TED2010
Nicholas Christakis: The hidden influence of social networks
Nicholas Christakis: Ukryte wpływy sieci społecznych
Filmed:
Readability: 4.3
1,674,218 views
Wszyscy jesteśmy osadzeni w ogromnych sieciach społecznych przyjaciół, rodziny, współpracowników itp. Nicholas Christakis śledzi jak różne cechy -- od szczęścia do otyłości -- mogą przenosić się z osoby na osobę, ukazując jak lokalizacja w sieci może odbić się na twoje życie w sposób z którego nawet nie zdajesz sobie sprawy.
Nicholas Christakis - Physician, social scientist
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact. Full bio
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact. Full bio
Double-click the English transcript below to play the video.
00:16
For me, this story begins about 15 years ago,
0
1000
3000
Dla mnie ta historia zaczyna się około 15 lat temu,
00:19
when I was a hospice doctor at the University of Chicago.
1
4000
3000
gdy pracowałem jako doktor w hospicjum w szpitalu uniwersyteckim w Chicago.
00:22
And I was taking care of people who were dying and their families
2
7000
3000
I opiekowałem się ludźmi którzy umierali,
00:25
in the South Side of Chicago.
3
10000
2000
oraz ich rodzinami w południowej części Chicago.
00:27
And I was observing what happened to people and their families
4
12000
3000
I obserwowałem co się dzieje z ludźmi i ich rodzinami
00:30
over the course of their terminal illness.
5
15000
3000
w okresie ich śmiertelnej choroby.
00:33
And in my lab, I was studying the widower effect,
6
18000
2000
I w moim laboratorium, studiowałem efekt wdowca
00:35
which is a very old idea in the social sciences,
7
20000
2000
który jest bardzo starą teorią w naukach społecznych,
00:37
going back 150 years,
8
22000
2000
jeszcze sprzed 150 lat,
00:39
known as "dying of a broken heart."
9
24000
2000
znaną jako "umieranie z powodu złamanego serca."
00:41
So, when I die, my wife's risk of death can double,
10
26000
3000
Która mówi - gdy ja umrę, ryzyko śmierci mojej żony może się podwoić
00:44
for instance, in the first year.
11
29000
2000
na przykład, w przeciągu pierwszego roku.
00:46
And I had gone to take care of one particular patient,
12
31000
3000
Opiekowałem się jednym konkretnym pacjentem,
00:49
a woman who was dying of dementia.
13
34000
2000
kobietą która umierała na demencje.
00:51
And in this case, unlike this couple,
14
36000
2000
I w tym przypadku w przeciwieństwie do tej pary
00:53
she was being cared for
15
38000
2000
opiekowała się nią
00:55
by her daughter.
16
40000
2000
jej córka.
00:57
And the daughter was exhausted from caring for her mother.
17
42000
3000
I córka była tą opieką wyczerpana.
01:00
And the daughter's husband,
18
45000
2000
I mąż córki,
01:02
he also was sick
19
47000
3000
również cierpiał
01:05
from his wife's exhaustion.
20
50000
2000
z powodu przemęczenia swojej żony.
01:07
And I was driving home one day,
21
52000
2000
Pewnego dnia jechałem do domu,
01:09
and I get a phone call from the husband's friend,
22
54000
3000
gdy dostałem telefon od przyjaciela męża,
01:12
calling me because he was depressed
23
57000
2000
który dzwonił do mnie ponieważ był załamany
01:14
about what was happening to his friend.
24
59000
2000
tym co się działo z jego przyjacielem.
01:16
So here I get this call from this random guy
25
61000
2000
Więc dzwoni do mnie jakiś przypadkowy gość
01:18
that's having an experience
26
63000
2000
na którego życie,
01:20
that's being influenced by people
27
65000
2000
wpływają ludzie będący
01:22
at some social distance.
28
67000
2000
w znacznej odległości społecznej.
01:24
And so I suddenly realized two very simple things:
29
69000
3000
I nagle uświadomiłem sobie dwie proste rzeczy.
01:27
First, the widowhood effect
30
72000
2000
Pierwsza, efekt wdowca
01:29
was not restricted to husbands and wives.
31
74000
3000
nie ogranicza się jedynie do mężów i żon.
01:32
And second, it was not restricted to pairs of people.
32
77000
3000
I druga, nie ogranicza się do par ludzi.
01:35
And I started to see the world
33
80000
2000
I zacząłem widzieć świat
01:37
in a whole new way,
34
82000
2000
w zupełnie nowy sposób,
01:39
like pairs of people connected to each other.
35
84000
3000
jako połączone ze sobą pary ludzi.
01:42
And then I realized that these individuals
36
87000
2000
I wtedy uzmysłowiłem sobie, że te jednostki
01:44
would be connected into foursomes with other pairs of people nearby.
37
89000
3000
mogą być połączone w czwórki z innymi parami bliskich osób.
01:47
And then, in fact, these people
38
92000
2000
I że, w zasadzie, ci ludzie
01:49
were embedded in other sorts of relationships:
39
94000
2000
mogą być włączani w różnego rodzaju związki,
01:51
marriage and spousal
40
96000
2000
małżeństwa
01:53
and friendship and other sorts of ties.
41
98000
2000
i przyjaźnie i innego rodzaju więzi.
01:55
And that, in fact, these connections were vast
42
100000
3000
I że te połączenia są obszerne
01:58
and that we were all embedded in this
43
103000
2000
że wszyscy jesteśmy włączeni w ten
02:00
broad set of connections with each other.
44
105000
3000
szeroki zbiór połączeń każdy z każdym.
02:03
So I started to see the world in a completely new way
45
108000
3000
Więc zacząłem patrzeć na świat zupełnie inaczej
02:06
and I became obsessed with this.
46
111000
2000
i stało się to moją obsesją.
02:08
I became obsessed with how it might be
47
113000
2000
Byłem zafascynowany tym jak to możliwe, że
02:10
that we're embedded in these social networks,
48
115000
2000
wszyscy jesteśmy osadzeni w tych sieciach społecznych,
02:12
and how they affect our lives.
49
117000
2000
i to w jak one wpływają na nasze życie.
02:14
So, social networks are these intricate things of beauty,
50
119000
3000
Sieci społeczne są zawiłym pięknem,
02:17
and they're so elaborate and so complex
51
122000
2000
są tak wyszukane i tak złożone
02:19
and so ubiquitous, in fact,
52
124000
2000
i tak wszechobecne, w rzeczywistości,
02:21
that one has to ask what purpose they serve.
