Thanks very much. I am Hannah Fry, the badass. And today I'm asking the question: Is life really that complex? Now, I've only got nine minutes to try and provide you with an answer, so what I've done is split this neatly into two parts: part one: yes; and later on, part two: no. Or, to be more accurate: no?
Muito obrigada. Chamo-me Hannah Fry. Hoje vou perguntar: A vida é realmente tão complexa? Só tenho nove minutos para tentar dar-vos uma resposta, por isso, dividi essa resposta em duas partes. Parte um: Sim. E, depois, parte dois: Não. Ou, mais precisamente: Não?
(Laughter)
(Risos)
So first of all, let me try and define what I mean by "complex." Now, I could give you a host of formal definitions, but in the simplest terms, any problem in complexity is something that Einstein and his peers can't do. So, let's imagine -- if the clicker works ... there we go. Einstein is playing a game of snooker. He's a clever chap, so he knows that when he hits the cue ball, he could write you an equation and tell you exactly where the red ball is going to hit the sides, how fast it's going and where it's going to end up. Now, if you scale these snooker balls up to the size of the solar system, Einstein can still help you. Sure, the physics changes, but if you wanted to know about the path of the Earth around the Sun, Einstein could write you an equation telling you where both objects are at any point in time. Now, with a surprising increase in difficulty, Einstein could include the Moon in his calculations. But as you add more and more planets, Mars and Jupiter, say, the problem gets too tough for Einstein to solve with a pen and paper. Now, strangely, if instead of having a handful of planets, you had millions of objects or even billions, the problem actually becomes much simpler, and Einstein is back in the game. Let me explain what I mean by this, by scaling these objects back down to a molecular level.
Primeiro, vou tentar definir o que eu entendo por "complexo" Eu podia citar uma série de definições formais mas, de forma resumida, um problema é complexo se Einstein e os seus colegas não podem resolvê-lo. Então, vamos supor - se o disparador funcionar... já está Einstein está a jogar "snooker". É uma pessoa inteligente, por isso sabe que, ao atingir a bola branca, pode escrever uma equação e dizer-nos, exatamente, onde a bola vermelha vai atingir os cantos, a que velocidade está a ir e onde vai parar. Agora, se tivermos as bolas de "snooker" do tamanho do sistema solar Einstein ainda nos pode ajudar. É claro, a física muda, Mas, se quisermos saber o caminho da Terra em volta do sol, Einstein podia escrever uma equação, mostrando onde estão os dois objetos em qualquer instante. Num surpreendente aumento da dificuldade, Einstein podia incluir a lua nos seus cálculos. Mas, ao adicionarmos cada vez mais planetas, como Marte ou Júpiter, o problema fica difícil demais para ele resolver com papel e caneta. Estranhamente, se ao invés de termos diversos planetas, tivéssemos milhões de objetos, ou até milhares de milhões, o problema ficaria muito mais simples e Einstein estaria de volta ao jogo. Vou explicar o que quero dizer voltando a trazer estes objetos para o nível molecular.
If you wanted to trace the erratic path of an individual air molecule, you'd have absolutely no hope. But when you have millions of air molecules all together, they start to act in a way which is quantifiable, predictable and well-behaved. And thank goodness air is well-behaved, because if it wasn't, planes would fall out of the sky. Now, on an even bigger scale, across the whole of the world, the idea is exactly the same with all of these air molecules. It's true that you can't take an individual rain droplet and say where it's come from or where it's going to end up. But you can say with pretty good certainty whether it will be cloudy tomorrow. So that's it. In Einstein's time, this is how far science had got. We could do really small problems with a few objects with simple interactions, or we could do huge problems with millions of objects and simple interactions. But what about everything in the middle?
Se quiséssemos traçar o caminho errático de uma única molécula de ar, ficaríamos totalmente perdidos. Mas, quando lidamos com milhões de moléculas de ar todas juntas, elas começam a comportar-se de modo quantificável, previsível e bem comportado. E ainda bem que o ar é bem comportado, porque, se não fosse, os aviões cairiam do céu. Agora, a uma escala ainda maior, através de todo o mundo, a ideia é exatamente a mesma com todas essas moléculas de ar. É claro que não podemos analisar uma gota de chuva sozinha e dizer de onde ela vem ou onde vai parar. Mas podemos dizer com relativa certeza que o clima vai estar nublado amanhã. Então, é isso. No tempo de Einstein, a ciência só chegou até aqui. Podíamos resolver problemas bem pequenos, com poucos objetos, com simples interações, ou resolver grandes problemas, com milhões de objetos e simples interações. Mas e quanto a tudo que fica no meio?
Well, just seven years before Einstein's death, an American scientist called Warren Weaver made exactly this point. He said that scientific methodology has gone from one extreme to another, leaving out an untouched great middle region. Now, this middle region is where complexity science lies, and this is what I mean by complex. Now, unfortunately, almost every single problem you can think of to do with human behavior lies in this middle region. Einstein's got absolutely no idea how to model the movement of a crowd. There are too many people to look at them all individually and too few to treat them as a gas. Similarly, people are prone to annoying things like decisions and not wanting to walk into each other, which makes the problem all the more complicated. Einstein also couldn't tell you when the next stock market crash is going to be. Einstein couldn't tell you how to improve unemployment. Einstein can't even tell you whether the next iPhone is going to be a hit or a flop. So to conclude part one: we're completely screwed. We've got no tools to deal with this, and life is way too complex.
Apenas sete anos antes da morte de Einstein, um cientista americano chamado Warren Weaven tocou nesse ponto. Para ele, o método científico tinha ido de um extremo a outro, deixando intocada uma grande região no meio. É nessa região do meio que jaz a ciência da complexidade e é isso que eu entendo por complexo. Infelizmente, quase todos os problemas que podemos imaginar envolvendo o comportamento humano jazem nessa região do meio. Einstein não fazia ideia de como modelar o movimento de uma multidão. Há demasiadas pessoas para estudar uma por uma e muito poucas para tratá-las como a um gás. As pessoas são propensas a coisas irritantes, como decisões, e a não quererem esbarrar umas com as outras o que torna o problema ainda mais difícil. Einstein não poderia dizer quando vai ocorrer a próxima quebra da bolsa. Einstein não poderia dizer como melhorar o desemprego. Einstein nem sequer poderia dizer se o próximo iPhone vai ser um sucesso ou não. Então, para concluir a parte um: estamos na pior. Não temos ferramentas para lidar com isto e a vida é demasiado complexa.
But maybe there's hope, because in the last few years, we've begun to see the beginnings of a new area of science using mathematics to model our social systems. And I'm not just talking here about statistics and computer simulations. I'm talking about writing down equations about our society that will help us understand what's going on in the same way as with the snooker balls or the weather prediction. And this has come about because people have begun to realize that we can use and exploit analogies between our human systems and those of the physical world around us.
Mas talvez haja esperança, porque nos últimos anos, começámos a ver o início de uma nova área da ciência que utiliza a matemática para modelar os nossos sistemas sociais. Não falo apenas de estatísticas e de simulações em computador. Falo da criação de equações sobre a nossa sociedade que nos ajudarão a entender o que se passa da mesma forma que as bolas de "snooker" e as previsões do tempo. Isto veio à tona porque as pessoas começaram a perceber que podemos usar e explorar analogias entre os nossos sistemas humanos e os do mundo físico que nos cerca.
Now, to give you an example: the incredibly complex problem of migration across Europe. Actually, as it turns out, when you view all of the people together, collectively, they behave as though they're following the laws of gravity. But instead of planets being attracted to one another, it's people who are attracted to areas with better job opportunities, higher pay, better quality of life and lower unemployment. And in the same way as people are more likely to go for opportunities close to where they live already -- London to Kent, for example, as opposed to London to Melbourne -- the gravitational effect of planets far away is felt much less.
Agora, para dar um exemplo: o problema muito complexo da migração na Europa. Ao analisarmos todas as pessoas juntas, coletivamente, elas comportam-se como se seguissem as leis da gravidade. Mas ao contrário dos planetas que se atraem uns aos outros, são as pessoas que são atraídas por áreas com melhores oportunidades de emprego, maiores salários, melhor qualidade de vida e menor desemprego. Do mesmo modo, as pessoas costumam buscar oportunidades mais perto de onde moram, — de Londres para Kent,por exemplo, em vez de Londres para Melbourne. A ação da gravidade em planetas distantes é bem menor.
So, to give you another example: in 2008, a group in UCLA were looking into the patterns of burglary hot spots in the city. Now, one thing about burglaries is this idea of repeat victimization. So if you have a group of burglars who manage to successfully rob an area, they'll tend to return to that area and carry on burgling it. So they learn the layout of the houses, the escape routes and the local security measures that are in place. And this will continue to happen until local residents and police ramp up the security, at which point, the burglars will move off elsewhere. And it's that balance between burglars and security which creates these dynamic hot spots of the city. As it turns out, this is exactly the same process as how a leopard gets its spots, except in the leopard example, it's not burglars and security, it's the chemical process that creates these patterns and something called "morphogenesis." We actually know an awful lot about the morphogenesis of leopard spots. Maybe we can use this to try and spot some of the warning signs with burglaries and perhaps, also to create better crime strategies to prevent crime. There's a group here at UCL who are working with the West Midlands police right now on this very question. I could give you plenty of examples like this, but I wanted to leave you with one from my own research on the London riots.
Um outro exemplo: Em 2008, um grupo da Universidade da Califórnia estava a analisar padrões de zonas de assaltos na cidade. Um ponto importante sobre assaltos é a ideia de repetir a vitimização. Se um grupo de assaltantes consegue roubar uma região, eles tendem a continuar a roubar nessa mesma área. Assim, aprendem as plantas das casas, as rotas de fuga e as medidas de segurança da região. Isso vai continuar a acontecer até que os moradores locais e a polícia aumentem a segurança, a ponto de os assaltantes se moverem para outro local. É esse equilíbrio entre assaltantes e segurança que cria essa dinâmica de zonas de violência na cidade. Esse é exatamente o mesmo processo através do qual um leopardo adquire as suas pintas, embora no caso do leopardo não se trate de ladrões e segurança mas de um processo químico que cria esses padrões e algo chamado de "morfogénese". Nós sabemos bastante sobre a morfogénese das pintas do leopardo. Talvez possamos usar isso para identificar sinais de alerta de assaltos e, talvez, criar melhores estratégias de prevenção ao crime. Há um grupo aqui na Universidade da Califórnia que está a trabalhar com a polícia de West Midlands neste momento sobre esta questão. Eu poderia citar vários exemplos como este mas queria usar um da minha própria investigação sobre os motins em Londres.
Now, you probably don't need me to tell you about the events of last summer, where London and the UK saw the worst sustained period of violent looting and arson for over twenty years. It's understandable that, as a society, we want to try and understand exactly what caused these riots, but also, perhaps, to equip our police with better strategies to lead to a swifter resolution in the future. Now, I don't want to upset the sociologists here, so I absolutely cannot talk about the individual motivations for a rioter, but when you look at the rioters all together, mathematically, you can separate it into a three-stage process and draw analogies accordingly.
Provavelmente, não preciso de vos contar o que ocorreu no verão passado, quando Londres e o Reino Unido passaram pelo pior período de pilhagens e fogos postos dos últimos 20 anos. É compreensível que, enquanto sociedade, tentemos entender exatamente o que causa esses motins mas também equipar a nossa polícia com melhores estratégias a fim de termos uma solução mais rápida no futuro. Eu não quero aborrecer os sociólogos, por isso, não posso falar sobre as motivações individuais de um amotinado mas, ao analisarmos os amotinados, como um todo, matematicamente, podemos separá-los num processo de três etapas e traçar analogias coerentes.
So, step one: let's say you've got a group of friends. None of them are involved in the riots, but one of them walks past a Foot Locker which is being raided, and goes in and bags himself a new pair of trainers. He texts one of his friends and says, "Come on down to the riots." So his friend joins him, and then the two of them text more of their friends, who join them, and text more of their friends and more and more, and so it continues. This process is identical to the way that a virus spreads through a population. If you think about the bird flu epidemic of a couple of years ago, the more people that were infected, the more people that got infected, and the faster the virus spread before the authorities managed to get a handle on events. And it's exactly the same process here.
Primeira etapa: digamos que temos um grupo de amigos. Nenhum deles está envolvido nos motins mas um deles passa por uma loja de artigos de desporto que está a ser saqueada aproxima-se e apodera-se de uns sapatos de ténis novos. Envia uma mensagem para um dos seus amigos e diz: "Vem ter comigo". O amigo vai ter com ele e, depois, ambos chamam mais amigos, que também vão ter com eles, e mandam mensagens a mais amigos e, mais e mais, continuamente. Este processo é idêntico à forma como um vírus se espalha por uma população. Se pensarmos na gripe das aves aqui há uns anos, quanto mais pessoas estavam infetadas, mais pessoas eram contagiadas, mais depressa se espalhava o vírus antes de as autoridades conseguirem controlar a situação. O processo aqui é exatamente o mesmo.
So let's say you've got a rioter, he's decided he's going to riot. The next thing he has to do is pick a riot site. Now, what you should know about rioters is that, um ... Oops, clicker's gone. There we go. What you should know about rioters is, they're not prepared to travel that far from where they live, unless it's a really juicy riot site.
Vamos imaginar um manifestante que decide participar num motim. O seu próximo passo é encontrar o local do motim. O que é preciso saber sobre os manifestantes é que... — Ops,o botão encravou. Já voltou. É preciso saber que os manifestantes não estão preparados para viajar para muito longe de onde vivem a não ser que o local do motim seja muito atrativo.
(Laughter)
(Risos)
So you can see that here from this graph, with an awful lot of rioters having traveled less than a kilometer to the site that they went to. Now, this pattern is seen in consumer models of retail spending, i.e., where we choose to go shopping. So, of course, people like to go to local shops, but you'd be prepared to go a little bit further if it was a really good retail site. And this analogy, actually, was already picked up by some of the papers, with some tabloid press calling the events "Shopping with violence," which probably sums it up in terms of our research. Oh! -- we're going backwards.
Podemos observar neste gráfico, que boa parte dos amotinados se deslocou menos de um quilómetro até ao local de destino. Este padrão é observado em modelos de consumo de vendas ao público, isto é, onde escolhemos ir às compras. É claro que as pessoas gostam de ir para lojas locais, mas estão dispostas a ir um pouco mais longe se for um centro de vendas muito bom. Esta analogia já foi notada por alguns jornais, que chamaram a esse fenómeno: "Compras com violência", o que, de certa forma, o resume em termos da nossa investigação. Opa! — Estamos a andar para trás.
OK, step three. Finally, the rioter is at his site, and he wants to avoid getting caught by the police. The rioters will avoid the police at all times, but there is some safety in numbers. And on the flip side, the police, with their limited resources, are trying to protect as much of the city as possible, arrest rioters wherever possible and to create a deterrent effect. And actually, as it turns out, this mechanism between the two species, so to speak, of rioters and police, is identical to predators and prey in the wild. So if you can imagine rabbits and foxes, rabbits are trying to avoid foxes at all costs, while foxes are patrolling the space, trying to look for rabbits. We actually know an awful lot about the dynamics of predators and prey. We also know a lot about consumer spending flows. And we know a lot about how viruses spread through a population.
Ok, etapa três. Por fim, o manifestante chega ao local e tenta evitar ser apanhado pela polícia. Os amotinados vão evitar a polícia o tempo todo, mas há certa segurança nos números. Por outro lado, a polícia, com os seus recursos limitados, tenta proteger a cidade o melhor que pode, prender os amotinados sempre que possível e criar um efeito dissuasor. No fim de contas, este mecanismo entre as duas espécies, por assim dizer, de amotinados e polícia, é idêntico ao dos predadores e das presas na natureza. Assim se imaginarmos coelhos e raposas, os coelhos tentam evitar as raposas, a todo o custo, enquanto raposas patrulham o espaço, à procura dos coelhos. Nós sabemos bastante sobre a dinâmica entre presas e predadores. Também conhecemos os fluxos de consumo das pessoas. E também sabemos bem como se espalham os vírus numa população.
So if you take these three analogies together and exploit them, you can come up with a mathematical model of what actually happened, that's capable of replicating the general patterns of the riots themselves. Now, once we've got this, we can almost use this as a petri dish and start having conversations about which areas of the city were more susceptible than others and what police tactics could be used if this were ever to happen again in the future. Even twenty years ago, modeling of this sort was completely unheard of. But I think that these analogies are an incredibly important tool in tackling problems with our society, and perhaps, ultimately improving our society overall.
Então, analisando estas três analogias juntas e explorando-as, podemos criar um modelo matemático do que efetivamente aconteceu, que seja capaz de replicar os padrões gerais dos próprios motins. Depois disso quase podemos usá-lo como uma placa de Petri e começar as conversas sobre quais são as áreas da cidade mais suscetíveis que outras e que táticas policiais podem ser usadas se isso ocorrer de novo no futuro. Até há 20 anos, este tipo de modelos era inimaginável. Mas eu acredito que estas analogias são ferramentas muito importantes para lidar com os problemas da nossa sociedade, e talvez acabem por melhorar a nossa sociedade como um todo.
So, to conclude: life is complex, but perhaps understanding it need not necessarily be that complicated.
Para concluir: a vida é complexa, mas talvez entender isso não precise de ser tão complicado
Thank you.
Obrigada.
(Applause)
(Aplausos)