ABOUT THE SPEAKER
Geoffrey West - Theorist
Physicist Geoffrey West believes that complex systems from organisms to cities are in many ways governed by simple laws -- laws that can be discovered and analyzed.

Why you should listen

Trained as a theoretical physicist, Geoffrey West has turned his analytical mind toward the inner workings of more concrete things, like ... animals. In a paper for Science in 1997, he and his team uncovered what he sees as a surprisingly universal law of biology — the way in which heart rate, size and energy consumption are related, consistently, across most living animals. (Though not all animals: “There are always going to be people who say, ‘What about the crayfish?’ " he says. “Well, what about it? Every fundamental law has exceptions. But you still need the law or else all you have is observations that don’t make sense.")

A past president of the multidisciplinary Santa Fe Institute (after decades working  in high-energy physics at Los Alamos and Stanford), West now studies the behavior and development of cities. In his newest work, he proposes that one simple number, population, can predict a stunning array of details about any city, from crime rate to economic activity. It's all about the plumbing, he says, the infrastructure that powers growth or dysfunction. His next target for study: corporations.

He says: "Focusing on the differences [between cities] misses the point. Sure, there are differences, but different from what? We’ve found the what."

More profile about the speaker
Geoffrey West | Speaker | TED.com
TEDGlobal 2011

Geoffrey West: The surprising math of cities and corporations

Geoffrey West: A matemática surpreendente de cidades e corporações

Filmed:
1,583,030 views

O físico Geoffrey West descobriu que simples leis matemáticas governam as propriedades das cidades - que a riqueza, a taxa de criminalidade, a mobilidade e muitos outros aspectos de uma cidade podem ser deduzidos a partir de um único número: a população da cidade. Nesta palestra alucinante no TEDGlobal ele mostra como isso funciona e como leis similares podem ser aplicadas a organismos e corporações.
- Theorist
Physicist Geoffrey West believes that complex systems from organisms to cities are in many ways governed by simple laws -- laws that can be discovered and analyzed. Full bio

Double-click the English transcript below to play the video.