53
126000
3000
że trzeba zapytać jakiemu celowi one służą.
02:24
Why are we embedded in social networks?
54
129000
2000
Dlaczego jesteśmy wbudowani w sieci społeczne ?
02:26
I mean, how do they form? How do they operate?
55
131000
2000
W sensie - jak one się formują ? Na jakiej zasadzie działają ?
02:28
And how do they effect us?
56
133000
2000
Jak na nas oddziałują ?
02:30
So my first topic with respect to this,
57
135000
3000
I tak oto mój pierwszy temat, w tej kwestii
02:33
was not death, but obesity.
58
138000
3000
był związany nie ze śmiercią, ale otyłością.
02:36
It had become trendy
59
141000
2000
I tak oto nagle stało się trendy
02:38
to speak about the "obesity epidemic."
60
143000
2000
opowiadanie o epidemii otyłości.
02:40
And, along with my collaborator, James Fowler,
61
145000
3000
I wraz z moim współpracownikiem, Jamesem Fowlerem
02:43
we began to wonder whether obesity really was epidemic
62
148000
3000
zaczęliśmy się zastanawiać, czy faktycznie mamy do czynienia z otyłością jako epidemią
02:46
and could it spread from person to person
63
151000
2000
i czy może się ona przenosić z osoby na osobę
02:48
like the four people I discussed earlier.
64
153000
3000
jak w przypadku cztery osób o których wspomniałem wcześniej.
02:51
So this is a slide of some of our initial results.
65
156000
3000
Tak więc to jest slajd z naszymi wstępnymi wynikami.
02:54
It's 2,200 people in the year 2000.
66
159000
3000
Jest to 2200 ludzi w roku 2000.
02:57
Every dot is a person. We make the dot size
67
162000
2000
Każdy punkt to osoba. Rozmiar kropki
02:59
proportional to people's body size;
68
164000
2000
jest proporcjonalny do wielkości ciała.
03:01
so bigger dots are bigger people.
69
166000
3000
Im większe kropki, tym więksi ludzie.
03:04
In addition, if your body size,
70
169000
2000
Tak więc, ponadto, jeśli wielkość twojego ciała,
03:06
if your BMI, your body mass index, is above 30 --
71
171000
2000
jeśli twój BMI, twój wskaźnik masy ciała wynosi ponad 30,
03:08
if you're clinically obese --
72
173000
2000
jeśli z medycznego punktu widzenia jesteś otyły/a,
03:10
we also colored the dots yellow.
73
175000
2000
pokolorowaliśmy kropki na żółto.
03:12
So, if you look at this image, right away you might be able to see
74
177000
2000
Więc, jeśli spojrzysz na ten obrazek, od razu będziesz w stanie
03:14
that there are clusters of obese and
75
179000
2000
zobaczyć klastry otyłych oraz
03:16
non-obese people in the image.
76
181000
2000
nie-otyłych ludzi na tym obrazku.
03:18
But the visual complexity is still very high.
77
183000
3000
Niemniej jednak wizualny poziom skomplikowania jest wciąż bardzo duży.
03:21
It's not obvious exactly what's going on.
78
186000
3000
Nie jest jasne o co właściwie chodzi.
03:24
In addition, some questions are immediately raised:
79
189000
2000
W dodatku, natychmiast pojawia się szereg dodatkowych pytań.
03:26
How much clustering is there?
80
191000
2000
Ile jest klastrów ?
03:28
Is there more clustering than would be due to chance alone?
81
193000
3000
Czy występuje tu więcej klastrów niż byśmy się spodziewali ?
03:31
How big are the clusters? How far do they reach?
82
196000
2000
Jak duże są te klastry ? Jak daleko sięgają ?
03:33
And, most importantly,
83
198000
2000
I, co najważniejsze,
03:35
what causes the clusters?
84
200000
2000
co jest przyczyną ich powstawania ?
03:37
So we did some mathematics to study the size of these clusters.
85
202000
3000
Więc zaprzęgliśmy matematykę do obliczenia rozmiaru tych klastrów.
03:40
This here shows, on the Y-axis,
86
205000
2000
Te wykres pokazuje, na osi Y
03:42
the increase in the probability that a person is obese
87
207000
3000
wzrost prawdopodobieństwa, że dana osoba jest otyła,
03:45
given that a social contact of theirs is obese
88
210000
2000
w momencie gdy zna kogoś otyłego.
03:47
and, on the X-axis, the degrees of separation between the two people.
89
212000
3000
I na osi X, stopień separacji pomiędzy dwójką ludzi.
03:50
On the far left, you see the purple line.
90
215000
2000
Po lewej, widzicie purpurową linię.
03:52
It says that, if your friends are obese,
91
217000
2000
Mówi ona, że jeśli twoi znajomi są otyli,
03:54
your risk of obesity is 45 percent higher.
92
219000
3000
prawdopodobieństwo tego że i ty będziesz otyły wzrasta o 45 %.
03:57
And the next bar over, the [red] line,
93
222000
2000
I następny słupek, pomarańczowa linia,
03:59
says if your friend's friends are obese,
94
224000
2000
mówi, że jeśli znajomi twoich znajomych są otyli,
04:01
your risk of obesity is 25 percent higher.
95
226000
2000
prawdopodobieństwo że i ty będziesz otyły wzrasta o 25 %.
04:03
And then the next line over says
96
228000
2000
I następna linia mówi, że
04:05
if your friend's friend's friend, someone you probably don't even know, is obese,
97
230000
3000
mówi, że jeśli znajomy znajomych twoich znajomych, ktoś kogo prawdopodobnie nawet nie znasz, jest otyły
04:08
your risk of obesity is 10 percent higher.
98
233000
3000
ryzyko tego że będziesz otyły jest o 10% wyższe.
04:11
And it's only when you get to your friend's friend's friend's friends
99
236000
3000
I dopiero gdy sięgniemy po znajomych-znajomych-znajomych-znajomych
04:14
that there's no longer a relationship
100
239000
2000
nie ma związku pomiędzy
04:16
between that person's body size and your own body size.
101
241000
3000
wielkością ciała danej osoby i twoim ciałem.
04:20
Well, what might be causing this clustering?
102
245000
3000
Tak więc, co powoduje powstawanie klastów?
04:23
There are at least three possibilities:
103
248000
2000
Są co najmniej trzy możliwości.
04:25
One possibility is that, as I gain weight,
104
250000
2000
Jedna możliwość jest taka, że mój wzrost masy
04:27
it causes you to gain weight.
