל ההטמעה שלנו ברשתות חברתיות,
14:43
and these properties inhere
364
868000
3000
הן חלק בלתי נפרד
14:46
in the structure of the networks,
365
871000
2000
במבנה של הרשתות,
14:48
not just in the individuals within them.
366
873000
2000
לא רק בפרטים אשר בתוכן.
14:50
So think about these two common objects.
367
875000
2000
אז תחשבו על שני החפצים הנפוצים האלה.
14:52
They're both made of carbon,
368
877000
2000
שניהם עשויים מפחמן,
14:54
and yet one of them has carbon atoms in it
369
879000
3000
ובכל זאת באחד מהם אטומי הפחמן
14:57
that are arranged in one particular way -- on the left --
370
882000
3000
מאורגנים בדרך מסוימת, משמאל,
15:00
and you get graphite, which is soft and dark.
371
885000
3000
ואז אתם מקבלים גרפיט, שהוא רך וכהה.
15:03
But if you take the same carbon atoms
372
888000
2000
אבל אם אתם לוקחים את אותם אטומי פחמן
15:05
and interconnect them a different way,
373
890000
2000
ומחברים אותם בצורה שונה,
15:07
you get diamond, which is clear and hard.
374
892000
3000
אתם מקבלים יהלומים שהם צלולים וקשים.
15:10
And those properties of softness and hardness and darkness and clearness
375
895000
3000
ותכונות אלה של רכות וקשיחות ושל כהות וצלילות
15:13
do not reside in the carbon atoms;
376
898000
2000
לא נמצאים באטומי הפחמן.
15:15
they reside in the interconnections between the carbon atoms,
377
900000
3000
הם נמצאים בחיבורים שבין אטומי הפחמן,
15:18
or at least arise because of the
378
903000
2000
או לפחות מתקיימים בגלל
15:20
interconnections between the carbon atoms.
379
905000
2000
חיבורים בין אטומי הפחמן.
15:22
So, similarly, the pattern of connections among people
380
907000
3000
כך, בצורה דומה, התבנית של חיבורים בין אנשים
15:25
confers upon the groups of people
381
910000
3000
מעניקה לקבוצות של אנשים
15:28
different properties.
382
913000
2000
תכונות שונות.
15:30
It is the ties between people
383
915000
2000
אלו הם הקשרים שבין האנשים
15:32
that makes the whole greater than the sum of its parts.
384
917000
3000
שעושים את השלם גדול מסכום חלקיו.
15:35
And so it is not just what's happening to these people --
385
920000
3000
וכך, זה לא רק מה שקורה לאנשים האלה,
15:38
whether they're losing weight or gaining weight, or becoming rich or becoming poor,
386
923000
3000
אם הם מאבדים או מוסיפים משקל, או מתעשרים או הופכים עניים,
15:41
or becoming happy or not becoming happy -- that affects us;
387
926000
3000
או נהיים מאושרים או לא נהיים מאושרים, שמשפיע עלינו;
15:44
it's also the actual architecture
388
929000
2000
זאת גם הארכיטקטורה הממשית
15:46
of the ties around us.
389
931000
2000
של הקשרים מסביבנו.
15:48
Our experience of the world
390
933000
2000
החוויה שלנו של העולם
15:50
depends on the actual structure
391
935000
2000
תלויה על המבנה הממשי
15:52
of the networks in which we're residing
392
937000
2000
של הרשתות שבתוכן אנחנו נמצאים
15:54
and on all the kinds of things that ripple and flow
393
939000
3000
ועל כל הסוגים של הדברים שנעים וזורמים
15:57
through the network.
394
942000
2000
דרך הרשת.
16:00
Now, the reason, I think, that this is the case
395
945000
3000
כעת, הסיבה, אני חושב, שזה המקרה
16:03
is that human beings assemble themselves
396
948000
2000
היא שבני אדם אוספים את עצמם
16:05
and form a kind of superorganism.
397
950000
3000
ויוצרים סוג של סופר-אורגניזם.
16:09
Now, a superorganism is a collection of individuals
398
954000
3000
כעת, סופר-אורגניזם הוא אוסף של פרטים
16:12
which show or evince behaviors or phenomena
399
957000
3000
אשר מראה או מפגין התנהגויות או תופעות
16:15
that are not reducible to the study of individuals
400
960000
3000
שלא ניתן להבינם ברמה של הפרטים
16:18
and that must be understood by reference to,
401
963000
2000
וחייבים להבינם
16:20
and by studying, the collective.