00:16
Cities are the crucible of civilization.
0
1000
3000
As cidades são o crisol da civilização.
00:19
They have been expanding,
1
4000
2000
Elas vêm se expandindo,
00:21
urbanization has been expanding,
2
6000
2000
a urbanização está se expandindo,
00:23
at an exponential rate in the last 200 years
3
8000
2000
a uma taxa exponencial nos últimos 200 anos,
00:25
so that by the second part of this century,
4
10000
3000
de tal modo que na metade deste século,
00:28
the planet will be completely dominated
5
13000
2000
o planeta estará completamente dominado
00:30
by cities.
6
15000
3000
por cidades.
00:33
Cities are the origins of global warming,
7
18000
3000
As cidades são a origem do aquecimento global,
00:36
impact on the environment,
8
21000
2000
do impacto no meio ambiente,
00:38
health, pollution, disease,
9
23000
3000
saúde, poluição, doenças,
00:41
finance,
10
26000
2000
finanças,
00:43
economies, energy --
11
28000
3000
economias, energia --
00:46
they're all problems
12
31000
2000
são todos problemas
00:48
that are confronted by having cities.
13
33000
2000
com os quais nos confrontamos por existirem as cidades.
00:50
That's where all these problems come from.
14
35000
2000
É de onde vêm estes problemas todos.
00:52
And the tsunami of problems that we feel we're facing
15
37000
3000
E o tsunami de problemas que estamos enfrentando
00:55
in terms of sustainability questions
16
40000
2000
em relação às questões de sustentabilidade,
00:57
are actually a reflection
17
42000
2000
são na verdade um reflexo
00:59
of the exponential increase
18
44000
2000
do crescimento exponencial
01:01
in urbanization across the planet.
19
46000
3000
da urbanização por todo o planeta.
01:04
Here's some numbers.
20
49000
2000
Tenho aqui alguns números.
01:06
Two hundred years ago, the United States
21
51000
2000
Há 200 anos, os Estados Unidos
01:08
was less than a few percent urbanized.
22
53000
2000
tinham menos de 4% de urbanização.
01:10
It's now more than 82 percent.
23
55000
2000
Agora esse número chega a mais de 82%.
01:12
The planet has crossed the halfway mark a few years ago.
24
57000
3000
O planeta ultrapassou a marca de 50% alguns anos atrás.
01:15
China's building 300 new cities
25
60000
2000
A China vai construir 300 novas cidades
01:17
in the next 20 years.
26
62000
2000
nos próximos 20 anos.
01:19
Now listen to this:
27
64000
2000
Agora ouçam isto:
01:21
Every week for the foreseeable future,
28
66000
3000
Toda semana num futuro previsível,
01:24
until 2050,
29
69000
2000
até 2050,
01:26
every week more than a million people
30
71000
2000
toda semana mais de um milhão de pessoas
01:28
are being added to our cities.
31
73000
2000
somam-se às nossas cidades.
01:30
This is going to affect everything.
32
75000
2000
Isto vai afetar tudo.
01:32
Everybody in this room, if you stay alive,
33
77000
2000
Todas as pessoas nesta sala, se estiverem vivas,
01:34
is going to be affected
34
79000
2000
serão afetadas
01:36
by what's happening in cities
35
81000
2000
pelo que está acontecendo nas cidades
01:38
in this extraordinary phenomenon.
36
83000
2000
neste extraordinário fenômeno.
01:40
However, cities,
37
85000
3000
Contudo, as cidades,
01:43
despite having this negative aspect to them,
38
88000
3000
apesar de terem este aspecto negativo associado a elas,
01:46
are also the solution.
39
91000
2000
também são a solução.
01:48
Because cities are the vacuum cleaners and the magnets
40
93000
4000
Porque as cidades são os aspiradores e os imãs
01:52
that have sucked up creative people,
41
97000
2000
que têm atraído as pessoas criativas,
01:54
creating ideas, innovation,
42
99000
2000
criando idéias, inovando,
01:56
wealth and so on.
43
101000
2000
gerando riquezas, etc...
01:58
So we have this kind of dual nature.
44
103000
2000
Temos esta espécie de dualidade natural.
02:00
And so there's an urgent need
45
105000
3000
E há uma necessidade urgente
02:03
for a scientific theory of cities.
46
108000
4000
de desenvolver uma teoria científica das cidades.
02:07
Now these are my comrades in arms.
47
112000
3000
Estes são os meus companheiros de luta.
02:10
This work has been done with an extraordinary group of people,
48
115000
2000
Este trabalho tem sido feito com um grupo extraordinário de pessoas,
02:12
and they've done all the work,
49
117000
2000
eles fazem todo o trabalho,
02:14
and I'm the great bullshitter
50
119000
2000
e eu sou o que conta as besteiras
02:16
that tries to bring it all together.
51
121000
2000
e tenta juntar isso tudo.
02:18
(Laughter)
52
123000
2000
(Risos)
02:20
So here's the problem: This is what we all want.
53
125000
2000
E aqui está o problema: isto é o que todos queremos.
02:22
The 10 billion people on the planet in 2050
54
127000
3000
Os 10 bilhões de pessoas no planeta em 2050
02:25
want to live in places like this,
55
130000
2000
querem viver em lugares como este,
02:27
having things like this,
56
132000
2000
ter coisas como estas,
02:29
doing things like this,
57
134000
2000
fazer coisas como estas,
02:31
with economies that are growing like this,
58
136000
3000
com economias que crescem assim,
02:34
not realizing that entropy
59
139000
2000
não percebendo que a entropia
02:36
produces things like this,
60
141000
2000
produz coisas como isto,
02:38
this, this
61
143000
4000
isto, isto
02:42
and this.
62
147000
2000
e isto.
02:44
And the question is:
63
149000
2000
E a questão é:
02:46
Is that what Edinburgh and London and New York
64
151000
2000
É assim que Edimburgo, Londres e Nova York
02:48
are going to look like in 2050,
65
153000
2000
serão em 2050,
02:50
or is it going to be this?
66
155000
2000
ou então serão assim?
02:52
That's the question.
67
157000
2000
Esta é a questão.
02:54
I must say, many of the indicators
68
159000
2000
Devo dizer que, muitos dos indicadores
02:56
look like this is what it's going to look like,
69
161000
3000
mostram que será assim,
02:59
but let's talk about it.
70
164000
3000
mas falemos sobre isto.
03:02
So my provocative statement
71
167000