105
252000
2000
powoduje twój przyrost na wadze,
04:29
A kind of induction, a kind of spread from person to person.
106
254000
3000
rodzaj indukcji, rodzaj przenoszenia z osoby na osobę.
04:32
Another possibility, very obvious, is homophily,
107
257000
2000
Inna możliwość, bardzo oczywista, to homofilia
04:34
or, birds of a feather flock together;
108
259000
2000
lub inaczej ptaki tworzące stado.
04:36
here, I form my tie to you
109
261000
2000
Tutaj, tworzę z tobą więź,
04:38
because you and I share a similar body size.
110
263000
3000
ponieważ łączy nas podobny rozmiar ciała.
04:41
And the last possibility is what is known as confounding,
111
266000
2000
I ostatnia z możliwości znana jako zakłócenie,
04:43
because it confounds our ability to figure out what's going on.
112
268000
3000
ponieważ zakłóca naszą umiejętność do rozgryzienia co się dzieje.
04:46
And here, the idea is not that my weight gain
113
271000
2000
W tym przypadku, idea nie polega na
04:48
is causing your weight gain,
114
273000
2000
wpływie mojej wagi na twoją,
04:50
nor that I preferentially form a tie with you
115
275000
2000
czy też preferencyjnym tworzeniu więzi
04:52
because you and I share the same body size,
116
277000
2000
ze względu na podobny rozmiar ciała,
04:54
but rather that we share a common exposure
117
279000
2000
ale raczej na tym że wspólnie jesteśmy wystawieni na wpływ
04:56
to something, like a health club
118
281000
3000
czegoś takiego jak np. siłownia
04:59
that makes us both lose weight at the same time.
119
284000
3000
która powoduje że oboje tracimy wagę w tym samym czasie.
05:02
When we studied these data, we found evidence for all of these things,
120
287000
3000
I kiedy przestudiowaliśmy te dane, znaleźliśmy dowody na wszystkie te rzeczy,
05:05
including for induction.
121
290000
2000
łącznie z indukcją.
05:07
And we found that if your friend becomes obese,
122
292000
2000
I odkryliśmy, że jeśli twój znajomy stanie się otyły,
05:09
it increases your risk of obesity by about 57 percent
123
294000
3000
spowoduje to wzrost ryzyka tego że i ty będziesz otyły o około 57 %
05:12
in the same given time period.
124
297000
2000
w tym samym okresie czasu.
05:14
There can be many mechanisms for this effect:
125
299000
3000
Za ten efekt może odpowiadać wiele mechanizmów.
05:17
One possibility is that your friends say to you something like --
126
302000
2000
Jedną z możliwości jest to, że twój znajomy powiedział ci coś w stylu --
05:19
you know, they adopt a behavior that spreads to you --
127
304000
3000
wiecie, oni przyjmują zachowania które rozprzestrzeniają się na Ciebie
05:22
like, they say, "Let's go have muffins and beer,"
128
307000
3000
gdy mówią, "Chodźmy na muffiny i piwo,"
05:25
which is a terrible combination. (Laughter)
129
310000
3000
co jest fatalną kombinacją,
05:28
But you adopt that combination,
130
313000
2000
ale którą ty akceptujesz,
05:30
and then you start gaining weight like them.
131
315000
3000
i zaczynasz przybierać na wadze tak jak oni.
05:33
Another more subtle possibility
132
318000
2000
Inna bardziej subtelna możliwość jest taka:
05:35
is that they start gaining weight, and it changes your ideas
133
320000
3000
kiedy oni zaczynają przybierać na wadze, zmienia się twoje wyobrażenie
05:38
of what an acceptable body size is.
134
323000
2000
akceptowalnego rozmiaru ciała.
05:40
Here, what's spreading from person to person
135
325000
2000
I tutaj to, co przenosi się z osoby na osobę
05:42
is not a behavior, but rather a norm:
136
327000
2000
jest nie zachowanie, ale raczej norma.
05:44
An idea is spreading.
137
329000
2000
Rozprzestrzenia się pogląd.
05:46
Now, headline writers
138
331000
2000
Dziennikarze mieli
05:48
had a field day with our studies.
139
333000
2000
niezły dzień opisując nasze badania.
05:50
I think the headline in The New York Times was,
140
335000
2000
Bodajże New York Times zamieścił tytuł,
05:52
"Are you packing it on?
141
337000
2000
"Przybierasz na wadze ?
05:54
Blame your fat friends." (Laughter)
142
339000
3000
To wina twoich grubych przyjaciół."
05:57
What was interesting to us is that the European headline writers
143
342000
2000
Co ciekawe tytuły europejskich gazet
05:59
had a different take: They said,
144
344000
2000
miały inne podejście, brzmiały:
06:01
"Are your friends gaining weight? Perhaps you are to blame."
145
346000
3000
"Czy twoi znajomi przybierają na wadze ? Być może to twoja wina."
06:04
(Laughter)
146
349000
5000
(Śmiech)
06:09
And we thought this was a very interesting comment on America,
147
354000
3000
Uznaliśmy to za ciekawy komentarz o Ameryce,
06:12
and a kind of self-serving,
148
357000
2000
coś w rodzaju egoistycznego,
06:14
"not my responsibility" kind of phenomenon.
149
359000
2000
fenomenu "to-nie-moja-sprawa".
06:16
Now, I want to be very clear: We do not think our work
150
361000
2000
Teraz. Chcę bardzo jasno powiedzieć, że nie uważamy
06:18
should or could justify prejudice
151
363000
2000
jakoby nasza praca mogła uzasadniać uprzedzenia
06:20
against people of one or another body size at all.
152
365000
3000
względem ludzi o takiej czy innej budowie ciała.
06:24
Our next questions was:
153
369000
2000
Następnie. Naszym następnym pytaniem było:
06:26
Could we actually visualize this spread?
154
371000
3000
Czy możemy właściwie zwizualizować to rozprzestrzenianie ?
06:29
Was weight gain in one person actually spreading
155
374000
2000
Czy przyrost wagi u jednej osoby faktycznie przekłada się
06:31
to weight gain in another person?
156
376000
2000
na przyrost wagi u kogoś innego ?
06:33
And this was complicated because
157
378000
2000
Było to dość skomplikowane ponieważ
06:35
we needed to take into account the fact that the network structure,
158
380000
3000
musieliśmy wziąć pod uwagę fakt, że struktura sieci,
06:38
the architecture of the ties, was changing across time.
