TEDxUCL
Hannah Fry: Is life really that complex?
Filmed:
Readability: 4.5
819,007 views
Can an algorithm forecast the site of the next riot? In this accessible talk, mathematician Hannah Fry shows how complex social behavior can be analyzed and perhaps predicted through analogies to natural phenomena, like the patterns of a leopard's spots or the distribution of predators and prey in the wild.
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
Hartelijk bedankt.
00:11
I am Hannah Fry, the badass.
1
1205
1848
Ik ben Hannah Fry, de stoere.
Vandaag stel ik de vraag:
00:13
And today I'm asking the question:
2
3077
1680
is het leven echt zo complex?
00:14
Is life really that complex?
3
4781
1756
Ik heb slechts negen minuten de tijd
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
om te proberen
jullie een antwoord te geven,
jullie een antwoord te geven,
00:19
so what I've done
is split this neatly into two parts:
is split this neatly into two parts:
5
9910
2716
dus ik heb dit netjes
in twee delen gesplitst:
in twee delen gesplitst:
00:22
part one: yes;
6
12650
2353
deel één: ja;
00:25
and later on, part two: no.
7
15027
2528
en verderop, deel twee: nee.
00:27
Or, to be more accurate: no?
8
17579
2544
Of, om nauwkeuriger te zijn: nee?
(Gelach)
00:30
(Laughter)
9
20147
1204
Laat ik eerst proberen te definiëren
wat ik bedoel met "complex."
wat ik bedoel met "complex."
00:31
So first of all, let me try and define
what I mean by "complex."
what I mean by "complex."
10
21375
3006
Ik zou jullie veel formele definities
kunnen geven,
kunnen geven,
00:34
Now, I could give you
a host of formal definitions,
a host of formal definitions,
11
24405
2441
maar in de meest eenvoudige termen,
00:36
but in the simplest terms,
12
26870
1253
elk probleem in complexiteit is iets
dat Einstein en zijn gelijken niet kunnen.
dat Einstein en zijn gelijken niet kunnen.
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
Dus, laten we ons inbeelden
-- als de aanwijzer werkt ...
-- als de aanwijzer werkt ...
00:43
So, let's imagine --
if the clicker works ... there we go.
if the clicker works ... there we go.
14
33070
3240
Einstein speelt een potje snooker.
00:46
Einstein is playing a game of snooker.
15
36334
2103
Hij is een slimme kerel,
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
dus hij weet dat
wanneer hij de speelbal raakt,
wanneer hij de speelbal raakt,
hij een vergelijking zou kunnen schrijven
00:51
he could write you an equation
17
41964
1441
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
en exact zou kunnen zeggen
waar de rode bal de kanten zal raken,
waar de rode bal de kanten zal raken,
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
hoe snel hij zal gaan
en waar hij zal belanden.
en waar hij zal belanden.
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
Nu, als je deze ballen vergroot
tot de grootte van het zonnestelsel,
tot de grootte van het zonnestelsel,
01:02
Einstein can still help you.
21
52537
1959
kan Einstein je nog altijd helpen.
Oké, de fysica verandert,
01:04
Sure, the physics changes,
22
54520
1245
maar als je meer zou willen weten
over de weg van de aarde rond de zon,
over de weg van de aarde rond de zon,
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
zou Einstein een vergelijking
kunnen schrijven
kunnen schrijven
01:09
Einstein could write you an equation
24
59095
1733
01:10
telling you where both objects are
at any point in time.
at any point in time.
25
60852
2643
die vertelt waar de objecten zich bevinden
op elk moment.
op elk moment.
01:13
Now, with a surprising
increase in difficulty,
increase in difficulty,
26
63519
2204
Met een opmerkelijke toename
in moeilijkheid,
in moeilijkheid,
zou Einstein de maan
in zijn berekeningen kunnen introduceren.
in zijn berekeningen kunnen introduceren.
01:15
Einstein could include
the Moon in his calculations.
the Moon in his calculations.
27
65747
2452
01:18
But as you add more and more planets,
Mars and Jupiter, say,
Mars and Jupiter, say,
28
68223
3067
Maar wanneer je meer planeten toevoegt,
bijvoorbeeld Mars en Jupiter,
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
wordt het probleem te lastig voor Einstein
om op te lossen met pen en papier.
om op te lossen met pen en papier.
01:25
Now, strangely, if instead of having
a handful of planets,
a handful of planets,
30
75102
2843
Nu, vreemd genoeg,
als je in plaats van een handvol planeten
als je in plaats van een handvol planeten
01:27
you had millions of objects
or even billions,
or even billions,
31
77969
2672
miljoenen of zelfs miljarden objecten had,
dan wordt het probleem
eigenlijk veel makkelijker,
eigenlijk veel makkelijker,
01:30
the problem actually becomes much simpler,
32
80665
2271
01:32
and Einstein is back in the game.
33
82960
1922
en is Einstein terug in het spel.
01:34
Let me explain what I mean by this,
34
84906
1846
Laat ik uitleggen wat ik hiermee bedoel,
01:36
by scaling these objects back down
to a molecular level.
to a molecular level.
35
86776
3294
door deze objecten terug te schalen
tot een moleculair niveau.
tot een moleculair niveau.
De grillige weg traceren
van een individuele luchtmolecule
van een individuele luchtmolecule
01:40
If you wanted to trace the erratic path
of an individual air molecule,
of an individual air molecule,
36
90094
3747
kun je wel vergeten.
01:43
you'd have absolutely no hope.
37
93865
1842
Maar wanneer je miljoenen
luchtmoleculen bij elkaar hebt,
luchtmoleculen bij elkaar hebt,
01:45
But when you have millions
of air molecules all together,
of air molecules all together,
38
95731
2711
01:48
they start to act in a way
which is quantifiable, predictable
which is quantifiable, predictable
39
98466
3877
beginnen deze zich te gedragen
op een manier die kwantificeerbaar,
voorspelbaar en braaf is.
voorspelbaar en braaf is.
01:52
and well-behaved.
40
102367
1170
En dank de hemel dat lucht braaf is,
01:53
And thank goodness air is well-behaved,
41
103561
1885
want als ze dat niet was,
zouden vliegtuigen eruit vallen.
zouden vliegtuigen eruit vallen.
01:55
because if it wasn't,
planes would fall out of the sky.
planes would fall out of the sky.
42
105470
2910
01:58
Now, on an even bigger scale,
across the whole of the world,
across the whole of the world,
43
108404
3064
Op een nog grotere schaal,
over de hele wereld,
over de hele wereld,
is het idee exact hetzelfde
met al die luchtmoleculen.
met al die luchtmoleculen.
02:01
the idea is exactly the same
with all of these air molecules.
with all of these air molecules.
44
111492
3122
Het is waar dat je niet
van een individuele regendruppel
van een individuele regendruppel
02:04
It's true that you can't take
an individual rain droplet
an individual rain droplet
45
114638
2918
kan zeggen waar hij vandaan komt
of waar hij heen gaat.
of waar hij heen gaat.
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
02:10
But you can say with pretty good certainty
47
120389
2034
Maar je kunt wel
met redelijke zekerheid zeggen
met redelijke zekerheid zeggen
02:12
whether it will be cloudy tomorrow.
48
122447
1813
of het morgen bewolkt wordt.
02:14
So that's it.
49
124284
1158
Dus dat is het.
In Einsteins tijd was dit
hoe ver de wetenschap was gekomen.
hoe ver de wetenschap was gekomen.
02:15
In Einstein's time,
this is how far science had got.
this is how far science had got.
50
125466
2683
We kunnen kleine problemen oplossen
met een aantal objecten
met een aantal objecten
02:18
We could do really small problems
with a few objects
with a few objects
51
128173
3613
met simpele interacties.
02:21
with simple interactions,
52
131810
1275
Of we kunnen grote problemen oplossen
met miljoenen objecten
met miljoenen objecten
02:23
or we could do huge problems
with millions of objects
with millions of objects
53
133109
2602
02:25
and simple interactions.
54
135735
1323
en simpele interacties.
02:27
But what about everything in the middle?
55
137082
1937
Maar wat doen we met alles daartussen?
02:29
Well, just seven years
before Einstein's death,
before Einstein's death,
56
139043
2693
Slechts zeven jaar
voor de dood van Einstein,
voor de dood van Einstein,
maakte de Amerikaanse wetenschapper
Warren Weaver precies dit punt.
Warren Weaver precies dit punt.
02:31
an American scientist called
Warren Weaver made exactly this point.
Warren Weaver made exactly this point.
57
141760
3658
Hij zei dat de wetenschappelijke methodiek
van de ene extreme naar de andere ging
van de ene extreme naar de andere ging
02:35
He said that scientific methodology
has gone from one extreme to another,
has gone from one extreme to another,
58
145442
3624
waarbij een groot middengebied
onaangeraakt bleef.
onaangeraakt bleef.
02:39
leaving out an untouched
great middle region.
great middle region.
59
149090
3071
Deze middelste regio
is waar complexiteitswetenschap zit
is waar complexiteitswetenschap zit
02:42
Now, this middle region
is where complexity science lies,
is where complexity science lies,
60
152185
2699
en dit is wat ik bedoel met complex.
02:44
and this is what I mean by complex.
61
154908
2259
Helaas ligt bijna elk probleem
dat je kunt bedenken
dat je kunt bedenken
02:47
Now, unfortunately, almost
every single problem you can think of
every single problem you can think of
62
157191
3525
op het gebied van menselijk gedrag
in die middelste regio.
in die middelste regio.
02:50
to do with human behavior
63
160740
1222
02:51
lies in this middle region.
64
161986
2069
Einstein had geen idee hoe hij de beweging
van een groep mensen kon modelleren.
van een groep mensen kon modelleren.
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
Er zijn te veel mensen om
naar hen als individu te kijken
naar hen als individu te kijken
02:58
There are too many people
to look at them all individually
to look at them all individually
66
168393
2801
en te weinig
om hen als een gas te behandelen.
om hen als een gas te behandelen.
03:01
and too few to treat them as a gas.
67
171218
1872
Ook zijn mensen geneigd
tot ergerlijke dingen
tot ergerlijke dingen
03:03
Similarly, people are prone
to annoying things like decisions
to annoying things like decisions
68
173114
3356
als beslissingen nemen
en niet tegen elkaar willen botsen,
en niet tegen elkaar willen botsen,
03:06
and not wanting to walk into each other,
69
176494
2014
wat het probleem
alleen maar moeilijker maakt.
alleen maar moeilijker maakt.
03:08
which makes the problem
all the more complicated.
all the more complicated.
70
178532
2613
Einstein kon je ook niet vertellen
03:11
Einstein also couldn't tell you
71
181169
1703
wanneer de volgende beurscrash gaat zijn.
03:12
when the next stock market crash
is going to be.
is going to be.
72
182896
2349
Einstein kon je niet vertellen
hoe je werkloosheid kon terugbrengen.
hoe je werkloosheid kon terugbrengen.
03:15
Einstein couldn't tell you
how to improve unemployment.
how to improve unemployment.
73
185269
2764
03:18
Einstein can't even tell you
74
188057
1401
Hij kan je niet eens vertellen
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
of de nieuwe iPhone
een succes of een flop wordt.
een succes of een flop wordt.
Dus om deel één af te sluiten:
we staan er bekaaid voor.
we staan er bekaaid voor.
03:22
So to conclude part one:
we're completely screwed.
we're completely screwed.
76
192888
2606
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
We hebben geen gerei om hiermee om te gaan
en het leven is veel te complex.
en het leven is veel te complex.
Maar misschien is er hoop,
03:30
But maybe there's hope,
78
200042
1796
want de laatste paar jaar
03:31
because in the last few years,
79
201862
1534
beginnen we een nieuw vakgebied
in de wetenschap te zien
in de wetenschap te zien
03:33
we've begun to see the beginnings
of a new area of science
of a new area of science
80
203420
3837
waarbij we wiskunde gebruiken
om onze sociale systemen te modelleren.
om onze sociale systemen te modelleren.
03:37
using mathematics
to model our social systems.
to model our social systems.
81
207281
3027
03:40
And I'm not just talking here
about statistics and computer simulations.
about statistics and computer simulations.
82
210332
3484
Ik heb het nu niet alleen
over statistieken en computersimulaties,
over statistieken en computersimulaties,
maar over het opschrijven
van vergelijkingen
van vergelijkingen
03:43
I'm talking about writing down
equations about our society
equations about our society
83
213840
2996
die onze maatschappij
begrijpelijk helpen maken,
begrijpelijk helpen maken,
03:46
that will help us understand
what's going on
what's going on
84
216860
2069
net als met de snookerballen
of de weersvoorspellingen.
of de weersvoorspellingen.
03:48
in the same way as with the snooker balls
or the weather prediction.
or the weather prediction.
85
218953
3215
Dit is ontstaan doordat
mensen zich zijn gaan realiseren
mensen zich zijn gaan realiseren
03:52
And this has come about
because people have begun to realize
because people have begun to realize
86
222192
2842
dat we analogieën kunnen gebruiken
03:55
that we can use and exploit analogies
87
225058
2343
tussen onze menselijke systemen
en die in de fysieke wereld om ons heen.
en die in de fysieke wereld om ons heen.
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
Om je een voorbeeld te geven:
04:01
Now, to give you an example:
89
231938
1464
04:03
the incredibly complex problem
of migration across Europe.
of migration across Europe.
90
233426
3454
het ongelofelijk complexe probleem
van migratie in Europa.
van migratie in Europa.
Het blijkt dat als je
alle mensen samen bekijkt,
alle mensen samen bekijkt,
04:06
Actually, as it turns out, when you view
all of the people together,
all of the people together,
91
236904
3332
ze zich gedragen alsof ze
de regels van zwaartekracht volgen.
de regels van zwaartekracht volgen.
04:10
collectively, they behave as though
they're following the laws of gravity.
they're following the laws of gravity.
92
240260
4043
Maar in plaats van planeten
die tot elkaar aangetrokken worden,
die tot elkaar aangetrokken worden,
04:14
But instead of planets
being attracted to one another,
being attracted to one another,
93
244327
3128
04:17
it's people who are attracted
to areas with better job opportunities,
to areas with better job opportunities,
94
247479
4210
zijn het mensen die aangetrokken worden
tot betere baankansen,
tot betere baankansen,
hogere salarissen, een betere
levenskwaliteit en minder werkloosheid.
levenskwaliteit en minder werkloosheid.
04:21
higher pay, better quality of life
and lower unemployment.
and lower unemployment.
95
251713
4015
En net als dat mensen
eerder kansen aangrijpen
eerder kansen aangrijpen
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
die dichter bij huis liggen --
Londen naar Kent, bijvoorbeeld
Londen naar Kent, bijvoorbeeld
04:29
close to where they live already --
London to Kent, for example,
London to Kent, for example,
97
259304
3035
in plaats van Londen naar Melbourne --
04:32
as opposed to London to Melbourne --
98
262363
1792
zo voel je de aantrekkingskracht
van verre planeten veel minder sterk.
van verre planeten veel minder sterk.
04:34
the gravitational effect of planets
far away is felt much less.
far away is felt much less.
99
264179
4136
Om nog een voorbeeld te geven:
04:38
So, to give you another example:
100
268997
2067
in 2008 was een groep in UCLA
op zoek naar de patronen
op zoek naar de patronen
04:41
in 2008, a group in UCLA
were looking into the patterns
were looking into the patterns
101
271088
4225
tussen plekken waar vaak werd ingebroken.
04:45
of burglary hot spots in the city.
102
275337
2712
Bij inbraken heb je het fenomeen
van herhaald slachtofferschap.
van herhaald slachtofferschap.
04:48
Now, one thing about burglaries
is this idea of repeat victimization.
is this idea of repeat victimization.
103
278073
5519
Als er een groep inbrekers is
die succesvol een gebied berooft,
die succesvol een gebied berooft,
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
zijn ze geneigd terug te keren
naar dat gebied en het vaker te beroven.
naar dat gebied en het vaker te beroven.
04:57
they'll tend to return to that area
and carry on burgling it.
and carry on burgling it.
105
287877
3790
Zo leren ze de ligging
van de huizen kennen,
van de huizen kennen,
05:01
So they learn the layout of the houses,
106
291691
2856
05:04
the escape routes
107
294571
1694
de onsnappingsroutes
05:06
and the local security measures
that are in place.
that are in place.
108
296289
3004
en de lokale beveiligingsmaatregelen.
05:09
And this will continue to happen
109
299317
1685
Dit zal zo doorgaan
05:11
until local residents and police
ramp up the security,
ramp up the security,
110
301026
3181
tot buurtbewoners en politie
de beveiliging verbeteren.
de beveiliging verbeteren.
Dan verplaatsen de inbrekers zich
naar een andere plek.
naar een andere plek.
05:14
at which point, the burglars
will move off elsewhere.
will move off elsewhere.
111
304231
2771
05:17
And it's that balance
between burglars and security
between burglars and security
112
307026
2808
Het is die balans
tussen inbrekers en beveiliging
tussen inbrekers en beveiliging
05:19
which creates these dynamic
hot spots of the city.
hot spots of the city.
113
309858
3037
die de dynamische zwaartepunten
van de stad creëert.
van de stad creëert.
Dit blijkt exact hetzelfde proces te zijn
05:22
As it turns out,
this is exactly the same process
this is exactly the same process
114
312919
3544
als hoe een luipaard zijn vlekken krijgt,
05:26
as how a leopard gets its spots,
115
316487
2242
behalve dat het bij luipaarden
niet gaat om inbrekers en beveiliging.
niet gaat om inbrekers en beveiliging.
05:28
except in the leopard example,
it's not burglars and security,
it's not burglars and security,
116
318753
2936
05:31
it's the chemical process
that creates these patterns
that creates these patterns
117
321713
3465
Het is het chemische proces
dat deze patronen creëert,
dat deze patronen creëert,
05:35
and something called "morphogenesis."
118
325202
1995
en iets genaamd 'morfogenese'.
05:37
We actually know an awful lot
about the morphogenesis of leopard spots.
about the morphogenesis of leopard spots.
119
327221
4256
In feite weten we enorm veel
over de morfogenese van luipaardvlekken.
over de morfogenese van luipaardvlekken.
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
Misschien kunnen we dit gebruiken
om inbraakgevoelige plekken te vinden
om inbraakgevoelige plekken te vinden
05:46
and perhaps, also to create
better crime strategies to prevent crime.
better crime strategies to prevent crime.
121
336169
4107
en misschien zelfs nieuwe strategieën
te bedenken om criminaliteit te voorkomen.
te bedenken om criminaliteit te voorkomen.
Een groep hier aan het UCL
05:50
There's a group here at UCL
122
340300
1572
05:51
who are working with
the West Midlands police right now
the West Midlands police right now
123
341896
2825
werkt op dit moment
met de politie van West Midlands
met de politie van West Midlands
aan precies deze vraag.
05:54
on this very question.
124
344745
1641
Ik zou je talloze voorbeelden
zoals deze kunnen geven,
zoals deze kunnen geven,
05:56
I could give you
plenty of examples like this,
plenty of examples like this,
125
346410
2915
maar ik geef er nog een
uit mijn eigen onderzoek
uit mijn eigen onderzoek
05:59
but I wanted to leave you
with one from my own research
with one from my own research
126
349349
2643
naar de Londense rellen.
06:02
on the London riots.
127
352016
1166
Ik hoef waarschijnlijk niet te vertellen
wat afgelopen zomer gebeurde.
wat afgelopen zomer gebeurde.
06:03
Now, you probably
don't need me to tell you
don't need me to tell you
128
353206
2015
06:05
about the events of last summer,
129
355245
1567
06:06
where London and the UK saw
the worst sustained period
the worst sustained period
130
356836
3030
Londen en het VK doorstonden
de heftigste aaneengesloten periode
de heftigste aaneengesloten periode
06:09
of violent looting and arson
131
359890
1526
van plunderingen en brandstichting
06:11
for over twenty years.
132
361440
1613
in meer dan twintig jaar.
06:13
It's understandable that, as a society,
we want to try and understand
we want to try and understand
133
363077
3287
Het is logisch dat we,
als samenleving, willen snappen
als samenleving, willen snappen
wat deze rellen veroorzaakte.
06:16
exactly what caused these riots,
134
366388
1794
Maar ook, misschien, om onze politie
met beter strategieën uit te rusten
met beter strategieën uit te rusten
06:18
but also, perhaps, to equip our police
with better strategies
with better strategies
135
368206
3885
en een spoediger oplossing te vinden
in de toekomst.
in de toekomst.
06:22
to lead to a swifter
resolution in the future.
resolution in the future.
136
372115
3781
Ik wil de sociologen hier
niet te ongerust maken,
niet te ongerust maken,
06:25
Now, I don't want to upset
the sociologists here,
the sociologists here,
137
375920
2356
Dus ik kan absoluut niet praten over
de beweegredenen van een opstandeling,
de beweegredenen van een opstandeling,
06:28
so I absolutely cannot talk about
the individual motivations for a rioter,
the individual motivations for a rioter,
138
378300
4857
maar als je naar alle
opstandelingen samen kijkt,
opstandelingen samen kijkt,
06:33
but when you look at
the rioters all together,
the rioters all together,
139
383181
2168
kun je dit, wiskundig gezien,
scheiden in een driedelig proces,
scheiden in een driedelig proces,
06:35
mathematically, you can separate it
into a three-stage process
into a three-stage process
140
385373
3208
en zo analogieën trekken.
06:38
and draw analogies accordingly.
141
388605
1975
Dus, stap één: laten we zeggen
dat er een groep vrienden is.
dat er een groep vrienden is.
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
Geen van hen is betrokken bij de opstanden
06:43
None of them are involved in the riots,
143
393805
1875
maar een van hen loopt langs
een Foot Locker die geplunderd wordt.
een Foot Locker die geplunderd wordt.
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
Hij loopt naar binnen, en zorgt voor
een paar nieuwe schoenen.
een paar nieuwe schoenen.
06:49
and goes in and bags himself
a new pair of trainers.
a new pair of trainers.
145
399410
2513
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
Hij stuurt een bericht naar een vriend
en zegt: "kom naar de rel."
en zegt: "kom naar de rel."
Zijn vriend voegt zich bij hem,
06:56
So his friend joins him,
147
406060
1421
de twee jongens nodigen meer vrienden uit,
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
die nog meer vrienden uitnodigen,
07:00
and text more of their friends
149
410686
1581
en meer, en meer,
en dit gaat zo door.
en dit gaat zo door.
07:02
and more and more, and so it continues.
150
412291
2374
Dit proces is identiek aan hoe een virus
zich door een populatie verspreidt.
zich door een populatie verspreidt.
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
Als je denkt aan de vogelgriepepidemie
van een aantal jaar terug,
van een aantal jaar terug,
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
hoe meer mensen besmet waren,
hoe meer mensen besmet werden,
hoe meer mensen besmet werden,
07:12
the more people that were infected,
the more people that got infected,
the more people that got infected,
153
422420
3303
hoe sneller het virus zich verspreidde
07:15
and the faster the virus spread
154
425747
1588
voordat de overheid
het onder controle kon krijgen.
het onder controle kon krijgen.
07:17
before the authorities managed
to get a handle on events.
to get a handle on events.
155
427359
3141
Dit is precies hetzelfde proces hier.
07:20
And it's exactly the same process here.
156
430988
2515
Laten we zeggen dat een relschopper
heeft besloten mee te doen met een rel.
heeft besloten mee te doen met een rel.
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
07:26
The next thing he has to do
is pick a riot site.
is pick a riot site.
158
436827
2535
Vervolgens moet hij
op zoek naar een opstand.
op zoek naar een opstand.
07:30
Now, what you should know
about rioters is that, um ...
about rioters is that, um ...
159
440274
3624
Wat je moet weten over relschoppers
is dat, um ...
is dat, um ...
Oeps, de clicker werkt niet meer. Oké.
07:33
Oops, clicker's gone. There we go.
160
443922
1642
Wat je moet weten over relschoppers
is dat ze niet bereid zijn
is dat ze niet bereid zijn
07:35
What you should know about rioters is,
they're not prepared to travel
they're not prepared to travel
161
445588
3344
om ver te reizen van waar ze wonen,
07:38
that far from where they live,
162
448956
1451
07:40
unless it's a really juicy riot site.
163
450431
1852
tenzij het een hele sappige rel is.
07:42
(Laughter)
164
452307
1075
[Gelach]
07:43
So you can see that here from this graph,
165
453406
2069
Dat zie je op deze grafiek,
met een hele hoop opstandelingen
die minder dan een kilometer reisden
die minder dan een kilometer reisden
07:45
with an awful lot of rioters
having traveled less than a kilometer
having traveled less than a kilometer
166
455499
3391
naar de lokatie van hun rel.
07:48
to the site that they went to.
167
458914
1679
Dit patroon is te zien
in consumentenmodellen van detailhandel,
in consumentenmodellen van detailhandel,
07:50
Now, this pattern is seen
in consumer models of retail spending,
in consumer models of retail spending,
168
460617
4909
oftewel, waar we besluiten
spullen de kopen.
spullen de kopen.
07:55
i.e., where we choose to go shopping.
169
465550
2309
Natuurlijk houden mensen ervan
om naar lokale winkels te gaan
om naar lokale winkels te gaan
07:57
So, of course, people like
to go to local shops,
to go to local shops,
170
467883
2922
maar je zou bereid zijn wat verder te gaan
08:00
but you'd be prepared
to go a little bit further
to go a little bit further
171
470829
2592
08:03
if it was a really good retail site.
172
473445
2116
als het een hele goede winkelplek is.
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
Deze analogie was al opgepakt
door een aantal kranten
door een aantal kranten
waaronder een roddelblad die de ontdekking
"winkelen met geweld" noemde,
"winkelen met geweld" noemde,
08:09
with some tabloid press calling the events
"Shopping with violence,"
"Shopping with violence,"
174
479051
3262
wat ons onderzoek eigenlijk goed samenvat.
08:12
which probably sums it up
in terms of our research.
in terms of our research.
175
482337
2788
Oh! --- we gaan terug.
08:15
Oh! -- we're going backwards.
176
485673
1476
Oké, stap drie.
08:19
OK, step three.
177
489730
1456
Eindelijk, de relschopper is ter plaatse,
08:21
Finally, the rioter is at his site,
178
491210
1817
08:23
and he wants to avoid
getting caught by the police.
getting caught by the police.
179
493051
4572
en hij wil voorkomen dat hij
wordt opgepakt door de politie.
wordt opgepakt door de politie.
De relschoppers zullen altijd
de politie vermijden,
de politie vermijden,
08:27
The rioters will avoid
the police at all times,
the police at all times,
180
497647
2701
maar de groep biedt enige veiligheid.
08:30
but there is some safety in numbers.
181
500372
2094
Aan de ander kant, de politie,
met hun beperkte middelen
met hun beperkte middelen
08:32
And on the flip side, the police,
with their limited resources,
with their limited resources,
182
502490
3061
proberen zoveel mogelijk van de stad
te beschermen,
te beschermen,
08:35
are trying to protect
as much of the city as possible,
as much of the city as possible,
183
505575
2579
relschoppers waar mogelijk te arresteren,
08:38
arrest rioters wherever possible
184
508178
2013
en een afschrikwekkend effect te creëren.
08:40
and to create a deterrent effect.
185
510215
2041
In feite, zo blijkt,
08:45
And actually, as it turns out,
186
515510
1491
is dit mechanisme tussen de twee soorten,
bij wijze van spreken,
bij wijze van spreken,
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
de politie en de opstandelingen,
08:51
is identical to predators
and prey in the wild.
and prey in the wild.
188
521672
2649
identiek aan roofdieren
en prooien in het wild.
en prooien in het wild.
08:54
So if you can imagine rabbits and foxes,
189
524345
2197
Denk aan konijnen en vossen:
konijnen proberen koste wat kost
vossen te vermijden,
vossen te vermijden,
08:56
rabbits are trying to avoid
foxes at all costs,
foxes at all costs,
190
526566
2750
terwijl vossen de ruimte afstruinen,
op zoek naar konijnen.
op zoek naar konijnen.
08:59
while foxes are patrolling the space,
trying to look for rabbits.
trying to look for rabbits.
191
529340
3687
In feite weten we enorm veel
over de dynamiek tussen roofdier en prooi.
over de dynamiek tussen roofdier en prooi.
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
We weten ook veel over
het koopgedrag van consumenten.
het koopgedrag van consumenten.
09:06
We also know a lot about
consumer spending flows.
consumer spending flows.
193
536429
4979
En we weten veel over hoe virussen
zich verspreiden door een populatie.
zich verspreiden door een populatie.
09:11
And we know a lot about
how viruses spread through a population.
how viruses spread through a population.
194
541432
3163
Dus als je die drie analogieën
samen beschouwt en uitbuit,
samen beschouwt en uitbuit,
09:14
So if you take these three analogies
together and exploit them,
together and exploit them,
195
544619
3033
kun je komen tot een wiskundig model
van wat werkelijk plaatsvond,
van wat werkelijk plaatsvond,
09:17
you can come up with a mathematical
model of what actually happened,
model of what actually happened,
196
547676
3236
dat in staat is
de algemene patronen te repliceren
de algemene patronen te repliceren
09:20
that's capable of replicating
the general patterns
the general patterns
197
550936
2404
van de rellen zelf.
09:23
of the riots themselves.
198
553364
1343
Nu we dit weten, kunnen we het
bijna gebruiken als een petrischaaltje
bijna gebruiken als een petrischaaltje
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
en een gesprek aangaan
09:28
and start having conversations
200
558788
1623
over welke delen van de stad
meer vatbaar zijn dan anderen,
meer vatbaar zijn dan anderen,
09:30
about which areas of the city
were more susceptible than others
were more susceptible than others
201
560435
3139
en welke tactieken de politie
zou kunnen gebruiken
zou kunnen gebruiken
09:33
and what police tactics could be used
202
563598
1877
09:35
if this were ever to happen
again in the future.
again in the future.
203
565499
2307
als dit ooit nog eens gebeurt.
Twintig jaar geleden nog, was dit soort
modelleren totaal onbekend.
modelleren totaal onbekend.
09:37
Even twenty years ago, modeling
of this sort was completely unheard of.
of this sort was completely unheard of.
204
567830
4003
Maar ik denk dat deze analogieën
een heel erg belangrijk hulpmiddel zijn
een heel erg belangrijk hulpmiddel zijn
09:41
But I think that these analogies
are an incredibly important tool
are an incredibly important tool
205
571857
4444
bij het aanpakken van problemen
in onze samenleving,
in onze samenleving,
09:46
in tackling problems with our society,
206
576325
2491
en misschien uiteindelijk het verbeteren
van de samenleving als geheel.
van de samenleving als geheel.
09:48
and perhaps, ultimately improving
our society overall.
our society overall.
207
578840
3406
Dus, samengevat: het leven is complex,
09:52
So, to conclude: life is complex,
208
582270
2389
maar misschien is het begrijpen ervan
niet noodzakelijk zo moeilijk.
niet noodzakelijk zo moeilijk.
09:54
but perhaps understanding it need not
necessarily be that complicated.
necessarily be that complicated.
209
584683
3357
Bedankt.
09:58
Thank you.
210
588064
1158
[Applaus]
09:59
(Applause)
211
589246
1386
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