3000
Então, a minha provocadora afirmação
03:05
is that we desperately need a serious scientific theory of cities.
72
170000
3000
é que nós precisamos desesperadamente de uma teoria científica séria das cidades.
03:08
And scientific theory means quantifiable --
73
173000
3000
E por teoria científica quero dizer quantificável --
03:11
relying on underlying generic principles
74
176000
3000
baseada em princípios genéricos subjacentes
03:14
that can be made into a predictive framework.
75
179000
2000
que pode ser realizada num quadro preditivo.
03:16
That's the quest.
76
181000
2000
É o que busco.
03:18
Is that conceivable?
77
183000
2000
É concebível?
03:20
Are there universal laws?
78
185000
2000
Haverá leis universais?
03:22
So here's two questions
79
187000
2000
Há duas questões
03:24
that I have in my head when I think about this problem.
80
189000
2000
que me vêm à cabeça quando penso neste problema.
03:26
The first is:
81
191000
2000
A primeira é:
03:28
Are cities part of biology?
82
193000
2000
As cidades são parte da Biologia?
03:30
Is London a great big whale?
83
195000
2000
Será Londres uma baleia enorme?
03:32
Is Edinburgh a horse?
84
197000
2000
Será Edimburgo um cavalo?
03:34
Is Microsoft a great big anthill?
85
199000
2000
Será a Microsoft um grande formigueiro?
03:36
What do we learn from that?
86
201000
2000
O que aprendemos com isto?
03:38
We use them metaphorically --
87
203000
2000
Nós as usamos metaforicamente --
03:40
the DNA of a company, the metabolism of a city, and so on --
88
205000
2000
o DNA de uma companhia, o metabolismo de uma cidade, e daí por diante --
03:42
is that just bullshit, metaphorical bullshit,
89
207000
3000
são apenas besteiras, besteiras metafóricas,
03:45
or is there serious substance to it?
90
210000
3000
ou há algum argumento sério nisso?
03:48
And if that is the case,
91
213000
2000
E se é o caso,
03:50
how come that it's very hard to kill a city?
92
215000
2000
por que é tão difícil matar uma cidade?
03:52
You could drop an atom bomb on a city,
93
217000
2000
Vocês poderiam jogar uma bomba atômica numa cidade,
03:54
and 30 years later it's surviving.
94
219000
2000
e 30 anos depois ela estaria sobrevivendo.
03:56
Very few cities fail.
95
221000
3000
Muito poucas cidades desaparecem.
03:59
All companies die, all companies.
96
224000
3000
Todas as empresas morrem, todas as empresas.
04:02
And if you have a serious theory, you should be able to predict
97
227000
2000
E se vocês têm uma teoria séria, vocês devem ser capazes de predizer
04:04
when Google is going to go bust.
98
229000
3000
quando a Google vai falir.
04:07
So is that just another version
99
232000
3000
Então isso é apenas uma outra versão
04:10
of this?
100
235000
2000
disto?
04:12
Well we understand this very well.
101
237000
2000
Nós compreendemos isto muito bem.
04:14
That is, you ask any generic question about this --
102
239000
2000
Perguntem qualquer questão genérica sobre isto --
04:16
how many trees of a given size,
103
241000
2000
quantas árvores de um determinado tamanho,
04:18
how many branches of a given size does a tree have,
104
243000
2000
quantos ramos de um determinado tamanho tem uma árvore,
04:20
how many leaves,
105
245000
2000
quantas folhas,
04:22
what is the energy flowing through each branch,
106
247000
2000
qual é a energia que flui em cada ramo,
04:24
what is the size of the canopy,
107
249000
2000
qual é o tamanho da copa,
04:26
what is its growth, what is its mortality?
108
251000
2000
qual é seu crescimento, qual é sua mortalidade?
04:28
We have a mathematical framework
109
253000
2000
Nós temos um quadro matemático
04:30
based on generic universal principles
110
255000
3000
baseado em princípios genéricos universais
04:33
that can answer those questions.
111
258000
2000
que pode responder estas questões.
04:35
And the idea is can we do the same for this?
112
260000
4000
E a ideia é, podemos fazer o mesmo em relação a isto?
04:40
So the route in is recognizing
113
265000
3000
Então, o caminho é reconhecer
04:43
one of the most extraordinary things about life,
114
268000
2000
que uma das coisas mais extraordinárias sobre a vida,
04:45
is that it is scalable,
115
270000
2000
é a possibilidade de sua representação em escala,
04:47
it works over an extraordinary range.
116
272000
2000
e isso funciona em uma amplitude extraordinária.
04:49
This is just a tiny range actually:
117
274000
2000
Este é um pequeno exemplo dessa amplitude, na verdade;
04:51
It's us mammals;
118
276000
2000
Somos nós, os mamíferos,
04:53
we're one of these.
119
278000
2000
somos um destes.
04:55
The same principles, the same dynamics,
120
280000
2000
Os mesmos princípios, as mesmas dinâmicas,
04:57
the same organization is at work
121
282000
2000
a mesma organização funciona
04:59
in all of these, including us,
122
284000
2000
em tudo isto, incluindo nós mesmos,
05:01
and it can scale over a range of 100 million in size.
123
286000
3000
e pode estar em escalas, representando proporções de até 100 milhões.
05:04
And that is one of the main reasons
124
289000
3000
E este é um dos principais motivos
05:07
life is so resilient and robust --
125
292000
2000
da vida ser tão resiliente e robusta --
05:09
scalability.
126
294000
2000
"escalabilidade".
05:11
We're going to discuss that in a moment more.
127
296000
3000
Vamos discutir isso daqui a pouco.
05:14
But you know, at a local level,
128
299000
2000
Vocês sabem, a um nível local,
05:16
you scale; everybody in this room is scaled.
129
301000
2000
todos nesta sala são representados em escala.
05:18
That's called growth.
130
303000
2000
Isso é chamado de crescimento.
05:20
Here's how you grew.
131
305000
2000
Vejam como vocês crescem.
05:22
Rat, that's a rat -- could have been you.
132
307000
2000
Um rato, isto é um rato -- poderia ser um de vocês.
05:24
We're all pretty much the same.
133
309000
3000
Nós somos muito parecidos.
05:27
And you see, you're very familiar with this.
134
312000
2000
E como veem, vocês são familiarizados com isto.