159
383000
3000
architektura połączeń zmieniała się w czasie.
06:41
In addition, because obesity is not a unicentric epidemic,
160
386000
3000
I ponadto, ponieważ otyłość nie jest epidemią która ma jedno centrum,
06:44
there's not a Patient Zero of the obesity epidemic --
161
389000
3000
nie ma "pacjenta numer zero" epidemii otyłości --
06:47
if we find that guy, there was a spread of obesity out from him --
162
392000
3000
jeśli byłby taki ktoś, otyłość rozprzestrzeniała by się od niego.
06:50
it's a multicentric epidemic.
163
395000
2000
Otyłość to epidemia mająca wiele centrów.
06:52
Lots of people are doing things at the same time.
164
397000
2000
Wiele ludzi robi rzeczy w tym samym czasie.
06:54
And I'm about to show you a 30 second video animation
165
399000
3000
Za moment zaprezentuje wam 30 sekundową animację
06:57
that took me and James five years of our lives to do.
166
402000
3000
której zrobienie zajęło mnie i Jamesowi pięć lat naszego życia.
07:00
So, again, every dot is a person.
167
405000
2000
I tu ponownie, każdy punkt to osoba.
07:02
Every tie between them is a relationship.
168
407000
2000
Każde połączenie między nimi to związek.
07:04
We're going to put this into motion now,
169
409000
2000
I teraz puścimy animację w ruch,
07:06
taking daily cuts through the network for about 30 years.
170
411000
3000
biorąc dziennie ujęcia sieci przez okres około 30 lat.
07:09
The dot sizes are going to grow,
171
414000
2000
Rozmiary kropek zaczynają się powiększać.
07:11
you're going to see a sea of yellow take over.
172
416000
3000
Zobaczycie żółte morze zacznie dominować.
07:14
You're going to see people be born and die --
173
419000
2000
Zobaczycie jak ludzie rodzą się i umierają;
07:16
dots will appear and disappear --
174
421000
2000
kropki pojawiają się i znikają.
07:18
ties will form and break, marriages and divorces,
175
423000
3000
Więzi bedą się formować i urywać. Śluby i rozwody,
07:21
friendings and defriendings.
176
426000
2000
przyjaźnie i rozpady tychże,
07:23
A lot of complexity, a lot is happening
177
428000
2000
bardzo duża złożoność, wiele się dzieje
07:25
just in this 30-year period
178
430000
2000
w okresie tych trzydziestu lat,
07:27
that includes the obesity epidemic.
179
432000
2000
który zawiera epidemię otyłości.
07:29
And, by the end, you're going to see clusters
180
434000
2000
I pod koniec, zobaczycie tworzące się w sieci
07:31
of obese and non-obese individuals
181
436000
2000
klastry ludzi otyłych
07:33
within the network.
182
438000
2000
i osób o prawidłowej wadze.
07:35
Now, when looked at this,
183
440000
3000
Teraz, gdy spojrzałem na to,
07:38
it changed the way I see things,
184
443000
3000
zmieniło to sposób w jaki postrzegam świat,
07:41
because this thing, this network
185
446000
2000
ponieważ ta rzecz, ta sieć,
07:43
that's changing across time,
186
448000
2000
która zmienia się w czasie,
07:45
it has a memory, it moves,
187
450000
3000
posiada pamięć, ona się porusza,
07:48
things flow within it,
188
453000
2000
rzeczy w niej są płynne,
07:50
it has a kind of consistency --
189
455000
2000
ma pewien rodzaj spójności;
07:52
people can die, but it doesn't die;
190
457000
2000
ludzie mogą umrzeć, ale ona nie umiera;
07:54
it still persists --
191
459000
2000
wciąż trwa.
07:56
and it has a kind of resilience
192
461000
2000
Posiada pewien rodzaj odporności
07:58
that allows it to persist across time.
193
463000
2000
który umożliwia jej utrzymywać się w czasie.
08:00
And so, I came to see these kinds of social networks
194
465000
3000
I tak oto, poprzez te oznaki zacząłem
08:03
as living things,
195
468000
2000
postrzegać sieci społeczne jako żywe byty,
08:05
as living things that we could put under a kind of microscope
196
470000
3000
jako żywe byty, które możemy umieścić pod swoisty mikroskop
08:08
to study and analyze and understand.
197
473000
3000
a następnie je studiować i analizować i zrozumieć.
08:11
And we used a variety of techniques to do this.
198
476000
2000
I stosujemy do tego celu przeróżne techniki.
08:13
And we started exploring all kinds of other phenomena.
199
478000
3000
Zaczęliśmy eksplorację przeróżnych zjawisk.
08:16
We looked at smoking and drinking behavior,
200
481000
2000
Tak więc popatrzyliśmy na palenie, sposoby picia alkoholu,
08:18
and voting behavior,
201
483000
2000
głosowanie,
08:20
and divorce -- which can spread --
202
485000
2000
i rozwody, które mogą się rozprzestrzeniać,
08:22
and altruism.
203
487000
2000
i altruizm.
08:24
And, eventually, we became interested in emotions.
204
489000
3000
I w końcu zainteresowaliśmy się emocjami.
08:28
Now, when we have emotions,
205
493000
2000
Teraz. Gdy ulegamy emocjom,
08:30
we show them.
206
495000
2000
okazujemy je.
08:32
Why do we show our emotions?
207
497000
2000
Dlaczego okazujemy nasze emocje ?
08:34
I mean, there would be an advantage to experiencing
208
499000
2000
Chodzi mi o to,że korzystne byłyby przeżywanie
08:36
our emotions inside, you know, anger or happiness.
209
501000
3000
emocji wewnątrz, wiecie, gniew lub szczęście,
08:39
But we don't just experience them, we show them.
210
504000
2000
ale my nie tylko je przeżywamy, my je okazujemy.
08:41
And not only do we show them, but others can read them.
211
506000
3000
I nie tylko je okazujemy, ale również inni potrafią je odczytać.
08:44
And, not only can they read them, but they copy them.
212
509000
2000
I nie tylko potrafią je odczytać, ale oni je kopiują.
08:46
There's emotional contagion
213
511000
2000
U ludzi występuje
08:48
that takes place in human populations.
214
513000
3000
emocjonalne zarażanie.
08:51
And so this function of emotions
215
516000
2000
Tak więc, to funkcjonowanie emocji
08:53
suggests that, in addition to any other purpose they serve,
216
518000
2000
sugeruje, że oprócz innych celów, którym służą,
08:55
they're a kind of primitive form of communication.
217
520000
3000
są pewnego rodzaju prymitywną formą komunikacji.
08:58
And that, in fact, if we really want to understand human emotions,
218
523000
3000
I tak na dobrą sprawę, jeśli na prawdę chcemy zrozumieć ludzkie emocje,
09:01
we need to think about them in this way.
219
526000
2000
musimy pomyśleć o nich w ten właśnie sposób.
09:03
Now, we're accustomed to thinking about emotions in this way,
220
528000
3000
Popatrzmy. Jesteśmy przyzwyczajeni do myślenia o emocjach w ten sposób,
09:06
in simple, sort of, brief periods of time.
221
531000
3000
w uproszczeniu, w krótkich okresach czasu.
09:09
So, for example,
222
534000
2000
Tak jak na przykład,
09:11
I was giving this talk recently in New York City,
223
536000
2000
Niedawno w Nowym Jorku gdy dawałem tą prelekcję
09:13
and I said, "You know when you're on the subway
224
538000
2000
powiedziałem, "Wiecie, to tak jak gdy jesteś w metrze,
09:15
and the other person across the subway car
225
540000
2000
i inna osoba w tym samym wagonie
09:17
smiles at you,
226
542000
2000
uśmiecha się do ciebie,
09:19
and you just instinctively smile back?"
227
544000
2000
i ty, instynktownie odpowiadasz uśmiechem."
09:21
And they looked at me and said, "We don't do that in New York City." (Laughter)
228
546000
3000
I popatrzyli na mnie i powiedzieli: "My tego w Nowym Jorku nie robimy."
09:24
And I said, "Everywhere else in the world,
229
549000
2000
Odpowiedziałem, "Wszędzie indziej na Świecie,
09:26
that's normal human behavior."
230
551000
2000
jest to normalne ludzkie zachowanie."
09:28
And so there's a very instinctive way
231
553000
2000
A więc jest bardzo instynktowny sposób
09:30
in which we briefly transmit emotions to each other.
232
555000
3000
w jaki przekazujemy sobie emocje.
09:33
And, in fact, emotional contagion can be broader still.
233
558000
3000
I w rzeczywistości, emocjonalne zarażenie może być jeszcze szersze
09:36
Like we could have punctuated expressions of anger,
234
561000
3000
tak jak złość dominuje
09:39
as in riots.
235
564000
2000
w zamieszkach.
09:41
The question that we wanted to ask was:
236
566000
2000
Pytanie jakie chcieliśmy zadać to:
09:43
Could emotion spread,
237
568000
2000
Czy emocje mogą się rozprzestrzeniać w czasie
09:45
in a more sustained way than riots, across time
238
570000
3000
w sposób bardziej zrównoważony niż zamieszki
09:48
and involve large numbers of people,
239
573000
2000
a zarazem angażować dużą ilość ludzi,
09:50
not just this pair of individuals smiling at each other in the subway car?
240
575000
3000
a nie tylko parę osobników uśmiechających się do siebie w metrze.
09:53
Maybe there's a kind of below the surface, quiet riot
241
578000
3000
Może jest w nas pewien cichy bunt
09:56
that animates us all the time.
242
581000
2000
który nami cały czas steruje.
09:58
Maybe there are emotional stampedes
243
583000
2000
Może istnieją emocjonalne sygnatury
10:00
that ripple through social networks.
244
585000
2000
które roznoszą się w sieciach społecznych.
10:02
Maybe, in fact, emotions have a collective existence,
245
587000
3000
A może, emocje istnieją zbiorowo
10:05
not just an individual existence.
246
590000
2000
a nie tylko indywidualnie ?
10:07
And this is one of the first images we made to study this phenomenon.
247
592000
3000
I to jest jeden z pierwszych obrazków jaki stworzyliśmy do analizowania tego fenomenu.
10:10
Again, a social network,
248
595000
2000
Znowu, sieć społeczna,
10:12
but now we color the people yellow if they're happy
249
597000
3000
ale tym kolor żółty oznacza szczęście
10:15
and blue if they're sad and green in between.
250
600000
3000
niebieski smutek i zielony stan pomiędzy.
10:18
And if you look at this image, you can right away see
251
603000
2000
Jeśli przyglądniecie się temu obrazkowi, momentalnie ujrzycie
10:20
clusters of happy and unhappy people,
252
605000
2000
klastry szczęśliwych i nieszczęsliwych ludzi,
10:22
again, spreading to three degrees of separation.
253
607000
2000
rozprzestrzeniających się w trzech stopniach separacji.
10:24
And you might form the intuition
254
609000
2000
I intuicja może wam podpowiadać
10:26
that the unhappy people
255
611000
2000
że nieszczęśliwi ludzie
10:28
occupy a different structural location within the network.
256
613000
3000
stanowią odrębne struktury w sieci.
10:31
There's a middle and an edge to this network,
257
616000
2000
Jak widać jest środek i krawędź tej sieci,
10:33
and the unhappy people seem to be
258
618000
2000
i wygląda na to że nieszczęśliwi
10:35
located at the edges.
259
620000
2000
są ulokowani przy krańcach.
10:37
So to invoke another metaphor,
260
622000
2000
Gdyby przywołać kolejną metaforę,
10:39
if you imagine social networks as a kind of
261
624000
2000
jeśli wyobrazicie sobie sieć społeczną jako
10:41
vast fabric of humanity --
262
626000
2000
nieskończony materiał utkany z ludzkości --
10:43
I'm connected to you and you to her, on out endlessly into the distance --
263
628000
3000
Ja jestem połączony z tobą, ty do niej, i tak w nieskończoność --
10:46
this fabric is actually like
264
631000
2000
to ta tkanina byłaby jak
10:48
an old-fashioned American quilt,
265
633000
2000
stara amerykańska kołdra
10:50
and it has patches on it: happy and unhappy patches.
266
635000
3000
która ma na sobie łaty szczęścia i nieszczęścia.
10:53
And whether you become happy or not
267
638000
2000
I to czy będziesz szczęśliwy czy nie
10:55
depends in part on whether you occupy a happy patch.
268
640000
3000
zależy po części od tego na której łacie się znajdziesz.
10:58
(Laughter)
269
643000
2000
(Śmiech)
11:00
So, this work with emotions,
270
645000
3000
Więc tak to działa jeśli chodzi o emocje,
11:03
which are so fundamental,
271
648000
2000
które są tak fundamentalne,
11:05
then got us to thinking about: Maybe
272
650000
2000
i to dało nam to do myślenia, że może
11:07
the fundamental causes of human social networks
273
652000
2000
fundamentalne przyczyny ludzkich sieci społecznych
11:09
are somehow encoded in our genes.
274
654000
2000
są w jakiś sposób zakodowane w naszych genach
11:11
Because human social networks, whenever they are mapped,
275
656000
3000
Ponieważ ludzkie sieci społeczne, jakkolwiek były by przedstawione,
11:14
always kind of look like this:
276
659000
2000
zawsze wyglądają mniej więcej tak,
11:16
the picture of the network.
277
661000
2000
wizerunek sieci,
11:18
But they never look like this.
278
663000
2000
ale nigdy nie wyglądają w ten sposób.
11:20
Why do they not look like this?
279
665000
2000
Dlaczego tak nie wyglądają ?
11:22
Why don't we form human social networks
280
667000
2000
Dlaczego nie formujemy sieci społecznych
11:24
that look like a regular lattice?
281
669000
2000
które wyglądają jak regularna siatka ?
11:26
Well, the striking patterns of human social networks,
282
671000
3000
Cóż, uderzające prawidłowości sieci społecznych,
11:29
their ubiquity and their apparent purpose
283
674000
3000
ich wszechobecność, oraz ich cel
11:32
beg questions about whether we evolved to have
284
677000
2000
zmuszają do pytań czy my po to ewoluowaliśmy
11:34
human social networks in the first place,
285
679000
2000
aby osiągnąć sieci społeczne
11:36
and whether we evolved to form networks
286
681000
2000
i czy też poprzez ewolucje formujemy sieci
11:38
with a particular structure.
287
683000
2000
o konkretnej strukturze.
11:40
And notice first of all -- so, to understand this, though,
288
685000
2000
I zauważcie że... I tak, aby to zrozumieć,
11:42
we need to dissect network structure a little bit first --
289
687000
3000
musimy najpierw dokładniej przyjrzeć się strukturom sieci.
11:45
and notice that every person in this network
290
690000
2000
Zauważcie, że każda osoba w tej sieci
11:47
has exactly the same structural location as every other person.
291
692000
3000
ma dokładnie takie same położenie jak każdy inny.
11:50
But that's not the case with real networks.
292
695000
3000
Ale to nie dotyczy prawdziwych sieci.
11:53
So, for example, here is a real network of college students
293
698000
2000
I tak, na przykład, tutaj jest sieć społeczna studentów koledżu
11:55
at an elite northeastern university.
294
700000
3000
elitarnego północno-wschodniego uniwersytetu.
11:58
And now I'm highlighting a few dots.
295
703000
2000
Teraz podświetlę kilka kropek,
12:00
If you look here at the dots,
296
705000
2000
i gdy spojrzycie na kropki
12:02
compare node B in the upper left
297
707000
2000
porównajcie wierzchołek B, na górze po lewej
12:04
to node D in the far right;
298
709000
2000
z wierzchołkiem D po prawej.
12:06
B has four friends coming out from him
299
711000
2000
B ma czterech przyjaciół odchodzących od niego.
12:08
and D has six friends coming out from him.
300
713000
3000
D ma sześcioro.
12:11
And so, those two individuals have different numbers of friends.
301
716000
3000
I tak, ta dwójka ma różną liczbę przyjaciół --
12:14
That's very obvious, we all know that.
302
719000
2000
to jest oczywiste, wszyscy to wiemy.
12:16
But certain other aspects
303
721000
2000
Ale pewne aspekty
12:18
of social network structure are not so obvious.
304
723000
2000
struktury sieci społecznych nie są tak oczywiste.
12:20
Compare node B in the upper left to node A in the lower left.
305
725000
3000
Porównajcie wierzchołek B do wierzchołka A, na dole po lewej.
12:23
Now, those people both have four friends,
306
728000
3000
Oboje mają czwórkę znajomych,
12:26
but A's friends all know each other,
307
731000
2000
ale znajomi A znają się wzajemnie,
12:28
and B's friends do not.
308
733000
2000
a znajomi B nie.
12:30
So the friend of a friend of A's
309
735000
2000
Więc przyjaciel, przyjaciela A,
12:32
is, back again, a friend of A's,
310
737000
2000
jest przyjacielem A,
12:34
whereas the friend of a friend of B's is not a friend of B's,
311
739000
2000
w momencie gdy przyjaciel przyjaciela B, nie jest znajomym B,
12:36
but is farther away in the network.
312
741000
2000
jest dalej w sieci.
12:38
This is known as transitivity in networks.
313
743000
3000
Znane jest to jako przechodniość w sieci.
12:41
And, finally, compare nodes C and D:
314
746000
2000
I w końcu porównajcie wierzchołek C z D.
12:43
C and D both have six friends.
315
748000
3000
Zarówno C jak i D mają sześcioro znajomych.
12:46
If you talk to them, and you said, "What is your social life like?"
316
751000
3000
Gdybyście z nimi porozmawiali i spytali: "Jak wygląda wasze życie społeczne?"
12:49
they would say, "I've got six friends.
317
754000
2000
odpowiedzieli by: "Mam sześcioro przyjaciół.
12:51
That's my social experience."
318
756000
2000
Takie mam doświadczenie społeczne."
12:53
But now we, with a bird's eye view looking at this network,
319
758000
3000
Ale teraz my, patrząc z lotu ptaka na tą sieć
12:56
can see that they occupy very different social worlds.
320
761000
3000
możemy zobaczyć że okupują oni zupełnie różne światy społeczne
12:59
And I can cultivate that intuition in you by just asking you:
321
764000
2000
i mogę podszkolić waszą intuicję poprzez zadanie pytania:
13:01
Who would you rather be
322
766000
2000
Kim wolałbyś być
13:03
if a deadly germ was spreading through the network?
323
768000
2000
gdyby śmiertelne zarazki zaczęły rozprzestrzeniać się w tej sieci?
13:05
Would you rather be C or D?
324
770000
3000
Wolelibyście być raczej C czy D ?
13:08
You'd rather be D, on the edge of the network.
325
773000
2000
Wolelibyście być D, na skraju sieci.
13:10
And now who would you rather be
326
775000
2000
A teraz, kim wolelibyście być
13:12
if a juicy piece of gossip -- not about you --
327
777000
3000
gdyby soczysta plotka, nie o was
13:15
was spreading through the network? (Laughter)
328
780000
2000
zaczęła krążyć w tej sieci ?
13:17
Now, you would rather be C.
