TED@Cannes
Nicholas Christakis: How social networks predict epidemics
Nicholas Christakis: Cum prezic rețelele sociale epidemii
Filmed:
Readability: 4.9
669,862 views
După ce Nicholas Christakis și colegul sau, James Fowler, au cartografiat rețelele sociale complexe ale oamenilor, ei au început să investigheze ce implicații pot avea aceste informații asupra vieților noastre. Acum, Nicholas Christakis ne dezvăluie rezultatele sale: rețelele sociale pot fi folosite pentru a prezice epidemiile mai devreme decât a fost posibil până acum, fie că este vorba despre idei inovatoare, comportamente riscante, sau virusuri (precum H1N1).
Nicholas Christakis - Physician, social scientist
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact. Full bio
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact. Full bio
Double-click the English transcript below to play the video.
00:15
For the last 10 years, I've been spending my time trying to figure out
0
0
3000
În ultimii 10 ani, mi-am petrecut timpul încercând să-mi dau seama
00:18
how and why human beings
1
3000
2000
cum și de ce oamenii
00:20
assemble themselves into social networks.
2
5000
3000
se organizează în rețele sociale.
00:23
And the kind of social network I'm talking about
3
8000
2000
Și rețelele sociale despre care vorbesc
00:25
is not the recent online variety,
4
10000
2000
nu fac parte din recenta varietate online
00:27
but rather, the kind of social networks
5
12000
2000
ci, mai degrabă, din tipul de rețele sociale
00:29
that human beings have been assembling for hundreds of thousands of years,
6
14000
3000
în care oamenii se organizează de sute de mii de ani,
00:32
ever since we emerged from the African savannah.
7
17000
3000
încă de când au apărut în savana africană.
00:35
So, I form friendships and co-worker
8
20000
2000
Deci eu formez relații de prietenie, de colegialitate,
00:37
and sibling and relative relationships with other people
9
22000
3000
relații între frați sau de rudenie, cu alți oameni,
00:40
who in turn have similar relationships with other people.
10
25000
2000
care, la rândul lor, stabilesc aceleași tipuri de relații cu alți oameni.
00:42
And this spreads on out endlessly into a distance.
11
27000
3000
Şi acest proces se extinde la nesfârşit.
00:45
And you get a network that looks like this.
12
30000
2000
Ce obții este o rețea care arată astfel.
00:47
Every dot is a person.
13
32000
2000
Fiecare punct reprezintă o persoană.
00:49
Every line between them is a relationship between two people --
14
34000
2000
Fiecare linie care le unește reprezintă relația dintre acele persoane --
00:51
different kinds of relationships.
15
36000
2000
diferite tipuri de relații.
00:53
And you can get this kind of vast fabric of humanity,
16
38000
3000
Și poți obține o reprezentare a acestei vaste țesături a umanității,
00:56
in which we're all embedded.
17
41000
2000
în care toți suntem încorporați.
00:58
And my colleague, James Fowler and I have been studying for quite sometime
18
43000
3000
Colegul meu, James Fowler, și cu mine studiem de ceva vreme
01:01
what are the mathematical, social,
19
46000
2000
care sunt regulile matematice, sociale,
01:03
biological and psychological rules
20
48000
3000
biologice și psihologice
01:06
that govern how these networks are assembled
21
51000
2000
care guvernează modul în care aceste rețele sunt formate
01:08
and what are the similar rules
22
53000
2000
și care sunt regulile, similare,
01:10
that govern how they operate, how they affect our lives.
23
55000
3000
care guvernează modul lor de operare și modul în care ne afectează viețile.
01:13
But recently, we've been wondering
24
58000
2000
Și, recent, am început să ne întrebăm
01:15
whether it might be possible to take advantage of this insight,
25
60000
3000
dacă am putea să profităm de pe urma acestor intuiții,
01:18
to actually find ways to improve the world,
26
63000
2000
în așa fel încât să facem lumea un loc mai bun,
01:20
to do something better,
27
65000
2000
să facem ceva mai bine,
01:22
to actually fix things, not just understand things.
28
67000
3000
să remediem ceva, nu doar să înțelegem.
01:25
So one of the first things we thought we would tackle
29
70000
3000
Astfel, unul din primele lucruri pe care le-am avea în vedere
01:28
would be how we go about predicting epidemics.
30
73000
3000
ar fi cum am putea prezice epidemii.
01:31
And the current state of the art in predicting an epidemic --
31
76000
2000
Stadiul actual în acest domeniu --
01:33
if you're the CDC or some other national body --
32
78000
3000
dacă faci parte din CDC sau altă instituție națională --
01:36
is to sit in the middle where you are
33
81000
2000
este să stai în locul în care ești deja
01:38
and collect data
34
83000
2000
şi să colectezi date
01:40
from physicians and laboratories in the field
35
85000
2000
de la medici și laboratoare specializate
01:42
that report the prevalence or the incidence of certain conditions.
36
87000
3000
care raportează prevalenţa sau incidenţa anumitor afecțiuni.
01:45
So, so and so patients have been diagnosed with something,
37
90000
3000
Atâți pacienți au fost diagnosticați cu o boală [aici],
01:48
or other patients have been diagnosed,
38
93000
2000
sau atâți pacienți au fost diagnosticați [acolo],
01:50
and all these data are fed into a central repository, with some delay.
39
95000
3000
toate aceste date sunt introduse într-un repertoriu central, cu o anumită întârziere.
01:53
And if everything goes smoothly,
40
98000
2000
Și, dacă totul funcționează cum trebuie,
01:55
one to two weeks from now
41
100000
2000
o săptămână sau două mai târziu,
01:57
you'll know where the epidemic was today.
42
102000
3000
vei știi unde s-a aflat epidemia azi.
02:00
And actually, about a year or so ago,
43
105000
2000
Și, de fapt, acum un an,
02:02
there was this promulgation
44
107000
2000
a apărut această
02:04
of the idea of Google Flu Trends, with respect to the flu,
45
109000
3000
idee de Google Flu Trends, în ceea ce privește gripa,
02:07
where by looking at people's searching behavior today,
46
112000
3000
în care, dacă studiem tiparele căutărilor oamenilor azi,
02:10
we could know where the flu --
47
115000
2000
am putea ști unde gripa...
02:12
what the status of the epidemic was today,
48
117000
2000
care a fost starea epidemiei azi,
02:14
what's the prevalence of the epidemic today.
49
119000
3000
care a fost prevalența epidemiei azi.