05:29
You grow very quickly and then you stop.
135
314000
2000
Crescemos muito rápido e depois paramos.
05:31
And that line there
136
316000
2000
E aquela linha ali
05:33
is a prediction from the same theory,
137
318000
2000
é uma previsão da mesma teoria,
05:35
based on the same principles,
138
320000
2000
baseada nos mesmos princípios,
05:37
that describes that forest.
139
322000
2000
que descrevem aquela floresta.
05:39
And here it is for the growth of a rat,
140
324000
2000
E este aqui é o crescimento de um rato.
05:41
and those points on there are data points.
141
326000
2000
E aqueles pontos lá são dados.
05:43
This is just the weight versus the age.
142
328000
2000
Isto é apenas o peso em função da idade.
05:45
And you see, it stops growing.
143
330000
2000
E como podem ver, ele para de crescer.
05:47
Very, very good for biology --
144
332000
2000
Muito, muito bom para a biologia --
05:49
also one of the reasons for its great resilience.
145
334000
2000
e também uma das razões para a sua grande resiliência.
05:51
Very, very bad
146
336000
2000
Muito, muito ruim
05:53
for economies and companies and cities
147
338000
2000
para a economia, empresas e cidades
05:55
in our present paradigm.
148
340000
2000
em nosso paradigma atual.
05:57
This is what we believe.
149
342000
2000
É no que acreditamos.
05:59
This is what our whole economy
150
344000
2000
Isto é o que toda a economia
06:01
is thrusting upon us,
151
346000
2000
está nos impondo,
06:03
particularly illustrated in that left-hand corner:
152
348000
3000
particularmente ilustrada nesse canto esquerdo:
06:06
hockey sticks.
153
351000
2000
bastões de hockey.
06:08
This is a bunch of software companies --
154
353000
2000
Esta é uma série de empresas de software --
06:10
and what it is is their revenue versus their age --
155
355000
2000
e esses são seus rendimentos em função da idade --
06:12
all zooming away,
156
357000
2000
todos crescendo bastante,
06:14
and everybody making millions and billions of dollars.
157
359000
2000
e todo mundo ganhando milhões e bilhões de dólares.
06:16
Okay, so how do we understand this?
158
361000
3000
Ok, como é que entendemos isto?
06:19
So let's first talk about biology.
159
364000
3000
Por isso, primeiro vamos falar de biologia.
06:22
This is explicitly showing you
160
367000
2000
Isto explicitamente nos mostra
06:24
how things scale,
161
369000
2000
como as coisas são representadas em escala.
06:26
and this is a truly remarkable graph.
162
371000
2000
E este é um gráfico verdadeiramente notável.
06:28
What is plotted here is metabolic rate --
163
373000
3000
O que está aqui traçado é a taxa metabólica --
06:31
how much energy you need per day to stay alive --
164
376000
3000
quanta energia é necessária por dia para nos mantermos vivos --
06:34
versus your weight, your mass,
165
379000
2000
em função do peso, da massa,
06:36
for all of us bunch of organisms.
166
381000
3000
para nossos organismos.
06:39
And it's plotted in this funny way by going up by factors of 10,
167
384000
3000
E foi traçada neste jeito curioso, crescente, por fatores de 10,
06:42
otherwise you couldn't get everything on the graph.
168
387000
2000
de outra maneira não seria possível colocar tudo no gráfico.
06:44
And what you see if you plot it
169
389000
2000
E o que podemos ver se você traçá-lo
06:46
in this slightly curious way
170
391000
2000
desta forma um pouco curiosa,
06:48
is that everybody lies on the same line.
171
393000
3000
é que todo mundo está na mesma linha.
06:51
Despite the fact that this is the most complex and diverse system
172
396000
3000
Apesar do fato deste ser o sistema mais complexo e diverso
06:54
in the universe,
173
399000
3000
do universo,
06:57
there's an extraordinary simplicity
174
402000
2000
há uma simplicidade extraordinária
06:59
being expressed by this.
175
404000
2000
expressa aqui.
07:01
It's particularly astonishing
176
406000
3000
É particularmente surpreendente
07:04
because each one of these organisms,
177
409000
2000
porque cada um destes organismos,
07:06
each subsystem, each cell type, each gene,
178
411000
2000
cada subsistema, cada tipo de célula, cada gene,
07:08
has evolved in its own unique environmental niche
179
413000
4000
evoluiu em seu próprio e único nicho ambiental
07:12
with its own unique history.
180
417000
3000
com sua própria história.
07:15
And yet, despite all of that Darwinian evolution
181
420000
3000
E ainda assim, apesar de toda a evolução darwinista
07:18
and natural selection,
182
423000
2000
e seleção natural,
07:20
they've been constrained to lie on a line.
183
425000
2000
eles têm sido forçados a permanecer numa linha.
07:22
Something else is going on.
184
427000
2000
Alguma coisa está acontecendo.
07:24
Before I talk about that,
185
429000
2000
Antes de falar sobre isso,
07:26
I've written down at the bottom there
186
431000
2000
eu escrevi ali embaixo
07:28
the slope of this curve, this straight line.
187
433000
2000
a inclinação desta curva, esta linha reta.
07:30
It's three-quarters, roughly,
188
435000
2000
São ¾, a grosso modo,
07:32
which is less than one -- and we call that sublinear.
189
437000
3000
que é menos de 1 -- e nós a chamamos de sublinear.
07:35
And here's the point of that.
190
440000
2000
E este é o ponto da questão.
07:37
It says that, if it were linear,
191
442000
3000
Diz que, se fosse linear,
07:40
the steepest slope,
192
445000
2000
a inclinação mais acentuada,
07:42
then doubling the size
193
447000
2000
então, duplicando o tamanho
07:44
you would require double the amount of energy.
194
449000
2000
você precisaria do dobro da quantidade de energia.
07:46
But it's sublinear, and what that translates into
195
451000
3000
Mas é sublinear, e significa que,
07:49
is that, if you double the size of the organism,
196
454000
2000
se duplicarmos o tamanho do organismo,
07:51
you actually only need 75 percent more energy.
197
456000
3000
na verdade só precisaremos de mais 75% de energia.
07:54
So a wonderful thing about all of biology
198
