TED@Cannes
Nicholas Christakis: How social networks predict epidemics
ニコラス・クリスタキス：いかに社会的ネットワークが流行を予想するか
Filmed:
Readability: 4.9
669,862 views
人々の複雑な社会的ネットワークを可視化したニコラス・クリスタキスとジェームス・フォウラーは、この情報をもとにして生活の改善をする方法の研究に着手しました。ここではクリスタキスが、革新的なアイデアやリスクのある行動、新型インフルエンザのようなウイルス等の流行は、社会的ネットワークを利用することによって従来より早期に感知できるという最新の研究結果を紹介します。
Nicholas Christakis - Physician, social scientist
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact. Full bio
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact. Full bio
Double-click the English transcript below to play the video.
00:15
For the last 10 years, I've been spending my time trying to figure out
0
0
3000
私はこの10年間 人はどのようにそしてなぜ
00:18
how and why human beings
1
3000
2000
社会的ネットワークを
00:20
assemble themselves into social networks.
2
5000
3000
形成するのか解明しようと努力してきました
00:23
And the kind of social network I'm talking about
3
8000
2000
ここで言う社会的ネットワークとは
00:25
is not the recent online variety,
4
10000
2000
最近のインターネット上のものでなく
00:27
but rather, the kind of social networks
5
12000
2000
どちらかというと
00:29
that human beings have been assembling for hundreds of thousands of years,
6
14000
3000
アフリカのサバンナに出現して以来何十万年もの間
00:32
ever since we emerged from the African savannah.
7
17000
3000
人類が築いてきた社会的つながりです
00:35
So, I form friendships and co-worker
8
20000
2000
つまり私が友人関係や同僚関係
00:37
and sibling and relative relationships with other people
9
22000
3000
そして兄弟関係や親類関係を持ち
00:40
who in turn have similar relationships with other people.
10
25000
2000
その人達が似た関係を他の人達と持ち
00:42
And this spreads on out endlessly into a distance.
11
27000
3000
これが果てしなくずっと広がっていって
00:45
And you get a network that looks like this.
12
30000
2000
このようなネットワークができます
00:47
Every dot is a person.
13
32000
2000
それぞれの点は人で
00:49
Every line between them is a relationship between two people --
14
34000
2000
間の線は二人が関係していることを表します
00:51
different kinds of relationships.
15
36000
2000
いろいろな人間関係です
00:53
And you can get this kind of vast fabric of humanity,
16
38000
3000
このような広大な人間社会の構造ができ
00:56
in which we're all embedded.
17
41000
2000
私達は皆その一部となっています
00:58
And my colleague, James Fowler and I have been studying for quite sometime
18
43000
3000
私は同僚のジェームス フォウラーと かなり以前から
01:01
what are the mathematical, social,
19
46000
2000
どのような数学的 社会的
01:03
biological and psychological rules
20
48000
3000
生物学的そして心理学的な法則が
01:06
that govern how these networks are assembled
21
51000
2000
これらのネットワークの構築を左右するのか
01:08
and what are the similar rules
22
53000
2000
またどんな法則がどうネットワークを動かし
01:10
that govern how they operate, how they affect our lives.
23
55000
3000
人々の生活に影響するのかについて研究してきました
01:13
But recently, we've been wondering
24
58000
2000
そして最近は 解明するだけでなく
01:15
whether it might be possible to take advantage of this insight,
25
60000
3000
その洞察を利用して実際に
01:18
to actually find ways to improve the world,
26
63000
2000
世の中を改善する方法を見つけ
01:20
to do something better,
27
65000
2000
もっと役立つことをして
01:22
to actually fix things, not just understand things.
28
67000
3000
何かを解決したりできないかと考えています
01:25
So one of the first things we thought we would tackle
29
70000
3000
そこでまず取り組もうと思ったのが
01:28
would be how we go about predicting epidemics.
30
73000
3000
疫病の流行を予想することでした
01:31
And the current state of the art in predicting an epidemic --
31
76000
2000
疫病対策センターやその他の国家機関での
01:33
if you're the CDC or some other national body --
32
78000
3000
感染症流行の予測技術の現状は
01:36
is to sit in the middle where you are
33
81000
2000
現場の医師や研究所が報告する
01:38
and collect data
34
83000
2000
特定の疾患の有病率や
01:40
from physicians and laboratories in the field
35
85000
2000
発生率のデータを
01:42
that report the prevalence or the incidence of certain conditions.
36
87000
3000
機関の拠点から収集するというものです
01:45
So, so and so patients have been diagnosed with something,
37
90000
3000
患者の誰々さんが何かの病気だと診断された
01:48
or other patients have been diagnosed,
38
93000
2000
他にも発症した患者がいた
01:50
and all these data are fed into a central repository, with some delay.
39
95000
3000
こうしたデータが情報センターにいくらか遅れて入るわけです
01:53
And if everything goes smoothly,
40
98000
2000
滞りなくすべて進めば
01:55
one to two weeks from now
41
100000
2000
今日どこで疫病が流行っていたか
01:57
you'll know where the epidemic was today.
42
102000
3000
1～2週間後に分かるのです
02:00
And actually, about a year or so ago,
43
105000
2000
実のところ 1年ほど前に
02:02
there was this promulgation
44
107000
2000
「インフルトレンド」という
02:04
of the idea of Google Flu Trends, with respect to the flu,
45
109000
3000
グーグルのツールが広まりました
02:07
where by looking at people's searching behavior today,
46
112000
3000
人々の現在の検索パターンを見て
02:10
we could know where the flu --
47
115000
2000
インフルエンザの発生地域
02:12
what the status of the epidemic was today,
48
117000
2000
現在の流行状況や
02:14
what's the prevalence of the epidemic today.