402
965000
2000
ע"י למידה של הקולקטיב,
16:22
Like, for example, a hive of bees
403
967000
3000
כמו, לדוגמא, כוורת של דבורים
16:25
that's finding a new nesting site,
404
970000
3000
שמוצאת אתר חדש לכוורת,
16:28
or a flock of birds that's evading a predator,
405
973000
2000
או להק של ציפורים שמתחמק מטורף,
16:30
or a flock of birds that's able to pool its wisdom
406
975000
3000
או להק של ציפורים שמסוגל לקבץ את החוכמה שלו
16:33
and navigate and find a tiny speck
407
978000
2000
ולנווט ולמצוא כתם קטן
16:35
of an island in the middle of the Pacific,
408
980000
2000
שהוא אי באמצע האוקיינוס השקט,
16:37
or a pack of wolves that's able
409
982000
2000
או להקה של זאבים שמסוגלת
16:39
to bring down larger prey.
410
984000
3000
להרוג טרף גדול מהם.
16:42
Superorganisms have properties
411
987000
2000
לסופר-אורגניזמים יש תכונות
16:44
that cannot be understood just by studying the individuals.
412
989000
3000
שאינן ניתנות להבנה ע"י חקירת הפרטים שבתוכם.
16:47
I think understanding social networks
413
992000
2000
אני חושב שהבנה של רשתות חברתיות
16:49
and how they form and operate
414
994000
2000
וכיצד הן נוצרות ופועלות,
16:51
can help us understand not just health and emotions
415
996000
3000
יכולה לעזור לנו להבין, לא רק בריאות ורגשות,
16:54
but all kinds of other phenomena --
416
999000
2000
אלא סוגים שונים של תופעות
16:56
like crime, and warfare,
417
1001000
2000
כמו פשע ולוחמה
16:58
and economic phenomena like bank runs
418
1003000
2000
ותופעות כלכליות כמו קריסות בנקים
17:00
and market crashes
419
1005000
2000
והתרסקויות של שווקים
17:02
and the adoption of innovation
420
1007000
2000
והאימוץ של חדשנות
17:04
and the spread of product adoption.
421
1009000
2000
וההתפשטות של אימוץ מוצר.
17:06
Now, look at this.
422
1011000
2000
כעת, הסתכלו על זה.
17:09
I think we form social networks
423
1014000
2000
אני חושב שאנחנו יוצרים רשתות חברתיות
17:11
because the benefits of a connected life
424
1016000
2000
בגלל שהיתרונות של חיים מקושרים
17:13
outweigh the costs.
425
1018000
3000
גדולים יותר מהחסרונות.
17:16
If I was always violent towards you
426
1021000
2000
אם תמיד נהגתי כלפיכם באלימות
17:18
or gave you misinformation
427
1023000
2000
או נתתי לכם מידע מוטעה,
17:20
or made you sad or infected you with deadly germs,
428
1025000
3000
או העצבתי אתכם, או הדבקתי אתכם בחיידקים קטלניים,
17:23
you would cut the ties to me,
429
1028000
2000
הייתם חותכים את הקשרים שלכם איתי,
17:25
and the network would disintegrate.
430
1030000
2000
והרשת הייתה מתפרקת.
17:27
So the spread of good and valuable things
431
1032000
3000
אז ההתפשטות של דברים טובים וערכיים
17:30
is required to sustain and nourish social networks.
432
1035000
3000
דרושה כדי לקיים ולהזין רשתות חברתיות.
17:34
Similarly, social networks are required
433
1039000
2000
בצורה דומה, רשתות חברתיות נדרשות
17:36
for the spread of good and valuable things,
434
1041000
3000
כדי להפיץ דברים טובים וערכיים
17:39
like love and kindness
435
1044000
2000
כמו אהבה ואדיבות
17:41
and happiness and altruism
436
1046000
2000
ואושר ואלטרואיזם
17:43
and ideas.
437
1048000
2000
ורעיונות.
17:45
I think, in fact, that if we realized
438
1050000
2000
אני חושב, למעשה, שאם היינו מבינים
17:47
how valuable social networks are,
439
1052000
2000
כמה רשתות חברתיות יקרות ערך עבורנו,
17:49
we'd spend a lot more time nourishing them and sustaining them,
440
1054000
3000
היינו מבלים יותר זמן בטיפוחן וקיומן,
17:52
because I think social networks
441
1057000
2000
בגלל שאני חושב שרשתות חברתיות
17:54
are fundamentally related to goodness.
442
1059000
3000
קשורות בצורה בסיסית לטוב לב,
17:57
And what I think the world needs now
443
1062000
2000
ומה שאני חושב שהעולם צריך כעת
17:59
is more connections.
444
1064000
2000
הוא יותר קשרים.
18:01
Thank you.
445
1066000
2000
תודה לכם.
18:03
(Applause)
446
1068000
3000
(מחיאות כפיים)
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