English-Video.net comment policy

The comment field is common to all languages

Let's write in your language and use "Google Translate" together

Please refer to informative community guidelines on TED.com

TEDGlobal 2011

Geoffrey West: The surprising math of cities and corporations

เจฟฟรีย์ เวสต์ : คณิตพิศวง ของ 'เมืองและองค์กร'

Filmed
Views 1,442,576

เจฟฟรีย์ เวสต์ (Geoffrey West) นักฟิสิกส์ ได้ค้นพบกฏทางคณิตศาสตร์ง่ายๆ ที่สามารถอธิบายคุณลักษณะของเมือง ไม่ว่าจะเป็น ความมั่งคั่ง อัตราอาชญากรรม ความเร็วในการเดินของผู้คน และคุณลักษณะอื่นอีกหลายประการของเมือง โดยสามารถถอดออกมาจากตัวเลขโดดๆเพียงตัวเดียว นั่นก็คือ จำนวนประชากรในเมืองนั้น ในการบรรยายที่ชวนให้พิศวงจากงาน TEDGlobal เจฟฟรีย์ เวสต์ มาแสดงให้เราชมว่ามันเป็นไปได้อย่างไร และไปมีความคล้ายคลึงกับกฏทางคณิตศาสตร์ที่ใช้อธิบายสิ่งมีชีวิตและองค์กรอย่างไร

- 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

Cities are the crucible of civilization.
เมืองเป็นเบ้าหลอมของอารยธรรม
00:16
They have been expanding,
เมืองมีการขยายขนาดเรื่อยมา
00:19
urbanization has been expanding,
ชุมชนเมืองก็ขยายออกไปเรื่อยๆ
00:21
at an exponential rate in the last 200 years
ด้วยอัตราเร่ง ในช่วง 200 ปีที่ผ่านมา
00:23
so that by the second part of this century,
ฉะนั้น ภายในช่วงครึ่งหลังของศตวรรษนี้
00:25
the planet will be completely dominated
ดาวเคราะห์ดวงนี้จะถูกครอบครองพื้นที่จนหมด
00:28
by cities.
โดย ชุมชนเมือง
00:30
Cities are the origins of global warming,
เมือง เป็นแหล่งก่อให้เกิดภาวะโลกร้อน
00:33
impact on the environment,
ส่งผลกระทบต่อสิ่งแวดล้อม
00:36
health, pollution, disease,
สุขภาวะ มลพิษ โรค
00:38
finance,
การเงิน
00:41
economies, energy --
เศรษฐกิจ พลังงาน
00:43
they're all problems
ล้วนเป็นปัญหา
00:46
that are confronted by having cities.
ที่เราต้องเผชิญนับเนื่องมาจากการมีอยู่ของเมือง
00:48
That's where all these problems come from.
นั่นเป็นแหล่งของปัญหาทั้งหมดทั้งมวลครับ
00:50
And the tsunami of problems that we feel we're facing
และปัญหาต่างๆที่เรารู้สึกว่าเราต้องเผชิญระลอกแล้วระลอกเล่า
00:52
in terms of sustainability questions
ในแง่ของคำถามว่าด้วยความยั่งยืน
00:55
are actually a reflection
จริงๆแล้วก็คือภาพสะท้อน
00:57
of the exponential increase
ของการเติบโตอย่างก้าวกระโดด
00:59
in urbanization across the planet.
ของชุมชนเมืองทั่วโลก
01:01
Here's some numbers.
นี่เป็นตัวเลขบางส่วนครับ
01:04
Two hundred years ago, the United States
200 ปีก่อน สหรัฐอเมริกา
01:06
was less than a few percent urbanized.
มีชุมชนเมืองอยู่ไม่ถึงร้อยละสองร้อยละสาม
01:08
It's now more than 82 percent.
ตอนนี้มีมากกว่าร้อยละ 82 แล้วครับ
01:10
The planet has crossed the halfway mark a few years ago.
ดาวเคราะห์ดวงนี้ถูกใช้พื้นที่ไปครบครึ่งหนึ่งเมื่อ 2-3 ปีก่อน
01:12
China's building 300 new cities
จีนกำลังจะสร้างเมืองใหม่ 300 แห่ง
01:15
in the next 20 years.
ภายใน 20 ปีข้างหน้านี้
01:17
Now listen to this:
เอาหล่ะ ฟังให้ดีนะครับ
01:19
Every week for the foreseeable future,
ทุกๆ สัปดาห์ในอนาคตข้างหน้าอันใกล้
01:21
until 2050,
ไปจน ค.ศ.2050
01:24
every week more than a million people
ทุกๆ สัปดาห์ มีคนกว่าล้าน
01:26
are being added to our cities.
ที่เพิ่มจำนวนขึ้นในชุมชนเมืองต่างๆ
01:28
This is going to affect everything.
ซึ่งย่อมจะส่งผลกระทบต่อทุกสิ่งทุกอย่าง
01:30
Everybody in this room, if you stay alive,
ทุกๆท่านในห้องนี้ ถ้าคุณยังมีชีวิตอยู่
01:32
is going to be affected
ก็จะได้รับผลกระทบ
01:34
by what's happening in cities
จากอะไรต่อมิอะไรที่เกิดขึ้นในชุมชนเมือง
01:36
in this extraordinary phenomenon.
ในปรากฏการณ์ที่ไม่ธรรมดานี้
01:38
However, cities,
อย่างไรก็ดี เมือง
01:40
despite having this negative aspect to them,
แม้ว่าจะมีคุณลักษณะทางลบ
01:43
are also the solution.
แต่ก็เป็นคำตอบให้แก่ปัญหาด้วย
01:46
Because cities are the vacuum cleaners and the magnets
เนื่องจากชุมชนเมืองเป็นเหมือนเครื่องดูดฝุ่นและแม่เหล็ก
01:48
that have sucked up creative people,
ที่ดึงดูดผู้คนที่มีความคิดสร้างสรรค์เข้ามา
01:52
creating ideas, innovation,
สรรสร้างแนวคิดใหม่ๆ นวัตกรรมต่างๆ
01:54
wealth and so on.
ความมั่งคั่ง และอะไรต่อมิอะไร
01:56
So we have this kind of dual nature.
เพราะงั้น เราจึงมีธรรมชาติแบบทวิแบบนี้ไงครับ
01:58
And so there's an urgent need
และดังนั้น นั่นเป็นความจำเป็นเร่งด่วน
02:00
for a scientific theory of cities.
ที่จะต้องมีทฤษฎีวิทยาศาสตร์ว่าด้วย เมือง
02:03
Now these are my comrades in arms.