49
119000
3000
有病率が把握できるのです
02:17
But what I'd like to show you today
50
122000
2000
でも今日皆さんにお見せしたいのは
02:19
is a means by which we might get
51
124000
2000
伝染病の発生を
02:21
not just rapid warning about an epidemic,
52
126000
3000
迅速に警告するだけでなく 実際にその流行を
02:24
but also actually
53
129000
2000
早期に感知できるかもしれない
02:26
early detection of an epidemic.
54
131000
2000
ひとつの方法です
02:28
And, in fact, this idea can be used
55
133000
2000
事実 このアイデアは
02:30
not just to predict epidemics of germs,
56
135000
3000
細菌による感染症を予測するだけでなく
02:33
but also to predict epidemics of all sorts of kinds.
57
138000
3000
様々なタイプの流行の予想に応用できます
02:37
For example, anything that spreads by a form of social contagion
58
142000
3000
例えば社会的感染という形で広まるものは
02:40
could be understood in this way,
59
145000
2000
すべてこうして理解できます
02:42
from abstract ideas on the left
60
147000
2000
図の左に示した愛国心や
02:44
like patriotism, or altruism, or religion
61
149000
3000
利他主義や宗教のような抽象的な概念から
02:47
to practices
62
152000
2000
食生活や書籍購入
02:49
like dieting behavior, or book purchasing,
63
154000
2000
そして飲酒などの習慣
02:51
or drinking, or bicycle-helmet [and] other safety practices,
64
156000
3000
自転車ヘルメット着用などの安全習慣や
02:54
or products that people might buy,
65
159000
2000
売れる商品
02:56
purchases of electronic goods,
66
161000
2000
電子機器の購入などまで
02:58
anything in which there's kind of an interpersonal spread.
67
163000
3000
人を通して広がるものすべてです
03:01
A kind of a diffusion of innovation
68
166000
2000
新しいアイデアの普及なども
03:03
could be understood and predicted
69
168000
2000
今からご覧いただく方法によって
03:05
by the mechanism I'm going to show you now.
70
170000
3000
理解し予測することが可能です
03:08
So, as all of you probably know,
71
173000
2000
おそらく皆さんご存知だと思いますが
03:10
the classic way of thinking about this
72
175000
2000
普及を表すには従来
03:12
is the diffusion-of-innovation,
73
177000
2000
イノベーション普及率という
03:14
or the adoption curve.
74
179000
2000
採用曲線を使用します
03:16
So here on the Y-axis, we have the percent of the people affected,
75
181000
2000
Y軸は何％の人が影響されているか
03:18
and on the X-axis, we have time.
76
183000
2000
そしてX軸は時間を表します
03:20
And at the very beginning, not too many people are affected,
77
185000
3000
最初の時点ではあまり多くの人が影響されておらず
03:23
and you get this classic sigmoidal,
78
188000
2000
典型的なS字型カーブの
03:25
or S-shaped, curve.
79
190000
2000
グラフになります
03:27
And the reason for this shape is that at the very beginning,
80
192000
2000
なぜこのような形になるのかと言うと
03:29
let's say one or two people
81
194000
2000
一番初めに1人か2人が
03:31
are infected, or affected by the thing
82
196000
2000
影響または感染されているとすると
03:33
and then they affect, or infect, two people,
83
198000
2000
その2人が次の2人を感染させ
03:35
who in turn affect four, eight, 16 and so forth,
84
200000
3000
次に感染されるのは4人 そして8人 16人と増え
03:38
and you get the epidemic growth phase of the curve.
85
203000
3000
流行の増殖期のカーブを形成するからです
03:41
And eventually, you saturate the population.
86
206000
2000
最終的には人口のほとんどが感染され
03:43
There are fewer and fewer people
87
208000
2000
まだ感染されていない人が
03:45
who are still available that you might infect,
88
210000
2000
どんどん少なくなり
03:47
and then you get the plateau of the curve,
89
212000
2000
カーブは頭打ちとなります
03:49
and you get this classic sigmoidal curve.
90
214000
3000
そして典型的なS字型カーブとなるのです
03:52
And this holds for germs, ideas,
91
217000
2000
これは病原菌やアイデア
03:54
product adoption, behaviors,
92
219000
2000
製品普及や習慣のようなものでも
03:56
and the like.
93
221000
2000
同じです
03:58
But things don't just diffuse in human populations at random.
94
223000
3000
でも物事は人々の間でランダムに普及しません
04:01
They actually diffuse through networks.
95
226000
2000
普及はネットワークを通して行なわれます
04:03
Because, as I said, we live our lives in networks,
96
228000
3000
私達は皆 ネットワークの中で生きているからです
04:06
and these networks have a particular kind of a structure.
97
231000
3000
そしてこれらのネットワークには特定の構造があります
04:09
Now if you look at a network like this --
98
234000
2000
こちらのネットワークを見てください
04:11
this is 105 people.
99
236000
2000
105人います
04:13
And the lines represent -- the dots are the people,
100
238000
2000
点は人を表し
04:15
and the lines represent friendship relationships.
101
240000
2000
線は友人関係を表します
04:17
You might see that people occupy
102
242000
2000
人によってネットワーク内の位置が
04:19
different locations within the network.
103
244000
2000
違うことが分かると思います
04:21
And there are different kinds of relationships between the people.
104
246000
2000
また人間関係も多様です
04:23
You could have friendship relationships, sibling relationships,
105
248000
3000
友人関係 兄弟関係
04:26
spousal relationships, co-worker relationships,
106
251000
3000
夫婦関係 同僚関係
04:29
neighbor relationships and the like.
