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

Geoffrey West: Fakta matematis yang mengejutkan dari kota dan perusahaan

Filmed:
1,583,030 views

Fisikawan Geoffrey West menemukan bahwa aturan matematika sederhana mengatur karakteristik dari kota -- tingkat kesejahteraan, kejahatan, kecepatan berjalan, dan banyak aspek lain dari sebuah kota dapat disimpulkan dari sebuah angka: populasi kota. Dalam ceramah yang mencengangkan dari TEDGlobal ini, beliau menunjukkan bagaimana cara kerjanya dan bagaimana aturan serupa berlaku untuk organisme dan perusahaan.
- 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
CitiesKota-kota are the cruciblewadah of civilizationperadaban.
0
1000
3000
Kota adalah wadah peradaban.
00:19
They have been expandingmemperluas,
1
4000
2000
Kota berkembang,
00:21
urbanizationurbanisasi has been expandingmemperluas,
2
6000
2000
urbanisasi juga meningkat,
00:23
at an exponentialeksponensial ratemenilai in the last 200 yearstahun
3
8000
2000
dengan laju eksponansial dalam 200 tahun terakhir,
00:25
so that by the secondkedua partbagian of this centuryabad,
4
10000
3000
sehingga pada paruh kedua abad ini,
00:28
the planetplanet will be completelysama sekali dominateddidominasi
5
13000
2000
planet ini akan didominasi
00:30
by citieskota.
6
15000
3000
oleh kota.
00:33
CitiesKota-kota are the originsasal usul of globalglobal warmingpemanasan,
7
18000
3000
Kota adalah asal dari pemanasan global,
00:36
impactdampak on the environmentlingkungan Hidup,
8
21000
2000
dampak lingkungan,
00:38
healthkesehatan, pollutionpolusi, diseasepenyakit,
9
23000
3000
kesehatan, polusi, penyakit,
00:41
financekeuangan,
10
26000
2000
keuangan,
00:43
economiesekonomi, energyenergi --
11
28000
3000
ekonomi, energi --
00:46
they're all problemsmasalah
12
31000
2000
semua itu masalah
00:48
that are confronteddihadapkan by havingmemiliki citieskota.
13
33000
2000
yang muncul karena adanya kota.
00:50
That's where all these problemsmasalah come from.
14
35000
2000
Kota adalah asal semua masalah itu.
00:52
And the tsunamitsunami of problemsmasalah that we feel we're facingmenghadapi
15
37000
3000
Dan gelombang tsunami masalah yang kita hadapi
00:55
in termsistilah of sustainabilitykeberlanjutan questionspertanyaan
16
40000
2000
dalam hal kesinambungannya,
00:57
are actuallysebenarnya a reflectionrefleksi
17
42000
2000
sebenarnya adalah cerminan
00:59
of the exponentialeksponensial increasemeningkat
18
44000
2000
kenaikan eksponansial
01:01
in urbanizationurbanisasi acrossmenyeberang the planetplanet.
19
46000
3000
dari urbanisasi di seluruh planet ini.
01:04
Here'sBerikut adalah some numbersangka.
20
49000
2000
Inilah beberapa angka.
01:06
Two hundredratus yearstahun agolalu, the UnitedInggris StatesSerikat
21
51000
2000
200 tahun lalu, di Amerika Serikat
01:08
was lesskurang than a fewbeberapa percentpersen urbanizedurbanisasi.
22
53000
2000
perkotaan kurang dari beberapa persen saja,
01:10
It's now more than 82 percentpersen.
23
55000
2000
Sekarang ada lebih dari 82 persen.
01:12
The planetplanet has crossedmenyeberang the halfwaysetengah jalan markmenandai a fewbeberapa yearstahun agolalu.
24
57000
3000
Planet ini sudah melebihi 50 persen beberapa tahun lalu.
01:15
China'sCina buildingbangunan 300 newbaru citieskota
25
60000
2000
Cina membangun 300 kota baru
01:17
in the nextberikutnya 20 yearstahun.
26
62000
2000
dalam 20 tahun ke depan.
01:19
Now listen to this:
27
64000
2000
Coba pikirkan ini:
01:21
EverySetiap weekminggu for the foreseeablemasa futuremasa depan,
28
66000
3000
Setiap minggu mulai dari sekarang,
01:24
untilsampai 2050,
29
69000
2000
sampai 2050,
01:26
everysetiap weekminggu more than a millionjuta people
30
71000
2000
setiap minggu lebih dari satu juta orang
01:28
are beingmakhluk addedmenambahkan to our citieskota.
31
73000
2000
ditambahkan ke kota-kota kita.
01:30
This is going to affectmempengaruhi everything.
32
75000
2000
Ini akan mempengaruhi segalanya.
01:32
EverybodySemua orang in this roomkamar, if you staytinggal alivehidup,
33
77000
2000
Semua di ruangan ini, jika Anda masih hidup,
01:34
is going to be affectedterpengaruh
34
79000
2000
akan terpengaruh oleh
01:36
by what's happeningkejadian in citieskota
35
81000
2000
apa yang terjadi di kota
01:38
in this extraordinaryluar biasa phenomenonfenomena.
36
83000
2000
dalam fenomena luar biasa ini.
01:40
HoweverNamun, citieskota,
37
85000
3000
Namun, kota,
01:43
despitemeskipun havingmemiliki this negativenegatif aspectaspek to them,
38
88000
3000
terlepas dari aspek negatif ini,
01:46
are alsojuga the solutionlarutan.
39
91000
2000
juga merupakan solusi.
01:48
Because citieskota are the vacuumkekosongan cleanerspembersih and the magnetsmagnet
40
93000
4000
Kota ibarat pembersih debu atau magnet
01:52
that have suckedtersedot up creativekreatif people,
41
97000
2000
yang menyedot orang-orang kreatif,
01:54
creatingmenciptakan ideaside ide, innovationinovasi,
42
99000
2000
menghasilkan ide, inovasi,
01:56
wealthkekayaan and so on.
43
101000
2000
kekayaan, dan lain-lain.
01:58
So we have this kindjenis of dualdual naturealam.
44
103000
2000
Jadi kita mempunyai dua sisi ini.
02:00
And so there's an urgentpenting need
45
105000
3000
Jadi ada kebutuhan mendesak
02:03
for a scientificilmiah theoryteori of citieskota.
46
108000
4000
akan teori ilmiah tentang kota.
02:07
Now these are my comradeskawan-kawan in armssenjata.
47
112000
3000
Ini adalah rekan-rekan kerja saya.
02:10
This work has been doneselesai with an extraordinaryluar biasa groupkelompok of people,
48
115000
2000
Ini adalah hasil kerja sekelompok orang yang luar biasa,
02:12
and they'vemereka sudah doneselesai all the work,
49
117000
2000
dan merekalah yang menyelesaikan semuanya,
02:14
and I'm the great bullshitterbullshitter
50
119000
2000
saya hanya si pembual besar
02:16
that triesmencoba to bringmembawa it all togetherbersama.
51
121000
2000
yang mencoba mempresentasikan semuanya.
02:18
(LaughterTawa)
52
123000
2000
(Tertawa)
02:20
So here'sini the problemmasalah: This is what we all want.