329
782000
2000
Teraz wolelibyście być raczej C.
13:19
So different structural locations
330
784000
2000
Tak więc różne położenia w strukturze
13:21
have different implications for your life.
331
786000
2000
mają różne konsekwencje w życiu.
13:23
And, in fact, when we did some experiments looking at this,
332
788000
3000
I gdy zrobiliśmy kilka eksperymentów w tej kwestii
13:26
what we found is that 46 percent of the variation
333
791000
3000
odkryliśmy, że 46 procent zmian
13:29
in how many friends you have
334
794000
2000
w liczbie znajomych
13:31
is explained by your genes.
335
796000
2000
jest wytłumaczalne poprzez geny.
13:33
And this is not surprising. We know that some people are born shy
336
798000
3000
I nie jest to zaskakujące. Wiemy, że niektórzy ludzie rodzą się nieśmiali,
13:36
and some are born gregarious. That's obvious.
337
801000
3000
inni rodzą się towarzyscy. To oczywiste.
13:39
But we also found some non-obvious things.
338
804000
2000
Ale odkryliśmy również parę już nie-tak-oczywistych rzeczy.
13:41
For instance, 47 percent in the variation
339
806000
3000
Na przykład, 47 procent zmian
13:44
in whether your friends know each other
340
809000
2000
w tym czy wasi znajomi znają się wzajemnie
13:46
is attributable to your genes.
341
811000
2000
jest przypisane waszym genom.
13:48
Whether your friends know each other
342
813000
2000
To czy wasi znajomi się znają wzajemnie
13:50
has not just to do with their genes, but with yours.
343
815000
3000
ma do czynienia nie tylko z ich genami, ale także waszymi.
13:53
And we think the reason for this is that some people
344
818000
2000
I uważamy że powodem tego jest fakt, że niektórzy
13:55
like to introduce their friends to each other -- you know who you are --
345
820000
3000
lubią zapoznawać swoich znajomych wzajemnie, kto kim jest
13:58
and others of you keep them apart and don't introduce your friends to each other.
346
823000
3000
a inni trzymają znajomych osobno i nie przedstawiają znajomych innym znajomym.
14:01
And so some people knit together the networks around them,
347
826000
3000
I w ten oto sposób niektórzy ludzie spajają wokół siebie sieci,
14:04
creating a kind of dense web of ties
348
829000
2000
tworząc pewien rodzaj gęstej więzi
14:06
in which they're comfortably embedded.
349
831000
2000
w której są komfortowo osadzeni.
14:08
And finally, we even found that
350
833000
2000
I w końcu, odkryliśmy nawet że
14:10
30 percent of the variation
351
835000
2000
30 procent zmian
14:12
in whether or not people are in the middle or on the edge of the network
352
837000
3000
tego że ludzie są w środku lub na krawędziach sieci
14:15
can also be attributed to their genes.
353
840000
2000
również może byś przypisane ich genom.
14:17
So whether you find yourself in the middle or on the edge
354
842000
2000
Więc to czy znajdujesz się w środku czy też na krawędzi,
14:19
is also partially heritable.
355
844000
3000
jest również częściowo odziedziczone.
14:22
Now, what is the point of this?
356
847000
3000
Ale jaki jest sens tego wszystkiego ?
14:25
How does this help us understand?
357
850000
2000
W jaki sposób pomaga na to w zrozumieniu ?
14:27
How does this help us
358
852000
2000
Jak nam to pomaga
14:29
figure out some of the problems that are affecting us these days?
359
854000
3000
w rozgryzieniu problemów z którymi borykamy się w dzisiejszych czasach ?
14:33
Well, the argument I'd like to make is that networks have value.
360
858000
3000
Cóż, teoria którą chciałbym zaproponować jest taka, że sieci mają wartość.
14:36
They are a kind of social capital.
361
861000
3000
Są one rodzajem kapitału społecznego.
14:39
New properties emerge
362
864000
2000
Pojawiają się nowe właściwości
14:41
because of our embeddedness in social networks,
363
866000
2000
z powodu naszego powiązania w sieciach społecznych,
14:43
and these properties inhere
364
868000
3000
i te właściwości tutaj
14:46
in the structure of the networks,
365
871000
2000
są w strukturze sieci
14:48
not just in the individuals within them.
366
873000
2000
nie tylko w osobnikach zawartych w niej.
14:50
So think about these two common objects.
367
875000
2000
Pomyślcie a tych dwóch obiektach.
14:52
They're both made of carbon,
368
877000
2000
Oba są zbudowane z węgla,
14:54
and yet one of them has carbon atoms in it
369
879000
3000
a mimo to jeden z nich ma atomy węgla
14:57
that are arranged in one particular way -- on the left --
370
882000
3000
ułożone w pewien szczególny sposób, po lewej,
15:00
and you get graphite, which is soft and dark.
371
885000
3000
tak że otrzymujemy grafit, który jest miękki i ciemny.
15:03
But if you take the same carbon atoms
372
888000
2000
Ale gdy weźmiemy te same atomy węgla
15:05
and interconnect them a different way,
373
890000
2000
i połączymy je w inny sposób,
15:07
you get diamond, which is clear and hard.
374
892000
3000
otrzymamy diament, który jest przezroczysty i twardy.
15:10
And those properties of softness and hardness and darkness and clearness
375
895000
3000
I te własności miękkości i twardości i ciemności i przezroczystości
15:13
do not reside in the carbon atoms;
376
898000
2000
nie są zawarte w atomach węgla.
15:15
they reside in the interconnections between the carbon atoms,
377
900000
3000
Są zawarte w połączeniach pomiędzy tymi atomami
15:18
or at least arise because of the
378
903000
2000
lub co najmniej powstają ze względu
15:20
interconnections between the carbon atoms.
379
905000
2000
na połączenia pomiędzy atomami węgla.
15:22
So, similarly, the pattern of connections among people
380
907000
3000
I podobnie wygląd połączeń między ludźmi
15:25
confers upon the groups of people
381
910000
3000
przyznaje grupom ludzi
15:28
different properties.
382
913000
2000
różne własności
15:30
It is the ties between people
383
915000
2000
To te właśnie więzi między ludźmi
15:32
that makes the whole greater than the sum of its parts.
384
917000
3000
powodują że całość to więcej niż suma jej składników.
15:35
And so it is not just what's happening to these people --
385
920000
3000
A zatem nie tylko to co się dzieje z tymi ludźmi,
15:38
whether they're losing weight or gaining weight, or becoming rich or becoming poor,
386
923000
3000
czy tracą na wadze czy też na niej przybierają, lub stają się bogatsi czy biedniejsi
15:41
or becoming happy or not becoming happy -- that affects us;
387
926000
3000
szczęśliwsi lub mniej szczęśliwi, na nas wpływa.
15:44
it's also the actual architecture
388
929000
2000
Ale również architektura
15:46
of the ties around us.
389
931000
2000
połączeń między nami.
15:48
Our experience of the world
390
933000
2000
Nasze doświadczenie świata
15:50
depends on the actual structure
391
935000
2000
zależy od konkretnej struktury
15:52
of the networks in which we're residing
392
937000
2000
sieci w której przebywamy
15:54
and on all the kinds of things that ripple and flow
393
939000
3000
oraz różnego rodzaju rzeczy które pływają i roznoszą się
15:57
through the network.
394
942000
2000
poprzez sieć.
16:00
Now, the reason, I think, that this is the case
395
945000
3000
Powód dla którego uważam że tak właśnie jest
16:03
is that human beings assemble themselves
396
948000
2000
jest fakt że istoty ludzkie gromadzą się
16:05
and form a kind of superorganism.
397
950000
3000
i formują pewnego rodzaju super-organizm.
16:09
Now, a superorganism is a collection of individuals
398
954000
3000
Ten super-organizm jest czymś w rodzaju zbioru jednostek
16:12
which show or evince behaviors or phenomena
399
957000
3000
które ukazują lub okazują zachowania lub fenomeny
16:15
that are not reducible to the study of individuals
400
960000
3000
których nie da się zredukować do opisu na poziomie jednostki
16:18
and that must be understood by reference to,
401
963000
2000
i muszą być rozumiane w odniesieniu do,
16:20
and by studying, the collective.
402
965000
2000
i poprzez studiowanie kolektywu,
16:22
Like, for example, a hive of bees
403
967000
3000
tak jak, na przykład, rój pszczół
16:25
that's finding a new nesting site,
404
970000
3000
który znajduje nowe miejsce pod gniazdo,
16:28
or a flock of birds that's evading a predator,
405
973000
2000
lub stado ptaków które unika drapieżnika,
16:30
or a flock of birds that's able to pool its wisdom
406
975000
3000
lub stado ptaków które jest w stanie połączyć swą mądrość
16:33
and navigate and find a tiny speck
407
978000
2000
i nawigować tak aby znaleźć maleńką plamkę
16:35
of an island in the middle of the Pacific,
408
980000
2000
wyspy w środku Pacyfiku,
16:37
or a pack of wolves that's able
409
982000
2000
lub stado wilków, które jest w stanie
16:39
to bring down larger prey.
410
984000
3000
upolować większą zdobycz.
16:42
Superorganisms have properties
411
987000
2000
Super-organizm ma własności
16:44
that cannot be understood just by studying the individuals.
412
989000
3000
które nie mogą być zrozumiane poprzez analizę jednostek.
16:47
I think understanding social networks
413
992000
2000
Uważam, że zrozumienie sieci społecznych
16:49
and how they form and operate
414
994000
2000
i sposób w jaki się formują i działają,
16:51
can help us understand not just health and emotions
415
996000
3000
pomoże nam zrozumieć nie tylko zdrowie i emocje,
16:54
but all kinds of other phenomena --
416
999000
2000
ale wszelkiego rodzaju fenomeny
16:56
like crime, and warfare,
417
1001000
2000
takie jak przestępczość i wojny
16:58
and economic phenomena like bank runs
418
1003000
2000
i zjawisk gospodarczych, takich jak działania banków
17:00
and market crashes
419
1005000
2000
i załamania rynków.
17:02
and the adoption of innovation
420
1007000
2000
i wprowadzanie innowacyjności
17:04
and the spread of product adoption.
421
1009000
2000
i rozprzestrzenianiu się adaptacji produktu.
17:06
Now, look at this.
422
1011000
2000
Teraz, popatrzcie na to.
17:09
I think we form social networks
423
1014000
2000
Myślę, że formujemy sieci społeczne
17:11
because the benefits of a connected life
424
1016000
2000
ponieważ korzyści związane z połączonego życia
17:13
outweigh the costs.
425
1018000
3000
przerastają koszty.
17:16
If I was always violent towards you
426
1021000
2000
Gdybym zawsze używał przemocy w stosunku do ciebie
17:18
or gave you misinformation
427
1023000
2000
lub dezinformował cię,
17:20
or made you sad or infected you with deadly germs,
428
1025000
3000
lub zasmucał, lub zainfekował cie ze śmiercionośnym wirusem,
17:23
you would cut the ties to me,
429
1028000
2000
odciąłbyś się ode mnie,
17:25
and the network would disintegrate.
430
1030000
2000
i sieć by się rozpadła.
17:27
So the spread of good and valuable things
431
1032000
3000
Tak więc, rozprzestrzenianie rzeczy dobrych i wartościowych
17:30
is required to sustain and nourish social networks.
432
1035000
3000
jest wymagane do podtrzymania i pielęgnacji sieci społecznych.
17:34
Similarly, social networks are required
433
1039000
2000
Podobnie, sieci społeczne są wymagane
17:36
for the spread of good and valuable things,
434
1041000
3000
do rozprzestrzeniania rzeczy dobrych i wartościowych
17:39
like love and kindness
435
1044000
2000
takich jak miłość i życzliwość
17:41
and happiness and altruism
436
1046000
2000
i szczęście i altruizm
17:43
and ideas.
437
1048000
2000
i idee.
17:45
I think, in fact, that if we realized
438
1050000
2000
Uważam, że gdybyśmy byli świadomi tego
17:47
how valuable social networks are,
439
1052000
2000
jak cenne są sieci społeczne,
17:49
we'd spend a lot more time nourishing them and sustaining them,
440
1054000
3000
poświęcalibyśmy dużo więcej czasu na ich pielęgnacje i ich utrzymanie
17:52
because I think social networks
441
1057000
2000
ponieważ, uważam, że sieci społeczne
17:54
are fundamentally related to goodness.
442
1059000
3000
są fundamentalnie połączone z dobrocią,
17:57
And what I think the world needs now
443
1062000
2000
a to czego moim zdaniem potrzebuje teraz świat,
17:59
is more connections.
444
1064000
2000
to więcej połączeń.
18:01
Thank you.
445
1066000
2000
Dziękuję.
18:03
(Applause)
446
1068000
3000
(Oklaski)
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