459000
2000
E por isso algo maravilhoso na biologia
07:56
is that it expresses an extraordinary economy of scale.
199
461000
3000
é que expressa uma extraordinária economia de escala.
07:59
The bigger you are systematically,
200
464000
2000
Sistematicamente quanto maior você for,
08:01
according to very well-defined rules,
201
466000
2000
de acordo com regras muito bem definidas,
08:03
less energy per capita.
202
468000
3000
menos energia per capita.
08:06
Now any physiological variable you can think of,
203
471000
3000
Agora qualquer variável fisiológica em que possam pensar,
08:09
any life history event you can think of,
204
474000
2000
qualquer história de vida em que possam pensar,
08:11
if you plot it this way, looks like this.
205
476000
3000
se for traçada desta maneira, fica assim.
08:14
There is an extraordinary regularity.
206
479000
2000
Há uma regularidade extraordinária.
08:16
So you tell me the size of a mammal,
207
481000
2000
Digam-me o tamanho de um mamífero,
08:18
I can tell you at the 90 percent level everything about it
208
483000
3000
eu posso dizer a vocês com 90% de certeza tudo sobre ele
08:21
in terms of its physiology, life history, etc.
209
486000
4000
em termos de fisiologia, história de vida, etc...
08:25
And the reason for this is because of networks.
210
490000
3000
E isto se deve às redes.
08:28
All of life is controlled by networks --
211
493000
3000
Tudo na vida é controlado por redes --
08:31
from the intracellular through the multicellular
212
496000
2000
desde o intracelular ao multicelular
08:33
through the ecosystem level.
213
498000
2000
em nível do ecossistema.
08:35
And you're very familiar with these networks.
214
500000
3000
E vocês conhecem bem estas redes.
08:39
That's a little thing that lives inside an elephant.
215
504000
3000
Isso é uma pequena coisa que vive dentro de um elefante.
08:42
And here's the summary of what I'm saying.
216
507000
3000
E aqui está o resumo do que estou dizendo.
08:45
If you take those networks,
217
510000
2000
Se pegarem essas redes,
08:47
this idea of networks,
218
512000
2000
esta ideia de redes,
08:49
and you apply universal principles,
219
514000
2000
e aplicarem princípios universais,
08:51
mathematizable, universal principles,
220
516000
2000
princípios matemáticos, universais,
08:53
all of these scalings
221
518000
2000
todas estas representações em escalas
08:55
and all of these constraints follow,
222
520000
3000
e todas estas restrições se sucedem,
08:58
including the description of the forest,
223
523000
2000
incluindo a descrição da floresta,
09:00
the description of your circulatory system,
224
525000
2000
a descrição de nosso sistema circulatório,
09:02
the description within cells.
225
527000
2000
a descrição do interior das células.
09:04
One of the things I did not stress in that introduction
226
529000
3000
Uma das coisas que eu não mencionei na introdução
09:07
was that, systematically, the pace of life
227
532000
3000
foi que, sistematicamente, o ritmo de vida
09:10
decreases as you get bigger.
228
535000
2000
diminui à medida em que você cresce.
09:12
Heart rates are slower; you live longer;
229
537000
3000
O ritmo cardíaco é mais lento, você vive mais;
09:15
diffusion of oxygen and resources
230
540000
2000
a difusão de oxigênio e os recursos
09:17
across membranes is slower, etc.
231
542000
2000
dentro das membranas é menor, etc.
09:19
The question is: Is any of this true
232
544000
2000
A questão é: algo disto é verdadeiro
09:21
for cities and companies?
233
546000
3000
para as cidades e empresas?
09:24
So is London a scaled up Birmingham,
234
549000
3000
Então, Londres é uma Birmingham em maior escala,
09:27
which is a scaled up Brighton, etc., etc.?
235
552000
3000
que por sua vez é uma Brighton em maior escala, etc., etc.?
09:30
Is New York a scaled up San Francisco,
236
555000
2000
Seria Nova York uma São Francisco em maior escala,
09:32
which is a scaled up Santa Fe?
237
557000
2000
que é uma Santa Fé em maior escala?
09:34
Don't know. We will discuss that.
238
559000
2000
Não sabemos. Nós vamos discutir isso.
09:36
But they are networks,
239
561000
2000
Mas elas são redes.
09:38
and the most important network of cities
240
563000
2000
E o mais importante na rede das cidades
09:40
is you.
241
565000
2000
são vocês.
09:42
Cities are just a physical manifestation
242
567000
3000
As cidades são uma manifestação física
09:45
of your interactions,
243
570000
2000
das suas interações,
09:47
our interactions,
244
572000
2000
das nossas interações,
09:49
and the clustering and grouping of individuals.
245
574000
2000
e da agregação e agrupamento de indivíduos.
09:51
Here's just a symbolic picture of that.
246
576000
3000
Aqui está uma fotografia simbólica disso.
09:54
And here's scaling of cities.
247
579000
2000
E aqui estão escalas de cidades.
09:56
This shows that in this very simple example,
248
581000
3000
Isto mostra que neste exemplo simples,
09:59
which happens to be a mundane example
249
584000
2000
que por acaso é um exemplo banal
10:01
of number of petrol stations
250
586000
2000
do número de postos de gasolina
10:03
as a function of size --
251
588000
2000
em função do tamanho --
10:05
plotted in the same way as the biology --
252
590000
2000
traçado da mesma maneira que na biologia --
10:07
you see exactly the same kind of thing.
253
592000
2000
vocês podem ver exatamente o mesmo tipo de coisa.
10:09
There is a scaling.
254
594000
2000
Há uma evolução na escala.
10:11
That is that the number of petrol stations in the city
255
596000
4000
O número de postos de gasolina na cidade
10:15
is now given to you
256
600000
2000
agora é dado a vocês
10:17
when you tell me its size.
257
602000
2000
quando me dizem o tamanho dela.
10:19
The slope of that is less than linear.
258
604000
3000
A inclinação disso é menos que linear.
10:22
There is an economy of scale.
259
607000
2000
Há uma economia de escala.
10:24
Less petrol stations per capita the bigger you are -- not surprising.
260
609000
3000