53
125000
2000
Ini masalahnya: Inilah yang kita inginkan.
02:22
The 10 billionmilyar people on the planetplanet in 2050
54
127000
3000
10 milyar orang di planet ini pada 2050
02:25
want to livehidup in placestempat like this,
55
130000
2000
ingin hidup di tempat seperti ini,
02:27
havingmemiliki things like this,
56
132000
2000
mempunyai barang-barang seperti ini,
02:29
doing things like this,
57
134000
2000
melakukan hal-hal seperti ini,
02:31
with economiesekonomi that are growingpertumbuhan like this,
58
136000
3000
dengan perekonomian tumbuh seperti ini,
02:34
not realizingmenyadari that entropyentropi
59
139000
2000
tanpa menyadari bahwa entropi
02:36
producesmenghasilkan things like this,
60
141000
2000
menghasilkan hal-hal seperti ini,
02:38
this, this
61
143000
4000
ini, ini
02:42
and this.
62
147000
2000
dan ini.
02:44
And the questionpertanyaan is:
63
149000
2000
Pertanyaannya adalah:
02:46
Is that what EdinburghEdinburgh and LondonLondon and NewBaru YorkYork
64
151000
2000
Apakah Edinburgh, London, dan New York
02:48
are going to look like in 2050,
65
153000
2000
akan menjadi seperti ini di tahun 2050,
02:50
or is it going to be this?
66
155000
2000
atau seperti ini?
02:52
That's the questionpertanyaan.
67
157000
2000
Itulah pertanyaannya.
02:54
I mustharus say, manybanyak of the indicatorsindikator
68
159000
2000
Jujur saja, ada banyak indikator menunjukkan
02:56
look like this is what it's going to look like,
69
161000
3000
inilah yang akan terjadi,
02:59
but let's talk about it.
70
164000
3000
tapi mari kita bahas tentang hal ini.
03:02
So my provocativeprovokatif statementpernyataan
71
167000
3000
Pernyataan provokatif saya adalah
03:05
is that we desperatelyputus asa need a seriousserius scientificilmiah theoryteori of citieskota.
72
170000
3000
kita benar-benar perlu teori ilmiah tentang kota yang akurat.
03:08
And scientificilmiah theoryteori meanscara quantifiableterukur --
73
173000
3000
Teori ilmiah, yang artinya dapat diukur --
03:11
relyingmengandalkan on underlyingmendasari genericumum principlesprinsip
74
176000
3000
berdasarkan prinsip-prinsip yang umum
03:14
that can be madeterbuat into a predictiveprediktif frameworkkerangka.
75
179000
2000
yang bisa dijadikan kerangka kerja prediktif.
03:16
That's the questQuest.
76
181000
2000
Itulah yang kita cari.
03:18
Is that conceivableBisa dibayangkan?
77
183000
2000
Apakah ini mungkin?
03:20
Are there universaluniversal lawshukum?
78
185000
2000
Apakah ada aturan yang universal?
03:22
So here'sini two questionspertanyaan
79
187000
2000
Jadi ada dua pertanyaan
03:24
that I have in my headkepala when I think about this problemmasalah.
80
189000
2000
yang ada di kepala saya saat memikirkan masalah ini.
03:26
The first is:
81
191000
2000
Yang pertama:
03:28
Are citieskota partbagian of biologybiologi?
82
193000
2000
Apakah kota bagian dari biologi?
03:30
Is LondonLondon a great bigbesar whaleikan paus?
83
195000
2000
Apakah London seekor ikan paus raksasa?
03:32
Is EdinburghEdinburgh a horsekuda?
84
197000
2000
Apakah Edinburgh seekor kuda?
03:34
Is MicrosoftMicrosoft a great bigbesar anthillBukit Semut?
85
199000
2000
Apakah Microsoft seekor semut merah raksasa?
03:36
What do we learnbelajar from that?
86
201000
2000
Apa yang bisa kita pelajari dari hal ini?
03:38
We use them metaphoricallysecara metaforis --
87
203000
2000
Kita bisa menggunakannya secara metafora --
03:40
the DNADNA of a companyperusahaan, the metabolismmetabolisme of a citykota, and so on --
88
205000
2000
DNA perusahaan, metabolisme kota, dan sebagainya --
03:42
is that just bullshitomong kosong, metaphoricalmetafora bullshitomong kosong,
89
207000
3000
apakah itu hanya metafora omong kosong,
03:45
or is there seriousserius substancezat to it?
90
210000
3000
atau ada kebenaran di dalamnya?
03:48
And if that is the casekasus,
91
213000
2000
Dan jika itu benar,
03:50
how come that it's very hardkeras to killmembunuh a citykota?
92
215000
2000
mengapa sulit sekali membunuh sebuah kota?
03:52
You could droppenurunan an atomatom bombbom on a citykota,
93
217000
2000
Kita bisa menjatuhkan bom atom di sebuah kota,
03:54
and 30 yearstahun laterkemudian it's survivingbertahan.
94
219000
2000
30 tahun kemudian kota itu tetap hidup.
03:56
Very fewbeberapa citieskota failgagal.
95
221000
3000
Hanya ada sedikit kota yang gagal.
03:59
All companiesperusahaan diemati, all companiesperusahaan.
96
224000
3000
Semua perusahaan akan runtuh, semuanya.
04:02
And if you have a seriousserius theoryteori, you should be ablesanggup to predictmeramalkan
97
227000
2000
Kalau kita mempunyai teori yang akurat, seharusnya kita bisa memprediksi
04:04
when GoogleGoogle is going to go bustpayudara.
98
229000
3000
kapan Google akan hancur.
04:07
So is that just anotherlain versionversi
99
232000
3000
Jadi apakah ini hanya versi lain
04:10
of this?
100
235000
2000
dari ini?
04:12
Well we understandmemahami this very well.
101
237000
2000
Kita mengerti tentang hal ini dengan baik.
04:14
That is, you askmeminta any genericumum questionpertanyaan about this --
102
239000
2000
Coba ajukan pertanyaan generik tentang hal ini --
04:16
how manybanyak treespohon of a givendiberikan sizeukuran,
103
241000
2000
berapa jumlah pohon dengan ukuran tertentu,
04:18
how manybanyak branchescabang of a givendiberikan sizeukuran does a treepohon have,
104
243000
2000
jumlah cabang dengan ukuran tertentu di sebuah pohon,
04:20
how manybanyak leavesDaun-daun,
105
245000
2000
berapa jumlah daun,
04:22
what is the energyenergi flowingmengalir throughmelalui eachsetiap branchcabang,
106
247000
2000
berapa besar energi yang mengalir di setiap cabang,
04:24
what is the sizeukuran of the canopykanopi,
107
249000
2000
berapa ukuran kanopinya,
04:26
what is its growthpertumbuhan, what is its mortalitykematian?
108
251000
2000
seperti apa pertumbuhannya, tingkat kematiannya?
04:28
We have a mathematicalmatematis frameworkkerangka
109
253000
2000
Kita mempunyai kerangka matematis
04:30
basedberbasis on genericumum universaluniversal principlesprinsip
110
255000
3000
berdasarkan prinsip-prinsip universal generik
04:33
that can answermenjawab those questionspertanyaan.