107
254000
3000
隣人関係などいろいろあります
04:32
And different sorts of things
108
257000
2000
そして関係によって
04:34
spread across different sorts of ties.
109
259000
2000
違うものが広がります
04:36
For instance, sexually transmitted diseases
110
261000
2000
例えば性感染症は
04:38
will spread across sexual ties.
111
263000
2000
性的つながりをもって広がります
04:40
Or, for instance, people's smoking behavior
112
265000
2000
喫煙習慣は
04:42
might be influenced by their friends.
113
267000
2000
友人関係に影響されるかもしれません
04:44
Or their altruistic or their charitable giving behavior
114
269000
2000
利他的または慈善的行為だと
04:46
might be influenced by their coworkers,
115
271000
2000
同僚に感化されてかもしれませんし
04:48
or by their neighbors.
116
273000
2000
隣人の影響かもしれません
04:50
But not all positions in the network are the same.
117
275000
3000
でもネットワーク内の位置のすべてが平等というわけではありません
04:53
So if you look at this, you might immediately grasp
118
278000
2000
これを見てもらえばすぐ分かりますが
04:55
that different people have different numbers of connections.
119
280000
3000
つながりの数は人によって違います
04:58
Some people have one connection, some have two,
120
283000
2000
1つの人もいれば2つの人もいて
05:00
some have six, some have 10 connections.
121
285000
3000
6つの人もいれば10個の人もいます
05:03
And this is called the "degree" of a node,
122
288000
2000
これはノードの度数とも言われ
05:05
or the number of connections that a node has.
123
290000
2000
節点の持つつながりの数です
05:07
But in addition, there's something else.
124
292000
2000
しかしそれだけではありません
05:09
So, if you look at nodes A and B,
125
294000
2000
節点AとBを見てもらうと
05:11
they both have six connections.
126
296000
2000
両者とも6つのつながりを持っています
05:13
But if you can see this image [of the network] from a bird's eye view,
127
298000
3000
でもこの図を全体的に見ると
05:16
you can appreciate that there's something very different
128
301000
2000
節点AとBには大きな違いがあると
05:18
about nodes A and B.
129
303000
2000
気づくと思います
05:20
So, let me ask you this -- I can cultivate this intuition by asking a question --
130
305000
3000
こう考えたら分かりやすいと思います
05:23
who would you rather be
131
308000
2000
もし致死的な病原菌が
05:25
if a deadly germ was spreading through the network, A or B?
132
310000
3000
ネットワーク内で広まっていたらAとBのどちらになりたいですか？
05:28
(Audience: B.) Nicholas Christakis: B, it's obvious.
133
313000
2000
（聴衆：B） クリスタキス：もちろんBですね
05:30
B is located on the edge of the network.
134
315000
2000
Bはネットワークの端に位置しています
05:32
Now, who would you rather be
135
317000
2000
では気になる噂話が
05:34
if a juicy piece of gossip were spreading through the network?
136
319000
3000
ネットワーク内で流れていたらどちらになりたいですか？
05:37
A. And you have an immediate appreciation
137
322000
3000
Aですね 一見して
05:40
that A is going to be more likely
138
325000
2000
Aの方がいち早く
05:42
to get the thing that's spreading and to get it sooner
139
327000
3000
広まる噂を耳にする可能性が高いと分かります
05:45
by virtue of their structural location within the network.
140
330000
3000
これはネットワーク構造上の位置のおかげです
05:48
A, in fact, is more central,
141
333000
2000
実際にAは中心寄りに位置しており
05:50
and this can be formalized mathematically.
142
335000
3000
これは数式で表すことができます
05:53
So, if we want to track something
143
338000
2000
ですから ネットワークを通じて
05:55
that was spreading through a network,
144
340000
3000
広がっている何かを追跡したい場合
05:58
what we ideally would like to do is to set up sensors
145
343000
2000
節点Aも含んだ
06:00
on the central individuals within the network,
146
345000
2000
ネットワークの中心部の人々に
06:02
including node A,
147
347000
2000
センサーをつけ
06:04
monitor those people that are right there in the middle of the network,
148
349000
3000
その人々を観察することによって
06:07
and somehow get an early detection
149
352000
2000
ネットワークを介して広がっている何かを
06:09
of whatever it is that is spreading through the network.
150
354000
3000
早期発見するのが理想です
06:12
So if you saw them contract a germ or a piece of information,
151
357000
3000
この人々が病気に感染したり情報を得たら
06:15
you would know that, soon enough,
152
360000
2000
近いうちに
06:17
everybody was about to contract this germ
153
362000
2000
全員にこの病原菌または情報が
06:19
or this piece of information.
154
364000
2000
伝わるだろうと分かるのです
06:21
And this would be much better
155
366000
2000
この方法は集団の構造を踏まえずに
06:23
than monitoring six randomly chosen people,
156
368000
2000
ランダムに選出した
06:25
without reference to the structure of the population.
157
370000
3000
6人を観察するよりずっと効果的です
06:28
And in fact, if you could do that,
158
373000
2000
実際 中心部の人々を観察できれば
06:30
what you would see is something like this.
159
375000
2000
このような結果が見られる筈です
06:32
On the left-hand panel, again, we have the S-shaped curve of adoption.
160
377000
3000
左の図には前に見たS字型の採用曲線があります
06:35
In the dotted red line, we show
161
380000
2000
赤の点線は
06:37
what the adoption would be in the random people,
162
382000
2000
ランダムに選出された人々の間での普及です
06:39
and in the left-hand line, shifted to the left,
163
384000
3000
左側の左にずれている線は
06:42
we show what the adoption would be
164
387000
2000
ネットワーク中心部の人々の間での
06:44
in the central individuals within the network.