นี่คือเหล่านักวิชาการที่ค้นคว้าเรื่องนี้กับผมครับ
02:07
This work has been done with an extraordinary group of people,
งานวิจัยเช่นนี้ดำเนินการศึกษาโดยกลุ่มคนที่ไม่ธรรมดาครับ
02:10
and they've done all the work,
และพวกเขาเป็นคนทำงานทั้งหมด
02:12
and I'm the great bullshitter
ส่วนผมก็เอาแต่คุยโม้ไปวันๆ
02:14
that tries to bring it all together.
แล้วก็ฉกฉวยเอางานของพวกเขามารวมไว้ด้วยกัน
02:16
(Laughter)
(เสียงหัวเราะ)
02:18
So here's the problem: This is what we all want.
เอาหละครับ ปัญหาก็คือ: สิ่งที่พวกเราอยากได้
02:20
The 10 billion people on the planet in 2050
ประชากรโลกจำนวนหนึ่งหมื่นล้านคนในปี ค.ศ.2050
02:22
want to live in places like this,
ต้องการจะใช้ชีวิตในสถานที่แบบนี้
02:25
having things like this,
มีข้าวของเครื่องใช้แบบนี้
02:27
doing things like this,
ทำอะไรต่างๆ แบบนี้
02:29
with economies that are growing like this,
ด้วยเศรษฐกิจที่เติบโตขึ้นเรื่อยๆ แบบนี้
02:31
not realizing that entropy
โดยไม่ระลึกว่า เอ็นโทรปี
02:34
produces things like this,
ก่อให้เกิดสภาพแบบนี้
02:36
this, this
แบบนี้ แบบนี้
02:38
and this.
แล้วก็แบบนี้
02:42
And the question is:
และคำถามก็คือ
02:44
Is that what Edinburgh and London and New York
นี่หรือคือแบบที่ กรุงเอดินบะระ กับ กรุงลอนดอน กับ มหานครนิวยอร์ก
02:46
are going to look like in 2050,
กำลังมุ่งหน้าเข้าไปสู่ ในปี ค.ศ.2050
02:48
or is it going to be this?
หรือว่าจะกลายเป็นแบบนี้?
02:50
That's the question.
นั่นแหละครับ คำถามหละ
02:52
I must say, many of the indicators
ผมจำเป็นต้องบอกครับว่าดัชนีหลายๆตัว
02:54
look like this is what it's going to look like,
บ่งชี้ออกมาว่าแบบนี้คือสิ่งที่กำลังจะเกิดขึ้น
02:56
but let's talk about it.
มาคุยกันเกี่ยวกับเรื่องนี้หน่อยดีกว่า
02:59
So my provocative statement
ผมจึงขอเปิดประเด็นขึ้นมา
03:02
is that we desperately need a serious scientific theory of cities.
ว่าเราจำเป็นอย่างยิ่งที่จะต้องมีทฤษฎีวิทยาศาสตร์ว่าด้วยเมือง
03:05
And scientific theory means quantifiable --
และทฤษฎีวิทยาศาสตร์ หมายถึงว่า จะต้องวัดได้
03:08
relying on underlying generic principles
ต้องตั้งอยู่บนหลักการที่เป็นที่ยอมรับในวงกว้าง
03:11
that can be made into a predictive framework.
ที่จะต้องสร้างเป็นกรอบแนวคิดเพื่อศึกษาแนวโน้มในอนาคตได้
03:14
That's the quest.
นั่นก็คือสิ่งที่ต้องเสาะแสวงหา
03:16
Is that conceivable?
แล้วมันจะเป็นไปได้หรือ?
03:18
Are there universal laws?
จะมีหลักสากลไหม?
03:20
So here's two questions
ดังนี้ สองคำถาม
03:22
that I have in my head when I think about this problem.
ที่ผมมีในหัวตอนที่คิดถึงปัญหานี้
03:24
The first is:
คำถามแรกคือ
03:26
Are cities part of biology?
เมืองเป็นส่วนหนึ่งของชีววิทยาหรือไม่?
03:28
Is London a great big whale?
ลอนดอนเป็นวาฬยักษ์มั้ย?
03:30
Is Edinburgh a horse?
เอดินบะระเป็นม้าหรือเปล่า?
03:32
Is Microsoft a great big anthill?
ไมโครซอฟต์เป็นจอมปลวกยักษ์รึ?
03:34
What do we learn from that?
เราจะเรียนรู้อะไรจากสิ่งพวกนี้ได้บ้าง?
03:36
We use them metaphorically --
เราใช้ในอุปมาเปรียบเทียบ
03:38
the DNA of a company, the metabolism of a city, and so on --
ดีเอ็นเอของบริษัท กระบวนการเผาผลาญของเมือง ฯลฯ
03:40
is that just bullshit, metaphorical bullshit,
เป็นแค่เรื่องงี่เง่า อุปมาแบบไม่เข้าท่า
03:42
or is there serious substance to it?
หรือว่ามีอะไรที่ลึกซึ้งเป็นเรื่องเป็นราว?
03:45
And if that is the case,
และถ้าเป็นอย่างนั้น
03:48
how come that it's very hard to kill a city?
ทำไมการทำลายล้างเมืองให้สิ้นซากถึงได้ยากหนักหนา
03:50
You could drop an atom bomb on a city,
เราอาจหย่อนระเบิดนิวเคลียร์ใส่เมืองได้
03:52
and 30 years later it's surviving.
และ 30 ปีต่อมา เมืองนั้นกลับฟื้นคืนชีพเหมือนเดิม
03:54
Very few cities fail.
เมืองจำนวนน้อยมากที่ล่มสลาย
03:56
All companies die, all companies.
บริษัททั้งหมดสูญสลายไป ทั้งหมดเลยครับ
03:59
And if you have a serious theory, you should be able to predict
และถ้าเรามีทฤษฎีจริงๆจังๆ เราควรจะพยากรณ์ได้ว่า
04:02
when Google is going to go bust.
เมื่อไหร่ กูเกิ้ล จะล่มสลายไป
04:04
So is that just another version
ถ้างั้น นั่นเป็นแค่การมองแบบหนึ่ง
04:07
of this?
หรือเปล่า?
04:10
Well we understand this very well.