111
258000
2000
yang bisa menjawab pertanyaan itu.
04:35
And the ideaide is can we do the samesama for this?
112
260000
4000
Jadi apakah kita bisa melakukan hal yang sama untuk ini?
04:40
So the routerute in is recognizingmengenali
113
265000
3000
Cara memulainya adalah dengan mengakui
04:43
one of the mostpaling extraordinaryluar biasa things about life,
114
268000
2000
salah satu hal yang luar biasa tentang hidup ini,
04:45
is that it is scalableterukur,
115
270000
2000
adalah semua bisa dibuat skala.
04:47
it worksbekerja over an extraordinaryluar biasa rangejarak.
116
272000
2000
Kisarannya sangat luas.
04:49
This is just a tinymungil rangejarak actuallysebenarnya:
117
274000
2000
Ini sebenarnya hanya kisaran kecil:
04:51
It's us mammalsmamalia;
118
276000
2000
Inilah kita, mamalia,
04:53
we're one of these.
119
278000
2000
kita salah satunya.
04:55
The samesama principlesprinsip, the samesama dynamicsdinamika,
120
280000
2000
Prinsip yang sama, dinamika yang sama,
04:57
the samesama organizationorganisasi is at work
121
282000
2000
cara kerja organisasi yang sama
04:59
in all of these, includingtermasuk us,
122
284000
2000
dalam semua ini, termasuk kita,
05:01
and it can scaleskala over a rangejarak of 100 millionjuta in sizeukuran.
123
286000
3000
dan ukurannya dapat diperbesar hingga 100 juta kali lipat.
05:04
And that is one of the mainutama reasonsalasan
124
289000
3000
Dan itulah salah satu alasan utama
05:07
life is so resilientTangguh and robustkuat --
125
292000
2000
mengapa hidup ini mempunyai daya tahan tinggi dan kuat --
05:09
scalabilityskalabilitas.
126
294000
2000
skalabilitas.
05:11
We're going to discussmembahas that in a momentsaat more.
127
296000
3000
Kita akan membahasnya sebentar lagi.
05:14
But you know, at a locallokal leveltingkat,
128
299000
2000
Tapi kita tahu, di tingkat paling kecil,
05:16
you scaleskala; everybodysemua orang in this roomkamar is scaledskala.
129
301000
2000
kita mempunyai skala, semua orang di ruangan ini mempunyai skala.
05:18
That's calledbernama growthpertumbuhan.
130
303000
2000
Inilah yang kita sebut tumbuh.
05:20
Here'sBerikut adalah how you grewtumbuh.
131
305000
2000
Beginilah kita tumbuh.
05:22
RatTikus, that's a rattikus -- could have been you.
132
307000
2000
Tikus, ini tikus -- bisa saja kita.
05:24
We're all prettycantik much the samesama.
133
309000
3000
Kita semua hampir sama.
05:27
And you see, you're very familiarakrab with this.
134
312000
2000
Sebenarnya kita sangat akrab dengan hal ini,
05:29
You growtumbuh very quicklysegera and then you stop.
135
314000
2000
Kita tumbuh dengan cepat dan berhenti.
05:31
And that linegaris there
136
316000
2000
Dan garis itu, di sana
05:33
is a predictionramalan from the samesama theoryteori,
137
318000
2000
adalah prediksi dari teori yang sama,
05:35
basedberbasis on the samesama principlesprinsip,
138
320000
2000
berdasarkan prinsip yang sama,
05:37
that describesmenjelaskan that foresthutan.
139
322000
2000
yang menjelaskan hutan tadi.
05:39
And here it is for the growthpertumbuhan of a rattikus,
140
324000
2000
Berikut ini adalah pertumbuhan tikus.
05:41
and those pointspoin on there are datadata pointspoin.
141
326000
2000
Titik di sana adalah datanya.
05:43
This is just the weightberat versusmelawan the ageusia.
142
328000
2000
Ini hanyalah berat berbanding umur.
05:45
And you see, it stopsberhenti growingpertumbuhan.
143
330000
2000
Lihat, berhenti tumbuh.
05:47
Very, very good for biologybiologi --
144
332000
2000
Sangat, sangat bagus untuk biologi --
05:49
alsojuga one of the reasonsalasan for its great resilienceketahanan.
145
334000
2000
juga salah satu alasan ketahanan tubuhnya yang hebat.
05:51
Very, very badburuk
146
336000
2000
Sangat, sangat buruk
05:53
for economiesekonomi and companiesperusahaan and citieskota
147
338000
2000
untuk ekonomi dan perusahaan dan kota
05:55
in our presentmenyajikan paradigmparadigma.
148
340000
2000
dalam paradigma kita sekarang.
05:57
This is what we believe.
149
342000
2000
Inilah yang kita yakini.
05:59
This is what our wholeseluruh economyekonomi
150
344000
2000
Inilah apa yang ditunjukkan oleh seluruh ekonomi kita
06:01
is thrustingmenyodorkan uponatas us,
151
346000
2000
kepada kita,
06:03
particularlyterutama illustratedilustrasi in that left-handtangan kiri cornersudut:
152
348000
3000
terutama yang digambarkan pada sudut kiri:
06:06
hockeyhoki stickstongkat.
153
351000
2000
tongkat hoki.
06:08
This is a bunchbanyak of softwareperangkat lunak companiesperusahaan --
154
353000
2000
Inilah sekumpulan perusahaan perangkat lunak --
06:10
and what it is is theirmereka revenuependapatan versusmelawan theirmereka ageusia --
155
355000
2000
dan pendapatan mereka berbanding umur --
06:12
all zoomingzoom away,
156
357000
2000
tampak menjauh,
06:14
and everybodysemua orang makingmembuat millionsjutaan and billionsmiliaran of dollarsdolar.
157
359000
2000
dan semua orang menghasilkan jutaan dan milyaran dolar.
06:16
Okay, so how do we understandmemahami this?
158
361000
3000
Jadi bagaimana kita memahami hal ini?
06:19
So let's first talk about biologybiologi.
159
364000
3000
Mari kita bicara tentang biologi dulu.
06:22
This is explicitlysecara eksplisit showingmenunjukkan you
160
367000
2000
Ini secara eksplisit menunjukkan
06:24
how things scaleskala,
161
369000
2000
bagaimana hal-hal berskala.
06:26
and this is a trulysungguh remarkableluar biasa graphgrafik.
162
371000
2000
Grafik ini benar-benar menakjubkan.
06:28
What is plotteddiplot here is metabolicmetabolisme ratemenilai --
163
373000
3000
Yang digariskan di sini adalah tingkat metabolisme --
06:31
how much energyenergi you need perper day to staytinggal alivehidup --
164
376000
3000
banyaknya energi yang kita perlukan per hari untuk hidup --
06:34
versusmelawan your weightberat, your massmassa,
165
379000
2000
berbanding berat kita, massa kita,
06:36
for all of us bunchbanyak of organismsorganisme.
166
381000
3000
untuk kita semua, organisme.
06:39
And it's plotteddiplot in this funnylucu way by going up by factorsfaktor of 10,
167
384000
3000
Ini digambarkan dengan cara yang menarik dengan faktor 10,
06:42
otherwisejika tidak you couldn'ttidak bisa get everything on the graphgrafik.
168
387000
2000
kalau tidak kita tidak bisa melihat semuanya dalam satu grafik.
06:44
And what you see if you plotmerencanakan it
169
389000
2000
Dan yang kita lihat kalau kita menggambarkannya
06:46
in this slightlysedikit curiousingin tahu way
170
391000
2000
dengan cara yang agak menarik ini,
06:48
is that everybodysemua orang lieskebohongan on the samesama linegaris.
171
393000
3000
semuanya ada di garis yang sama.
06:51
DespiteMeskipun the factfakta that this is the mostpaling complexkompleks and diverseberbeda systemsistem
172
396000
3000
Terlepas dari kenyataan ini sistem yang paling kompleks dan beragam
06:54
in the universealam semesta,
173
399000
3000
di alam semesta ini,
06:57
there's an extraordinaryluar biasa simplicitykesederhanaan
174
402000
2000
ada kesederhanaan luar biasa
06:59
beingmakhluk expressedmenyatakan by this.
175
404000
2000
yang ditampilkan oleh grafik ini.
07:01
It's particularlyterutama astonishingmengherankan
176
406000
3000
Sangat mengagumkan terutama
07:04
because eachsetiap one of these organismsorganisme,
177
409000
2000
karena masing-masing organisme ini,
07:06
eachsetiap subsystemsubsistem, eachsetiap cellsel typemengetik, eachsetiap genegen,
178
411000
2000
setiap subsistem, setiap jenis sel, setiap gen,
07:08
has evolvedberevolusi in its ownsendiri uniqueunik environmentallingkungan nicheceruk
179
413000
4000
berevolusi dalam ceruk lingkungannya masing-masing yang unik
07:12
with its ownsendiri uniqueunik historysejarah.
180
417000
3000
dengan riwayatnya masing-masing yang unik.
07:15
And yetnamun, despitemeskipun all of that DarwinianDarwin evolutionevolusi
181
420000
3000
Namun, terlepas dari adanya evolusi Darwin
07:18
and naturalalam selectionpilihan,
182
423000
2000
dan seleksi alam itu,
07:20
they'vemereka sudah been constraineddibatasi to lieberbohong on a linegaris.
183
425000
2000
semuanya terkukung dalam satu garis.
07:22
Something elselain is going on.
184
427000
2000
Ada sesuatu yang lain sedang terjadi.
07:24
Before I talk about that,
185
429000
2000
Sebelum saya membahas tentang hal itu,
07:26
I've writtentertulis down at the bottombawah there
186
431000
2000
saya sudah menuliskan di bawah di sana
07:28
the slopelereng of this curvemelengkung, this straightlurus linegaris.
187
433000
2000
kemiringan kurva ini, garis lurus ini.
07:30
It's three-quarterstiga perempat, roughlykurang lebih,
188
435000
2000
Kurang lebih ¾,
07:32
whichyang is lesskurang than one -- and we call that sublinearsublinear.
189
437000
3000
kurang dari satu -- dan kita menyebutnya sublinear.
07:35
And here'sini the pointtitik of that.
190
440000
2000
Dan di sini intinya.
07:37
It saysmengatakan that, if it were linearlinier,
191
442000
3000
Jadi kalau grafik ini linear,
07:40
the steepestrel slopelereng,
192
445000
2000
kemiringan yang paling tinggi,
07:42
then doublingdua kali lipat the sizeukuran
193
447000
2000
untuk menggandakan ukuran
07:44
you would requirememerlukan doubledua kali lipat the amountjumlah of energyenergi.
194
449000
2000
kita perlu jumlah energi dua kali lipat.
07:46
But it's sublinearsublinear, and what that translatesditerjemahkan into
195
451000
3000
Tapi ini sublinear, dan ini artinya
07:49
is that, if you doubledua kali lipat the sizeukuran of the organismorganisme,
196
454000
2000
kalau kita gandakan ukuran organisme ini,
07:51
you actuallysebenarnya only need 75 percentpersen more energyenergi.
197
456000
3000
kita hanya perlu 75 persen energi tambahan.
07:54
So a wonderfulhebat thing about all of biologybiologi
198
459000
2000
Jadi yang mengagumkan dari biologi
07:56
is that it expressesmengungkapkan an extraordinaryluar biasa economyekonomi of scaleskala.
199
461000
3000
biologi menampilkan skala keekonomian yang luar biasa.
07:59
The biggerlebih besar you are systematicallysecara sistematis,
200
464000
2000
Semakin besar kita, secara sistematis,
08:01
accordingmenurut to very well-defineddidefinisikan dengan baik rulesaturan,
201
466000
2000
berdasarkan pada aturan yang sangat akurat,
08:03
lesskurang energyenergi perper capitakapita.
202
468000
3000
semakin sedikit energi per kapita.
08:06
Now any physiologicalfisiologis variablevariabel you can think of,
203
471000
3000
Jadi semua variabel fisiologis yang mungkin,
08:09
any life historysejarah eventperistiwa you can think of,
204
474000
2000
semua peristiwa sejarah yang pernah ada,
08:11
if you plotmerencanakan it this way, looksterlihat like this.
205
476000
3000
kalau digambarkan seperti ini, akan tampak seperti ini.
08:14
There is an extraordinaryluar biasa regularityketeraturan.
206
479000
2000
Ada keteraturan yang luar biasa.
08:16
So you tell me the sizeukuran of a mammalmamalia,
207
481000
2000
Anda sebut ukuran seekor mamalia,
08:18
I can tell you at the 90 percentpersen leveltingkat everything about it
208
483000
3000
Saya bisa memberi tahu Anda 90 persen apa pun tentang itu
08:21
in termsistilah of its physiologyfisiologi, life historysejarah, etcdll.
209
486000
4000
baik dalam hal psikologinya, sejarah hidupnya, dan sebagainya.
08:25
And the reasonalasan for this is because of networksjaringan.
210
490000
3000
Dan ini disebabkan karena jaringan.
08:28
All of life is controlleddikendalikan by networksjaringan --
211
493000
3000
Semua kehidupan dikendalikan oleh jaringan --
08:31
from the intracellularintraseluler throughmelalui the multicellularmultiseluler
212
496000
2000
dari intraseluler sampai multiseluler
08:33
throughmelalui the ecosystemekosistem leveltingkat.
213
498000
2000
pada semua tingkatan ekosistem.
08:35
And you're very familiarakrab with these networksjaringan.
214
500000
3000
Dan kita sangat akrab dengan jaringan ini.
08:39
That's a little thing that liveshidup insidedalam an elephantgajah.
215
504000
3000
Sesuatu yang kecil yang hidup di dalam seekor gajah.
08:42
And here'sini the summaryRingkasan of what I'm sayingpepatah.
216
507000
3000
Dan ini adalah rangkuman apa yang saya katakan.
08:45
If you take those networksjaringan,
217
510000
2000
Kalau Anda mengambil jaringan itu,
08:47
this ideaide of networksjaringan,
218
512000
2000
ide tentang jaringan ini,
08:49
and you applymenerapkan universaluniversal principlesprinsip,
219
514000
2000
dan menerapkan prinsip universal,
08:51
mathematizablemathematizable, universaluniversal principlesprinsip,
220
516000
2000
secara matematis, prinsip universal,
08:53
all of these scalingsscalings
221
518000
2000
semua penskalaan ini
08:55
and all of these constraintskendala followmengikuti,
222
520000
3000
dan semua hambatan yang ada,
08:58
includingtermasuk the descriptiondeskripsi of the foresthutan,
223
523000
2000
termasuk gambaran dari hutan,
09:00
the descriptiondeskripsi of your circulatoryperedaran darah systemsistem,
224
525000
2000
gambaran dari sistem sirkulasi Anda,
09:02
the descriptiondeskripsi withindalam cellssel.
225
527000
2000
gambaran di dalam sel.
09:04
One of the things I did not stressmenekankan in that introductionpengantar
226
529000
3000
Salah satu hal yang tidak saya tekankan di awal
09:07
was that, systematicallysecara sistematis, the pacekecepatan of life
227
532000
3000
adalah, secara sistematis, laju kehidupan
09:10
decreasesmenurun as you get biggerlebih besar.
228
535000
2000
melambat ketika Anda bertambah besar.
09:12
HeartJantung ratestarif are slowerlebih lambat; you livehidup longerlebih lama;
229
537000
3000
Detak jantung melambat; Anda hidup lebih lama;
09:15
diffusiondifusi of oxygenoksigen and resourcessumber daya
230
540000
2000
difusi oksigen dan sumber daya
09:17
acrossmenyeberang membranesmembran is slowerlebih lambat, etcdll.
231
542000
2000
pada membran melambat, dan sebagainya.
09:19
The questionpertanyaan is: Is any of this truebenar
232
544000
2000
Pertanyaan adalah: Apakah ini juga benar
09:21
for citieskota and companiesperusahaan?
233
546000
3000
untuk kota dan perusahaan?
09:24
So is LondonLondon a scaledskala up BirminghamBirmingham,
234
549000
3000
Jadi apakah London adalah perbesaran dari Birmingham,
09:27
whichyang is a scaledskala up BrightonBrighton, etcdll., etcdll.?
235
552000
3000
yang merupakan perbesaran dari Brighton, dan sebagainya?
09:30
Is NewBaru YorkYork a scaledskala up SanSan FranciscoFrancisco,
236
555000
2000
Apakah New York perbesaran dari San Francisco,
09:32
whichyang is a scaledskala up SantaSanta FeFe?
237
557000
2000
yang merupakan perbesaran Santa Fe?
09:34
Don't know. We will discussmembahas that.
238
559000
2000
Belum tahu. Kita akan membahasnya nanti.
09:36
But they are networksjaringan,
239
561000
2000
Tapi semua itu jaringan.
09:38
and the mostpaling importantpenting networkjaringan of citieskota
240
563000
2000
Dan jaringan yang paling penting dari kota
09:40
is you.
241
565000
2000
adalah Anda.
09:42
CitiesKota-kota are just a physicalfisik manifestationmanifestasi
242
567000
3000
Kota hanyalah manifestasi fisik
09:45
of your interactionsinteraksi,
243
570000
2000
dari interaksi Anda,
09:47
our interactionsinteraksi,
244
572000
2000
interaksi kita,
09:49
and the clusteringpengelompokan and groupingpengelompokan of individualsindividu.
245
574000
2000
dan kumpulan kelompok dari individual.
09:51
Here'sBerikut adalah just a symbolicsimbolis picturegambar of that.
246
576000
3000
Ini hanya gambar simbolis dari hal itu.
09:54
And here'sini scalingpenskalaan of citieskota.
247
579000
2000
Dan ini adalah penskalaan kota.
09:56
This showsmenunjukkan that in this very simplesederhana examplecontoh,
248
581000
3000
Ini menunjukkan bahwa pada contoh yang sangat sederhana ini,
09:59
whichyang happensterjadi to be a mundaneduniawi examplecontoh
249
584000
2000
yang kebetulan juga contoh yang sepele
10:01
of numberjumlah of petrolbensin stationsstasiun
250
586000
2000
dari jumlah pompa bensin
10:03
as a functionfungsi of sizeukuran --
251
588000
2000
sebagai fungsi dari ukuran --
10:05
plotteddiplot in the samesama way as the biologybiologi --
252
590000
2000
digambarkan dengan cara yang sama dengan biologi --
10:07
you see exactlypersis the samesama kindjenis of thing.
253
592000
2000
kita melihat hal yang sama persis.
10:09
There is a scalingpenskalaan.
254
594000
2000
Ada penskalaan.
10:11
That is that the numberjumlah of petrolbensin stationsstasiun in the citykota
255
596000
4000
Yaitu jumlah pompa bensin di kota
10:15
is now givendiberikan to you
256
600000
2000
sekarang diperlihatkan
10:17
when you tell me its sizeukuran.
257
602000
2000
Anda bisa melihat ukurannya.
10:19
The slopelereng of that is lesskurang than linearlinier.
258
604000
3000
Kemiringannya kurang dari linear.
10:22
There is an economyekonomi of scaleskala.
259
607000
2000
Ada skala keekonomian di sana.
10:24
LessKurang petrolbensin stationsstasiun perper capitakapita the biggerlebih besar you are -- not surprisingmengejutkan.
260
609000
3000
Semakin sedikit per kapita, semakin besar -- tidak mengejutkan.
10:27
But here'sini what's surprisingmengejutkan.
261
612000
2000
Tapi inilah yang mengejutkan.
10:29
It scalessisik in the samesama way everywheredimana mana.
262
614000
2000
Skalanya sama di mana pun.
10:31
This is just EuropeanEropa countriesnegara,
263
616000
2000
Ini hanyalah negara-negara Eropa,
10:33
but you do it in JapanJepang or ChinaCina or ColombiaKolombia,
264
618000
3000
tapi kalau kita melakukan ini di Jepang, Cina, atau Kolumbia,
10:36
always the samesama
265
621000
2000
selalu sama
10:38
with the samesama kindjenis of economyekonomi of scaleskala
266
623000
2000
dengan skala keekonomian yang sama
10:40
to the samesama degreegelar.
267
625000
2000
hingga tingkatan yang sama.
10:42
And any infrastructureinfrastruktur you look at --
268
627000
3000
Dan infrastruktur apa pun yang Anda lihat --
10:45
whetherapakah it's the lengthpanjangnya of roadsjalan, lengthpanjangnya of electricallistrik linesgaris --
269
630000
3000
baik panjang jalan, panjang kabel listrik --
10:48
anything you look at
270
633000
2000
apa pun yang Anda lihat
10:50
has the samesama economyekonomi of scaleskala scalingpenskalaan in the samesama way.
271
635000
3000
memiliki skala keekonomian yang sama, dengan cara yang sama.
10:53
It's an integratedterpadu systemsistem
272
638000
2000
Ini sistem yang terintegrasi
10:55
that has evolvedberevolusi despitemeskipun all the planningperencanaan and so on.
273
640000
3000
berkembang terlepas dari perencanaan yang ada, dan lainnya.
10:58
But even more surprisingmengejutkan
274
643000
2000
Tapi yang lebih mengejutkan
11:00
is if you look at socio-economicsosio-ekonomi quantitiesjumlah,
275
645000
2000
kalau kita melihat kuantitas sosio-ekonomis,
11:02
quantitiesjumlah that have no analoganalog in biologybiologi,
276
647000
3000
ukuran yang tidak ada perbandingannya dalam biologi,
11:05
that have evolvedberevolusi when we starteddimulai formingmembentuk communitiesmasyarakat
277
650000
3000
yang sudah berevolusi sejak kita mulai membentuk komunitas
11:08
eightdelapan to 10,000 yearstahun agolalu.
278
653000
2000
8.000 sampai 10.000 tahun lalu.
11:10
The toppuncak one is wagesupah as a functionfungsi of sizeukuran
279
655000
2000
Yang paling atas adalah gaji sebagai fungsi dari ukuran
11:12
plotteddiplot in the samesama way.
280
657000
2000
digambarkan dengan cara yang sama.
11:14
And the bottombawah one is you lot --
281
659000
2000
Dan di bagian bawah adalah kita semua --
11:16
super-creativesSuper kreatif plotteddiplot in the samesama way.
282
661000
3000
super-kreatif, digambarkan dengan cara yang sama.
11:19
And what you see
283
664000
2000
Dan yang kita lihat
11:21
is a scalingpenskalaan phenomenonfenomena.
284
666000
2000
adalah fenomena penskalaan.
11:23
But mostpaling importantpenting in this,
285
668000
2000
Tapi yang paling penting,
11:25
the exponenteksponen, the analoganalog to that three-quarterstiga perempat
286
670000
2000
eksponen, analog terhadap ¾ tadi
11:27
for the metabolicmetabolisme ratemenilai,
287
672000
2000
untuk tingkat metabolisme,
11:29
is biggerlebih besar than one -- it's about 1.15 to 1.2.
288
674000
2000
ternyata lebih besar dari satu -- sekitar 1,15 atau 1,2.
11:31
Here it is,
289
676000
2000
Ini dia,
11:33
whichyang saysmengatakan that the biggerlebih besar you are
290
678000
3000
yang menunjukkan semakin besar Anda
11:36
the more you have perper capitakapita, unliketidak seperti biologybiologi --
291
681000
3000
semakin banyak yang Anda peroleh per kapita, tidak seperti biologi --
11:39
higherlebih tinggi wagesupah, more super-creativeSuper kreatif people perper capitakapita as you get biggerlebih besar,
292
684000
4000
semakin tinggi gaji, semakin banyak orang-orang super-kreatif per kapita, saat Anda semakin besar,
11:43
more patentshak paten perper capitakapita, more crimekejahatan perper capitakapita.
293
688000
3000
semakin banyak paten per kapita, semakin banyak kejahatan per kapita.
11:46
And we'vekita sudah lookedtampak at everything:
294
691000
2000
Dan kita melihat semuanya:
11:48
more AIDSAIDS caseskasus, fluflu, etcdll.
295
693000
3000
kasus AIDS, flu, dan sebagainya.
11:51
And here, they're all plotteddiplot togetherbersama.
296
696000
2000
Dan di sini, semuanya digambarkan di sini.
11:53
Just to showmenunjukkan you what we plotteddiplot,
297
698000
2000
Sekadar untuk menunjukkan apa yang kita gambarkan,
11:55
here is incomependapatan, GDPPDB --
298
700000
3000
inilah pendapatan, PDB --
11:58
GDPPDB of the citykota --
299
703000
2000
PDB kota ini --
12:00
crimekejahatan and patentshak paten all on one graphgrafik.
300
705000
2000
kejahatan dan paten semuanya di satu grafik.
12:02
And you can see, they all followmengikuti the samesama linegaris.
301
707000
2000
Seperti yang kita lihat, semuanya mengikuti garis yang sama.
12:04
And here'sini the statementpernyataan.
302
709000
2000
Dan inilah pernyataannya.
12:06
If you doubledua kali lipat the sizeukuran of a citykota from 100,000 to 200,000,
303
711000
3000
Kalau kita menggandakan ukuran sebuah kota dari 100.000 jadi 200.000,
12:09
from a millionjuta to two millionjuta, 10 to 20 millionjuta,
304
714000
2000
dari satu juta jadi dua juta, 10 jadi 20 juta,
12:11
it doesn't mattermasalah,
305
716000
2000
sama saja,
12:13
then systematicallysecara sistematis
306
718000
2000
secara sistematis
12:15
you get a 15 percentpersen increasemeningkat
307
720000
2000
kita akan mendapat peningkatan 15 persen
12:17
in wagesupah, wealthkekayaan, numberjumlah of AIDSAIDS caseskasus,
308
722000
2000
dalam hal gaji, kesehatan, jumlah kasus AIDS,
12:19
numberjumlah of policePOLISI,
309
724000
2000
jumlah polisi,
12:21
anything you can think of.
310
726000
2000
apa pun yang bisa kita pikirkan.
12:23
It goespergi up by 15 percentpersen,
311
728000
2000
Semua naik 15 persen.
12:25
and you have a 15 percentpersen savingstabungan
312
730000
3000
Dan kita bisa menghemat 15 persen
12:28
on the infrastructureinfrastruktur.
313
733000
3000
pada infrastruktur.
12:31
This, no doubtkeraguan, is the reasonalasan
314
736000
3000
Pastinya, inilah alasan
12:34
why a millionjuta people a weekminggu are gatheringpertemuan in citieskota.
315
739000
3000
mengapa jutaan orang setiap minggu berkumpul di kota.
12:37
Because they think that all those wonderfulhebat things --
316
742000
3000
Karena mereka berpikir semua hal yang menarik itu,
12:40
like creativekreatif people, wealthkekayaan, incomependapatan --
317
745000
2000
seperti orang-orang yang kreatif, kekayaan, penghasilan,
12:42
is what attractsmenarik them,
318
747000
2000
menarik mereka,
12:44
forgettinglupa about the uglyjelek and the badburuk.
319
749000
2000
melupakan tentang mereka yang buruk dan jahat.
12:46
What is the reasonalasan for this?
320
751000
2000
Apa alasannya?
12:48
Well I don't have time to tell you about all the mathematicsmatematika,
321
753000
3000
Sayang kita tidak punya banyak waktu untuk menjelaskan semua hitungan matematisnya,
12:51
but underlyingmendasari this is the socialsosial networksjaringan,
322
756000
3000
tapi prinsip yang mendasari adalah jaringan sosial,
12:54
because this is a universaluniversal phenomenonfenomena.
323
759000
3000
karena ini adalah fenomena universal.
12:57
This 15 percentpersen ruleaturan
324
762000
3000
Aturan 15 persen ini
13:00
is truebenar
325
765000
2000
benar
13:02
no mattermasalah where you are on the planetplanet --
326
767000
2000
terlepas dari lokasi Anda di planet ini --
13:04
JapanJepang, ChileCile,
327
769000
2000
Jepang, Chili,
13:06
PortugalPortugal, ScotlandSkotlandia, doesn't mattermasalah.