165
389000
2000
普及を表します
06:46
On the Y-axis is the cumulative instances of contagion,
166
391000
2000
Y軸は感染者の累積人数です
06:48
and on the X-axis is the time.
167
393000
2000
X軸は時間です
06:50
And on the right-hand side, we show the same data,
168
395000
2000
右にあるのは同じデータですが
06:52
but here with daily incidence.
169
397000
2000
1日ごとの発症件数です
06:54
And what we show here is -- like, here --
170
399000
2000
ここにご覧いただけるのは
06:56
very few people are affected, more and more and more and up to here,
171
401000
2000
たった数人の感染者からどんどん増えて
06:58
and here's the peak of the epidemic.
172
403000
2000
ここで流行のピークとなることです
07:00
But shifted to the left is what's occurring in the central individuals.
173
405000
2000
左にずれたグラフが中心部の人々の状態です
07:02
And this difference in time between the two
174
407000
3000
そしてこの2つの間の時間差が
07:05
is the early detection, the early warning we can get,
175
410000
3000
兆しとなり
07:08
about an impending epidemic
176
413000
2000
この人々の間で流行が起こる
07:10
in the human population.
177
415000
2000
早期警告となるのです
07:12
The problem, however,
178
417000
2000
しかし問題は
07:14
is that mapping human social networks
179
419000
2000
社会的ネットワークを図にするのが
07:16
is not always possible.
180
421000
2000
いつも可能なわけでないことです
07:18
It can be expensive, not feasible,
181
423000
2000
コストが高すぎたり実施が難しかったり
07:20
unethical,
182
425000
2000
倫理的でなかったり
07:22
or, frankly, just not possible to do such a thing.
183
427000
3000
ただ単にそんなことは不可能な場合もあります
07:25
So, how can we figure out
184
430000
2000
では実際にネットワークを図にしないで
07:27
who the central people are in a network
185
432000
2000
どのように中心にいるのは誰かを
07:29
without actually mapping the network?
186
434000
3000
調べることができるのでしょうか？
07:32
What we came up with
187
437000
2000
我々が思いついたのは
07:34
was an idea to exploit an old fact,
188
439000
2000
社会的ネットワークについて前から
07:36
or a known fact, about social networks,
189
441000
2000
知られている現象を利用することでした
07:38
which goes like this:
190
443000
2000
このような現象です
07:40
Do you know that your friends
191
445000
2000
あなたの友人にはあなたより
07:42
have more friends than you do?
192
447000
3000
たくさん友人がいると知っていましたか？
07:45
Your friends have more friends than you do,
193
450000
3000
あなたの友人にはあなたより友人がいるのです
07:48
and this is known as the friendship paradox.
194
453000
2000
「友人関係のパラドックス」と言われています
07:50
Imagine a very popular person in the social network --
195
455000
2000
社会的ネットワークの中でとても人気があり
07:52
like a party host who has hundreds of friends --
196
457000
3000
友人が多いパーティのホストと
07:55
and a misanthrope who has just one friend,
197
460000
2000
友人は1人だけの人間嫌いがいるとします
07:57
and you pick someone at random from the population;
198
462000
3000
ここからランダムに選ばれた人はパーティのホストを
08:00
they were much more likely to know the party host.
199
465000
2000
知っている確率の方が高いのです
08:02
And if they nominate the party host as their friend,
200
467000
2000
彼らがパーティのホストを友人として挙げたら
08:04
that party host has a hundred friends,
201
469000
2000
パーティのホストには大勢の友人がいるので
08:06
therefore, has more friends than they do.
202
471000
3000
彼らよりも友人が多いということになります
08:09
And this, in essence, is what's known as the friendship paradox.
203
474000
3000
基本的にこれが「友人関係のパラドックス」というものです
08:12
The friends of randomly chosen people
204
477000
3000
ランダムに選ばれた人達よりその友人達の方が
08:15
have higher degree, and are more central
205
480000
2000
より多くのつながりを持ち
08:17
than the random people themselves.
206
482000
2000
中心寄りの位置にいるのです
08:19
And you can get an intuitive appreciation for this
207
484000
2000
ネットワークの端の方にいる人々に注目すると
08:21
if you imagine just the people at the perimeter of the network.
208
486000
3000
このことが自然に理解できると思います
08:24
If you pick this person,
209
489000
2000
この人を見ると
08:26
the only friend they have to nominate is this person,
210
491000
3000
友人として挙げられるのはこの人しかいません そして
08:29
who, by construction, must have at least two
211
494000
2000
この人にはネットワークの構造上 最低2人
08:31
and typically more friends.
212
496000
2000
通常はそれ以上の友人がいることになります
08:33
And that happens at every peripheral node.
213
498000
2000
端の節点のどれをとってもこの現象は見られ
08:35
And in fact, it happens throughout the network as you move in,
214
500000
3000
実際ネットワークの中心に向かって全体的に見られます
08:38
everyone you pick, when they nominate a random --
215
503000
2000
誰を選出してもです
08:40
when a random person nominates a friend of theirs,
216
505000
3000
ランダムに選出された人が友人を挙げると
08:43
you move closer to the center of the network.
217
508000
3000
ネットワークの中心に近づくわけです
08:46
So, we thought we would exploit this idea
218
511000
3000
そこで我々はこのアイデアを利用して
08:49
in order to study whether we could predict phenomena within networks.
219
514000
3000
ネットワーク内の現象を予測できるか研究しようと考えました
08:52
Because now, with this idea
220
517000
2000
このアイデアをもとにすれば
08:54
we can take a random sample of people,
221
519000
2000
ネットワークの図がなくても
08:56
have them nominate their friends,
222
521000
2000
集団からランダムに誰かを選び
08:58
those friends would be more central,
223
523000
2000
友人を挙げてもらって
09:00
and we could do this without having to map the network.