02:17
But what I'd like to show you today
50
122000
2000
Dar ce aș vrea să vă arăt azi
02:19
is a means by which we might get
51
124000
2000
este o metodă prin care putem obține
02:21
not just rapid warning about an epidemic,
52
126000
3000
nu doar alertare rapidă în cazul unei epidemii,
02:24
but also actually
53
129000
2000
dar de asemenea
02:26
early detection of an epidemic.
54
131000
2000
și detectarea din timp a unei epidemii.
02:28
And, in fact, this idea can be used
55
133000
2000
Și, de fapt, această idee poate fi folosită
02:30
not just to predict epidemics of germs,
56
135000
3000
nu doar pentru predicția epidemiilor microbiene,
02:33
but also to predict epidemics of all sorts of kinds.
57
138000
3000
dar, de asemenea, pentru predicția oricărui tip de epidemie.
02:37
For example, anything that spreads by a form of social contagion
58
142000
3000
De exemplu, orice se răspândește printr-o formă de contagiune socială
02:40
could be understood in this way,
59
145000
2000
poate fi înțeles în acest fel,
02:42
from abstract ideas on the left
60
147000
2000
de la idei abstracte, la stânga,
02:44
like patriotism, or altruism, or religion
61
149000
3000
precum patriotismul, altruismul, sau religia,
02:47
to practices
62
152000
2000
până la practici
02:49
like dieting behavior, or book purchasing,
63
154000
2000
precum dietele, sau achiziționarea de cărți,
02:51
or drinking, or bicycle-helmet [and] other safety practices,
64
156000
3000
consumul de alcool, practicile de siguranță,
02:54
or products that people might buy,
65
159000
2000
sau produsele pe care oamenii le-ar cumpăra,
02:56
purchases of electronic goods,
66
161000
2000
achizițiile de bunuri electronice,
02:58
anything in which there's kind of an interpersonal spread.
67
163000
3000
orice are vreo înclinație către o răspândire interpersonală.
03:01
A kind of a diffusion of innovation
68
166000
2000
Un tip de difuzie a inovațiilor
03:03
could be understood and predicted
69
168000
2000
poate fi înțeles și prezis
03:05
by the mechanism I'm going to show you now.
70
170000
3000
de mecanismul pe care îl voi prezenta acum.
03:08
So, as all of you probably know,
71
173000
2000
După cum probabil știți,
03:10
the classic way of thinking about this
72
175000
2000
modul clasic de a privi problema
03:12
is the diffusion-of-innovation,
73
177000
2000
este "răspândirea-inovației".
03:14
or the adoption curve.
74
179000
2000
sau curba de adoptare.
03:16
So here on the Y-axis, we have the percent of the people affected,
75
181000
2000
Aici, pe axa Y, avem procentul de oameni afectați,
03:18
and on the X-axis, we have time.
76
183000
2000
și pe axa X, avem timpul.
03:20
And at the very beginning, not too many people are affected,
77
185000
3000
La început, nu foarte multe persoane sunt afectate,
03:23
and you get this classic sigmoidal,
78
188000
2000
și obținem această curbă clasică sigmoidă,
03:25
or S-shaped, curve.
79
190000
2000
sau de forma literei S.
03:27
And the reason for this shape is that at the very beginning,
80
192000
2000
Motivul pentru care obținem această formă este că, la început,
03:29
let's say one or two people
81
194000
2000
să spunem, unul sau doi oameni
03:31
are infected, or affected by the thing
82
196000
2000
sunt afectați, sau infectați,
03:33
and then they affect, or infect, two people,
83
198000
2000
și apoi afectează, sau infectează, doi oameni,
03:35
who in turn affect four, eight, 16 and so forth,
84
200000
3000
care, la rândul lor, infectează patru, opt, 16 și aşa mai departe,
03:38
and you get the epidemic growth phase of the curve.
85
203000
3000
astfel obținând porțiunea din curbă care indică creșterea.
03:41
And eventually, you saturate the population.
86
206000
2000
Până la urmă, saturezi populația.
03:43
There are fewer and fewer people
87
208000
2000
Din ce în ce mai puțini oameni
03:45
who are still available that you might infect,
88
210000
2000
mai pot fi infectați,
03:47
and then you get the plateau of the curve,
89
212000
2000
și aşa obții porțiunea de platou a curbei,
03:49
and you get this classic sigmoidal curve.
90
214000
3000
rezultatul fiind această formă clasică sigmoidă.
03:52
And this holds for germs, ideas,
91
217000
2000
Același lucru este valabil pentru microbi, idei,
03:54
product adoption, behaviors,
92
219000
2000
produse noi, comportamente,
03:56
and the like.
93
221000
2000
și altele.
03:58
But things don't just diffuse in human populations at random.
94
223000
3000
Dar aceste lucruri nu se propagă în rândurile populației aleatoriu.
04:01
They actually diffuse through networks.
95
226000
2000
Ele, de fapt, se propagă prin rețele.
04:03
Because, as I said, we live our lives in networks,
96
228000
3000
Pentru că, așa cum am spus, noi înșine trăim în rețele,
04:06
and these networks have a particular kind of a structure.
97
231000
3000
și aceste rețele au un anumit tip de structură.
04:09
Now if you look at a network like this --
98
234000
2000
Dacă te uiţi la o reţea ca aceasta...
04:11
this is 105 people.
99
236000
2000
Aici sunt 105 oameni.
04:13
And the lines represent -- the dots are the people,
100
238000
2000
Și liniile reprezintă... punctele sunt oamenii,
04:15
and the lines represent friendship relationships.
101
240000
2000
iar liniile reprezintă relațiile de prietenie.
04:17
You might see that people occupy
102
242000
2000
Puteți vedea că oamenii ocupă
04:19
different locations within the network.
103
244000
2000
locații diferite în cadrul rețelei.
04:21
And there are different kinds of relationships between the people.
104
246000
2000
Și sunt diverse tipuri de relații între oameni.
04:23
You could have friendship relationships, sibling relationships,
105
248000
3000
Ai putea avea relații de prietenie, relații intre frați,
04:26
spousal relationships, co-worker relationships,
106
251000
3000
relații între soți, sau între colegi de serviciu,
04:29
neighbor relationships and the like.
107
254000
3000
relații între vecini, și altele.
04:32
And different sorts of things
108
257000
2000
Și multe alte lucruri
04:34
spread across different sorts of ties.