328
771000
3000
Portugal, Skotlandia, sama saja.
13:09
Always, all the datadata showsmenunjukkan it's the samesama,
329
774000
3000
Selalu, data yang ditampilkan selalu sama,
13:12
despitemeskipun the factfakta that these citieskota have evolvedberevolusi independentlyindependen.
330
777000
3000
terlepas dari kenyataan bahwa kota ini masing-masing berkembang secara independen.
13:15
Something universaluniversal is going on.
331
780000
2000
Ada sesuatu yang universal terjadi.
13:17
The universalitykeuniversalan, to repeatulangi, is us --
332
782000
3000
Sekali lagi, yang universal adalah kita --
13:20
that we are the citykota.
333
785000
2000
kita adalah kota.
13:22
And it is our interactionsinteraksi and the clusteringpengelompokan of those interactionsinteraksi.
334
787000
3000
Dan interaksi kita dan pembentukan kelompok dari interaksi itu.
13:25
So there it is, I've said it again.
335
790000
2000
Seperti itu, saya katakan sekali lagi.
13:27
So if it is those networksjaringan and theirmereka mathematicalmatematis structurestruktur,
336
792000
3000
Kalau penyebabnya adalah jaringan dan struktur matematisnya,
13:30
unliketidak seperti biologybiologi, whichyang had sublinearsublinear scalingpenskalaan,
337
795000
3000
tidak seperti biologi, yang memiliki skala sublinear,
13:33
economiesekonomi of scaleskala,
338
798000
2000
skala keekonomian,
13:35
you had the slowingmelambat of the pacekecepatan of life
339
800000
2000
laju kehidupan kita melambat
13:37
as you get biggerlebih besar.
340
802000
2000
ketika kita semakin besar.
13:39
If it's socialsosial networksjaringan with super-linearSuper linear scalingpenskalaan --
341
804000
2000
Kalau itu jaringan sosial dengan skala super-linear --
13:41
more perper capitakapita --
342
806000
2000
semakin besar per kapita --
13:43
then the theoryteori saysmengatakan
343
808000
2000
maka teori akan mengatakan
13:45
that you increasemeningkat the pacekecepatan of life.
344
810000
2000
kita akan meningkatkan laju kehidupan.
13:47
The biggerlebih besar you are, life getsmendapat fasterlebih cepat.
345
812000
2000
Semakin besar kita, semakin cepat hidup berjalan.
13:49
On the left is the heartjantung ratemenilai showingmenunjukkan biologybiologi.
346
814000
2000
Di sebelah kiri adalah laju jantung berdasarkan biologi.
13:51
On the right is the speedkecepatan of walkingberjalan
347
816000
2000
Di sebelah kanan adalah kecepatan berjalan
13:53
in a bunchbanyak of EuropeanEropa citieskota,
348
818000
2000
di beberapa kota Eropa,
13:55
showingmenunjukkan that increasemeningkat.
349
820000
2000
yang menunjukkan peningkatan itu.
13:57
LastlyTerakhir, I want to talk about growthpertumbuhan.
350
822000
3000
Terakhir, saya ingin membahas tentang pertumbuhan.
14:00
This is what we had in biologybiologi, just to repeatulangi.
351
825000
3000
Inilah yang kita punya dalam biologi, sekali lagi.
14:03
EconomiesEkonomi of scaleskala
352
828000
3000
Skala keekonomian
14:06
gavememberi risenaik to this sigmoidalsigmoidal behaviortingkah laku.
353
831000
3000
melahirkan perilaku sigmoid ini.
14:09
You growtumbuh fastcepat and then stop --
354
834000
3000
Kita tumbuh dengan cepat dan lalu berhenti --
14:12
partbagian of our resilienceketahanan.
355
837000
2000
bagian dari daya tahan kita.
14:14
That would be badburuk for economiesekonomi and citieskota.
356
839000
3000
Ini buruk bagi ekonomi dan kota.
14:17
And indeedmemang, one of the wonderfulhebat things about the theoryteori
357
842000
2000
Bahkan, salah satu hal yang menarik dari teori ini
14:19
is that if you have super-linearSuper linear scalingpenskalaan
358
844000
3000
adalah kalau kita mempunyai skala super-linear
14:22
from wealthkekayaan creationpenciptaan and innovationinovasi,
359
847000
2000
dari produksi kekayaan dan inovasi,
14:24
then indeedmemang you get, from the samesama theoryteori,
360
849000
3000
kita akan dapat, dengan teori yang sama,
14:27
a beautifulindah risingkenaikan exponentialeksponensial curvemelengkung -- lovelymenyenangkan.
361
852000
2000
kurva ekponansial naik yang cantik ini -- sangat cantik.
14:29
And in factfakta, if you comparemembandingkan it to datadata,
362
854000
2000
Bahkan, kalau kita bandingkan dengan data,
14:31
it fitscocok very well
363
856000
2000
cocok sekali
14:33
with the developmentpengembangan of citieskota and economiesekonomi.
364
858000
2000
dengan perkembangan kota dan ekonomi.
14:35
But it has a terribleburuk catchmenangkap,
365
860000
2000
Tapi hal ini mempunyai dampak buruk.
14:37
and the catchmenangkap
366
862000
2000
Dan dampaknya
14:39
is that this systemsistem is destinedditakdirkan to collapsejatuh.
367
864000
3000
adalah sistem ini ditakdirkan untuk runtuh.
14:42
And it's destinedditakdirkan to collapsejatuh for manybanyak reasonsalasan --
368
867000
2000
Dan ada banyak alasan mengapa ditakdirkan untuk runtuh --
14:44
kindjenis of MalthusianMalthus reasonsalasan -- that you runmenjalankan out of resourcessumber daya.
369
869000
3000
seperti teori Malthus -- kita kehabisan sumber daya.
14:47
And how do you avoidmenghindari that? Well we'vekita sudah doneselesai it before.
370
872000
3000
Bagaimana menghindarinya? Kita sudah melakukan sebelumnya.
14:50
What we do is,
371
875000
2000
Yang kita lakukan adalah,
14:52
as we growtumbuh and we approachpendekatan the collapsejatuh,
372
877000
3000
ketika kita tumbuh dan hampir runtuh,
14:55
a majorutama innovationinovasi takes placetempat
373
880000
3000
inovasi besar terjadi
14:58
and we startmulai over again,
374
883000
2000
dan kita mulai dari awal lagi.
15:00
and we startmulai over again as we approachpendekatan the nextberikutnya one, and so on.
375
885000
3000
Dan kita mulai dari awal lagi sambil kembali mendekati yang selanjutnya, dan seterusnya.
15:03
So there's this continuouskontinu cyclesiklus of innovationinovasi
376
888000
2000
Jadi ada daur inovasi yang berkelanjutan ini
15:05
that is necessaryperlu
377
890000
2000
yang diperlukan
15:07
in ordermemesan to sustainmenopang growthpertumbuhan and avoidmenghindari collapsejatuh.
378
892000
3000
agar bisa mendukung pertumbuhan dan menghindari kehancuran.
15:10
The catchmenangkap, howevernamun, to this
379
895000
2000
Namun dampak dari ini
15:12
is that you have to innovateberinovasi
380
897000
2000
kita harus berinovasi
15:14
fasterlebih cepat and fasterlebih cepat and fasterlebih cepat.
381
899000
3000
semakin cepat dan semakin cepat.
15:17
So the imagegambar
382
902000
2000
Jadi ilustrasinya
15:19
is that we're not only on a treadmilltreadmill that's going fasterlebih cepat,
383
904000
3000
kita tidak hanya di atas treadmill yang bergerak semakin cepat,
15:22
but we have to changeperubahan the treadmilltreadmill fasterlebih cepat and fasterlebih cepat.
384
907000
3000
tapi kita juga harus mengatur treadmill agar semakin cepat.
15:25
We have to acceleratemempercepat on a continuouskontinu basisdasar.
385
910000
3000
Kita harus menaikkan kecepatan secara terus menerus.
15:28
And the questionpertanyaan is: Can we, as socio-economicsosio-ekonomi beingsmakhluk,
386
913000
3000
Dan pertanyaannya: Apakah kita, sebagai makhluk sosio-ekonomis,
15:31
avoidmenghindari a heartjantung attackmenyerang?
387
916000
3000
bisa menghindari serangan jantung?
15:34
So lastlyakhirnya, I'm going to finishselesai up in this last minutemenit or two
388
919000
3000
Terakhir, saya ingin menghabiskan satu atau dua menit terakhir
15:37
askingmeminta about companiesperusahaan.
389
922000
2000
membahas tentang perusahaan.
15:39
See companiesperusahaan, they scaleskala.
390
924000
2000
Perusahaan, juga berskala.
15:41
The toppuncak one, in factfakta, is WalmartWalmart on the right.
391
926000
2000
Paling atas ternyata Walmart di sisi kanan.
15:43
It's the samesama plotmerencanakan.
392
928000
2000
Ini pola yang sama.
15:45
This happensterjadi to be incomependapatan and assetsaktiva
393
930000
2000
Ini kebetulan adalah pendapatan dan aset
15:47
versusmelawan the sizeukuran of the companyperusahaan as denoteddilambangkan by its numberjumlah of employeespara karyawan.
394
932000
2000
berbanding dengan ukuran perusahaan yang diwakili oleh jumlah karyawannya.
15:49
We could use salespenjualan, anything you like.
395
934000
3000
Kita bisa menggunakan penjualan, apa pun.
15:52
There it is: after some little fluctuationsfluktuasi at the beginningawal,
396
937000
3000
Ini dia: setelah sedikit fluktuasi di awal,
15:55
when companiesperusahaan are innovatingberinovasi,
397
940000
2000
saat perusahaan berinovasi
15:57
they scaleskala beautifullyindah.
398
942000
2000
dengan cantik perusahaan itu berskala.
15:59
And we'vekita sudah lookedtampak at 23,000 companiesperusahaan
399
944000
3000
Dan kami sudah melihat 23.000 perusahaan,
16:02
in the UnitedInggris StatesSerikat, maymungkin I say.
400
947000
2000
di Amerika Serikat.
16:04
And I'm only showingmenunjukkan you a little bitsedikit of this.
401
949000
3000
Dan saya hanya menunjukkan sedikit saja dari ini.
16:07
What is astonishingmengherankan about companiesperusahaan
402
952000
2000
Yang luar biasa tentang perusahaan
16:09
is that they scaleskala sublinearlysublinearly
403
954000
3000
mereka berskala secara sublinear
16:12
like biologybiologi,
404
957000
2000
seperti biologi,
16:14
indicatingmenunjukkan that they're dominateddidominasi,
405
959000
2000
menunjukkan mereka didominasi,
16:16
not by super-linearSuper linear
406
961000
2000
bukan oleh super-linear
16:18
innovationinovasi and ideaside ide;
407
963000
3000
inovasi dan ide;
16:21
they becomemenjadi dominateddidominasi
408
966000
2000
mereka didominasi oleh
16:23
by economiesekonomi of scaleskala.
409
968000
2000
skala keekonomian
16:25
In that interpretationinterpretasi,
410
970000
2000
Dalam interpretasi ini,
16:27
by bureaucracybirokrasi and administrationadministrasi,
411
972000
2000
oleh birokrasi dan administrasi,
16:29
and they do it beautifullyindah, maymungkin I say.
412
974000
2000
dan mereka melakukannya dengan cantik.
16:31
So if you tell me the sizeukuran of some companyperusahaan, some smallkecil companyperusahaan,
413
976000
3000
Jadi kalau Anda sebutkan ukuran beberapa perusahaan, perusahaan kecil,
16:34
I could have predicteddiprediksi the sizeukuran of WalmartWalmart.
414
979000
3000
Saya bisa memprediksi ukuran Walmart.
16:37
If it has this sublinearsublinear scalingpenskalaan,
415
982000
2000
Kalau grafik ini mempunyai skala sublinear,
16:39
the theoryteori saysmengatakan
416
984000
2000
teorinya mengatakan
16:41
we should have sigmoidalsigmoidal growthpertumbuhan.
417
986000
3000
kita seharusnya mendapat pertumbuhan sigmoid.
16:44
There's WalmartWalmart. Doesn't look very sigmoidalsigmoidal.
418
989000
2000
Inilah Walmart. Tidak tampak seperti sigmoid.
16:46
That's what we like, hockeyhoki stickstongkat.
419
991000
3000
Itu yang kita suka, tongkat hoki.
16:49
But you noticemelihat, I've cheatedditipu,
420
994000
2000
Tapi Anda lihat, saya curang,
16:51
because I've only gonepergi up to '94.
421
996000
2000
karena saya hanya menunjukkan sampai pada tahun 94.
16:53
Let's go up to 2008.
422
998000
2000
Mari kita lihat tahun 2008.
16:55
That redmerah linegaris is from the theoryteori.
423
1000000
3000
Garis merah ini dari teori.
16:58
So if I'd have doneselesai this in 1994,
424
1003000
2000
Jadi kalau saya melakukan ini di 1994,
17:00
I could have predicteddiprediksi what WalmartWalmart would be now.
425
1005000
3000
saya bisa memprediksi seperti apa Walmart sekarang.
17:03
And then this is repeatedulang
426
1008000
2000
Dan ini terus berulang
17:05
acrossmenyeberang the entireseluruh spectrumspektrum of companiesperusahaan.
427
1010000
2000
di seluruh spektrum perusahaan.
17:07
There they are. That's 23,000 companiesperusahaan.
428
1012000
3000
Ini dia. Ada 23.000 perusahaan.
17:10
They all startmulai looking like hockeyhoki stickstongkat,
429
1015000
2000
Semuanya mulai nampak seperti tongkat hoki,
17:12
they all bendtikungan over,
430
1017000
2000
semua membengkok,
17:14
and they all diemati like you and me.
431
1019000
2000
dan semuanya akan runtuh seperti Anda dan saya.
17:16
Thank you.
432
1021000
2000
Terima kasih.
17:18
(ApplauseTepuk tangan)
433
1023000
9000
(Tepuk tangan)
Translated by Ade Indarta
Reviewed by Antonius Yudi Sendjaja

▲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