Menos postos de gasolina per capita quanto maior você for - não é surpreendente.
10:27
But here's what's surprising.
261
612000
2000
Mas aqui está o que é surpreendente.
10:29
It scales in the same way everywhere.
262
614000
2000
O resultado da escala é igual em todo lugar.
10:31
This is just European countries,
263
616000
2000
Aqui estão apenas países europeus,
10:33
but you do it in Japan or China or Colombia,
264
618000
3000
mas se fizermos no Japão, China ou Colômbia,
10:36
always the same
265
621000
2000
é sempre o mesmo
10:38
with the same kind of economy of scale
266
623000
2000
com o mesmo tipo de economia de escala
10:40
to the same degree.
267
625000
2000
no mesmo grau.
10:42
And any infrastructure you look at --
268
627000
3000
E qualquer infraestrutura que observamos --
10:45
whether it's the length of roads, length of electrical lines --
269
630000
3000
seja o comprimento de estradas, o comprimento das linhas elétricas --
10:48
anything you look at
270
633000
2000
qualquer coisa que você vê
10:50
has the same economy of scale scaling in the same way.
271
635000
3000
tem a mesma economia de escala, da mesma maneira.
10:53
It's an integrated system
272
638000
2000
É um sistema integrado
10:55
that has evolved despite all the planning and so on.
273
640000
3000
que evoluiu apesar de todo o planejamento e todo o resto.
10:58
But even more surprising
274
643000
2000
Mas ainda mais surpreendente
11:00
is if you look at socio-economic quantities,
275
645000
2000
é que se observarmos as 'quantidades' socioeconômicas,
11:02
quantities that have no analog in biology,
276
647000
3000
quantidades que não têm analogia na biologia,
11:05
that have evolved when we started forming communities
277
650000
3000
que evoluíram quando começamos a formar comunidades
11:08
eight to 10,000 years ago.
278
653000
2000
8 a 10.000 anos atrás.
11:10
The top one is wages as a function of size
279
655000
2000
A de cima é o salário em função do tamanho
11:12
plotted in the same way.
280
657000
2000
representado da mesma maneira.
11:14
And the bottom one is you lot --
281
659000
2000
E a de baixo representa vocês --
11:16
super-creatives plotted in the same way.
282
661000
3000
super criativos representados da mesma maneira.
11:19
And what you see
283
664000
2000
E o que podem ver
11:21
is a scaling phenomenon.
284
666000
2000
é um fenômeno de escala.
11:23
But most important in this,
285
668000
2000
Mas o mais importante nisto,
11:25
the exponent, the analog to that three-quarters
286
670000
2000
o expoente, o análogo a esses ¾
11:27
for the metabolic rate,
287
672000
2000
para a taxa metabólica,
11:29
is bigger than one -- it's about 1.15 to 1.2.
288
674000
2000
é maior do que um - é cerca de 1.15 a 1.2.
11:31
Here it is,
289
676000
2000
Aqui está,
11:33
which says that the bigger you are
290
678000
3000
diz que quanto maior você for
11:36
the more you have per capita, unlike biology --
291
681000
3000
mais terá per capita, contrariamente à biologia --
11:39
higher wages, more super-creative people per capita as you get bigger,
292
684000
4000
maiores salários, mais pessoas criativas per capita à medida que somos maiores,
11:43
more patents per capita, more crime per capita.
293
688000
3000
mais patentes per capita, mais crime per capita.
11:46
And we've looked at everything:
294
691000
2000
E nós olhamos tudo:
11:48
more AIDS cases, flu, etc.
295
693000
3000
casos de HIV, gripe, etc.
11:51
And here, they're all plotted together.
296
696000
2000
E aqui, estão todos representados em conjunto.
11:53
Just to show you what we plotted,
297
698000
2000
Só para mostrar a vocês como representamos,
11:55
here is income, GDP --
298
700000
3000
aqui está a renda, PIB --
11:58
GDP of the city --
299
703000
2000
PIB da cidade --
12:00
crime and patents all on one graph.
300
705000
2000
crime e patentes todos num só gráfico.
12:02
And you can see, they all follow the same line.
301
707000
2000
E podem ver, todos seguem a mesma linha.
12:04
And here's the statement.
302
709000
2000
E aqui está a afirmação.
12:06
If you double the size of a city from 100,000 to 200,000,
303
711000
3000
Se duplicarem o tamanho de uma cidade de 100.000 para 200.000,
12:09
from a million to two million, 10 to 20 million,
304
714000
2000
de um milhão para dois milhões, de 10 para 20 milhões,
12:11
it doesn't matter,
305
716000
2000
não faz diferença,
12:13
then systematically
306
718000
2000
porque sistematicamente
12:15
you get a 15 percent increase
307
720000
2000
há um aumento de 15%
12:17
in wages, wealth, number of AIDS cases,
308
722000
2000
nos salários, saúde, número de casos de HIV,
12:19
number of police,
309
724000
2000
número de policiais,
12:21
anything you can think of.
310
726000
2000
em tudo que possam pensar.
12:23
It goes up by 15 percent,
311
728000
2000
Aumenta cerca de 15%.
12:25
and you have a 15 percent savings
312
730000
3000
E temos 15% de economia
12:28
on the infrastructure.
313
733000
3000
na infraestrutura.
12:31
This, no doubt, is the reason
314
736000
3000
Esta, sem dúvida, é a razão
12:34
why a million people a week are gathering in cities.
315
739000
3000
de um milhão de pessoas por semana se juntarem às cidades.
12:37
Because they think that all those wonderful things --
316
742000
3000
Porque pensam que todas essas coisas maravilhosas,
12:40
like creative people, wealth, income --
317
745000
2000
como pessoas criativas, saúde, salários,
12:42
is what attracts them,
318
747000
2000
são o que as atrai,
12:44
forgetting about the ugly and the bad.
319
749000
2000
esquecendo o feio e o mau.
12:46
What is the reason for this?
320
751000
2000
Qual é a razão disto?
12:48
Well I don't have time to tell you about all the mathematics,
321
753000
3000
Eu não tenho tempo para mostrar a vocês toda a matemática,
12:51
but underlying this is the social networks,
322
756000
3000
mas por trás disto estão as redes sociais,
12:54
because this is a universal phenomenon.
323
759000
3000
porque este é um fenômeno universal.
12:57