224
525000
3000
中央寄りの人の選出ができるからです
09:03
And we tested this idea with an outbreak of H1N1 flu
225
528000
3000
我々はハーバード大学での新型インフルエンザの発生で
09:06
at Harvard College
226
531000
2000
これを検証しました
09:08
in the fall and winter of 2009, just a few months ago.
227
533000
3000
つい2～3ヶ月前の2009年秋から冬でした
09:11
We took 1,300 randomly selected undergraduates,
228
536000
3000
ランダムに選出した学部生1300人に
09:14
we had them nominate their friends,
229
539000
2000
友人を挙げてもらい
09:16
and we followed both the random students and their friends
230
541000
2000
そのランダムの学生と友人の両方を
09:18
daily in time
231
543000
2000
毎日 追跡調査して
09:20
to see whether or not they had the flu epidemic.
232
545000
3000
流行のインフルエンザへの感染を調べました
09:23
And we did this passively by looking at whether or not they'd gone to university health services.
233
548000
3000
大学内診療所の利用監視と
09:26
And also, we had them [actively] email us a couple of times a week.
234
551000
3000
週に数回のメール報告での調査です
09:29
Exactly what we predicted happened.
235
554000
3000
すると我々が予想した通りのことが起こりました
09:32
So the random group is in the red line.
236
557000
3000
赤い線がランダムのグループです
09:35
The epidemic in the friends group has shifted to the left, over here.
237
560000
3000
友人グループの中での流行は左のこちらへ寄っています
09:38
And the difference in the two is 16 days.
238
563000
3000
2つのグループの違いは16日です
09:41
By monitoring the friends group,
239
566000
2000
友人グループを追跡することによって
09:43
we could get 16 days advance warning
240
568000
2000
この集団における感染流行を
09:45
of an impending epidemic in this human population.
241
570000
3000
16日前に警告できるわけです
09:48
Now, in addition to that,
242
573000
2000
またそれだけでなく
09:50
if you were an analyst who was trying to study an epidemic
243
575000
3000
アナリストが流行の研究や
09:53
or to predict the adoption of a product, for example,
244
578000
3000
新製品の普及の予測をしようするときに
09:56
what you could do is you could pick a random sample of the population,
245
581000
3000
集団からランダムに選んだサンプルと
09:59
also have them nominate their friends and follow the friends
246
584000
3000
さらに挙げてもらった友人の
10:02
and follow both the randoms and the friends.
247
587000
3000
両方のグループを追跡することができます
10:05
Among the friends, the first evidence you saw of a blip above zero
248
590000
3000
例えばその友人グループで
10:08
in adoption of the innovation, for example,
249
593000
3000
イノベーション普及に急上昇があれば
10:11
would be evidence of an impending epidemic.
250
596000
2000
流行の兆しとなります
10:13
Or you could see the first time the two curves diverged,
251
598000
3000
また左にあるように2つの線が
10:16
as shown on the left.
252
601000
2000
分岐し始めるのもサインです
10:18
When did the randoms -- when did the friends take off
253
603000
3000
友人グループの線が急上昇し
10:21
and leave the randoms,
254
606000
2000
ランダムサンプルのグループに差をつけて
10:23
and [when did] their curve start shifting?
255
608000
2000
開き始めたのはどの時点か？
10:25
And that, as indicated by the white line,
256
610000
2000
それはこの白い線が示す時点で
10:27
occurred 46 days
257
612000
2000
流行のピークの
10:29
before the peak of the epidemic.
258
614000
2000
46日前でした
10:31
So this would be a technique
259
616000
2000
つまりこの方法を使えば
10:33
whereby we could get more than a month-and-a-half warning
260
618000
2000
一定の集団の中で起こる
10:35
about a flu epidemic in a particular population.
261
620000
3000
インフルエンザの流行を1ヵ月半以上前に察知できるのです
10:38
I should say that
262
623000
2000
どのくらい前の時点で
10:40
how far advanced a notice one might get about something
263
625000
2000
そのような兆しが見られるかは
10:42
depends on a host of factors.
264
627000
2000
様々な要素により異なると思います
10:44
It could depend on the nature of the pathogen --
265
629000
2000
病原体の特性によることもあり得ます
10:46
different pathogens,
266
631000
2000
この方法で違う種類の病原体を
10:48
using this technique, you'd get different warning --
267
633000
2000
見た場合 異なる兆候が出ると思います
10:50
or other phenomena that are spreading,
268
635000
2000
他の広がっている現象でもそうです
10:52
or frankly, on the structure of the human network.
269
637000
3000
人のネットワークの構造が違うからということもあります
10:55
Now in our case, although it wasn't necessary,
270
640000
3000
我々の実例では必要ではなかったのですが 実際に
10:58
we could also actually map the network of the students.
271
643000
2000
学生のネットワークを図にすることが出来ました
11:00
So, this is a map of 714 students
272
645000
2000
これが714人の学生と
11:02
and their friendship ties.
273
647000
2000
彼らの友人のつながりを示した図です
11:04
And in a minute now, I'm going to put this map into motion.
274
649000
2000
これからこの図の移り変わりを見せます
11:06
We're going to take daily cuts through the network
275
651000
2000
ネットワークの日々の変化を
11:08
for 120 days.
276
653000
2000
120日分見てみましょう
11:10
The red dots are going to be cases of the flu,
277
655000
3000
赤い点がインフルエンザの感染を示します
11:13
and the yellow dots are going to be friends of the people with the flu.
278
658000
3000
そして黄色い点がインフルエンザ感染者の友人です
11:16
And the size of the dots is going to be proportional
279
661000
2000
点の大きさはインフルエンザに感染している
11:18
to how many of their friends have the flu.
280
663000
2000
友人の数に応じて大きくなります
11:20
So bigger dots mean more of your friends have the flu.
281
665000
3000
つまり大きい点はインフルエンザに感染した友人が多い人です
11:23
And if you look at this image -- here we are now in September the 13th --
282
668000
3000
この図を見てください 9月13日の状態です
11:26
you're going to see a few cases light up.
283
671000
2000
いくつか色のついた点がみられます
11:28
You're going to see kind of blooming of the flu in the middle.
284
673000
2000
インフルエンザが中心でポツポツ見られます
11:30
Here we are on October the 19th.
285
675000
3000
今10月19日の状態です
11:33
The slope of the epidemic curve is approaching now, in November.
286
678000
2000
11月になると流行のカーブが立ち上がり
11:35
Bang, bang, bang, bang, bang -- you're going to see lots of blooming in the middle,
287
680000
3000
パッパッと中心部で次々に感染が広がります
11:38
and then you're going to see a sort of leveling off,
288
683000
2000
そしてだんだん頭打ちになっていきます
11:40
fewer and fewer cases towards the end of December.
289
685000
3000
12月末に近づくにつれて感染がどんどん少なくなります
11:43
And this type of a visualization
290
688000
2000
このような可視化によって
11:45
can show that epidemics like this take root
291
690000
2000
こういった流行はまず
11:47
and affect central individuals first,
292
692000
2000
中央部の人間から感染して
11:49
before they affect others.
293
694000
2000
他の人々に感染することが明らかになります
11:51
Now, as I've been suggesting,
294
696000
2000
それで今まで申し上げてきたように
11:53
this method is not restricted to germs,
295
698000
3000
この方法は細菌だけでなく
11:56
but actually to anything that spreads in populations.
296
701000
2000
人々の間で伝染するもの何にでも使えます
11:58
Information spreads in populations,
297
703000
2000
情報は人々を通じて広がります
12:00
norms can spread in populations,
298
705000
2000
常識も人から人へと広がります
12:02
behaviors can spread in populations.
299
707000
2000
言動も人々の間で広がります
12:04
And by behaviors, I can mean things like criminal behavior,
300
709000
3000
言動というのは犯罪行為や
12:07
or voting behavior, or health care behavior,
301
712000
3000
選挙投票もあれば 健康管理行為で
12:10
like smoking, or vaccination,
302
715000
2000
喫煙や予防接種のようなこともあり
12:12
or product adoption, or other kinds of behaviors
303
717000
2000
製品普及やその他の行動で
12:14
that relate to interpersonal influence.
304
719000
2000
人間同士が影響し合うものもあります
12:16
If I'm likely to do something that affects others around me,
305
721000
3000
言動によって回りの人間が影響される傾向があったら
12:19
this technique can get early warning or early detection
306
724000
3000
この方法により その集団における流行の発生や
12:22
about the adoption within the population.
307
727000
3000
兆しを早期に知り得ることができるわけです
12:25
The key thing is that for it to work,
308
730000
2000
この方法が成り立つポイントは
12:27
there has to be interpersonal influence.
309
732000
2000
人間同士の影響があることです
12:29
It cannot be because of some broadcast mechanism
310
734000
2000
一斉に実施され全員が
12:31
affecting everyone uniformly.
311
736000
3000
同じように影響されるような仕組みでは駄目です
12:35
Now the same insights
312
740000
2000
さてこの同じ洞察を違うやり方で
12:37
can also be exploited -- with respect to networks --
313
742000
3000
ネットワークに関連するものに対して
12:40
can also be exploited in other ways,
314
745000
3000
活用することもできます
12:43
for example, in the use of targeting
315
748000
2000
介入目的のために特定の人々を
12:45
specific people for interventions.
316
750000
2000
対象として選ぶのに利用するのが一例です
12:47
So, for example, most of you are probably familiar
317
752000
2000
例えば皆さん集団免疫については
12:49
with the notion of herd immunity.
318
754000
2000
たぶん知っていると思いますが
12:51
So, if we have a population of a thousand people,
319
756000
3000
1000人のグループがいたとして
12:54
and we want to make the population immune to a pathogen,
320
759000
3000
このグループをある病原体から守りたい場合
12:57
we don't have to immunize every single person.
321
762000
2000
全員に予防接種する必要はありません
12:59
If we immunize 960 of them,
322
764000
2000
このうち960人に免疫ができれば
13:01
it's as if we had immunized a hundred [percent] of them.
323
766000
3000
1000人に予防接種したのと同じになります
13:04
Because even if one or two of the non-immune people gets infected,
324
769000
3000
たとえ1人か2人の免疫のない人が感染しても
13:07
there's no one for them to infect.
325
772000
2000
その人達が病気をうつす相手がいないからです
13:09
They are surrounded by immunized people.
326
774000
2000
免疫のある人ばかりに囲まれているわけです
13:11
So 96 percent is as good as 100 percent.
327
776000
3000
このように96%は100%と同じくらい効果的です
13:14
Well, some other scientists have estimated
328
779000
2000
1000人の中から30%をランダムで選出し
13:16
what would happen if you took a 30 percent random sample
329
781000
2000
予防接種をしたらどうなるか
13:18
of these 1000 people, 300 people and immunized them.
330
783000
3000
計算した科学者達がいましたが
13:21
Would you get any population-level immunity?
331
786000
2000
集団レベルでの免疫が得られるかと言うと
13:23
And the answer is no.
332
788000
3000
得られません
13:26
But if you took this 30 percent, these 300 people
333
791000
2000
でもこの同じ30%の300人に
13:28
and had them nominate their friends
334
793000
2000
友人を挙げてもらって
13:30
and took the same number of vaccine doses
335
795000
3000
同じ数の予防接種を
13:33
and vaccinated the friends of the 300 --
336
798000
2000
300人が挙げた友人達300人に
13:35
the 300 friends --
337
800000
2000
実施すると
13:37
you can get the same level of herd immunity
338
802000
2000
集団免疫と同等の免疫ができます
13:39
as if you had vaccinated 96 percent of the population
339
804000
3000
集団の96%に予防接種したのと同じ効果を
13:42
at a much greater efficiency, with a strict budget constraint.
340
807000
3000
厳しい予算でもずっと効率よく得られるのです
13:45
And similar ideas can be used, for instance,
341
810000
2000
似たようなアイデアを使って
13:47
to target distribution of things like bed nets
342
812000
2000
発展途上国で蚊帳などを配布する際に
13:49
in the developing world.
343
814000
2000
対象者を限定することもできます
13:51
If we could understand the structure of networks in villages,
344
816000
3000
村のネットワークの構造が分かっていれば
13:54
we could target to whom to give the interventions
345
819000
2000
蚊帳などの普及を促進する中心部の
13:56
to foster these kinds of spreads.
346
821000
2000
人々をターゲットにして介入援助できます
13:58
Or, frankly, for advertising with all kinds of products.
347
823000
3000
また率直に言って これはどんな商品の宣伝にも使えます
14:01
If we could understand how to target,
348
826000
2000
対象者の選定の仕方が分かれば
14:03
it could affect the efficiency
349
828000
2000
目的を達成する効率を
14:05
of what we're trying to achieve.
350
830000
2000
上げることができます
14:07
And in fact, we can use data
351
832000
2000
事実 現在ありとあらゆるところで
14:09
from all kinds of sources nowadays [to do this].
352
834000
2000
集められているデータを利用できます
14:11
This is a map of eight million phone users
353
836000
2000
こちらはヨーロッパにおける
14:13
in a European country.
354
838000
2000
800万人の電話利用者の関係図です
14:15
Every dot is a person, and every line represents
355
840000
2000
それぞれの点は人を表し
14:17
a volume of calls between the people.
356
842000
2000
線はその人達の間の電話回数を表します
14:19
And we can use such data, that's being passively obtained,
357
844000
3000
私達はこのような自動的に集められたデータによって
14:22
to map these whole countries
358
847000
2000
これらの国の全体像を見たり
14:24
and understand who is located where within the network.
359
849000
3000
ネットワークのどこに誰がいるか理解できます
14:27
Without actually having to query them at all,
360
852000
2000
特別なデータ処理などしなくても
14:29
we can get this kind of a structural insight.
361
854000
2000
このような構造の洞察を得ることができるのです
14:31
And other sources of information, as you're no doubt aware
362
856000
3000
お気づきと思いますが このようなデータは
14:34
are available about such features, from email interactions,
363
859000
3000
他の情報源からも手にすることができます
14:37
online interactions,
364
862000
2000
メールやインターネット上のやりとり
14:39
online social networks and so forth.
365
864000
3000
ソーシャルネットワークなどです
14:42
And in fact, we are in the era of what I would call
366
867000
2000
実際 今の時代は
14:44
"massive-passive" data collection efforts.
367
869000
3000
大量のデータが自動的に蓄積されています
14:47
They're all kinds of ways we can use massively collected data
368
872000
3000
大量に収集されたデータの使い道は幾通りもあります
14:50
to create sensor networks
369
875000
3000
集団を追跡するためのセンサーとなる
14:53
to follow the population,
370
878000
2000
中心部の人々を特定したり
14:55
understand what's happening in the population,
371
880000
2000
その集団の中で何が起こっているか理解したり
14:57
and intervene in the population for the better.
372
882000
3000
改善の為に介入したりできます
15:00
Because these new technologies tell us
373
885000
2000
最近の技術では
15:02
not just who is talking to whom,
374
887000
2000
誰と誰がしゃべっているかだけでなく
15:04
but where everyone is,
375
889000
2000
人々がどこにいるのかも分かるからです
15:06
and what they're thinking based on what they're uploading on the Internet,
376
891000
3000
アップロードされるものから人々が考えていることが分かり
15:09
and what they're buying based on their purchases.
377
894000
2000
購入記録から商品の売れ筋も分かります
15:11
And all this administrative data can be pulled together
378
896000
3000
これらすべての管理データを合わせて処理すれば
15:14
and processed to understand human behavior
379
899000
2000
人々の行動を
15:16
in a way we never could before.
380
901000
3000
以前はできなかった方法で理解できます
15:19
So, for example, we could use truckers' purchases of fuel.
381
904000
3000
トラックの運転手による燃料購入を例にします
15:22
So the truckers are just going about their business,
382
907000
2000
運転手達は普段通りに仕事をして
15:24
and they're buying fuel.
383
909000
2000
燃料を購入します
15:26
And we see a blip up in the truckers' purchases of fuel,
384
911000
3000
私たちは燃料の購入量が急上昇するのを見て
15:29
and we know that a recession is about to end.
385
914000
2000
経済低迷期の終わりが近いと分かります
15:31
Or we can monitor the velocity
386
916000
2000
または人々が高速道路を
15:33
with which people are moving with their phones on a highway,
387
918000
3000
移動している速度を携帯電話で計測することもできます
15:36
and the phone company can see,
388
921000
2000
電話会社は
15:38
as the velocity is slowing down,
389
923000
2000
速度が落ちるのを見て
15:40
that there's a traffic jam.
390
925000
2000
渋滞を感知できます
15:42
And they can feed that information back to their subscribers,
391
927000
3000
更にその情報を携帯電話ユーザーに提供できるわけです
15:45
but only to their subscribers on the same highway
392
930000
2000
それも同じ高速道路上で
15:47
located behind the traffic jam!
393
932000
2000
その渋滞の後続のユーザーに限定できます
15:49
Or we can monitor doctors prescribing behaviors, passively,
394
934000
3000
医師の薬品処方状況を観察することもできます
15:52
and see how the diffusion of innovation with pharmaceuticals
395
937000
3000
新規の医薬品がどのように医師の間で普及するのか
15:55
occurs within [networks of] doctors.
396
940000
2000
理解することができます
15:57
Or again, we can monitor purchasing behavior in people
397
942000
2000
人々の商品購入状況の観察をして
15:59
and watch how these types of phenomena
398
944000
2000
このようなタイプの現象がどうやって
16:01
can diffuse within human populations.
399
946000
3000
人々の間で普及するのか確認することができます
16:04
And there are three ways, I think,
400
949000
2000
自動蓄積された大量データの利用法は
16:06
that these massive-passive data can be used.
401
951000
2000
3つあると思います
16:08
One is fully passive,
402
953000
2000
1つ目は完全に受身的な
16:10
like I just described --
403
955000
2000
先ほど説明したようなものです
16:12
as in, for instance, the trucker example,
404
957000
2000
トラックの運転手の例のような
16:14
where we don't actually intervene in the population in any way.
405
959000
2000
実際には集団に一切介入しないしないものです
16:16
One is quasi-active,
406
961000
2000
そして半能動的な
16:18
like the flu example I gave,
407
963000
2000
例に挙げたインフルエンザのような
16:20
where we get some people to nominate their friends
408
965000
3000
人々に友人を挙げてもらい
16:23
and then passively monitor their friends --
409
968000
2000
彼らがインフルエンザに感染しないか
16:25
do they have the flu, or not? -- and then get warning.
410
970000
2000
観察して警告を受けるものもあります
16:27
Or another example would be,
411
972000
2000
別の例として
16:29
if you're a phone company, you figure out who's central in the network
412
974000
3000
電話会社がネットワークの中心に位置する人を調べて
16:32
and you ask those people, "Look, will you just text us your fever every day?
413
977000
3000
「毎日熱を測って携帯メールで送ってもらえますか？」
16:35
Just text us your temperature."
414
980000
2000
「体温だけでかまいません」と頼み
16:37
And collect vast amounts of information about people's temperature,
415
982000
3000
大量の体温データを中心部の人々に限定して
16:40
but from centrally located individuals.
416
985000
2000
収集することも考えられます
16:42
And be able, on a large scale,
417
987000
2000
こうして人々の最低限の情報提供だけで
16:44
to monitor an impending epidemic
418
989000
2000
伝染病の流行の兆しを
16:46
with very minimal input from people.
419
991000
2000
広範囲に監視できるのです
16:48
Or, finally, it can be more fully active --
420
993000
2000
またはもっと積極的なアプローチもできます
16:50
as I know subsequent speakers will also talk about today --
421
995000
2000
このあとの講演者も話しますが
16:52
where people might globally participate in wikis,
422
997000
2000
人々が世界中からウィキに参加したり
16:54
or photographing, or monitoring elections,
423
999000
3000
写真や選挙の追跡をしたりして
16:57
and upload information in a way that allows us to pool
424
1002000
2000
情報をアップロードしたものを
16:59
information in order to understand social processes
425
1004000
2000
社会的プロセスや現象を理解するために
17:01
and social phenomena.
426
1006000
2000
収集することもできます
17:03
In fact, the availability of these data, I think,
427
1008000
2000
事実これらのデータが入手できるのは
17:05
heralds a kind of new era
428
1010000
2000
専門家が言うところの
17:07
of what I and others would like to call
429
1012000
2000
「計算社会科学」のような一種の新たな
17:09
"computational social science."
430
1014000
2000
時代の到来を告げています
17:11
It's sort of like when Galileo invented -- or, didn't invent --
431
1016000
3000
これはガリレオが望遠鏡を使って
17:14
came to use a telescope
432
1019000
2000
それまでにないやり方で
17:16
and could see the heavens in a new way,
433
1021000
2000
天空の観察ができたことや
17:18
or Leeuwenhoek became aware of the microscope --
434
1023000
2000
レーウェンフクが顕微鏡を発明し
17:20
or actually invented --
435
1025000
2000
生物学に新たな見解を
17:22
and could see biology in a new way.
436
1027000
2000
もたらしたことに似ています
17:24
But now we have access to these kinds of data
437
1029000
2000
今度は大量データが入手できるようになり
17:26
that allow us to understand social processes
438
1031000
2000
社会的プロセスや現象を
17:28
and social phenomena
439
1033000
2000
以前にはなかったやり方で
17:30
in an entirely new way that was never before possible.
440
1035000
3000
理解することができるようになったわけです
17:33
And with this science, we can
441
1038000
2000
そしてこの科学により私達は
17:35
understand how exactly
442
1040000
2000
社会全体が具体的にどうやって
17:37
the whole comes to be greater
443
1042000
2000
ただ一人ひとりを足しただけよりも
17:39
than the sum of its parts.
444
1044000
2000
偉大となるのか理解することができるのです
17:41
And actually, we can use these insights
445
1046000
2000
そして実際にこれらの洞察を利用して
17:43
to improve society and improve human well-being.
446
1048000
3000
社会および人々の生活を改善できるのです
17:46
Thank you.
447
1051000
2000
ありがとうございました
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