จริงๆแล้วเราเข้าใจเรื่องพวกนี้มากโขอยู่ครับ
04:12
That is, you ask any generic question about this --
นั่นก็คือ เราถามคำถามทั่วๆไปเกี่ยวกับพวกนี้ --
04:14
how many trees of a given size,
มีต้นไม้ขนาดเท่านั้นเท่านี้อยู่กี่ต้น
04:16
how many branches of a given size does a tree have,
ต้นไม้นี้มีกิ่งไม้ขนาดเท่านั้นเท่านี้อยู่กี่กิ่ง
04:18
how many leaves,
มีใบกี่ใบ
04:20
what is the energy flowing through each branch,
พลังงานอะไรที่ส่งผ่านไปยังแต่ละกิ่งก้านสาขา
04:22
what is the size of the canopy,
ร่มไม้กว้างปกคลุมเป็นเนื้อที่เท่าไหร่
04:24
what is its growth, what is its mortality?
เติบโตเป็นอย่างไร ตายอย่างไร
04:26
We have a mathematical framework
เรามีกรอบแนวคิดทางคณิตศาสตร์
04:28
based on generic universal principles
ที่ตั้งอยู่บนพื้นฐานของหลักสากลที่เป็นที่ยอมรับ
04:30
that can answer those questions.
ที่จะนำมาตอบคำถามพวกนี้ได้
04:33
And the idea is can we do the same for this?
และแนวคิดก็คือ เราทำแบบเดียวกันกับเรื่องเมืองได้ไหม?
04:35
So the route in is recognizing
หนทางที่จะทำได้ ก็คือ จะต้องจำแนกได้ว่า
04:40
one of the most extraordinary things about life,
สิ่งมหัศจรรย์ที่สุดสิ่งหนึ่งเกี่ยวกับชีวิต
04:43
is that it is scalable,
ก็คือ การปรับขนาดย่อ/ขยายได้
04:45
it works over an extraordinary range.
เป็นแบบนี้กับสิ่งต่างๆในวงกว้างอย่างไม่น่าเชื่อ
04:47
This is just a tiny range actually:
จริงๆแล้ว ที่เราสนใจศึกษาอยู่นี้เป็นแค่ส่วนเล็กๆ
04:49
It's us mammals;
เป็นเรื่องของเรา สัตว์เลี้ยงลูกด้วยนม
04:51
we're one of these.
เราเป็นแค่ประเภทหนึ่งในนั้น
04:53
The same principles, the same dynamics,
ใช้หลักการเดียวกัน พลวัตรเดียวกัน
04:55
the same organization is at work
การจัดการระบบแบบเดียวกัน
04:57
in all of these, including us,
ถ้วนทั่วทุกสปีชีย์ รวมทั้งมนุษย์เราด้วย
04:59
and it can scale over a range of 100 million in size.
และมีขนาดตั้งแต่กว่า 100 ล้าน
05:01
And that is one of the main reasons
และนั่นเป็นเหตุผลหลักประการหนึ่งว่า
05:04
life is so resilient and robust --
ชีวิตมีความยืดหยุ่นและทนทาน --
05:07
scalability.
ความสามารถในการย่อขยาย
05:09
We're going to discuss that in a moment more.
เดี่ยวเราจะคุยเรื่องนี้กันต่อนะครับ
05:11
But you know, at a local level,
แต่คุณรู้ไหมว่า ในระดับเล็กเฉพาะส่วน
05:14
you scale; everybody in this room is scaled.
คุณเกี่ยวข้องกับขนาด ทุกๆท่านในห้องนี้เกี่ยวข้องกับขนาด
05:16
That's called growth.
เราเรียกมันว่า การเจริญเติบโต ครับ
05:18
Here's how you grew.
นี่ก็คือว่าคุณเจริญเติบโตอย่างไร
05:20
Rat, that's a rat -- could have been you.
หนู นั่นคือหนูครับ -- อาจจะเป็นคุณก็ได้
05:22
We're all pretty much the same.
พวกเราทั้งหมดมีอะไรคล้ายกันมากครับ
05:24
And you see, you're very familiar with this.
เห็นไหมครับว่าคุณเองก็คุ้นเคยกับเรื่องพวกนี้มาก
05:27
You grow very quickly and then you stop.
คุณเติบโตขึ้นอย่างรวดเร็วแล้วต่อมาก็หยุดโต
05:29
And that line there
และเส้นตรงนั้น
05:31
is a prediction from the same theory,
คือการพยากรณ์จากทฤษฎีเดียวกัน
05:33
based on the same principles,
ที่ตั้งอยู่บนหลักการเดียวกัน
05:35
that describes that forest.
ที่ใช้อธิบายการเติบโตของป่า
05:37
And here it is for the growth of a rat,
และเส้นนี้เป็นการเจริญเติบโตของหนู
05:39
and those points on there are data points.
จุดเหล่านั้นคือข้อมูล
05:41
This is just the weight versus the age.
นี่เป็นแค่กราฟน้ำหนักกับอายุ
05:43
And you see, it stops growing.
เห็นไหมครับว่ามันหยุดการเติบโต
05:45
Very, very good for biology --
ดีมากๆสำหรับชีววิทยา
05:47
also one of the reasons for its great resilience.
แล้วก็เป็นเหตุผลหนึ่งที่ทำให้ชีวิตมันมีความยืดหยุ่น
05:49
Very, very bad
แต่ไม่ดีเอามากๆ
05:51
for economies and companies and cities
สำหรับเศรษฐกิจและบริษัทและเมือง
05:53
in our present paradigm.
ในกระบวนทัศน์ของเราในขณะนี้ครับ
05:55
This is what we believe.
นี่เป็นสิ่งที่เราเชื่อกัน
05:57
This is what our whole economy
นี่เป็นสิ่งที่เศรษฐกิจทั้งหมด
05:59
is thrusting upon us,
ผลักมาบนบ่าเรา
06:01
particularly illustrated in that left-hand corner:
โดยเฉพาะอย่างยิ่งที่นำเสนอไว้ตรงมุมซ้ายนี่ครับ
06:03
hockey sticks.
กราฟรูปไม้ฮอกกี้
06:06
This is a bunch of software companies --
นี่เป็นบริษัทซอฟต์แวร์สาขาหนึ่งครับ
06:08
and what it is is their revenue versus their age --
และนี่เป็นกราฟของรายได้กับอายุของสาขาบริษัท
06:10
all zooming away,
ย่อให้เล็กลง
06:12
and everybody making millions and billions of dollars.
และทุกๆคนก็ทำรายได้เป็นล้านๆ เป็นพันๆล้านดอลลาร์
06:14
Okay, so how do we understand this?
เอาหล่ะ แล้วเราจะเข้าใจสิ่งพวกนี้อย่างไร?
06:16
So let's first talk about biology.
งั้นเรามาคุยกันในเรื่องชีววิทยาเสียก่อน
06:19
This is explicitly showing you
อันนี้แสดงให้เห็นชัดเจนเลยว่า
06:22
how things scale,
สิ่งต่างๆปรับขนาดอย่างไร
06:24
and this is a truly remarkable graph.
และนี่เป็นกราฟที่น่าทึ่งจริงๆ ครับ
06:26
What is plotted here is metabolic rate --
สิ่งที่ใส่ในกราฟก็คือ อัตราการเผาผลาญอาหาร
06:28
how much energy you need per day to stay alive --
ก็คือพลังงานต่อวันที่เราต้องการเพื่อยังชีพ
06:31
versus your weight, your mass,
เทียบกับน้ำหนักของเรา มวลของเรา
06:34
for all of us bunch of organisms.
สำหรับเรา องค์รวมขององคาพยพ
06:36
And it's plotted in this funny way by going up by factors of 10,
และกราฟดูตลกแบบนี้เพราะส่วนเพิ่มเป็นแบบทวีค่า 10 เท่า
06:39
otherwise you couldn't get everything on the graph.
ไม่อย่างนั้น เราจะไม่สามารถใส่ทุกอย่างไว้ในกราฟได้
06:42
And what you see if you plot it
และสิ่งที่เราเห็นเมื่อเราทำกราฟ
06:44
in this slightly curious way
ในแบบประหลาดนิดหน่อยแบบนี้
06:46
is that everybody lies on the same line.
ก็คือ ทุกๆคนอยู่บนเส้นกราฟเดียวกันหมด
06:48
Despite the fact that this is the most complex and diverse system
แม้ว่าในความเป็นจริง นี่เป็นระบบที่มีความซับซ้อนและความหลากหลายที่สุด
06:51
in the universe,
ในจักรวาล
06:54
there's an extraordinary simplicity
มีความเรียบง่ายที่ไม่ธรรมดา
06:57
being expressed by this.
สื่อผ่านออกมาด้วยกราฟนี่
06:59
It's particularly astonishing
มันเป็นสิ่งที่น่าพิศวงเป็นอย่างยิ่ง
07:01
because each one of these organisms,
เพราะว่าสิ่งมีชีวิตแต่ละชีวิต
07:04
each subsystem, each cell type, each gene,
ระบบย่อยแต่ละระบบ เซลล์แต่ละแบบ ยีนส์แต่ละอัน
07:06
has evolved in its own unique environmental niche
มีวิวัฒนาการในสภาพแวดล้อมเจาะจงไปแบบใครแบบมัน
07:08
with its own unique history.
ด้วยประวัติที่มีเอกลักษณ์ของใครของมัน
07:12
And yet, despite all of that Darwinian evolution
แต่แล้ว ไม่ว่าวิวัฒนาการและการคัดสรรของธรรมชาติ
07:15
and natural selection,
ตามทฤษฎีของดาร์วินจะเป็นอย่างไร
07:18
they've been constrained to lie on a line.
สิ่งมีชีวิตทั้งหลายกลับมาอยู่บนเส้นกราฟเดียวกัน
07:20
Something else is going on.
จะต้องมีอะไรอย่างอื่นเกิดขึ้นร่วมด้วยแน่ๆ
07:22
Before I talk about that,
ก่อนที่ผมจะพูดถึงเรื่องนี้
07:24
I've written down at the bottom there
ผมได้เขียนไว้ตรงด้านล่างนี้ถึง
07:26
the slope of this curve, this straight line.
ความชันของกราฟเส้นโค้งนี้ ของเส้นตรงนี้
07:28
It's three-quarters, roughly,
ประมาณ 3/4 ครับ
07:30
which is less than one -- and we call that sublinear.
ซึ่งน้อยกว่าหนึ่ง และเราเรียกว่า "ใต้เส้นตรง (sublinear)"
07:32
And here's the point of that.
และประเด็นเป็นแบบนี้ครับ
07:35
It says that, if it were linear,
กล่าวคือ ถ้ามันเป็นเส้นตรง
07:37
the steepest slope,
ความชันมากที่สุด
07:40
then doubling the size
พอถ้าเราเพิ่มขนาดเป็นสองเท่า
07:42
you would require double the amount of energy.
เราจะต้องการใช้พลังงานมากเป็นสองเท่าเช่นกัน
07:44
But it's sublinear, and what that translates into
แต่พอเป็นแบบใต้เส้นตรง ก็จะตีความได้ว่า
07:46
is that, if you double the size of the organism,
ถ้าเราเพิ่มขนาดสิ่งมีชีวิตเป็นสองเท่า
07:49
you actually only need 75 percent more energy.
เราต้องการพลังงานเพิ่มขึ้นอีกแค่ร้อยละ 75 เท่านั้น
07:51
So a wonderful thing about all of biology
ดังนั้น สิ่งมหัศจรรย์เกี่ยวกับชีววิทยา
07:54
is that it expresses an extraordinary economy of scale.
ก็คือ มันมีความประหยัดจากขนาดอย่างไม่ธรรมดาเลยครับ
07:56
The bigger you are systematically,
ยิ่งขนาดใหญ่ในเชิงระบบมากขึ้นไปเท่าไหร่
07:59
according to very well-defined rules,
ว่ากันตามกฎที่นิยามไว้อย่างดีแล้วนะครับ
08:01
less energy per capita.
ก็จะใช้พลังงานต่อหัวในปริมาณน้อยลงเท่านั้น
08:03
Now any physiological variable you can think of,
คราวนี้มีตัวแปรทางกายภาพที่คุณพอจะนึกออก
08:06
any life history event you can think of,
เหตุการณ์ทางประวัติศาสตร์ของสิ่งมีชีวิตที่คุณพอจะนึกออก
08:09
if you plot it this way, looks like this.
ถ้าเอามาทำกราฟแบบนี้ ก็จะดูเป็นแบบนี้ครับ
08:11
There is an extraordinary regularity.
มีความสม่ำเสมอที่ไม่ธรรมดา
08:14
So you tell me the size of a mammal,
ดังนั้นถ้าคุณบอกผมว่าสัตว์เลี้ยงลูกด้วยนมสักชนิดหนึ่งมีขนาดเท่าไหร่
08:16
I can tell you at the 90 percent level everything about it
ผมสามารถบอกคุณถึงสิ่งต่างๆเกี่ยวกับเจ้าสัตว์ที่ว่านี่ถึงร้อยละ 90
08:18
in terms of its physiology, life history, etc.
ในแง่ของลักษณะทางกายภาพ ความเป็นมาของชีวิตมัน ฯลฯ
08:21
And the reason for this is because of networks.
และเหตุผลที่ทำแบบนี้ได้ก็เป็นเพราะว่า เครือข่าย
08:25
All of life is controlled by networks --
สิ่งมีชีวิตทั้งหมดถูกควบคุมโดยเครือข่าย
08:28
from the intracellular through the multicellular
จากภายในเซลล์ไปจนถึงระดับหลายเซลล์รวมกัน
08:31
through the ecosystem level.
ไปจนถึงระดับระบบนิเวศ
08:33
And you're very familiar with these networks.
และคุณคุ้นเคยกับพวกเครือข่ายพวกนี้อย่างยิ่ง
08:35
That's a little thing that lives inside an elephant.
นั่นคือเจ้าตัวเล็กๆที่อาศัยอยู่ในตัวช้าง
08:39
And here's the summary of what I'm saying.
และนี่เป็นบทสรุปของสิ่งที่ผมกำลังพูด
08:42
If you take those networks,
ถ้าคุณนำเอาเครือข่ายพวกนั้นมา
08:45
this idea of networks,
แนวคิดของเครือข่าย
08:47
and you apply universal principles,
แล้วประยุกต์หลักสากลเข้าไป
08:49
mathematizable, universal principles,
หลักสากลที่ทำให้เป็นคณิตศาสตร์ได้
08:51
all of these scalings
เรื่องของการปรับขนาดทั้งหลาย
08:53
and all of these constraints follow,
ตลอดจนข้อจำกัดที่ตามมา
08:55
including the description of the forest,
ร่วมไปถึงคำอธิบายลักษณะของป่า
08:58
the description of your circulatory system,
คำอธิบายลักษณะของระบบไหลเวียนของเรา
09:00
the description within cells.
คำอธิบายลักษณะภายในเซลล์
09:02
One of the things I did not stress in that introduction
สิ่งหนึ่งที่ผมไม่ได้ย้ำถึงในการนำเสนอเบื้องต้น
09:04
was that, systematically, the pace of life
ก็คือ ในเชิงระบบ ความยืนยาวของชีวิต
09:07
decreases as you get bigger.
ยิ่งลดลงเมื่อเรามีขนาดใหญ่ขึ้น
09:10
Heart rates are slower; you live longer;
ยิ่งหัวใจเต้นช้าเท่าไหร่ เราจะมีชีวิตยืนยาวกว่าเท่านั้น
09:12
diffusion of oxygen and resources
การแพร่ของอ๊อกซิเจนและสสารต่างๆ
09:15
across membranes is slower, etc.
ผ่านเยื่อหุ้มเซลล์จะช้ากว่า ฯลฯ
09:17
The question is: Is any of this true
คำถามคือ แบบเดียวกันนี้จะเกิดขึ้นกับ
09:19
for cities and companies?
เมืองและบริษัทด้วยหรือไม่?
09:21
So is London a scaled up Birmingham,
ถ้างั้น ลอนดอนเป็นการขยายขนาดมาจากเบอร์มิงแฮม
09:24
which is a scaled up Brighton, etc., etc.?
ซึ่งขยายขนาดมาจากไบร์ตัน ฯลฯ ใช่หรือไม่?
09:27
Is New York a scaled up San Francisco,
ถ้างั้น นิวยอร์ก ขยายขนาดมาจาก ซาน ฟรานซิสโก
09:30
which is a scaled up Santa Fe?
ซึ่งขยายขนาดมาจาก ซานตาเฟ่ หรือไม่?
09:32
Don't know. We will discuss that.
ไม่รู้ครับ เราจะถกกันเรื่องนี้แหละ
09:34
But they are networks,
แต่ว่าเมืองเหล่านี้เป็นเครือข่าย
09:36
and the most important network of cities
และเครือข่ายที่สำคัญที่สุดของเมือง
09:38
is you.
ก็คือ คุณ
09:40
Cities are just a physical manifestation
เมืองเป็นแค่ปรากฏการณ์ทางกายภาพ
09:42
of your interactions,
ของการมีปฏิสัมพันธ์ของคุณ
09:45
our interactions,
ปฏิสัมพันธ์ของพวกเรา
09:47
and the clustering and grouping of individuals.
การรวมตัวเป็นกลุ่มก้อน เป็นหมู่คณะของคนเรา
09:49
Here's just a symbolic picture of that.
นี่เป็นแค่เพียงรูปภาพเชิงสัญลักษณ์ของสิ่งที่ผมว่าไป
09:51
And here's scaling of cities.
และนี่คือการปรับขนาดของเมือง
09:54
This shows that in this very simple example,
อันนี้แสดงถึงว่าในตัวอย่างที่ซับซ้อนมากอันนี้
09:56
which happens to be a mundane example
ซึ่งอันที่จริงก็คือตัวอย่างปรกติธรรมดา
09:59
of number of petrol stations
ของจำนวนปั๊มน้ำมัน
10:01
as a function of size --
เทียบกับขนาดของปั๊ม
10:03
plotted in the same way as the biology --
ใส่ลงกราฟเหมือนกับที่ทำกับด้านชีววิทยา
10:05
you see exactly the same kind of thing.
คุณจะเห็นเลยว่าเป็นอะไรแบบเดียวกันเด๊ะเลย
10:07
There is a scaling.
มีการปรับของขนาด
10:09
That is that the number of petrol stations in the city
นั่นก็คือ จำนวนของปั๊มน้ำมันในเมืองนี้
10:11
is now given to you
จะแปลงออกมาได้
10:15
when you tell me its size.
หากคุณบอกผมว่าเมืองมีขนาดเท่าไหร่
10:17
The slope of that is less than linear.
ความชันของมันมีค่าน้อยกว่าเส้นตรง
10:19
There is an economy of scale.
มีความประหยัดจากขนาด
10:22
Less petrol stations per capita the bigger you are -- not surprising.
จำนวนปั๊มน้ำมันต่อหัวจะน้อยลงเมื่อเมืองมีขนาดใหญ่ขึ้น -- ไม่น่าแปลกใจเลย
10:24
But here's what's surprising.
แต่สิ่งที่น่าแปลกคือ
10:27
It scales in the same way everywhere.
มันมีการปรับขนาดแบบเดียวกันทุกแห่งหน
10:29
This is just European countries,
นี่แค่ประเทศในยุโรปนะครับ
10:31
but you do it in Japan or China or Colombia,
แต่ถ้าเราลองดูประเทศญี่ปุ่น หรือ จีน หรือ โคลอมเบีย
10:33
always the same
ก็เหมือนกันแบบนี้ตลอด
10:36
with the same kind of economy of scale
พร้อมกับการประหยัดจากขนาดแบบเดียวกันเลย
10:38
to the same degree.
ด้วยความมากน้อยเท่ากันอีกต่างหาก
10:40
And any infrastructure you look at --
และโครงสร้างพื้นฐานอะไรก็ ลองดู
10:42
whether it's the length of roads, length of electrical lines --
ไม่ว่าจะเป็นความยาวของถนน ความยาวของสายไฟฟ้า
10:45
anything you look at
อะไรก็ตาม ลองดูเถอะครับ
10:48
has the same economy of scale scaling in the same way.
จะมีการขยายขนาดของการประหยัดจากขนาดแบบเดียวอย่างเดียวกัน
10:50
It's an integrated system
มันเป็นระบบบูรณาการแบบหนึ่ง
10:53
that has evolved despite all the planning and so on.
ที่วิวัฒนาการขึ้นมาไม่ว่าจะมีการวางแผนอย่างไรหรือไม่ก็ตาม
10:55
But even more surprising
ที่น่าพิศวงมากยิ่งขึ้นไปอีก
10:58
is if you look at socio-economic quantities,
ก็คือ ถ้าเราดูกันไปที่ปริมาณทางเศรษฐศาสตร์สังคม
11:00
quantities that have no analog in biology,
ปริมาณที่ไม่สามารถอนุมานได้ในทางชีววิทยา
11:02
that have evolved when we started forming communities
ปริมาณที่มีวิวัฒนาการขึ้นมาตั้งแต่เมื่อเราเริ่มรวมกันอยู่เป็นชุมชน
11:05
eight to 10,000 years ago.
แปดพันปีถึงหมื่นปีที่แล้ว
11:08
The top one is wages as a function of size
อันบนสุดคือ ค่าจ้างแรงงาน เทียบกับ ขนาดของชุมชน
11:10
plotted in the same way.
กราฟแบบเดียวกัน
11:12
And the bottom one is you lot --
และอันล่างก็คือจำนวนประชากร
11:14
super-creatives plotted in the same way.
เป็นกราฟในแบบเดียวกันที่สร้างสรรค์ที่สุด
11:16
And what you see
และสิ่งที่คุณเห็น
11:19
is a scaling phenomenon.
ก็คือปรากฏการณ์การปรับขนาด
11:21
But most important in this,
แต่ที่สำคัญที่สุดในนี้
11:23
the exponent, the analog to that three-quarters
คือการทบส่วน ที่คล้ายคลึงกับกรณี 3/4
11:25
for the metabolic rate,
สำหรับอัตราการเผาผลาญ
11:27
is bigger than one -- it's about 1.15 to 1.2.
แต่ตรงนี้มีค่ามากกว่าหนึ่ง -- มีค่าประมาณ 1.15 - 1.2
11:29
Here it is,
นี่ไงครับ
11:31
which says that the bigger you are
ซึ่งบ่งว่า ยิ่งขนาดใหญ่ขึ้นเท่าไหร่
11:33
the more you have per capita, unlike biology --
ก็จะยิ่งมีปริมาณต่อหัวเพิ่มขึ้นเท่านั้น ไม่เหมือนกับกรณีชีววิทยา
11:36
higher wages, more super-creative people per capita as you get bigger,
ค่าจ้างต่อหัวสูงขึ้น คนที่มีความคิดสร้างสรรค์สูงต่อจำนวนประชากรมีค่าสูงขึ้น เมื่อเมืองใหญ่ขึ้น
11:39
more patents per capita, more crime per capita.
จำนวนสิทธิบัตรต่อประชากรสูงขึ้น อัตราการเกิดอาชญากรรมต่อหัวสูงขึ้น
11:43
And we've looked at everything:
และพวกผมได้ศึกษาดูทุกๆอย่าง ไม่ว่าจะเป็น
11:46
more AIDS cases, flu, etc.
จำนวนคนเป็นเอดส์ ไข้หวัด ฯลฯ
11:48
And here, they're all plotted together.
และนี่ครับ กราฟออกมาแบบนี้
11:51
Just to show you what we plotted,
เดี๋ยวจะให้ดูนะครับว่าเรากราฟอะไร
11:53
here is income, GDP --
อันนี้เป็นรายได้ จีดีพี
11:55
GDP of the city --
จีดีพีของเมือง
11:58
crime and patents all on one graph.
อาชญากรรม และ สิทธิบัตร อยู่บนกราฟเดียวกัน
12:00
And you can see, they all follow the same line.
คุณเห็นไหมครับว่า มันไปตกอยู่บนเส้นเดียวกันเลย
12:02
And here's the statement.
และนี่คือข้อสรุปครับ
12:04
If you double the size of a city from 100,000 to 200,000,
ถ้าเราขยายขนาดของเมืองเป็นสองเท่า จากแสนเป็นสองแสน
12:06
from a million to two million, 10 to 20 million,
จากล้านเป็นสองล้าน จากสิบล้านเป็นยี่สิบล้าน
12:09
it doesn't matter,
อะไรยังไงก็ได้ครับ
12:11
then systematically
ในเชิงระบบแล้ว
12:13
you get a 15 percent increase
เราจะมีสิ่งเหล่านี้เพิ่มอีกร้อยละ 15 ก็ได้แก่
12:15
in wages, wealth, number of AIDS cases,
ค่าจ้าง ความมั่งคั่ง จำนวนผู้ติดเชื้อเอดส์
12:17
number of police,
จำนวนตำรวจ
12:19
anything you can think of.
และอะไรต่อมิอะไร
12:21
It goes up by 15 percent,
จะเพิ่มขึ้นอีกร้อยละ 15
12:23
and you have a 15 percent savings
และเราก็จะประหยัดลงไปร้อยละ 15
12:25
on the infrastructure.
จากการใช้โครงสร้างพื้นฐาน
12:28
This, no doubt, is the reason
นี่เป็นเหตุผลอย่างไม่มีข้อโต้แย้งเลย
12:31
why a million people a week are gathering in cities.
ว่าทำไมคนในชุมชนเมืองถึงได้เพิ่มขึ้นสัปดาห์ละล้านคน
12:34
Because they think that all those wonderful things --
เนื่องจากพวกเขาคิดว่ามีแต่สิ่งดีๆ
12:37
like creative people, wealth, income --
เช่น คนหัวสร้างสรรค์ ความมั่งคั่ง รายได้
12:40
is what attracts them,
เป็นสิ่งที่ดึงดูดพวกเขาเข้ามา
12:42
forgetting about the ugly and the bad.
ลืมไปเลยกับความน่าเกลียดความเลวร้าย
12:44
What is the reason for this?
เหตุผลคืออะไรเหรอครับ?
12:46
Well I don't have time to tell you about all the mathematics,
ผมไม่มีเวลามากพอที่จะอธิบายถึงคณิตศาสตร์ของมันทั้งหมด
12:48
but underlying this is the social networks,
แต่โดยพื้นฐานก็คือ เครือข่ายสังคม ครับ
12:51
because this is a universal phenomenon.
เพราะว่านี่เป็นปรากฏการณ์สากล
12:54
This 15 percent rule
กฎว่าด้วยร้อยละ 15 นี่
12:57
is true
เป็นจริง
13:00
no matter where you are on the planet --
ไม่ว่าคุณจะอยู่ส่วนไหนในโลก
13:02
Japan, Chile,
ญี่ปุ่น ชิลี
13:04
Portugal, Scotland, doesn't matter.
โปรตุเกส สกอตแลนด์ ที่ไหนก็ได้
13:06
Always, all the data shows it's the same,
ข้อมูลทั้งหมดบ่งออกมาเหมือนกันตลอดครับ
13:09
despite the fact that these cities have evolved independently.
แม้ว่าความจริงแล้ว เมืองต่างๆ ก็ต่างมีวิวัฒนาการของใครของมัน
13:12
Something universal is going on.
มีบางสิ่งที่เป็นสากลอยู่ในนั้น
13:15
The universality, to repeat, is us --
ความเป็นสากล ย้ำอีกทีครับ ก็คือ พวกเรานั่นเอง
13:17
that we are the city.
พวกเราก่อให้เกิดเมืองขึ้นมา
13:20
And it is our interactions and the clustering of those interactions.
และปฏิสัมพันธ์ของพวกเรา การประสานร่วมกันของปฏิสัมพันธ์เหล่านั้น
13:22
So there it is, I've said it again.
นั่นไงครับ ผมได้พูดออกมาอีกครั้งแล้ว
13:25
So if it is those networks and their mathematical structure,
ดังนั้น ถ้าเป็นเครือข่ายพวกนั้นและเป็นโครงสร้างทางคณิตศาสตร์
13:27
unlike biology, which had sublinear scaling,
ไม่เหมือนชีววิทยาซึ่งจะมีการปรับขนาดแบบใต้เส้นตรง
13:30
economies of scale,
การประหยัดจากขนาด
13:33
you had the slowing of the pace of life
คุณจะคงอยู่ยืนนานขึ้น
13:35
as you get bigger.
เมื่อมีขนาดใหญ่ขึ้น
13:37
If it's social networks with super-linear scaling --
ถ้าเป็นเครือข่ายสังคมที่มีการปรับขนาดแบบเหนือเส้นตรง
13:39
more per capita --
ปริมาณต่อหัวเพิ่มส่วนสูงขึ้น
13:41
then the theory says
ทฤษฎีก็จะบอกว่า
13:43
that you increase the pace of life.
คุณจะไปเร่งอัตราการดำรงชีพ
13:45
The bigger you are, life gets faster.
เมื่อคุณมีขนาดใหญ่ขึ้น ชีวิตจะร่วงโรยเร็วขึ้น
13:47
On the left is the heart rate showing biology.
ทางซ้ายมือนี่คืออัตราการเต้นของหัวใจทางชีววิทยา
13:49
On the right is the speed of walking
ทางขวามือเป็นอัตราความเร็วในการเดิน
13:51
in a bunch of European cities,
ในเมืองต่างๆในยุโรป
13:53
showing that increase.
ซึ่งแสดงถึงการเพิ่มขึ้น
13:55
Lastly, I want to talk about growth.
สุดท้ายนี้ ผมอยากพูดเกี่ยวกับการเติบโตครับ
13:57
This is what we had in biology, just to repeat.
ก็คือสิ่งที่เรามีอยู่แล้วในชีววิทยา ก็แค่พูดซ้ำครับ
14:00
Economies of scale
การประหยัดจากขนาด
14:03
gave rise to this sigmoidal behavior.
ก่อเกิดพฤติกรรมแบบรูปตัวเอส (sigmoidal)
14:06
You grow fast and then stop --
เราเติบโตอย่างรวดเร็วแล้วก็หยุด
14:09
part of our resilience.
เป็นส่วนหนึ่งของความยืดหยุ่น
14:12
That would be bad for economies and cities.
แต่นั่นไม่ดีเลยสำหรับเศรษฐกิจและเมือง
14:14
And indeed, one of the wonderful things about the theory
และแท้จริง หนึ่งในความอัศจรรย์ของทฤษฎีนี้
14:17
is that if you have super-linear scaling
ก็คือถ้าเรามีการปรับขนาดแบบเหนือเส้นตรง
14:19
from wealth creation and innovation,
จากการสร้างความมั่งคั่งและนวัตกรรม
14:22
then indeed you get, from the same theory,
จากทฤษฎีเดียวกัน เราจะได้
14:24
a beautiful rising exponential curve -- lovely.
กราฟเส้นโค้งแบบทบส่วนที่มีแนวขึ้นอย่างสวยงาม -- สวยจริงๆ
14:27
And in fact, if you compare it to data,
และในความเป็นจริง ถ้าเราเปรียบเทียบกับข้อมูล
14:29
it fits very well
มันเข้ากันได้อย่างพอเหมาะ
14:31
with the development of cities and economies.
กับการพัฒนาเมืองและเศรษฐกิจ
14:33
But it has a terrible catch,
แต่จะมีปมปัญหาอยู่
14:35
and the catch
และปมปัญหาที่ว่า
14:37
is that this system is destined to collapse.
ก็คือ ระบบแบบนี้มีชะตาว่าจะล่มสลาย
14:39
And it's destined to collapse for many reasons --
และมันมีชะตาว่าจะล่มสลายด้วยเหตุผลหลายข้อด้วยกัน
14:42
kind of Malthusian reasons -- that you run out of resources.
เป็นเหตุผลแบบของมัลธัส (Thomas R. Malthus) ว่าเราจะไม่มีทรัพยากรหลงเหลือ
14:44
And how do you avoid that? Well we've done it before.
แล้วเราจะหลีกเลี่ยงได้อย่างไรล่ะ? เราเคยหลีกเลี่ยงได้มาก่อนครับ
14:47
What we do is,
สิ่งที่เราทำก็คือ
14:50
as we grow and we approach the collapse,
พอเราเติบโตขึ้นและเข้าใกล้ความล่มสลาย
14:52
a major innovation takes place
นวัตกรรมยิ่งใหญ่จะเกิดขึ้น
14:55
and we start over again,
แล้วเราก็จะเริ่มต้นกันใหม่อีกครั้ง
14:58
and we start over again as we approach the next one, and so on.
แล้วเราก็จะเริ่มใหม่อีกครั้งเมื่อเราเข้าสู่การล่มสลายครั้งใหม่ ต่อไปเช่นนี้
15:00
So there's this continuous cycle of innovation
ดังนั้นมันจะมีวงจรที่ต่อเนื่องของการสร้างนวัตกรรมครับ
15:03
that is necessary
ที่เป็นความจำเป็น
15:05
in order to sustain growth and avoid collapse.
ในการเติบโตอย่างยั่งยืนและหลีกเลี่ยงการล่มสลาย
15:07
The catch, however, to this
ปมประเด็นตรงนี้ก็คือ
15:10
is that you have to innovate
เราต้องสร้างนวัตกรรม
15:12
faster and faster and faster.
ให้เร็วขึ้น เร็วขึ้น และเร็วขึ้น ครับ
15:14
So the image
ดังนั้นภาพก็คือ
15:17
is that we're not only on a treadmill that's going faster,
เราไม่ใช่แค่เพียงเครื่องโม่ที่ทำงานเร็วขึ้น
15:19
but we have to change the treadmill faster and faster.
แต่เราต้องเปลี่ยนเครื่องให้เร็วขึ้นและเร็วขึ้น
15:22
We have to accelerate on a continuous basis.
เราต้องใช้อัตราเร่งให้ต่อเนื่องไปตลอด
15:25
And the question is: Can we, as socio-economic beings,
และคำถามก็คือ พวกเรา สัตว์เศรษฐกิจสังคม สามารถจะ
15:28
avoid a heart attack?
หลีกเลี่ยงอาการหัวใจวายได้ไหม?
15:31
So lastly, I'm going to finish up in this last minute or two
ท้ายที่สุดนี้ ผมจะปิดท้ายในช่วงนาทีสุดท้ายนี้
15:34
asking about companies.
ด้วยการถามคำถามเกี่ยวกับบริษัท
15:37
See companies, they scale.
บริษัทก็เหมือนกันครับ มันมีการปรับขนาด
15:39
The top one, in fact, is Walmart on the right.
บนสุดนี้ทางขวามือ จริงๆแล้วก็คือ วอล์มาร์ท (Walmart - ห้างแบบบิ๊กซี)
15:41
It's the same plot.
กราฟแบบเดียวกันเลย
15:43
This happens to be income and assets
อันนี้คือ รายได้ กับ สินทรัพย์
15:45
versus the size of the company as denoted by its number of employees.
เทียบกับ ขนาดของบริษัท ที่วัดจากจำนวนพนักงาน
15:47
We could use sales, anything you like.
เราอาจใช้ปริมาณการขาย อะไรก็ตามที่เราชอบ
15:49
There it is: after some little fluctuations at the beginning,
นั่นไงครับ หลังจากความผันผวนนิดเดียวในช่วงแรก
15:52
when companies are innovating,
เมื่อบริษัทสร้างนวัตกรรม
15:55
they scale beautifully.
มันปรับขนาดได้อย่างสวยงาม
15:57
And we've looked at 23,000 companies
เรากำลังมองดูบริษัท 23,000 แห่ง
15:59
in the United States, may I say.
ในสหรัฐอเมริกา
16:02
And I'm only showing you a little bit of this.
และผมก็แค่เสนอให้คุณชมส่วนน้อยนิดเท่านั้นครับ
16:04
What is astonishing about companies
สิ่งที่ชวนพิศวงเกี่ยวกับบริษัท
16:07
is that they scale sublinearly
ก็คือมันปรับขนาดแบบใต้เส้นตรง
16:09
like biology,
เหมือนในทางชีววิทยา
16:12
indicating that they're dominated,
ซึ่งบ่งว่ามันไม่ได้ถูกควบคุม
16:14
not by super-linear
ด้วยนวัตกรรมและแนวคิด
16:16
innovation and ideas;
แบบเหนือเส้นตรง
16:18
they become dominated
มันได้รับอิทธิพล
16:21
by economies of scale.
จากการประหยัดจากขนาด
16:23
In that interpretation,
ด้วยการตีความแบบนี้
16:25
by bureaucracy and administration,
ด้วยระบบการปกครององค์กร และ ระบบการบริหารจัดการ
16:27
and they do it beautifully, may I say.
เป็นความสัมพันธ์ที่ออกมาสวยงามจริงๆ ผมจำต้องพูด
16:29
So if you tell me the size of some company, some small company,
ดังนั้นถ้าคุณบอกผมมาถึงขนาดของบริษัท บริษัทเล็กๆ
16:31
I could have predicted the size of Walmart.
ผมจะสามารถพยากรณ์ถึงขนาดของวอล์มาร์ท
16:34
If it has this sublinear scaling,
ถ้ามันมีการปรับขนาดแบบใต้เส้นตรง
16:37
the theory says
ทฤษฎีบอกว่า
16:39
we should have sigmoidal growth.
เราควรจะมีการเติบโตแบบรูปตัวเอส
16:41
There's Walmart. Doesn't look very sigmoidal.
นั่นคือวอล์มาร์ทครับ ไม่ค่อยจะดูเป็นตัวเอสสักเท่าไหร่
16:44
That's what we like, hockey sticks.
นั่นเป็นสิ่งที่เราชอบ ไม้ฮอกกี้ ครับ
16:46
But you notice, I've cheated,
แต่ถ้าคุณสังเกต ผมแอบโกงนิดหน่อย
16:49
because I've only gone up to '94.
เพราะว่าผมกราฟไว้แค่ถึงปี ค.ศ.1994 ครับ
16:51
Let's go up to 2008.
ลองดูกันไปจนถึง ค.ศ.2008
16:53
That red line is from the theory.
เส้นสีแดงมาจากทฤษฎี
16:55
So if I'd have done this in 1994,
ถ้าผมทำแบบนั้นใน ค.ศ.1994
16:58
I could have predicted what Walmart would be now.
ผมก็จะสามารถพยากรณ์ได้ว่าตอนนี้วอล์มาร์ทจะเป็นอย่างไร
17:00
And then this is repeated
และนี่ก็เหมือนเดิม
17:03
across the entire spectrum of companies.
เหมือนกันหมดทั่วถ้วนทุกบริษัท
17:05
There they are. That's 23,000 companies.
นี่ไงครับ 23,000 บริษัท
17:07
They all start looking like hockey sticks,
ทั้งหมดดูจะเริ่มเหมือนไม้ฮอกกี้
17:10
they all bend over,
ทั้งหมดเริ่มโค้งลงมา
17:12
and they all die like you and me.
และทั้งหมดก็จะล่มสลายไปเหมือนคุณกับผม
17:14
Thank you.
ขอบคุณครับ
17:16
(Applause)
(เสียงปรบมือ)
17:18
Translated by Heartfelt Grace
Reviewed by Thanee Chaiwat

▲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