This 15 percent rule
324
762000
3000
Esta regra dos 15%
13:00
is true
325
765000
2000
é verdadeira
13:02
no matter where you are on the planet --
326
767000
2000
onde quer que você esteja no planeta --
13:04
Japan, Chile,
327
769000
2000
Japão, Chile,
13:06
Portugal, Scotland, doesn't matter.
328
771000
3000
Portugal, Escócia, não interessa.
13:09
Always, all the data shows it's the same,
329
774000
3000
Sempre, todos os dados mostram que é igual,
13:12
despite the fact that these cities have evolved independently.
330
777000
3000
apesar destas cidades terem evoluído independentemente.
13:15
Something universal is going on.
331
780000
2000
Algo universal está acontecendo.
13:17
The universality, to repeat, is us --
332
782000
3000
A universalidade, repito, somos nós --
13:20
that we are the city.
333
785000
2000
nós somos a cidade.
13:22
And it is our interactions and the clustering of those interactions.
334
787000
3000
E são as nossas interações e o agrupamento dessas interações.
13:25
So there it is, I've said it again.
335
790000
2000
E aqui está, como já disse.
13:27
So if it is those networks and their mathematical structure,
336
792000
3000
Então se são essas redes e suas estruturas matemáticas,
13:30
unlike biology, which had sublinear scaling,
337
795000
3000
contrariamente à biologia, de escala sublinear,
13:33
economies of scale,
338
798000
2000
economias de escala,
13:35
you had the slowing of the pace of life
339
800000
2000
você teria a diminuição do ritmo de vida
13:37
as you get bigger.
340
802000
2000
à medida que crescemos.
13:39
If it's social networks with super-linear scaling --
341
804000
2000
Se são redes sociais com escalas super-lineares --
13:41
more per capita --
342
806000
2000
mais per capita --
13:43
then the theory says
343
808000
2000
então a teoria diz que
13:45
that you increase the pace of life.
344
810000
2000
você aumenta o ritmo de vida.
13:47
The bigger you are, life gets faster.
345
812000
2000
Quanto maior você for, mais rápida ficará a vida.
13:49
On the left is the heart rate showing biology.
346
814000
2000
À esquerda está a frequência cardíaca que a biologia mostra.
13:51
On the right is the speed of walking
347
816000
2000
À direita está a velocidade do passo
13:53
in a bunch of European cities,
348
818000
2000
numa série de países europeus,
13:55
showing that increase.
349
820000
2000
mostrando esse aumento.
13:57
Lastly, I want to talk about growth.
350
822000
3000
Por último, quero falar sobre crescimento.
14:00
This is what we had in biology, just to repeat.
351
825000
3000
Isto é o que temos na biologia, repito.
14:03
Economies of scale
352
828000
3000
Economias de escala
14:06
gave rise to this sigmoidal behavior.
353
831000
3000
deram origem a este comportamento sigmoidal.
14:09
You grow fast and then stop --
354
834000
3000
Crescemos rápido e depois paramos --
14:12
part of our resilience.
355
837000
2000
parte da nossa resiliência.
14:14
That would be bad for economies and cities.
356
839000
3000
Isso seria ruim para as economias e cidades.
14:17
And indeed, one of the wonderful things about the theory
357
842000
2000
E na verdade, uma das coisas extraordinárias da teoria
14:19
is that if you have super-linear scaling
358
844000
3000
é que se temos escalas super-lineares
14:22
from wealth creation and innovation,
359
847000
2000
a partir da criação de riquezas e inovação,
14:24
then indeed you get, from the same theory,
360
849000
3000
então na verdade temos, segundo a mesma teoria,
14:27
a beautiful rising exponential curve -- lovely.
361
852000
2000
um belo crescimento exponencial da curva -- adorável.
14:29
And in fact, if you compare it to data,
362
854000
2000
E na verdade, se a compararem com os dados,
14:31
it fits very well
363
856000
2000
ela se encaixa muito bem
14:33
with the development of cities and economies.
364
858000
2000
com o desenvolvimento das cidades e das economias.
14:35
But it has a terrible catch,
365
860000
2000
Mas há um problema terrível.
14:37
and the catch
366
862000
2000
E o problema é
14:39
is that this system is destined to collapse.
367
864000
3000
que este sistema está destinado ao colapso.
14:42
And it's destined to collapse for many reasons --
368
867000
2000
E está destinado ao colapso por várias razões --
14:44
kind of Malthusian reasons -- that you run out of resources.
369
869000
3000
razões de tipo "malthusiano" -- de que esgotamos os recursos.
14:47
And how do you avoid that? Well we've done it before.
370
872000
3000
E como se evita isso? Bem, já o fizemos antes.
14:50
What we do is,
371
875000
2000
O que fazemos é,
14:52
as we grow and we approach the collapse,
372
877000
3000
à medida que crescemos e nos aproximamos do colapso,
14:55
a major innovation takes place
373
880000
3000
uma inovação maior entra em cena
14:58
and we start over again,
374
883000
2000
e começamos tudo novamente.
15:00
and we start over again as we approach the next one, and so on.
375
885000
3000
E começamos de novo quando nos aproximamos do próximo, e daí por diante.
15:03
So there's this continuous cycle of innovation
376
888000
2000
Por isso há ciclos contínuos de inovação
15:05
that is necessary
377
890000
2000
que são necessários
15:07
in order to sustain growth and avoid collapse.
378
892000
3000
para sustentar o crescimento e evitar o colapso.
15:10
The catch, however, to this
379
895000
2000
Contudo, o problema é
15:12
is that you have to innovate
380
897000
2000
que temos de inovar
15:14
faster and faster and faster.
381
899000
3000
cada vez mais rápido.
15:17
So the image
382
902000
2000
Por isso a imagem
15:19
is that we're not only on a treadmill that's going faster,
383
904000
3000
é que não estamos apenas em uma esteira que vai mais rápido,
15:22
but we have to change the treadmill faster and faster.
384
907000
3000
mas temos que mudar a esteira mais e mais rápido.
15:25
We have to accelerate on a continuous basis.
385
910000
3000
Temos de acelerar continuamente.
15:28
And the question is: Can we, as socio-economic beings,