109
259000
2000
se propagă de-a lungul multor altor tipuri de legături.
04:36
For instance, sexually transmitted diseases
110
261000
2000
De exemplu, bolile cu transmitere sexuală
04:38
will spread across sexual ties.
111
263000
2000
se vor propaga de-a lungul legăturilor sexuale.
04:40
Or, for instance, people's smoking behavior
112
265000
2000
Sau, de exemplu, obiceiul de a fuma
04:42
might be influenced by their friends.
113
267000
2000
poate fi generat de anturaj.
04:44
Or their altruistic or their charitable giving behavior
114
269000
2000
Sau comportamentul altruist sau caritabil
04:46
might be influenced by their coworkers,
115
271000
2000
poate fi influențat de colegii de muncă,
04:48
or by their neighbors.
116
273000
2000
sau de către vecini.
04:50
But not all positions in the network are the same.
117
275000
3000
Dar nu toate pozițiile în rețea sunt identice.
04:53
So if you look at this, you might immediately grasp
118
278000
2000
Dacă vă uitați aici, v-ați putea da seama imediat
04:55
that different people have different numbers of connections.
119
280000
3000
că persoane diferite au numărul de conexiuni diferit.
04:58
Some people have one connection, some have two,
120
283000
2000
Unii oameni au o conexiune, alții au două,
05:00
some have six, some have 10 connections.
121
285000
3000
unii au șase, iar alții au 10.
05:03
And this is called the "degree" of a node,
122
288000
2000
Această caracteristică se numește "gradul" unui nod,
05:05
or the number of connections that a node has.
123
290000
2000
sau numărul de conexiuni pe care le are un nod.
05:07
But in addition, there's something else.
124
292000
2000
Dar, în plus, mai e ceva.
05:09
So, if you look at nodes A and B,
125
294000
2000
Dacă te uiți la nodurile A și B,
05:11
they both have six connections.
126
296000
2000
ambele au câte șase conexiuni.
05:13
But if you can see this image [of the network] from a bird's eye view,
127
298000
3000
Dar dacă ai vedea această imagine de undeva de deasupra,
05:16
you can appreciate that there's something very different
128
301000
2000
ai observa că ceva diferă într-o măsură foarte mare
05:18
about nodes A and B.
129
303000
2000
în ce privește nodurile A şi B.
05:20
So, let me ask you this -- I can cultivate this intuition by asking a question --
130
305000
3000
Aşa că, lăsați-mă să vă întreb -- vă pot ajuta să înțelegeți cu o întrebare --
05:23
who would you rather be
131
308000
2000
cine ai prefera să fii,
05:25
if a deadly germ was spreading through the network, A or B?
132
310000
3000
dacă un microb letal s-ar răspândi prin rețea, A sau B?
05:28
(Audience: B.) Nicholas Christakis: B, it's obvious.
133
313000
2000
(Audienta: B.) Nicholas Christakis: B, este evident.
05:30
B is located on the edge of the network.
134
315000
2000
B e așezat la marginea rețelei.
05:32
Now, who would you rather be
135
317000
2000
Acum, cine ai prefera să fii
05:34
if a juicy piece of gossip were spreading through the network?
136
319000
3000
dacă o bârfă interesantă s-ar răspândi prin rețea?
05:37
A. And you have an immediate appreciation
137
322000
3000
A. Și înțelegi imediat
05:40
that A is going to be more likely
138
325000
2000
că e mai probabil ca A
05:42
to get the thing that's spreading and to get it sooner
139
327000
3000
să intre în contact cu orice se propagă în rețea și să o facă mai devreme
05:45
by virtue of their structural location within the network.
140
330000
3000
în virtutea poziției sale în structura rețelei.
05:48
A, in fact, is more central,
141
333000
2000
A, de fapt, este mai central,
05:50
and this can be formalized mathematically.
142
335000
3000
și asta poate fi exprimată matematic.
05:53
So, if we want to track something
143
338000
2000
Aşa că, dacă vrem să dăm de urma a ceva
05:55
that was spreading through a network,
144
340000
3000
ce se propagă prin rețea,
05:58
what we ideally would like to do is to set up sensors
145
343000
2000
ce ar trebui să facem este să folosim senzori
06:00
on the central individuals within the network,
146
345000
2000
conectați la indivizii centrali din cadrul rețelei,
06:02
including node A,
147
347000
2000
incluzând nodul A,
06:04
monitor those people that are right there in the middle of the network,
148
349000
3000
monitorizând acei oameni care sunt acolo, în centrul rețelei,
06:07
and somehow get an early detection
149
352000
2000
și, cumva, obținând o detecție precoce
06:09
of whatever it is that is spreading through the network.
150
354000
3000
a orice s-ar propaga prin rețea.
06:12
So if you saw them contract a germ or a piece of information,
151
357000
3000
Adică, dacă ei ar intra în contact cu vreun microb sau o informație,
06:15
you would know that, soon enough,
152
360000
2000
ai știi că, ulterior,
06:17
everybody was about to contract this germ
153
362000
2000
toți ceilalți vor intra în contact cu acel microb
06:19
or this piece of information.
154
364000
2000
sau acea informație.
06:21
And this would be much better
155
366000
2000
Această metodă este mult mai bună
06:23
than monitoring six randomly chosen people,
156
368000
2000
decât cea bazată pe șase oameni aleși aleatoriu,
06:25
without reference to the structure of the population.
157
370000
3000
fără a lua în calcul structura populației.
06:28
And in fact, if you could do that,
158
373000
2000
Și, de fapt, dacă ai putea face asa ceva,
06:30
what you would see is something like this.
159
375000
2000
ai obține ceva de genul acesta.
06:32
On the left-hand panel, again, we have the S-shaped curve of adoption.
160
377000
3000
În partea stângă, din nou, avem curba adoptării, în forma de S.
06:35
In the dotted red line, we show
161
380000
2000
Linia punctată roșie indică
06:37
what the adoption would be in the random people,
162
382000
2000
cum ar arăta adoptarea într-un eșantion aleatoriu,
06:39
and in the left-hand line, shifted to the left,
163
384000
3000
iar linia din stânga, trecută la stânga,
06:42
we show what the adoption would be
164
387000
2000
indică cum ar arăta adoptarea
06:44
in the central individuals within the network.
165
389000
2000
luând în calcul indivizii centrali ai rețelei.
06:46
On the Y-axis is the cumulative instances of contagion,
166
391000
2000
Pe axa Y se află stadiile contagiunii, luate cumulativ,
06:48
and on the X-axis is the time.
167
393000
2000
iar pe axa X se află timpul.
06:50
And on the right-hand side, we show the same data,
168
395000
2000
În partea dreaptă avem aceleași date,
06:52
but here with daily incidence.
169
397000
2000
dar, de data asta, în funcție de incidenţa zilnică.
06:54
And what we show here is -- like, here --
170
399000
2000
Și ce vrem să arătăm aici -- aici --
06:56
very few people are affected, more and more and more and up to here,
171
401000
2000
foarte puţini oameni sunt afectați, din ce în ce mai mulţi și până aici, sus,
06:58
and here's the peak of the epidemic.
172
403000
2000
unde avem vârful epidemiei.
07:00
But shifted to the left is what's occurring in the central individuals.
173
405000
2000
În stânga, avem o reprezentare a ce se întâmplă cu indivizii centrali.
07:02
And this difference in time between the two
174
407000
3000
Și această diferență în timp dintre cele două
07:05
is the early detection, the early warning we can get,
175
410000
3000
e detecția precoce, acel preaviz pe care îl putem obține,
07:08
about an impending epidemic
176
413000
2000
despre o epidemie iminentă
07:10
in the human population.
177
415000
2000
într-o anumită populație.
07:12
The problem, however,
178
417000
2000
Problema, totuși,
07:14
is that mapping human social networks
179
419000
2000
e că o cartografiere precisă a rețelelor sociale
07:16
is not always possible.
180
421000
2000
nu este întotdeauna posibilă.
07:18
It can be expensive, not feasible,
181
423000
2000
Poate fi prea scumpă, [prea dificilă],
07:20
unethical,
182
425000
2000
poate să nu fie etică,
07:22
or, frankly, just not possible to do such a thing.
183
427000
3000
sau, chiar, poate să nu fie posibilă.
07:25
So, how can we figure out
184
430000
2000
Deci cum ne putem da seama
07:27
who the central people are in a network
185
432000
2000
cine sunt indivizii centrali într-o rețea
07:29
without actually mapping the network?
186
434000
3000
fără a cartografia rețeaua?
07:32
What we came up with
187
437000
2000
Am venit cu
07:34
was an idea to exploit an old fact,
188
439000
2000
ideea de a exploata un fapt vechi,
07:36
or a known fact, about social networks,
189
441000
2000
cunoscut, despre rețelele sociale,
07:38
which goes like this:
190
443000
2000
care sună așa:
07:40
Do you know that your friends
191
445000
2000
Știi că prietenii tăi
07:42
have more friends than you do?
192
447000
3000
au mai mulţi prieteni decât tine?
07:45
Your friends have more friends than you do,
193
450000
3000
Prietenii tăi au mai mulţi prieteni decât tine.
07:48
and this is known as the friendship paradox.
194
453000
2000
E cunoscut ca paradoxul prieteniei.
07:50
Imagine a very popular person in the social network --
195
455000
2000
Imaginați-vă o persoană foarte populară în rețeaua socială --
07:52
like a party host who has hundreds of friends --
196
457000
3000
cum ar fi gazda unei petreceri cu sute de prieteni --
07:55
and a misanthrope who has just one friend,
197
460000
2000
și un mizantrop care are un singur prieten,
07:57
and you pick someone at random from the population;
198
462000
3000
și alegi pe cineva aleatoriu din populație;
08:00
they were much more likely to know the party host.
199
465000
2000
acel cineva e mult mai probabil să fie conectat cu gazda petrecerii.
08:02
And if they nominate the party host as their friend,
200
467000
2000
Și dacă acea persoană nominalizează gazda ca prieten,
08:04
that party host has a hundred friends,
201
469000
2000
atunci acea gazdă are o sută de prieteni,
08:06
therefore, has more friends than they do.
202
471000
3000
deci are mai multi prieteni decât persoana aleasă aleatoriu.
08:09
And this, in essence, is what's known as the friendship paradox.
203
474000
3000
Și acesta, în esență, este paradoxul prieteniei.
08:12
The friends of randomly chosen people
204
477000
3000
Prietenii unor indivizi aleși aleatoriu
08:15
have higher degree, and are more central
205
480000
2000
au grade mai mari și sunt mai centrali,
08:17
than the random people themselves.
206
482000
2000
decât indivizii pe care îi alegem aleatoriu.
08:19
And you can get an intuitive appreciation for this
207
484000
2000
Puteți aprecia acest fapt, la nivel intuitiv,
08:21
if you imagine just the people at the perimeter of the network.
208
486000
3000
dacă vă imaginați doar oamenii de la periferia rețelei.
08:24
If you pick this person,
209
489000
2000
Dacă alegeți o persoană,
08:26
the only friend they have to nominate is this person,
210
491000
3000
singurul prieten pe care aceasta îl poate nominaliza,
08:29
who, by construction, must have at least two
211
494000
2000
este unul care prin definiție are cel puțin doi prieteni,
08:31
and typically more friends.
212
496000
2000
și, de obicei, mai multi prieteni.
08:33
And that happens at every peripheral node.
213
498000
2000
Acest fapt apare la orice nod periferic.
08:35
And in fact, it happens throughout the network as you move in,
214
500000
3000
De fapt, același lucru se întâmplă pe măsură ce înaintăm înspre interiorul rețelei,
08:38
everyone you pick, when they nominate a random --
215
503000
2000
pe oricine ai alege, atunci când nominalizez aleatoriu...
08:40
when a random person nominates a friend of theirs,
216
505000
3000
când o persoană la întâmplare își nominalizează un prieten,
08:43
you move closer to the center of the network.
217
508000
3000
ajungem mai aproape de centrul rețelei.
08:46
So, we thought we would exploit this idea
218
511000
3000
Ne-am gândit să exploatăm această idee
08:49
in order to study whether we could predict phenomena within networks.
219
514000
3000
pentru a studia dacă putem prezice fenomene în interiorul rețelelor.
08:52
Because now, with this idea
220
517000
2000
Pentru că acum, cu această idee,
08:54
we can take a random sample of people,
221
519000
2000
putem extrage un eșantion aleatoriu de oameni,
08:56
have them nominate their friends,
222
521000
2000
să îi rugăm să își nominalizeze prietenii,
08:58
those friends would be more central,
223
523000
2000
și acei prieteni vor fi automat mai centrali,
09:00
and we could do this without having to map the network.
224
525000
3000
şi putem face asta fără să trebuiască să cartografiem rețeaua.
09:03
And we tested this idea with an outbreak of H1N1 flu
225
528000
3000
Am testat această idee la apariția gripei H1N1
09:06
at Harvard College
226
531000
2000
la Colegiul Harvard
09:08
in the fall and winter of 2009, just a few months ago.
227
533000
3000
în toamna și iarna lui 2009, acum doar câteva luni.
09:11
We took 1,300 randomly selected undergraduates,
228
536000
3000
Am ales un eșantion aleatoriu de 1.300 de studenți,
09:14
we had them nominate their friends,
229
539000
2000
i-am rugat să își nominalizeze prietenii,
09:16
and we followed both the random students and their friends
230
541000
2000
și i-am urmărit atât pe studenții din eșantion, cât și pe prietenii lor
09:18
daily in time
231
543000
2000
zilnic
09:20
to see whether or not they had the flu epidemic.
232
545000
3000
să vedem dacă contractează sau nu gripa.
09:23
And we did this passively by looking at whether or not they'd gone to university health services.
233
548000
3000
Am făcut acest lucru pasiv, observând dacă au apelat la serviciile medicale ale universității.
09:26
And also, we had them [actively] email us a couple of times a week.
234
551000
3000
De asemenea, i-am rugat să ne scrie prin e-mail de câteva ori pe săptămână.
09:29
Exactly what we predicted happened.
235
554000
3000
S-a întâmplat exact ce am prezis.
09:32
So the random group is in the red line.
236
557000
3000
Grupul aleatoriu este reprezentat de linia roșie.
09:35
The epidemic in the friends group has shifted to the left, over here.
237
560000
3000
Epidemia în grupul prietenilor apare la stânga, acolo.
09:38
And the difference in the two is 16 days.
238
563000
3000
Diferența între cele două este de 16 zile.
09:41
By monitoring the friends group,
239
566000
2000
Monitorizând grupul prietenilor,
09:43
we could get 16 days advance warning
240
568000
2000
putem fi preveniți cu 16 zile înainte
09:45
of an impending epidemic in this human population.
241
570000
3000
despre o epidemie iminentă în populație.
09:48
Now, in addition to that,
242
573000
2000
În plus,
09:50
if you were an analyst who was trying to study an epidemic
243
575000
3000
în calitate de analist care încearcă să studieze o epidemie
09:53
or to predict the adoption of a product, for example,
244
578000
3000
sau să prezică adoptarea unui produs, de exemplu,
09:56
what you could do is you could pick a random sample of the population,
245
581000
3000
ce ai putea face este să alegi un eșantion aleatoriu din populație,
09:59
also have them nominate their friends and follow the friends
246
584000
3000
și, în același mod, să îi rogi să-și nominalizeze prietenii, iar tu să-i urmărești,
10:02
and follow both the randoms and the friends.
247
587000
3000
atât pe cei din eșantion, cât și pe prietenii lor.
10:05
Among the friends, the first evidence you saw of a blip above zero
248
590000
3000
Între prieteni, primul semn al unei variații peste 0
10:08
in adoption of the innovation, for example,
249
593000
3000
în adoptarea unei inovații, de exemplu,
10:11
would be evidence of an impending epidemic.
250
596000
2000
dovedește iminența unei epidemii.
10:13
Or you could see the first time the two curves diverged,
251
598000
3000
Sau ai putea observa prima divergență între cele două curbe,
10:16
as shown on the left.
252
601000
2000
după cum apare în stânga.
10:18
When did the randoms -- when did the friends take off
253
603000
3000
Când au început cei aleși aleatoriu... când au început prietenii să
10:21
and leave the randoms,
254
606000
2000
se despartă de cei aleși aleatoriu,
10:23
and [when did] their curve start shifting?
255
608000
2000
și când a început curba să se desprindă?
10:25
And that, as indicated by the white line,
256
610000
2000
Și aceasta, așa cum indică linia albă,
10:27
occurred 46 days
257
612000
2000
s-a întâmplat cu 46 de zile
10:29
before the peak of the epidemic.
258
614000
2000
înainte de punctul maxim al epidemiei.
10:31
So this would be a technique
259
616000
2000
Deci aceasta ar fi o tehnică
10:33
whereby we could get more than a month-and-a-half warning
260
618000
2000
prin care am putea obține o avertizare cu o lună și jumătate înainte.
10:35
about a flu epidemic in a particular population.
261
620000
3000
despre o epidemie într-o anumită populație.
10:38
I should say that
262
623000
2000
Aș spune că
10:40
how far advanced a notice one might get about something
263
625000
2000
avansul cu care primești un astfel de avertisment
10:42
depends on a host of factors.
264
627000
2000
depinde de o multitudine de factori.
10:44
It could depend on the nature of the pathogen --
265
629000
2000
Ar putea depinde de natura patogenului --
10:46
different pathogens,
266
631000
2000
patogeni diferiți,
10:48
using this technique, you'd get different warning --
267
633000
2000
folosind această tehnică, permit avertismente diferite --
10:50
or other phenomena that are spreading,
268
635000
2000
sau alte fenomene care se răspândesc,
10:52
or frankly, on the structure of the human network.
269
637000
3000
sau, pur și simplu, de structura rețelei umane.
10:55
Now in our case, although it wasn't necessary,
270
640000
3000
Acum, în cazul nostru, deși nu a fost necesar,
10:58
we could also actually map the network of the students.
271
643000
2000
am putut cartografia rețeaua de studenți.
11:00
So, this is a map of 714 students
272
645000
2000
Aşa, am obținut o hartă cu 714 studenți
11:02
and their friendship ties.
273
647000
2000
și legăturile de prietenie dintre ei.
11:04
And in a minute now, I'm going to put this map into motion.
274
649000
2000
Și într-un minut, voi pune în mișcare această hartă.
11:06
We're going to take daily cuts through the network
275
651000
2000
Vom avea în vedere secțiuni zilnice prin rețea
11:08
for 120 days.
276
653000
2000
timp de 120 zile.
11:10
The red dots are going to be cases of the flu,
277
655000
3000
Punctele roșii sunt cazurile de gripă,
11:13
and the yellow dots are going to be friends of the people with the flu.
278
658000
3000
iar punctele galbene sunt prietenii persoanelor cu gripă.
11:16
And the size of the dots is going to be proportional
279
661000
2000
Și mărimea punctului este proporțională
11:18
to how many of their friends have the flu.
280
663000
2000
cu numărul prietenilor care au gripă.
11:20
So bigger dots mean more of your friends have the flu.
281
665000
3000
Deci, cu cât punctul este mai mare, cu atât mai mulţi prieteni au gripă.
11:23
And if you look at this image -- here we are now in September the 13th --
282
668000
3000
Și dacă vă uitați la această imagine -- aici suntem în data de 13 septembrie --
11:26
you're going to see a few cases light up.
283
671000
2000
veți vedea că apar câteva cazuri.
11:28
You're going to see kind of blooming of the flu in the middle.
284
673000
2000
Veți vedea o înflorire a gripei în mijloc.
11:30
Here we are on October the 19th.
285
675000
3000
Aici suntem în data de 19 octombrie.
11:33
The slope of the epidemic curve is approaching now, in November.
286
678000
2000
Panta curbei epidemiei se apropie de acest moment, în noiembrie.
11:35
Bang, bang, bang, bang, bang -- you're going to see lots of blooming in the middle,
287
680000
3000
Bang, bang, bang, bang, bang, veți vedea multe cazuri în mijloc,
11:38
and then you're going to see a sort of leveling off,
288
683000
2000
și apoi un fel de nivelare,
11:40
fewer and fewer cases towards the end of December.
289
685000
3000
din ce în ce mai puține cazuri către finele lui decembrie.
11:43
And this type of a visualization
290
688000
2000
Și acest tip de vizualizare
11:45
can show that epidemics like this take root
291
690000
2000
poate indica faptul că epidemii de genul acesta își au originea
11:47
and affect central individuals first,
292
692000
2000
și afectează mai întâi indivizi centrali,
11:49
before they affect others.
293
694000
2000
înainte de a-i afecta pe alții.
11:51
Now, as I've been suggesting,
294
696000
2000
Acum, după cum am sugerat,
11:53
this method is not restricted to germs,
295
698000
3000
această metodă nu este aplicabilă doar microbilor,
11:56
but actually to anything that spreads in populations.
296
701000
2000
ci, de fapt, oricărui lucru care se poate răspândi într-o populație.
11:58
Information spreads in populations,
297
703000
2000
Informația se răspândește în populație.
12:00
norms can spread in populations,
298
705000
2000
Normele se pot răspândi în populație.
12:02
behaviors can spread in populations.
299
707000
2000
Comportamentele se pot răspândi în populație.
12:04
And by behaviors, I can mean things like criminal behavior,
300
709000
3000
Și, prin comportament, înțeleg lucruri precum comportamentul infracțional
12:07
or voting behavior, or health care behavior,
301
712000
3000
sau comportamentul de vot, sau comportamentul legat de sănătatate,
12:10
like smoking, or vaccination,
302
715000
2000
precum fumatul sau vaccinarea,
12:12
or product adoption, or other kinds of behaviors
303
717000
2000
sau adoptarea de produse, sau alte tipuri de comportamente
12:14
that relate to interpersonal influence.
304
719000
2000
care se leagă de influenţa interpersonală.
12:16
If I'm likely to do something that affects others around me,
305
721000
3000
Dacă sunt înclinat să fac ceva care îi afectează pe cei din jur,
12:19
this technique can get early warning or early detection
306
724000
3000
această tehnică poate avertiza, sau poate detecta din timp,
12:22
about the adoption within the population.
307
727000
3000
adoptarea comportamentului în masa populației.
12:25
The key thing is that for it to work,
308
730000
2000
Cheia este că, pentru a funcționa,
12:27
there has to be interpersonal influence.
309
732000
2000
trebuie să existe influenţă interpersonală.
12:29
It cannot be because of some broadcast mechanism
310
734000
2000
Nu se poate lega de vreo metodă de propagare
12:31
affecting everyone uniformly.
311
736000
3000
care îi afectează pe toți uniform.
12:35
Now the same insights
312
740000
2000
Aceleași idei
12:37
can also be exploited -- with respect to networks --
313
742000
3000
pot fi exploatate -- în ceea ce privește rețelele --
12:40
can also be exploited in other ways,
314
745000
3000
pot fi exploatate în alte moduri,
12:43
for example, in the use of targeting
315
748000
2000
de exemplu, în vizarea
12:45
specific people for interventions.
316
750000
2000
anumitor persoane pentru intervenții.
12:47
So, for example, most of you are probably familiar
317
752000
2000
De exemplu, cei mai multi dintre voi sunteți familiarizaţi
12:49
with the notion of herd immunity.
318
754000
2000
cu noțiunea de "imunitate de turmă".
12:51
So, if we have a population of a thousand people,
319
756000
3000
Deci, dacă avem o populație de o mie de persoane,
12:54
and we want to make the population immune to a pathogen,
320
759000
3000
şi vrem să imunizăm populația la un anumit patogen,
12:57
we don't have to immunize every single person.
321
762000
2000
nu e nevoie să imunizăm toate persoanele.
12:59
If we immunize 960 of them,
322
764000
2000
Dacă imunizăm 960 dintre ei,
13:01
it's as if we had immunized a hundred [percent] of them.
323
766000
3000
e ca și cum i-am fi imunizat în proporție de 100%.
13:04
Because even if one or two of the non-immune people gets infected,
324
769000
3000
Pentru că, deși dacă unul sau doi dintre cei ne-imunizați e infectat,
13:07
there's no one for them to infect.
325
772000
2000
nu au cum să-i infecteze pe alții.
13:09
They are surrounded by immunized people.
326
774000
2000
Ei sunt înconjurați de persoane imune.
13:11
So 96 percent is as good as 100 percent.
327
776000
3000
Aşa că un procentaj de 96 este la fel de bun ca unul de 100.
13:14
Well, some other scientists have estimated
328
779000
2000
Ei bine, unii oameni de știință au estimat
13:16
what would happen if you took a 30 percent random sample
329
781000
2000
ce s-ar întâmpla dacă ai lua un eșantion aleatoriu de 30 de procente
13:18
of these 1000 people, 300 people and immunized them.
330
783000
3000
din acești 1.000 de oameni, 300, și i-ai imuniza.
13:21
Would you get any population-level immunity?
331
786000
2000
Ai obține vreo imunitate la nivelul populației?
13:23
And the answer is no.
332
788000
3000
Răspunsul este nu.
13:26
But if you took this 30 percent, these 300 people
333
791000
2000
Dar, dacă ai lua acest procentaj, acești 300 de oameni,
13:28
and had them nominate their friends
334
793000
2000
și i-ai pune să își nominalizeze prietenii
13:30
and took the same number of vaccine doses
335
795000
3000
și ai folosi același număr de doze de vaccin
13:33
and vaccinated the friends of the 300 --
336
798000
2000
și ai vaccina prietenii celor 300,
13:35
the 300 friends --
337
800000
2000
cei 300 de prieteni,
13:37
you can get the same level of herd immunity
338
802000
2000
poți obține același nivel de imunitate de turmă
13:39
as if you had vaccinated 96 percent of the population
339
804000
3000
ca atunci când ai vaccina un procentaj de 96 din populație
13:42
at a much greater efficiency, with a strict budget constraint.
340
807000
3000
cu o eficiență mult mai mare, cu o constrângere bugetară strictă.
13:45
And similar ideas can be used, for instance,
341
810000
2000
Idei similare pot fi folosite, de exemplu,
13:47
to target distribution of things like bed nets
342
812000
2000
pentru țintirea distribuției unor lucruri precum plasele împotriva țânțarilor
13:49
in the developing world.
343
814000
2000
în statele în curs de dezvoltare.
13:51
If we could understand the structure of networks in villages,
344
816000
3000
Dacă am putea înțelege structura rețelelor în sate,
13:54
we could target to whom to give the interventions
345
819000
2000
am putea ținti beneficiarii unor astfel de intervenții
13:56
to foster these kinds of spreads.
346
821000
2000
pentru a obține răspândirea dorită.
13:58
Or, frankly, for advertising with all kinds of products.
347
823000
3000
Sau, sincer, pentru publicitatea diferitelor tipuri de produse.
14:01
If we could understand how to target,
348
826000
2000
Dacă am putea înțelege cum să țintim,
14:03
it could affect the efficiency
349
828000
2000
asta ar putea afecta eficiența
14:05
of what we're trying to achieve.
350
830000
2000
a ceea ce încercăm să obținem.
14:07
And in fact, we can use data
351
832000
2000
Și, de fapt, putem folosi date
14:09
from all kinds of sources nowadays [to do this].
352
834000
2000
dintr-o multitudine de surse în ziua de azi.
14:11
This is a map of eight million phone users
353
836000
2000
Aceasta este o hartă cu opt milioane de utilizatori de telefonie
14:13
in a European country.
354
838000
2000
într-o țară europeană.
14:15
Every dot is a person, and every line represents
355
840000
2000
Fiecare punct este o persoană, iar fiecare linie reprezintă
14:17
a volume of calls between the people.
356
842000
2000
volumul convorbirilor telefonice dintre persoane.
14:19
And we can use such data, that's being passively obtained,
357
844000
3000
Putem folosi astfel de date, obținute pasiv,
14:22
to map these whole countries
358
847000
2000
să cartografiem aceste ţări în întregime
14:24
and understand who is located where within the network.
359
849000
3000
și să înțelegem cine este așezat unde în cadrul rețelei.
14:27
Without actually having to query them at all,
360
852000
2000
Fără a fi nevoie să îi contactăm,
14:29
we can get this kind of a structural insight.
361
854000
2000
putem obține astfel de perspective structurale.
14:31
And other sources of information, as you're no doubt aware
362
856000
3000
Și alte surse de informație, după cum bine știți,
14:34
are available about such features, from email interactions,
363
859000
3000
sunt disponibile pentru caracteristici precum interacțiuni pe e-mail,
14:37
online interactions,
364
862000
2000
interacțiuni online,
14:39
online social networks and so forth.
365
864000
3000
rețele sociale online, și așa mai departe.
14:42
And in fact, we are in the era of what I would call
366
867000
2000
Și, de fapt, suntem într-o epocă a ceea ce eu aş numi
14:44
"massive-passive" data collection efforts.
367
869000
3000
eforturi de colectare de date "masiv-pasive".
14:47
They're all kinds of ways we can use massively collected data
368
872000
3000
Sunt multe moduri în care putem folosi date obținute astfel
14:50
to create sensor networks
369
875000
3000
pentru a crea rețele de senzori
14:53
to follow the population,
370
878000
2000
pentru a urmări populația,
14:55
understand what's happening in the population,
371
880000
2000
a înțelege ce se întâmplă în populație,
14:57
and intervene in the population for the better.
372
882000
3000
și a interveni la nivelul populației pentru a face bine.
15:00
Because these new technologies tell us
373
885000
2000
Pentru că aceste noi tehnologii ne spun
15:02
not just who is talking to whom,
374
887000
2000
nu doar cine vorbește cu cine,
15:04
but where everyone is,
375
889000
2000
dar și unde se află,
15:06
and what they're thinking based on what they're uploading on the Internet,
376
891000
3000
și ce gândește fiecare, bazându-se pe conținutul încărcat de aceștia pe Internet,
15:09
and what they're buying based on their purchases.
377
894000
2000
și ce cumpăra fiecare, bazându-se pe achizițiile lor.
15:11
And all this administrative data can be pulled together
378
896000
3000
Toate aceste date administrative pot fi agregate
15:14
and processed to understand human behavior
379
899000
2000
și procesate pentru a înțelege comportamentul uman
15:16
in a way we never could before.
380
901000
3000
într-un mod imposibil până acum.
15:19
So, for example, we could use truckers' purchases of fuel.
381
904000
3000
Deci, de exemplu, putem folosi achizițiile de combustibil ale conducătorilor de camioane.
15:22
So the truckers are just going about their business,
382
907000
2000
Deci camionagii își văd de treabă,
15:24
and they're buying fuel.
383
909000
2000
și cumpără combustibil.
15:26
And we see a blip up in the truckers' purchases of fuel,
384
911000
3000
Iar noi vedem o creștere a achizițiilor lor de combustibil,
15:29
and we know that a recession is about to end.
385
914000
2000
și știm că recesiunea e aproape de sfârșit.
15:31
Or we can monitor the velocity
386
916000
2000
Sau putem monitoriza viteza
15:33
with which people are moving with their phones on a highway,
387
918000
3000
cu care oamenii se deplasează pe autostradă folosind telefoanele
15:36
and the phone company can see,
388
921000
2000
și compania de telefonie poate vedea,
15:38
as the velocity is slowing down,
389
923000
2000
atunci când viteza e în descreștere,
15:40
that there's a traffic jam.
390
925000
2000
că există un ambuteiaj.
15:42
And they can feed that information back to their subscribers,
391
927000
3000
Iar ei pot trimite informația înapoi la abonați,
15:45
but only to their subscribers on the same highway
392
930000
2000
dar doar abonaților aflați pe acea autostradă
15:47
located behind the traffic jam!
393
932000
2000
aflați în spatele ambuteiajului!
15:49
Or we can monitor doctors prescribing behaviors, passively,
394
934000
3000
Sau putem monitoriza pasiv comportamentul medicilor de a prescrie medicamente
15:52
and see how the diffusion of innovation with pharmaceuticals
395
937000
3000
și putem vedea cum arată răspândirea inovațiilor din domeniul farmaceutic
15:55
occurs within [networks of] doctors.
396
940000
2000
în interiorul rețelei de medici.
15:57
Or again, we can monitor purchasing behavior in people
397
942000
2000
Sau, din nou, putem monitoriza comportamentul de achiziție al oamenilor,
15:59
and watch how these types of phenomena
398
944000
2000
și putem observa cum acest gen de fenomene
16:01
can diffuse within human populations.
399
946000
3000
se pot propaga în populație.
16:04
And there are three ways, I think,
400
949000
2000
Sunt trei moduri, cred,
16:06
that these massive-passive data can be used.
401
951000
2000
în care aceste date masiv-pasive pot fi folosite.
16:08
One is fully passive,
402
953000
2000
Unul dintre ele este în totalitate pasiv,
16:10
like I just described --
403
955000
2000
așa cum am arătat --
16:12
as in, for instance, the trucker example,
404
957000
2000
aşa ca, de exemplu, situația camionagiilor,
16:14
where we don't actually intervene in the population in any way.
405
959000
2000
unde nu intervenim de fapt la nivelul populației în niciun fel.
16:16
One is quasi-active,
406
961000
2000
Unul este cvasi-activ,
16:18
like the flu example I gave,
407
963000
2000
ca în exemplul gripei pe care l-am dat,
16:20
where we get some people to nominate their friends
408
965000
3000
unde putem ruga câteva persoane să își nominalizeze prietenii
16:23
and then passively monitor their friends --
409
968000
2000
și apoi, pasiv, să îi monitorizam pe aceștia --
16:25
do they have the flu, or not? -- and then get warning.
410
970000
2000
au sau nu au gripă? -- și astfel să fim avertizați.
16:27
Or another example would be,
411
972000
2000
Un alt exemplu ar fi,
16:29
if you're a phone company, you figure out who's central in the network
412
974000
3000
dacă ești o companie telefonică, îți dai seama cine se află în centrul rețelei,
16:32
and you ask those people, "Look, will you just text us your fever every day?
413
977000
3000
și îi întrebi "Uite, vrei să ne trimiți zilnic un mesaj în care să ne spui dacă ai sau nu febră?
16:35
Just text us your temperature."
414
980000
2000
Doar trimite-ne un mesaj cu temperatura ta."
16:37
And collect vast amounts of information about people's temperature,
415
982000
3000
Și colectezi cantități mari de informație despre temperatura oamenilor,
16:40
but from centrally located individuals.
416
985000
2000
dar de la indivizi localizați central.
16:42
And be able, on a large scale,
417
987000
2000
Și poți, pe scară largă,
16:44
to monitor an impending epidemic
418
989000
2000
să monitorizezi o epidemie iminentă
16:46
with very minimal input from people.
419
991000
2000
cu o contribuție minimă din partea oamenilor.
16:48
Or, finally, it can be more fully active --
420
993000
2000
Sau, în cele din urmă, poate fi vorba despre ceva activ --
16:50
as I know subsequent speakers will also talk about today --
421
995000
2000
după cum știu că vor aminti și alți co-vorbitori azi --
16:52
where people might globally participate in wikis,
422
997000
2000
unde oamenii pot participa global la platforme de tip "wiki",
16:54
or photographing, or monitoring elections,
423
999000
3000
sau prin fotografii, sau monitorizând alegeri,
16:57
and upload information in a way that allows us to pool
424
1002000
2000
și încărcând informația într-un mod care să ne permită să o agregăm
16:59
information in order to understand social processes
425
1004000
2000
pentru a înțelege procese sociale
17:01
and social phenomena.
426
1006000
2000
și fenomene sociale.
17:03
In fact, the availability of these data, I think,
427
1008000
2000
De fapt, disponibilitatea unor astfel de date, cred,
17:05
heralds a kind of new era
428
1010000
2000
prevestește o nouă epocă
17:07
of what I and others would like to call
429
1012000
2000
a ceea ce eu, dar și alții, numim
17:09
"computational social science."
430
1014000
2000
"știință socială computațională"
17:11
It's sort of like when Galileo invented -- or, didn't invent --
431
1016000
3000
E ca atunci când Galileo a inventat -- sau, nu a inventat --
17:14
came to use a telescope
432
1019000
2000
a ajuns să folosească telescopul
17:16
and could see the heavens in a new way,
433
1021000
2000
și a putut privi cerul într-un nou mod,
17:18
or Leeuwenhoek became aware of the microscope --
434
1023000
2000
sau Leeuwenhoek a aflat despre microscop --
17:20
or actually invented --
435
1025000
2000
sau, de fapt, l-a inventat --
17:22
and could see biology in a new way.
436
1027000
2000
și a putut vedea biologia într-un nou mod.
17:24
But now we have access to these kinds of data
437
1029000
2000
Dar acum avem acces la aceste tipuri de date
17:26
that allow us to understand social processes
438
1031000
2000
care ne permit să înțelegem procesele sociale
17:28
and social phenomena
439
1033000
2000
și fenomenele sociale
17:30
in an entirely new way that was never before possible.
440
1035000
3000
într-un mod cu totul nou, imposibil până acum.
17:33
And with this science, we can
441
1038000
2000
Și cu acest tip de știință, putem
17:35
understand how exactly
442
1040000
2000
înțelege exact cum
17:37
the whole comes to be greater
443
1042000
2000
întregul ajunge să fie mai mult
17:39
than the sum of its parts.
444
1044000
2000
decât suma părților sale.
17:41
And actually, we can use these insights
445
1046000
2000
Și, de fapt, putem folosi aceste informații
17:43
to improve society and improve human well-being.
446
1048000
3000
pentru a îmbunătăți societatea și a creşte bunăstarea omului.
17:46
Thank you.
447
1051000
2000
Vă mulțumesc.
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