TEDxUCL
Hannah Fry: Is life really that complex?
Hannah Fry: ဘဝဟာ အဲဒီလောက် ရှုပ်ထွေးလို့လား။
Filmed:
Readability: 4.5
819,007 views
အယ်လ်ဂိုရစ်သမ်တစ်ခုဟာ နောက်ထပ် အဓိကရုဏ်းရဲ့ နေရာကို ကြိုတင်ခန့်မှန်းနိုင်ပါသလား။ နားလည်ရန် လွယ်ကူတဲ့ ဒီဟောပြောချက်မှာ သင်္ချာပညာရှင် Hannah Fry ကနေပြီး ရှုပ်ထွေးလှတဲ့ လူမှုရေး အပြုအမူကို စိစစ်နိုင်ပြီး ဖြစ်နိုင်တာက ကျားသစ်ရဲ့ အပြောက်တွေ သို့မဟုတ် တောရိုင်းထဲက သားရဲတိရစ္ဆာန်နဲ့ သားကောင်တိုရဲ့ ပျံ့နှံ့မှုလိုမျိုး နှိုင်းယှဉ်မှုတွေကနေ သဘာဝ ဖြစ်စဉ်တွေကို ဟောကိန်းထုတ်နိုင်ပုံကို ပြသထားပါတယ်။
Hannah Fry - Complexity theorist
Hannah Fry researches the trends in our civilization and ways we can forecast its future. Full bio
Hannah Fry researches the trends in our civilization and ways we can forecast its future. Full bio
Double-click the English transcript below to play the video.
00:10
Thanks very much.
0
24
1157
ကျေးဇူးအများကြီးတင်ပါတယ်
00:11
I am Hannah Fry, the badass.
1
1205
1848
ကျွန်မက Hannah Fry
ခပ်ရင့်ရင့်သမားပေါ့
ခပ်ရင့်ရင့်သမားပေါ့
00:13
And today I'm asking the question:
2
3077
1680
ဒီနေ့ ကျွန်မ မေးမယ့်မေးခွန်းက
00:14
Is life really that complex?
3
4781
1756
"ဘဝဟာ တကယ်ပဲ
အဲလောက်ရှုပ်ထွေးလား။"
အဲလောက်ရှုပ်ထွေးလား။"
00:16
Now, I've only got nine minutes
to try and provide you with an answer,
to try and provide you with an answer,
4
6561
3325
ကြိုးစားပြီး အဖြေတစ်ခုပေးဖို့
ကျွန်မမှာ အချိန် ကိုးမိနစ်ပဲရှိတယ်။
ကျွန်မမှာ အချိန် ကိုးမိနစ်ပဲရှိတယ်။
00:19
so what I've done
is split this neatly into two parts:
is split this neatly into two parts:
5
9910
2716
ဒီတော့ ဒါကို အပိုင်းနှစ်ပိုင်း
သပ်သပ်ရပ်ရပ်ခွဲလိုက်တာပါ။
သပ်သပ်ရပ်ရပ်ခွဲလိုက်တာပါ။
00:22
part one: yes;
6
12650
2353
အပိုင်းတစ်၊ ဟုတ်ပါတယ်။
00:25
and later on, part two: no.
7
15027
2528
နောက် အပိုင်းနှစ်၊ မဟုတ်ဘူးပေါ့။
00:27
Or, to be more accurate: no?
8
17579
2544
ဒါမှမဟုတ် ပိုတိကျဖို့ ဆိုရင်ရော။ နိုးလား
00:30
(Laughter)
9
20147
1204
(ရယ်သံများ)
00:31
So first of all, let me try and define
what I mean by "complex."
what I mean by "complex."
10
21375
3006
ပထမဆုံး "ရှုပ်ထွေးမှု"ဆိုတာ
ဘာဆိုတာတာ ကြိုးစား၊ အနက်ဖွင့်ပါရစေ။
ဘာဆိုတာတာ ကြိုးစား၊ အနက်ဖွင့်ပါရစေ။
00:34
Now, I could give you
a host of formal definitions,
a host of formal definitions,
11
24405
2441
သမားရိုးကျ ဖွင့်ဆိုချက်တွေ
တစ်ပြုံကြီး ပေးလို့ရပေမဲ့
တစ်ပြုံကြီး ပေးလို့ရပေမဲ့
00:36
but in the simplest terms,
12
26870
1253
အရိုးဆုံး စကားရပ်တွေနဲ့က
00:38
any problem in complexity is something
that Einstein and his peers can't do.
that Einstein and his peers can't do.
13
28147
4899
ရှုပ်ထွေးမှုထဲက ပြဿနာတစ်ခုဟာ Einstein နဲ့
သူနဲ့အဆင့်တူတွေ မတတ်နိုင်တဲ့ တစ်ခုခုပါ။
သူနဲ့အဆင့်တူတွေ မတတ်နိုင်တဲ့ တစ်ခုခုပါ။
00:43
So, let's imagine --
if the clicker works ... there we go.
if the clicker works ... there we go.
14
33070
3240
ဒီတော့ စိတ်ကူးကြည့်ရအောင်။
ခလုတ် နှိပ်လို့ရရင် ကျွန်မတို့ ရောက်ပြီ။
ခလုတ် နှိပ်လို့ရရင် ကျွန်မတို့ ရောက်ပြီ။
00:46
Einstein is playing a game of snooker.
15
36334
2103
Einstein ဟာ စနူကာတစ်ပွဲ ကစားနေတယ်။
00:48
He's a clever chap, so he knows
that when he hits the cue ball,
that when he hits the cue ball,
16
38461
3479
လူတော်ဆိုတော့ မှန်းထားတဲ့ ဘောလုံးကို
ဘယ်အချိန်မယ်ဆိုတာ သူသိတယ်
ဘယ်အချိန်မယ်ဆိုတာ သူသိတယ်
00:51
he could write you an equation
17
41964
1441
ညီမျှခြင်းတစ်ခု ရေးပေးပြီး
00:53
and tell you exactly where the red ball
is going to hit the sides,
is going to hit the sides,
18
43429
3128
အနီရောင်ဘောလုံးဟာ ဘောင်တွေရဲ့
ဘယ်နေရာကို ထိတော့မယ်၊
ဘယ်နေရာကို ထိတော့မယ်၊
00:56
how fast it's going
and where it's going to end up.
and where it's going to end up.
19
46581
2439
ဘယ်လောက်မြန်၊ဘယ်မှာ ရပ်မယ်ဆိုတာ
အတိအကျ ပြောနိုင်တယ်
အတိအကျ ပြောနိုင်တယ်
00:59
Now, if you scale these snooker balls
up to the size of the solar system,
up to the size of the solar system,
20
49044
3469
ကဲ၊ ဒီစနူကာ ဘောလုံးတွေကို နေအဖွဲ့
အစည်းရဲ့ အရွယ်အစားအထိ အချိုးချလိုက်ရင်
အစည်းရဲ့ အရွယ်အစားအထိ အချိုးချလိုက်ရင်
01:02
Einstein can still help you.
21
52537
1959
Einstein က ကူညီပေးနိုင်တုန်းပါ။
01:04
Sure, the physics changes,
22
54520
1245
ရူပဗေဒက ပြောင်းလဲပါတယ်၊
01:05
but if you wanted to know about
the path of the Earth around the Sun,
the path of the Earth around the Sun,
23
55789
3282
ဒါပေမဲ့ နေပတ်ပတ်လည်က ကမ္ဘာမြေရဲ့
လမ်းကြောင်းအကြောင်း သိချင်ရင်တော့
လမ်းကြောင်းအကြောင်း သိချင်ရင်တော့
01:09
Einstein could write you an equation
24
59095
1733
Einstein က အရာဝတ္ထုနှစ်ခုစလုံးရဲ့
01:10
telling you where both objects are
at any point in time.
at any point in time.
25
60852
2643
နေရာ၊ အချိန်ဆိုတာ ပြောတဲ့
ညီမျှခြင်းတစ်ခုရေးပေးနိုငတယ်။
ညီမျှခြင်းတစ်ခုရေးပေးနိုငတယ်။
01:13
Now, with a surprising
increase in difficulty,
increase in difficulty,
26
63519
2204
ကဲ အံ့ဖွယ်ကောင်းတဲ့
အခက်အခဲတိုးပွားမှုနဲ့
အခက်အခဲတိုးပွားမှုနဲ့
01:15
Einstein could include
the Moon in his calculations.
the Moon in his calculations.
27
65747
2452
Einstein ဟာ သူ့တွက်ချက်မှုတွေမှာ
လကို ထည့်နိုင်တယ်။
လကို ထည့်နိုင်တယ်။
01:18
But as you add more and more planets,
Mars and Jupiter, say,
Mars and Jupiter, say,
28
68223
3067
ဒါပေမဲ့ အင်္ဂါ ကြသပတေးဂြိုဟ်တွေလို
ဂြိုဟ်တွေ ထပ်ထည့်လို့ရတော့
ဂြိုဟ်တွေ ထပ်ထည့်လို့ရတော့
01:21
the problem gets too tough for Einstein
to solve with a pen and paper.
to solve with a pen and paper.
29
71314
3764
Einstein အတွက် ပြဿနာကို ခဲတံနဲ့စာရွက်
သုံးပြီး ဖြေရှင်းဖို့အတော်ခက်ခဲလာတယ်။
သုံးပြီး ဖြေရှင်းဖို့အတော်ခက်ခဲလာတယ်။
01:25
Now, strangely, if instead of having
a handful of planets,
a handful of planets,
30
75102
2843
ကဲ ထူးထူးခြားခြားက လက်တစ်ဆုပ်စာ
ဂြိုဟ်တွေ ရှိတာအစား
ဂြိုဟ်တွေ ရှိတာအစား
01:27
you had millions of objects
or even billions,
or even billions,
31
77969
2672
သန်းချီ၊ သန်းထောင်ချီတောင်ရှိတဲ့
အရာဝတ္ထုတွေ ရှိတယ်ဆိုရင်
အရာဝတ္ထုတွေ ရှိတယ်ဆိုရင်
01:30
the problem actually becomes much simpler,
32
80665
2271
ပြဿနာဟာ အတော်ကြီး
ရိုးစင်းလာပြီး
ရိုးစင်းလာပြီး
01:32
and Einstein is back in the game.
33
82960
1922
Einstein ဟာ ကစားပွဲထဲ ပြန်ရောက်လာတယ်။
01:34
Let me explain what I mean by this,
34
84906
1846
ဒါရဲ့ဆိုလိုချက်ကို ရှင်းပြပါရစေ၊
01:36
by scaling these objects back down
to a molecular level.
to a molecular level.
35
86776
3294
ဒီအရာဝတ္ထုတွေကို အသေးဆုံး
အဆင့်တစ်ခုအထိ ပြန်အချိုးချတဲ့နည်းနဲ့ပါ။
အဆင့်တစ်ခုအထိ ပြန်အချိုးချတဲ့နည်းနဲ့ပါ။
01:40
If you wanted to trace the erratic path
of an individual air molecule,
of an individual air molecule,
36
90094
3747
လေမော်လီကျုးတစ်ခုချင်းရဲ့ တစ်သမတ်
မဟုတ်တဲ့ လမ်းကြောင်းကိုခြေရာကောက်ချင်ရင်
မဟုတ်တဲ့ လမ်းကြောင်းကိုခြေရာကောက်ချင်ရင်
01:43
you'd have absolutely no hope.
37
93865
1842
လုံးဝ မျှော်လင့်ချက်မရှိပါဘူး။
01:45
But when you have millions
of air molecules all together,
of air molecules all together,
38
95731
2711
ဒါပေမဲ့ သန်းချီတဲ့ လေမော်လီကျုးတွေ
တစ်စုတစ်စည်းထဲရှိရင်
တစ်စုတစ်စည်းထဲရှိရင်
01:48
they start to act in a way
which is quantifiable, predictable
which is quantifiable, predictable
39
98466
3877
၎င်းတို့ဟာ တိုင်းတာနိုင်တဲ့၊
ခန့်မှန်းနိုင်တဲ့၊ ဣန္ဒြေရတဲ့ နည်းတစ်ခုမှာ
ခန့်မှန်းနိုင်တဲ့၊ ဣန္ဒြေရတဲ့ နည်းတစ်ခုမှာ
01:52
and well-behaved.
40
102367
1170
စတင် လုပ်ရှားလာပါတယ်။
01:53
And thank goodness air is well-behaved,
41
103561
1885
ဘုရားမလို့ လေက ဣန္ဒြေရပါတယ်၊
01:55
because if it wasn't,
planes would fall out of the sky.
planes would fall out of the sky.
42
105470
2910
အကြောင်းက အဲလိုမဟုတ်ရင်
လေယာဉ်တွေ မိုးပေါ်က ကျကုန်မှာပေါ့။
လေယာဉ်တွေ မိုးပေါ်က ကျကုန်မှာပေါ့။
01:58
Now, on an even bigger scale,
across the whole of the world,
across the whole of the world,
43
108404
3064
ကဲ တစ်ကမ္ဘာလုံးကိုဖြတ်တဲ့
ပိုကြီးတဲ့အချိုးတစ်ခုမှတောင်
ပိုကြီးတဲ့အချိုးတစ်ခုမှတောင်
02:01
the idea is exactly the same
with all of these air molecules.
with all of these air molecules.
44
111492
3122
စိတ်ကူးတော့ ဒီမော်လီကျူးအားလုံးနဲ့
လုံးဝကို ထပ်တူပါ။
လုံးဝကို ထပ်တူပါ။
02:04
It's true that you can't take
an individual rain droplet
an individual rain droplet
45
114638
2918
မိုးစက်တစ်စက်ချင်းကိုယူပြီး
ဘယ်ကလာတယ်၊
ဘယ်ကလာတယ်၊
02:07
and say where it's come from
or where it's going to end up.
or where it's going to end up.
46
117580
2785
ဘယ်မှာအဆုံးသတ်မယ်
ဆိုတာ မပြောနိုင်ဘူးဆိုတာ မှန်ပါတယ်။
ဆိုတာ မပြောနိုင်ဘူးဆိုတာ မှန်ပါတယ်။
02:10
But you can say with pretty good certainty
47
120389
2034
ဒါပေမဲ့ မနက်ဖြန် မိုးအုံ့မယ်၊ မအုံ့ဆိုတာ
02:12
whether it will be cloudy tomorrow.
48
122447
1813
အတော်လေး အသေအချာ ပြောနိုင်ပါတယ်။
02:14
So that's it.
49
124284
1158
ဒီတော့ ဒါပဲလေ။
02:15
In Einstein's time,
this is how far science had got.
this is how far science had got.
50
125466
2683
Einstein ရဲ့ခေတ်မှာ
ဒါဟာ သိပ္ပံပညာက ခရီးရောက်ခဲ့ပုံပါ။
ဒါဟာ သိပ္ပံပညာက ခရီးရောက်ခဲ့ပုံပါ။
02:18
We could do really small problems
with a few objects
with a few objects
51
128173
3613
အရာဝတ္ထုအနည်းငယ်နဲ့၊ ရိုးရှင်းတဲ့
တုံ့ပြန်ဆက်သွယ်မှုတွေနဲ့ တကယ့် ပြဿနာလေးတွေ
တုံ့ပြန်ဆက်သွယ်မှုတွေနဲ့ တကယ့် ပြဿနာလေးတွေ
02:21
with simple interactions,
52
131810
1275
(သို့) သန်းချီတဲ့ အရာတွေ
02:23
or we could do huge problems
with millions of objects
with millions of objects
53
133109
2602
ရိုးရိုး တုံ့ပြန်ဆက်သွယ်မှုတွေနဲ့
ပြဿနာကြီးတွေကို
ပြဿနာကြီးတွေကို
02:25
and simple interactions.
54
135735
1323
ဖြေရှင်းနိုင်တယ်။
02:27
But what about everything in the middle?
55
137082
1937
ဒါပေမဲ့ အလယ်က အရာအားလုံးကျတော့ရော။
02:29
Well, just seven years
before Einstein's death,
before Einstein's death,
56
139043
2693
ကောင်းပါပြီ၊ Einstein မဆုံးခင်
ခုနှစ်နှစ်မှာပဲ
ခုနှစ်နှစ်မှာပဲ
02:31
an American scientist called
Warren Weaver made exactly this point.
Warren Weaver made exactly this point.
57
141760
3658
Warren Weaver လို့ခေါ်တဲ့ သိပ္ပံပညာရှင်က
ဒီအချက်ကို အတိအကျထောက်ပြခဲ့တယ်။
ဒီအချက်ကို အတိအကျထောက်ပြခဲ့တယ်။
02:35
He said that scientific methodology
has gone from one extreme to another,
has gone from one extreme to another,
58
145442
3624
သူဆိုတာက သိပ္ပံဆိုင်ရာ နည်းပညာက
အစွန်းတစ်ခုကနေ နောက်တစ်ခုကို ရောက်သွားပြီး
အစွန်းတစ်ခုကနေ နောက်တစ်ခုကို ရောက်သွားပြီး
02:39
leaving out an untouched
great middle region.
great middle region.
59
149090
3071
မတို့မထိတဲ့ ကြီးမားတဲ့ အလယ်ပိုင်း
နယ်ပယ်တစ်ခုကို ချန်ထားခဲ့တာပါ
နယ်ပယ်တစ်ခုကို ချန်ထားခဲ့တာပါ
02:42
Now, this middle region
is where complexity science lies,
is where complexity science lies,
60
152185
2699
ကဲ ဒီအလယ်ပိုင်းက
ရှုပ်ထွေးမှု သိပ္ပံပညာတည်ရာဖြစ်ပြီး
ရှုပ်ထွေးမှု သိပ္ပံပညာတည်ရာဖြစ်ပြီး
02:44
and this is what I mean by complex.
61
154908
2259
ဒီနေရာက ကျွန်မဆိုလိုတဲ့ ရှုပ်ထွေးမှုပါ။
02:47
Now, unfortunately, almost
every single problem you can think of
every single problem you can think of
62
157191
3525
ကဲ ဖြစ်ချင်တော့ လူ့အပြုအမူနဲ့
ဆိုင်တယ်လို့သင်တွေးရသမျှ
ဆိုင်တယ်လို့သင်တွေးရသမျှ
02:50
to do with human behavior
63
160740
1222
ပြဿနာတိုင်းလိုလိုဟာ
02:51
lies in this middle region.
64
161986
2069
ဒီအလယ်ပိုင်းမှာ တည်ရှိပါတယ်။
02:54
Einstein's got absolutely no idea
how to model the movement of a crowd.
how to model the movement of a crowd.
65
164079
4290
လူစုတစ်ခုရဲ့ ရွေ့လျားမှုကို ပုံစံထုတ်နည်း
Einstein လုံးဝ မသိပါဘူး။
Einstein လုံးဝ မသိပါဘူး။
02:58
There are too many people
to look at them all individually
to look at them all individually
66
168393
2801
လူတွေကို တစ်ဦးချင်းကြည့်ဖို့က
များလွန်းနေပြီး
များလွန်းနေပြီး
03:01
and too few to treat them as a gas.
67
171218
1872
အငွေ့တစ်ခုလို့ မှတ်ယူဖို့က
နည်းလွန်းတယ်။
နည်းလွန်းတယ်။
03:03
Similarly, people are prone
to annoying things like decisions
to annoying things like decisions
68
173114
3356
အလားတူ လူတွေဟာ ဆုံးဖြတ်ချက်တွေလို
အရာတွေမှာ စိတ်အနှာင့်အယှက်ဖြစ်တတ်ပြီး
အရာတွေမှာ စိတ်အနှာင့်အယှက်ဖြစ်တတ်ပြီး
03:06
and not wanting to walk into each other,
69
176494
2014
အချင်းချင်း ဝင်မတိုက်မိချင်ကြဘူး။
03:08
which makes the problem
all the more complicated.
all the more complicated.
70
178532
2613
ဒါက ပြဿနာကို ပိုပြီး ရှုပ်ထွေးစေတယ်လေ။
03:11
Einstein also couldn't tell you
71
181169
1703
နောက်လာမယ့် စတော့စျေးကွက်
03:12
when the next stock market crash
is going to be.
is going to be.
72
182896
2349
ဘယ်တော့ ပျက်မယ်ဆိုတာ
Einstein လည်း မပြောနိုင်ဘူး။
Einstein လည်း မပြောနိုင်ဘူး။
03:15
Einstein couldn't tell you
how to improve unemployment.
how to improve unemployment.
73
185269
2764
အလုပ်လက်မဲ့ဖြစ်မှု
တိုးတက်စေဖို့ Einstein မပြောနိုင်ဘူး။
တိုးတက်စေဖို့ Einstein မပြောနိုင်ဘူး။
03:18
Einstein can't even tell you
74
188057
1401
နောက်လာမယ့် iPhone ဟာ
03:19
whether the next iPhone
is going to be a hit or a flop.
is going to be a hit or a flop.
75
189482
3382
ပေါက်မလား၊ အဖတ်ဆယ်မရ
ဖြစ်မလားတောင် Einstein မပြောနိုင်ဘူး။
ဖြစ်မလားတောင် Einstein မပြောနိုင်ဘူး။
03:22
So to conclude part one:
we're completely screwed.
we're completely screwed.
76
192888
2606
အပိုင်းတစ်ကိုချုပ်ရရင်
ကျွန်မတို့ လုံးဝ ရိုက်စားခံရတယ်။
ကျွန်မတို့ လုံးဝ ရိုက်စားခံရတယ်။
03:25
We've got no tools to deal with this,
and life is way too complex.
and life is way too complex.
77
195518
4500
ဒီကို ကိုင်တွယ်ဖို့ ကိရိယာတွေမရှိပဲ
ဘဝဟာ ရှုပ်ထွေးလွန်းနေတယ်။
ဘဝဟာ ရှုပ်ထွေးလွန်းနေတယ်။
03:30
But maybe there's hope,
78
200042
1796
ဒါပေမဲ့ မျှော်လင့်ချက် ရှိလောက်တာက
03:31
because in the last few years,
79
201862
1534
လွန်ခဲ့တဲ့ နှစ်အနည်းငယ်အတွင်းမှာ
03:33
we've begun to see the beginnings
of a new area of science
of a new area of science
80
203420
3837
လူမှုစနစ်တွေကို ပုံစံထုတ်ဖို့
သင်္ချာပညာကိုသုံးတဲ့
သင်္ချာပညာကိုသုံးတဲ့
03:37
using mathematics
to model our social systems.
to model our social systems.
81
207281
3027
သိပ္ပံပညာ နယ်ပယ်သစ်တစ်ခုရဲ့
အစတွေကို စတင်မြင်ခဲ့လို့ပါ။
အစတွေကို စတင်မြင်ခဲ့လို့ပါ။
03:40
And I'm not just talking here
about statistics and computer simulations.
about statistics and computer simulations.
82
210332
3484
ဒီမှာ စရင်းအင်းနဲ့ ကွန်ပြူတာသရုပ်တူ
ဖန်တီးမှုတွေပဲ ပြောနေတာမဟုတ်ဘူး။
ဖန်တီးမှုတွေပဲ ပြောနေတာမဟုတ်ဘူး။
03:43
I'm talking about writing down
equations about our society
equations about our society
83
213840
2996
စနုကာဘောလုံးတွေ (သို့)
မိုးလေဝသ ပုံစံတွေအတိုင်း
မိုးလေဝသ ပုံစံတွေအတိုင်း
03:46
that will help us understand
what's going on
what's going on
84
216860
2069
ဆက်ဖြစ်နေတာကို နားလည်ဖို့ ကူညီပေးမယ့်
03:48
in the same way as with the snooker balls
or the weather prediction.
or the weather prediction.
85
218953
3215
လူမှုအဖွဲ့အစည်းအတွက် ညီမျှခြင်းတွေ
ချရေးဖို့အကြောင်းပြောနတာပါ။
ချရေးဖို့အကြောင်းပြောနတာပါ။
03:52
And this has come about
because people have begun to realize
because people have begun to realize
86
222192
2842
ဒါဖြစ်လာတဲ့အကြောင်းက
လူသားစနစ်တွေနဲ့ ကျွန်မတို့ဝန်းကျင်က
လူသားစနစ်တွေနဲ့ ကျွန်မတို့ဝန်းကျင်က
03:55
that we can use and exploit analogies
87
225058
2343
ရုပ်လောကရဲ့စနစ်တွေကြားက
နှိုင်းယှဉ်မှုတွေကို
နှိုင်းယှဉ်မှုတွေကို
03:57
between our human systems
and those of the physical world around us.
and those of the physical world around us.
88
227425
3942
သုံးပြီး အကျိုးရှိအောင်လုပ်နိုင်တာကို
လူတွေစတင် သဘောပေါက်လာလို့ပါ။
လူတွေစတင် သဘောပေါက်လာလို့ပါ။
04:01
Now, to give you an example:
89
231938
1464
ကဲ ဥပမာတစ်ခုပေးရရင်
04:03
the incredibly complex problem
of migration across Europe.
of migration across Europe.
90
233426
3454
ဥရောပတစ်လွားက ရွှေ့ပြောင်းမှုရဲ့
မယုံနိုင်စဖွယ် ရှုပ်ထွေးတဲ့ ပြဿနာပါ။
မယုံနိုင်စဖွယ် ရှုပ်ထွေးတဲ့ ပြဿနာပါ။
04:06
Actually, as it turns out, when you view
all of the people together,
all of the people together,
91
236904
3332
တကယ်တမ်း ဖြစ်သွားတာက ဒီလူအားလုံးကို
တစ်စုတစ်စည်း၊ ခြုံပြီးကြည့်တဲ့အခါ
တစ်စုတစ်စည်း၊ ခြုံပြီးကြည့်တဲ့အခါ
04:10
collectively, they behave as though
they're following the laws of gravity.
they're following the laws of gravity.
92
240260
4043
သူတို့ဟာ ကမ္ဘာ့ဆွဲအားနိယာမကို
လိုက်နာနေသလိုမျိုးပါ။
လိုက်နာနေသလိုမျိုးပါ။
04:14
But instead of planets
being attracted to one another,
being attracted to one another,
93
244327
3128
ဒါပေမဲ့ အချင်းချင်းဆွဲဆောင်ထားတဲ့
ဂြိုဟ်တွေအစား
ဂြိုဟ်တွေအစား
04:17
it's people who are attracted
to areas with better job opportunities,
to areas with better job opportunities,
94
247479
4210
ပိုကောင်းတဲ့ အလုပ်အကိုင်အခွင့်အလမ်းတွေ၊
ပိုမြင့်တဲ့လစာ၊ ပိုကောင်းတဲ့ ဘဝအရည်အသွေး၊
ပိုမြင့်တဲ့လစာ၊ ပိုကောင်းတဲ့ ဘဝအရည်အသွေး၊
04:21
higher pay, better quality of life
and lower unemployment.
and lower unemployment.
95
251713
4015
ပိုနိမ့် အလုပ်လက်မဲ့နှုန်းနဲ့အတူ
ဒေသတွေမှာ ဆွဲဆောင်ထားတဲ့ လူတွေဖြစ်နေတာပါ။
ဒေသတွေမှာ ဆွဲဆောင်ထားတဲ့ လူတွေဖြစ်နေတာပါ။
04:25
And in the same way as people
are more likely to go for opportunities
are more likely to go for opportunities
96
255752
3528
အလားတူပဲ လူတွေဟာ သူတို့နေပြီးသား
နေရာနဲ့ နီးတဲ့ အခွင့်အလမ်းတွေဆီ
နေရာနဲ့ နီးတဲ့ အခွင့်အလမ်းတွေဆီ
04:29
close to where they live already --
London to Kent, for example,
London to Kent, for example,
97
259304
3035
သွားဖို့ ပိုဖြစ်နိုင်ခြေရှိပါတယ်၊
ဥပမာ London က Melbourne
ဥပမာ London က Melbourne
04:32
as opposed to London to Melbourne --
98
262363
1792
ဆိုတာထက် London ကနေ Kent ကိုပါ၊
04:34
the gravitational effect of planets
far away is felt much less.
far away is felt much less.
99
264179
4136
ဝေးကွာတဲ့ ဂြိုဟ်တွေရဲ့ ကမ္ဘာ့ဆွဲအား
သက်ရောက်မှုဟာ အများကြီး ပိုနည်းတာပါ။
သက်ရောက်မှုဟာ အများကြီး ပိုနည်းတာပါ။
04:38
So, to give you another example:
100
268997
2067
ဒီတော့ နောက်ဥပမာပေးရရင်
04:41
in 2008, a group in UCLA
were looking into the patterns
were looking into the patterns
101
271088
4225
၂၀၀၈ မှာ UCLA က အဖွဲ့တစ်ဖွဲ့ဟာ
မြို့ထဲက ဖောက်ထွင်းမှုအဖြစ်များတဲ့
မြို့ထဲက ဖောက်ထွင်းမှုအဖြစ်များတဲ့
04:45
of burglary hot spots in the city.
102
275337
2712
နေရာတွေကို စုံစမ်းစစ်ဆေးနေတယ်။
04:48
Now, one thing about burglaries
is this idea of repeat victimization.
is this idea of repeat victimization.
103
278073
5519
ဖောက်ထွင်းမှုတွေနဲ့ဆိုင်တာတစ်ခုကအထပ်ထပ်
မတရားဖိနှိပ်မှုခံရတယ်ဆိုတဲ့အယူအဆပါ။
မတရားဖိနှိပ်မှုခံရတယ်ဆိုတဲ့အယူအဆပါ။
04:53
So if you have a group of burglars
who manage to successfully rob an area,
who manage to successfully rob an area,
104
283616
4237
ဒီတော့ ဒေသတစ်ခုကို အောင်မြင်စွာ
လုယူနိုင်ခဲ့တဲ့ ဖောက်ထွင်းသူတစ်စုရှိရင်
လုယူနိုင်ခဲ့တဲ့ ဖောက်ထွင်းသူတစ်စုရှိရင်
04:57
they'll tend to return to that area
and carry on burgling it.
and carry on burgling it.
105
287877
3790
ဒီနေရာကိုပဲပြန်လာပြီး ဆက်ဖောက်ထွင်းနေတာပါ။
05:01
So they learn the layout of the houses,
106
291691
2856
ဒီတော့ သူတို့ဟာ အိမ်တွေရဲ့ အခင်းအကျင်းနဲ့
05:04
the escape routes
107
294571
1694
လွတ်မြောက်တဲ့လမ်းတွေနဲ
05:06
and the local security measures
that are in place.
that are in place.
108
296289
3004
အဲဒီနေရာက ဒေသအာဏာပိုင်တွေ
ဆောင်ရွက်တာတွေ သိကြတယ်။
ဆောင်ရွက်တာတွေ သိကြတယ်။
05:09
And this will continue to happen
109
299317
1685
ဒေသခံတွေနဲ့ ရဲတွေ လုံခြုံရေး
05:11
until local residents and police
ramp up the security,
ramp up the security,
110
301026
3181
မစီမံမချင်း ဒါက ဆက်ဖြစ်နေလိမ့်မယ်။
05:14
at which point, the burglars
will move off elsewhere.
will move off elsewhere.
111
304231
2771
ဒီအခါမှာ ဖောက်ထွင်းသူတွေဟာ
အြခားနေရာကို ရွှေ့သွားလိမ့်မယ်။
အြခားနေရာကို ရွှေ့သွားလိမ့်မယ်။
05:17
And it's that balance
between burglars and security
between burglars and security
112
307026
2808
ဒါက ဖောက်ထွင်းသမားတွေနဲ့
လုံခြုံမှုကြားက ဟန်ချက်ညီမှုပါ။
လုံခြုံမှုကြားက ဟန်ချက်ညီမှုပါ။
05:19
which creates these dynamic
hot spots of the city.
hot spots of the city.
113
309858
3037
ဒါက မြို့ရဲ့ အင်တိုက်အားတိုက်
အဓိက နေရာတွေကို ဖန်တီးပေးတယ်။
အဓိက နေရာတွေကို ဖန်တီးပေးတယ်။
05:22
As it turns out,
this is exactly the same process
this is exactly the same process
114
312919
3544
ဖြစ်သွားတာက
ကျားသစ်တစ်ကောင် ၎င်းရဲအကွက်တွေ
ကျားသစ်တစ်ကောင် ၎င်းရဲအကွက်တွေ
05:26
as how a leopard gets its spots,
115
316487
2242
ရရှိပုံဖြစ်စဉ်နဲ့ တစ်ထပ်တည်းပါ။
05:28
except in the leopard example,
it's not burglars and security,
it's not burglars and security,
116
318753
2936
ကျားသစ် နမူနာကလွဲရင်တော့
ဖောက်ထွင်းမှုနဲ့ လုံခြုံမှုမဟုတ်ပဲ
ဖောက်ထွင်းမှုနဲ့ လုံခြုံမှုမဟုတ်ပဲ
05:31
it's the chemical process
that creates these patterns
that creates these patterns
117
321713
3465
ဒီပုံစံတွေကိုဖန်တီးတဲ့ ဓာတုဖြစ်စဉ်ပါ၊
05:35
and something called "morphogenesis."
118
325202
1995
"ဇာစ်မြစ်ပြောင်းလဲမှု"လို့ခေါ်တာပေါ့။
05:37
We actually know an awful lot
about the morphogenesis of leopard spots.
about the morphogenesis of leopard spots.
119
327221
4256
ကျားသစ်ကွက်တွေရဲ့ ဇာစ်မြစ်ပြောင်းလဲမှု
အကြောင်း အများကြီးကို သိပါတယ်။
အကြောင်း အများကြီးကို သိပါတယ်။
05:41
Maybe we can use this to try and spot
some of the warning signs with burglaries
some of the warning signs with burglaries
120
331501
4644
ဒါကို သုံးကာ ဖောက်ထွင်းမှုနဲ့ဆိုင်တဲ့
သတိပေးအမှတ်အသားတွေကို ရှာနိုင်ပြီး
သတိပေးအမှတ်အသားတွေကို ရှာနိုင်ပြီး
05:46
and perhaps, also to create
better crime strategies to prevent crime.
better crime strategies to prevent crime.
121
336169
4107
ဖြစ်နိုင်တာက မှုခင်းတားဆီးဖို့ ပိုကောင်း
တဲ့ မှုခင်းနည်းဗျူဟာတွေလည်း ဖန်တီးနိုင်တယ်
တဲ့ မှုခင်းနည်းဗျူဟာတွေလည်း ဖန်တီးနိုင်တယ်
05:50
There's a group here at UCL
122
340300
1572
UCL မှာ အဖွဲ့တစ်ဖွဲ့ရှိတယ်၊
05:51
who are working with
the West Midlands police right now
the West Midlands police right now
123
341896
2825
ဒီပြဿနာမှာ လောလောဆယ်
West Midlands ရဲတွေနဲ့
West Midlands ရဲတွေနဲ့
05:54
on this very question.
124
344745
1641
တွဲဖက်လုပ်ကိုင်နေသူတွေပါ။
05:56
I could give you
plenty of examples like this,
plenty of examples like this,
125
346410
2915
ဒီလိုသာဓကတွေ အများကြီးပေးလို့ရပေမဲ့
05:59
but I wanted to leave you
with one from my own research
with one from my own research
126
349349
2643
London အဓိကရုဏ်းတွေအကြောင်း
ကျွန်မရဲ့ သုတေသနက တစ်ခုကိုပဲ
ကျွန်မရဲ့ သုတေသနက တစ်ခုကိုပဲ
06:02
on the London riots.
127
352016
1166
ချန်ထားပေးချင်ပါတယ်။
06:03
Now, you probably
don't need me to tell you
don't need me to tell you
128
353206
2015
ကဲ ပြီးခဲ့တဲ့ နွေရဲ့ အဖြစ်အပျက်တွေအကြောင်း
06:05
about the events of last summer,
129
355245
1567
ကျွန်မ ပြောပြဖို့ မလိုလောက်ပါဘူး
06:06
where London and the UK saw
the worst sustained period
the worst sustained period
130
356836
3030
နှစ်နှစ်ဆယ်ကျော်
ကြမ်းတမ်းတဲ့ လုယက်ခြင်းနဲ့ မီးရှို့မှုကာလ
ကြမ်းတမ်းတဲ့ လုယက်ခြင်းနဲ့ မီးရှို့မှုကာလ
06:09
of violent looting and arson
131
359890
1526
အဆိုးဆုံး တွေ့ကြုံခဲ့တဲ့
06:11
for over twenty years.
132
361440
1613
London နဲ့ UK မှာဖြစ်ခဲ့တာပါ။
06:13
It's understandable that, as a society,
we want to try and understand
we want to try and understand
133
363077
3287
နားလည်နိုင်တာက လူမှုအဖွဲ့အစည်းတစ်ခုအဖြစ်
အဓိကရုဏ်းတွေ ဖြစ်ပေါ်စေတာကို
အဓိကရုဏ်းတွေ ဖြစ်ပေါ်စေတာကို
06:16
exactly what caused these riots,
134
366388
1794
အတိအကျ နားလည်ဖို့ကြိုးစားချင်တာသာမက
06:18
but also, perhaps, to equip our police
with better strategies
with better strategies
135
368206
3885
ဖြစ်နိုင်တာက ပိုကောင်းတဲ့ နည်းဗျူဟာတွေ
ရဲတွေကို ဆင်ပေးဖို့နဲ့
ရဲတွေကို ဆင်ပေးဖို့နဲ့
06:22
to lead to a swifter
resolution in the future.
resolution in the future.
136
372115
3781
အနာဂတ်မှာ ပိုသွက်လက်တဲ့ တော်လှန်ရေး
တစ်ခုကို ဦးဆောင်စေဖို့ရောဆိုတာပါ။
တစ်ခုကို ဦးဆောင်စေဖို့ရောဆိုတာပါ။
06:25
Now, I don't want to upset
the sociologists here,
the sociologists here,
137
375920
2356
ဒီမှာ လူမှုရေးပညာရှင်တွေကို
စိတ်မပျက်စေချင်လို့
စိတ်မပျက်စေချင်လို့
06:28
so I absolutely cannot talk about
the individual motivations for a rioter,
the individual motivations for a rioter,
138
378300
4857
အဓိကရုဏ်း သမားတစ်ဦးအတွက် သီးခြား
လှုံ့ဆော်မှုတွေကိုလုံးဝ မပြောနိုင်ပေမဲ့
လှုံ့ဆော်မှုတွေကိုလုံးဝ မပြောနိုင်ပေမဲ့
06:33
but when you look at
the rioters all together,
the rioters all together,
139
383181
2168
အဓိကရုဏ်းသမားအာလုံးကို
တစ်စုတည်းကြည့်တဲ့အခါ
တစ်စုတည်းကြည့်တဲ့အခါ
06:35
mathematically, you can separate it
into a three-stage process
into a three-stage process
140
385373
3208
သင်္ချာသဘောအရ အဆင့်သုံးဆင့်
ဖြစ်စဥ်တစ်ခုကို ခွဲထုတ်ကာ
ဖြစ်စဥ်တစ်ခုကို ခွဲထုတ်ကာ
06:38
and draw analogies accordingly.
141
388605
1975
သင့်သလို နှိုင်းယှဉ်မှုတွေ ဆွဲနိုင်တယ်
06:40
So, step one: let's say
you've got a group of friends.
you've got a group of friends.
142
390604
3177
ဒီတော့ အဆင့်တစ်၊ ဆိုပါစို့၊
သင့်မှာ သူငယ်ချင်းတစ်စုရှိတယ်။
သင့်မှာ သူငယ်ချင်းတစ်စုရှိတယ်။
06:43
None of them are involved in the riots,
143
393805
1875
တစ်ဦးမှ အဓိကရုဏ်းတွေမှာ မပါဝင်ပေမဲ့
06:45
but one of them walks past
a Foot Locker which is being raided,
a Foot Locker which is being raided,
144
395704
3682
သူတို့ထဲကတစ်ယောက်က စီးနင်းခံနေရတဲ့
Foot Locker တစ်ခုကို ဖြတ်လျှောက်ပြီး
Foot Locker တစ်ခုကို ဖြတ်လျှောက်ပြီး
06:49
and goes in and bags himself
a new pair of trainers.
a new pair of trainers.
145
399410
2513
ဝင်သွားကာ ပတ္တူဘိနပ်သစ်တစ်ရံ
ကောက်စွပ်လိုက်တယ်။
ကောက်စွပ်လိုက်တယ်။
06:51
He texts one of his friends and says,
"Come on down to the riots."
"Come on down to the riots."
146
401947
4089
သူ့သူငယ်ချင်းကို "အဓိကရုဏ်းတွေမှာ
ပါပါလားကွ"လို့စာပို့လိုက်တယ်။
ပါပါလားကွ"လို့စာပို့လိုက်တယ်။
06:56
So his friend joins him,
147
406060
1421
ဒါနဲ့ သူ့သူငယ်ချင်း ပါလာတယ်၊
06:57
and then the two of them text
more of their friends, who join them,
more of their friends, who join them,
148
407505
3157
ဒီနောက်မှာ သူတို့နှစ်ယောက်က
နောက်သူငယ်ချင်းတွေဆီ စာပို့တော့ ပါလာတယ်
နောက်သူငယ်ချင်းတွေဆီ စာပို့တော့ ပါလာတယ်
07:00
and text more of their friends
149
410686
1581
နောက် သူငယ်ချင်းတွေကို ထပ်ပို့တယ်
07:02
and more and more, and so it continues.
150
412291
2374
နောက်ထပ်၊ နောက်ထပ် ဆက်သွားတယ်။
07:04
This process is identical to the way
that a virus spreads through a population.
that a virus spreads through a population.
151
414689
4583
ဒီဖြစ်စဉ်က ဗိုင်းရပ်စ်တစ်ခု လူစုထဲကို
ပျံ့နှံ့တာနဲ့ ဆင်တူပါတယ်။
ပျံ့နှံ့တာနဲ့ ဆင်တူပါတယ်။
07:09
If you think about the bird flu epidemic
of a couple of years ago,
of a couple of years ago,
152
419296
3100
လွန်ခဲ့တဲ့ တစ်နှစ်၊နှစ်နှစ်က
ငှက်တုပ်ကွေးအကြောင်းတွေးမိရင်
ငှက်တုပ်ကွေးအကြောင်းတွေးမိရင်
07:12
the more people that were infected,
the more people that got infected,
the more people that got infected,
153
422420
3303
ကူးစက်သူတွေများလေလေ၊
ကူးစက်ခံရသူတွေ များလေလေဖြစ်ကာ
ကူးစက်ခံရသူတွေ များလေလေဖြစ်ကာ
07:15
and the faster the virus spread
154
425747
1588
အာဏာပိုင်တွေက အဖြစ်အပျက်တွေကို
07:17
before the authorities managed
to get a handle on events.
to get a handle on events.
155
427359
3141
မကိုင်တွယ်ရနိုင်ခင်မှာ
ဗိုင်းရပ်ကလည်း ပိုမြန်မြန် ပျံ့နှံ့တာပါ။
ဗိုင်းရပ်ကလည်း ပိုမြန်မြန် ပျံ့နှံ့တာပါ။
07:20
And it's exactly the same process here.
156
430988
2515
ဒါက ဒီနေရာမှာ တစ်ထပ်တည်းကျတဲ့
ဖြစ်စဉ်ပါ။
ဖြစ်စဉ်ပါ။
07:23
So let's say you've got a rioter,
he's decided he's going to riot.
he's decided he's going to riot.
157
433527
3276
အဓိကရုဏ်းသမားတစ်ယောက်ရှိတယ်၊
အဓိကရုဏ်းလုပ်မယ်လို့ သူဆုံးဖြတ်တယ်ပေါ့။
အဓိကရုဏ်းလုပ်မယ်လို့ သူဆုံးဖြတ်တယ်ပေါ့။
07:26
The next thing he has to do
is pick a riot site.
is pick a riot site.
158
436827
2535
နောက် သူလုပ်ဖို့လိုတာက
အဓိကရုဏ်း နေရာတစ်ခု ရွေးဖို့ပါ။
အဓိကရုဏ်း နေရာတစ်ခု ရွေးဖို့ပါ။
07:30
Now, what you should know
about rioters is that, um ...
about rioters is that, um ...
159
440274
3624
ကဲ အဓိကရုဏ်းသမားတွေအကြောင်း
သိသင့်တာက အင်း...
သိသင့်တာက အင်း...
07:33
Oops, clicker's gone. There we go.
160
443922
1642
အိုး နှိပ်မိသွားပြီ၊ ရောက်ပြီပေါ့။
07:35
What you should know about rioters is,
they're not prepared to travel
they're not prepared to travel
161
445588
3344
အဓိကရုဏ်းသမားတွေအကြောင်း သိသင့်တာက
တကယ့် နေရာကောင်းမဟုတ်ရင်
တကယ့် နေရာကောင်းမဟုတ်ရင်
07:38
that far from where they live,
162
448956
1451
သူတို့နေတဲ့ နေရာကနေ
07:40
unless it's a really juicy riot site.
163
450431
1852
အဝေးကြီးကိုသွားဖို့
ပြင်ဆင်မထားတာပါ။
ပြင်ဆင်မထားတာပါ။
07:42
(Laughter)
164
452307
1075
(ရယ်သံများ)
07:43
So you can see that here from this graph,
165
453406
2069
ဒီတော့ သူတို့သွားခဲ့တဲ့ နေရာထက်
07:45
with an awful lot of rioters
having traveled less than a kilometer
having traveled less than a kilometer
166
455499
3391
တစ်ကီလိုမီတာ လျှော့သွားခဲ့တဲ့
အဓိကရုဏ်းသမား အတော်များများပါတဲ့
အဓိကရုဏ်းသမား အတော်များများပါတဲ့
07:48
to the site that they went to.
167
458914
1679
ဒီဂရပ်ကနေ မြင်နိုင်တာပါ။
07:50
Now, this pattern is seen
in consumer models of retail spending,
in consumer models of retail spending,
168
460617
4909
ကဲ ဒီအဆင်ကို လက်လီသုံးခြင်းရဲ့
စားသုံးသူပုံစံတွေမှာ မြင်နိုင်တယ်၊
စားသုံးသူပုံစံတွေမှာ မြင်နိုင်တယ်၊
07:55
i.e., where we choose to go shopping.
169
465550
2309
ဆိုလိုတာက စျေးဝယ်ထွက်ဖို့
ရွေးတဲ့နေရာမှာပေါ့။
ရွေးတဲ့နေရာမှာပေါ့။
07:57
So, of course, people like
to go to local shops,
to go to local shops,
170
467883
2922
ဒီတော့ တကယ်က လူတွေက အနီးက
စျေးဆိုင်တွေဆီ သွားချင်ပေမဲ့
စျေးဆိုင်တွေဆီ သွားချင်ပေမဲ့
08:00
but you'd be prepared
to go a little bit further
to go a little bit further
171
470829
2592
လက်လီဝယ်လို့ကောင်းတဲ့နေရာဆိုရင်
နည်းနည်း ပိုဝေးတဲ့ဆီ
နည်းနည်း ပိုဝေးတဲ့ဆီ
08:03
if it was a really good retail site.
172
473445
2116
သွားဖို့ ပြင်ဆင်ကြမှာလေ။
08:05
And this analogy, actually, was already
picked up by some of the papers,
picked up by some of the papers,
173
475585
3442
ဒီနှိုင်းယှဉ်မှုဟာ တကယ်တော့
သတင်းစာတစ်ချို့နဲ့ ထုတ်ပိုးပြီးသားပါ၊
သတင်းစာတစ်ချို့နဲ့ ထုတ်ပိုးပြီးသားပါ၊
08:09
with some tabloid press calling the events
"Shopping with violence,"
"Shopping with violence,"
174
479051
3262
လူပြိန်းကြိုက်သတင်းစာတစ်ခုက
"ကြမ်းကြုတ်မှုနဲ့စျေးဝယ်ခြင်း"ပွဲတွေတဲ့
"ကြမ်းကြုတ်မှုနဲ့စျေးဝယ်ခြင်း"ပွဲတွေတဲ့
08:12
which probably sums it up
in terms of our research.
in terms of our research.
175
482337
2788
ဒါက ကျွန်မတို့ရဲ့ သုသေသနအရ
အကျဉ်းချုံးတာဖြစ်လောက်တယ်။
အကျဉ်းချုံးတာဖြစ်လောက်တယ်။
08:15
Oh! -- we're going backwards.
176
485673
1476
အိုး နောက်ပြန်သွားနေတာကိုး
08:19
OK, step three.
177
489730
1456
ကောင်းပြီ၊ အဆင့် သုံး။
08:21
Finally, the rioter is at his site,
178
491210
1817
နောက်ဆုံး အဓိကရုဏ်းသမားက
သူ့ဘက်မှာနေကာ
သူ့ဘက်မှာနေကာ
08:23
and he wants to avoid
getting caught by the police.
getting caught by the police.
179
493051
4572
ရဲတွေဖမ်းတာကလွတ်အောင်
ရှောင်ရှားချင်ပါတယ်။
ရှောင်ရှားချင်ပါတယ်။
08:27
The rioters will avoid
the police at all times,
the police at all times,
180
497647
2701
အဓိကရုဏ်းသမားတွေဟာ ရဲတွေကို
တစ်ချိန်လုံး ရှောင်ကြမယ်၊
တစ်ချိန်လုံး ရှောင်ကြမယ်၊
08:30
but there is some safety in numbers.
181
500372
2094
ဒါပေမဲ့ ကိန်းဂဏန်းအရတော့
လုံခြုံမှုရှိပါတယ်။
လုံခြုံမှုရှိပါတယ်။
08:32
And on the flip side, the police,
with their limited resources,
with their limited resources,
182
502490
3061
အခြားဘက်မှာတော့ ရဲတွေဟာ
သူတို့ရဲ့ အကန့်အသတ်ရှိတဲ့ ရင်းမြစ်တွေနဲ့
သူတို့ရဲ့ အကန့်အသတ်ရှိတဲ့ ရင်းမြစ်တွေနဲ့
08:35
are trying to protect
as much of the city as possible,
as much of the city as possible,
183
505575
2579
မြို့ကို တတ်အားသမျှ ကြိုးစားကာကွယ်နေပါတယ်၊
08:38
arrest rioters wherever possible
184
508178
2013
အဓိကရုဏ်းသမားတွေကို တွေ့လေရာမှာ ဖမ်းပြီး
08:40
and to create a deterrent effect.
185
510215
2041
အဟန့်အတားဖြစ်အောင် ဖန်တီးတယ်။
08:45
And actually, as it turns out,
186
515510
1491
တကယ်တမ်း ဖြစ်သွားတာက
08:47
this mechanism between the two species,
so to speak, of rioters and police,
so to speak, of rioters and police,
187
517025
4623
မျိုးစိတ်နှစ်ခုကြားက ဒီယန္တရား ပြောရရင်
အဓိကရုဏ်းသမားတွေနဲ့ ရဲတွေပေါ့
အဓိကရုဏ်းသမားတွေနဲ့ ရဲတွေပေါ့
08:51
is identical to predators
and prey in the wild.
and prey in the wild.
188
521672
2649
တောထဲက သားရဲတွေနဲ့ သားကောင်တွေနဲ့
ထပ်တူကျပါတယ်။
ထပ်တူကျပါတယ်။
08:54
So if you can imagine rabbits and foxes,
189
524345
2197
ဒီတော့ ယုန်တွေ၊ မြေခွေးတွေကို
စိတ်ကူးလို့ရရင်
စိတ်ကူးလို့ရရင်
08:56
rabbits are trying to avoid
foxes at all costs,
foxes at all costs,
190
526566
2750
ယုန်ဟာ မြေခွေးကို
ဖြစ်တဲ့နည်းနဲ့ ရှောင်ဖို့ကြိုးစားနေစဉ်
ဖြစ်တဲ့နည်းနဲ့ ရှောင်ဖို့ကြိုးစားနေစဉ်
08:59
while foxes are patrolling the space,
trying to look for rabbits.
trying to look for rabbits.
191
529340
3687
မြေခွေးတွေကတော့ အာကာသကို ကင်းလှည့်ရင်း
ယုန်တွေကို ရှာဖို့ ကြိုးစားနေပါတယ်။
ယုန်တွေကို ရှာဖို့ ကြိုးစားနေပါတယ်။
09:03
We actually know an awful lot
about the dynamics of predators and prey.
about the dynamics of predators and prey.
192
533051
3354
ကျွန်မတို့ဟာ သားရဲနဲ့သားကောင်တွေရဲ့
အင်အားအကြောင်း အများကြီးသိပါတယ်။
အင်အားအကြောင်း အများကြီးသိပါတယ်။
09:06
We also know a lot about
consumer spending flows.
consumer spending flows.
193
536429
4979
စားသုံးသူ သုံးစွဲမှုအလျဉ်တွေကိုလည်း
အများကြီးသိပါတယ်။
အများကြီးသိပါတယ်။
09:11
And we know a lot about
how viruses spread through a population.
how viruses spread through a population.
194
541432
3163
ဗိုင်းရပ်စ်တွေ လူစတစ်စုထဲကို
ပျံ့နံ့ပုံအကြောင်း အများကြီးသိပါတယ်။
ပျံ့နံ့ပုံအကြောင်း အများကြီးသိပါတယ်။
09:14
So if you take these three analogies
together and exploit them,
together and exploit them,
195
544619
3033
ဒီတော့ ဒီနှိုင်းယှဉ်မှုသုံးခုကို စုယူပြီး
အကျိုးရှိရှိသုံးစွဲရင်
အကျိုးရှိရှိသုံးစွဲရင်
09:17
you can come up with a mathematical
model of what actually happened,
model of what actually happened,
196
547676
3236
တကယ်ဖြစ်ပျက်ခဲ့တဲ့ သင်္ချာပုံစံတစ်ခု
ရလာနိုင်ပါတယ်၊
ရလာနိုင်ပါတယ်၊
09:20
that's capable of replicating
the general patterns
the general patterns
197
550936
2404
ဒါက အဓိကရုဏ်းတွေ ကိုယ်၌ရဲ့
ယေဘုယျ ပုံစံတွေကို
ယေဘုယျ ပုံစံတွေကို
09:23
of the riots themselves.
198
553364
1343
အစားထိုးနိုင်စွမ်းရှိပါတယ်။
09:25
Now, once we've got this,
we can almost use this as a petri dish
we can almost use this as a petri dish
199
555678
3086
အခု ကျွန်မတို့မှာ ရှိပါပြီ။
perti dish အဖြစ်နဲ့ သုံးနိုင်လုလုပါ
perti dish အဖြစ်နဲ့ သုံးနိုင်လုလုပါ
09:28
and start having conversations
200
558788
1623
အနာဂတ်မှာ တစ်ဖန်ဖြစ်လာခဲ့ရင်
09:30
about which areas of the city
were more susceptible than others
were more susceptible than others
201
560435
3139
မြို့ရဲ့ ဘယ်နေရာတွေဟာ
အခြားနေရာတွေထက် ပိုထိခိုင်နိုင်လဲ၊
အခြားနေရာတွေထက် ပိုထိခိုင်နိုင်လဲ၊
09:33
and what police tactics could be used
202
563598
1877
ဘယ်ရဲ နည်းဗျူးဟာတွေကို သုံးနိုင်လဲ
09:35
if this were ever to happen
again in the future.
again in the future.
203
565499
2307
ဆိုတာအကြောင်း ပြောဆိုတာတွေ စတင်ပါတယ်။
09:37
Even twenty years ago, modeling
of this sort was completely unheard of.
of this sort was completely unheard of.
204
567830
4003
လွန်ခဲ့တဲ့ နှစ်နှစ်ဆယ်ကတောင် ဒါမျိုးကို
ပုံစံငယ်လုပ်တာဟာ လုံးဝကို မကြားဖူးခဲ့ပါ။
ပုံစံငယ်လုပ်တာဟာ လုံးဝကို မကြားဖူးခဲ့ပါ။
09:41
But I think that these analogies
are an incredibly important tool
are an incredibly important tool
205
571857
4444
ဒါပေမဲ့ လူ့အဖွဲ့အစည်းနဲ့ဆိုင်တဲ့ ပြဿနာတွေ
ဖြေရှင်းဖို့ ဖြစ်နိုင်တာက လူ့အဖွဲ့အစည်းကို
ဖြေရှင်းဖို့ ဖြစ်နိုင်တာက လူ့အဖွဲ့အစည်းကို
09:46
in tackling problems with our society,
206
576325
2491
အခြေခံအားဖြင့် အဘက်ဘက်
တိုးတက်အောင်လုပ်ရာမှာ
တိုးတက်အောင်လုပ်ရာမှာ
09:48
and perhaps, ultimately improving
our society overall.
our society overall.
207
578840
3406
ဒီနှိုင်းယှဉ်မှုတွေဟာ မယုံနိုင်လောက်အောင်
အရေးပါတဲ့ ကိရိယာလို့ ထင်ပါတယ်။
အရေးပါတဲ့ ကိရိယာလို့ ထင်ပါတယ်။
09:52
So, to conclude: life is complex,
208
582270
2389
ဒီတော့ နိဂုံးချုပ်အနေနဲ့ ဘဝဟာ
ရှုပ်ထွေးပေမဲ့
ရှုပ်ထွေးပေမဲ့
09:54
but perhaps understanding it need not
necessarily be that complicated.
necessarily be that complicated.
209
584683
3357
ဒါကိုနားလည်ဖို့ကျတော့ သေချာပေါက်
ဒီလောက်ရှုပ်ထွေးမယ် မထင်ရပါဘူး။
ဒီလောက်ရှုပ်ထွေးမယ် မထင်ရပါဘူး။
09:58
Thank you.
210
588064
1158
ကျေးဇူးတင်ပါတယ်။
09:59
(Applause)
211
589246
1386
(လက်ခုပ်သံများ)
ABOUT THE SPEAKER
Hannah Fry - Complexity theoristHannah Fry researches the trends in our civilization and ways we can forecast its future.
Why you should listen
Hannah Fry completed her PhD in fluid dynamics in early 2011 with an emphasis on how liquid droplets move. Then, after working as an aerodynamicist in the motorsport industry, she began work on an interdisciplinary project in complexity sciences at University College London. Hannah’s current research focusses on discovering new connections between mathematically described systems and human interaction at the largest scale.
Fry is the author of the TED Book, The Mathematics of Love: Patterns, Proofs, and the Search for the Ultimate Equation.
Hannah Fry | Speaker | TED.com