386
913000
3000
E a questão é: podemos, enquanto seres socioeconômicos
15:31
avoid a heart attack?
387
916000
3000
evitar um ataque de coração?
15:34
So lastly, I'm going to finish up in this last minute or two
388
919000
3000
E finalmente, vou terminar nestes últimos minutos
15:37
asking about companies.
389
922000
2000
perguntando sobre as empresas.
15:39
See companies, they scale.
390
924000
2000
Vejam as empresas, elas evoluem em escala.
15:41
The top one, in fact, is Walmart on the right.
391
926000
2000
A primeira é, de fato, Walmart à direita.
15:43
It's the same plot.
392
928000
2000
É o mesmo gráfico.
15:45
This happens to be income and assets
393
930000
2000
Estes são os rendimentos e os ativos
15:47
versus the size of the company as denoted by its number of employees.
394
932000
2000
em função do tamanho da empresa conforme o número de seus empregados.
15:49
We could use sales, anything you like.
395
934000
3000
Poderíamos usar vendas, o que quiserem.
15:52
There it is: after some little fluctuations at the beginning,
396
937000
3000
Aqui está: após algumas flutuações no início,
15:55
when companies are innovating,
397
940000
2000
quando as empresas estão inovando
15:57
they scale beautifully.
398
942000
2000
elas crescem lindamente.
15:59
And we've looked at 23,000 companies
399
944000
3000
E nós olhamos 23.000 empresas,
16:02
in the United States, may I say.
400
947000
2000
nos Estados Unidos, devo dizer.
16:04
And I'm only showing you a little bit of this.
401
949000
3000
E estou mostrando a vocês apenas um pouco disto.
16:07
What is astonishing about companies
402
952000
2000
O que é surpreendente sobre as empresas
16:09
is that they scale sublinearly
403
954000
3000
é que seguem na escala sublinearmente
16:12
like biology,
404
957000
2000
como a biologia,
16:14
indicating that they're dominated,
405
959000
2000
indicando que elas são dominadas,
16:16
not by super-linear
406
961000
2000
não por super-lineares
16:18
innovation and ideas;
407
963000
3000
inovação e ideias;
16:21
they become dominated
408
966000
2000
elas tornam-se dominadas
16:23
by economies of scale.
409
968000
2000
pelas economias de escala.
16:25
In that interpretation,
410
970000
2000
Nessa interpretação,
16:27
by bureaucracy and administration,
411
972000
2000
pela burocracia e administração,
16:29
and they do it beautifully, may I say.
412
974000
2000
e elas fazem isso lindamente, devo dizer.
16:31
So if you tell me the size of some company, some small company,
413
976000
3000
Por isso se me disserem o tamanho de uma empresa, alguma empresa pequena,
16:34
I could have predicted the size of Walmart.
414
979000
3000
eu poderia ter previsto o tamanho da Walmart.
16:37
If it has this sublinear scaling,
415
982000
2000
Se tivesse esta escala sublinear,
16:39
the theory says
416
984000
2000
a teoria diz que
16:41
we should have sigmoidal growth.
417
986000
3000
deveríamos ter crescimento sigmoidal.
16:44
There's Walmart. Doesn't look very sigmoidal.
418
989000
2000
Ali está a Walmart. Não parece muito sigmoidal.
16:46
That's what we like, hockey sticks.
419
991000
3000
É disto que gostamos, bastões de hockey
16:49
But you notice, I've cheated,
420
994000
2000
Mas se vocês repararem, eu trapaceei,
16:51
because I've only gone up to '94.
421
996000
2000
porque eu apenas fui até 1994.
16:53
Let's go up to 2008.
422
998000
2000
Vamos até 2008.
16:55
That red line is from the theory.
423
1000000
3000
Essa linha vermelha vem da teoria.
16:58
So if I'd have done this in 1994,
424
1003000
2000
Então, se eu tivesse feito isto em 1994,
17:00
I could have predicted what Walmart would be now.
425
1005000
3000
poderia ter previsto o que o Walmart seria agora.
17:03
And then this is repeated
426
1008000
2000
E isto se repete
17:05
across the entire spectrum of companies.
427
1010000
2000
em todo o espectro de empresas.
17:07
There they are. That's 23,000 companies.
428
1012000
3000
Ali estão. São 23.000 empresas.
17:10
They all start looking like hockey sticks,
429
1015000
2000
Elas começam todas parecendo bastões de hockey,
17:12
they all bend over,
430
1017000
2000
todas se inclinam,
17:14
and they all die like you and me.
431
1019000
2000
e todas morrem como vocês e eu.
17:16
Thank you.
432
1021000
2000
Obrigado.
17:18
(Applause)
433
1023000
9000
(Aplausos)
Translated by Fernando Marinheiro
Reviewed by Viviane Ferraz Matos

▲Back to top

ABOUT THE SPEAKER
Geoffrey West - Theorist
Physicist Geoffrey West believes that complex systems from organisms to cities are in many ways governed by simple laws -- laws that can be discovered and analyzed.

Why you should listen

Trained as a theoretical physicist, Geoffrey West has turned his analytical mind toward the inner workings of more concrete things, like ... animals. In a paper for Science in 1997, he and his team uncovered what he sees as a surprisingly universal law of biology — the way in which heart rate, size and energy consumption are related, consistently, across most living animals. (Though not all animals: “There are always going to be people who say, ‘What about the crayfish?’ " he says. “Well, what about it? Every fundamental law has exceptions. But you still need the law or else all you have is observations that don’t make sense.")

A past president of the multidisciplinary Santa Fe Institute (after decades working  in high-energy physics at Los Alamos and Stanford), West now studies the behavior and development of cities. In his newest work, he proposes that one simple number, population, can predict a stunning array of details about any city, from crime rate to economic activity. It's all about the plumbing, he says, the infrastructure that powers growth or dysfunction. His next target for study: corporations.

He says: "Focusing on the differences [between cities] misses the point. Sure, there are differences, but different from what? We’ve found the what."

More profile about the speaker
Geoffrey West | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee