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?
Спасибо большое! Я Ханна Фрай, та самая задира, задающая сегодня вопрос: жизнь реально так сложна? У меня только девять минут, чтобы дать вам ответ, так что я разделила его на две части: первая часть — «да», и потом вторая часть — «нет». Или точнее: «Нет?»
(Laughter)
(Смех)
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.
Итак, сначала давайте определимся с тем, что я называю сложным. Я могла бы дать вам ряд формальных определений, но, проще говоря, задача высокой сложности — это то, чего не могут решить Эйнштейн и его коллеги. Итак, давайте представим — если пульт заработает, идём дальше, — Эйнштейн играет в снукер. Он умный и потому знает, что когда кий ударяет по шару, можно написать уравнение и точно определить, где красный шар ударится о бортики, с какой скоростью покатится и где остановится. Теперь, если увеличить шары снукера до размеров солнечной системы, Эйнштейн ещё сможет помочь. Конечно, физика изменится. Но если вы хотели знать о пути Земли вокруг Солнца, Эйнштейн мог бы написать вам уравнение, вычисляющее, где оба объекта будут в любой момент времени. Далее, на удивление сильно усложнив задачу, Эйнштейн мог бы ещё добавить в свои вычисления Луну, но с последующим добавлением планет, скажем, Марса и Юпитера, задача будет слишком сложна для Эйнштейна, чтобы решить её на бумаге. Однако если вместо нескольких планет у вас были бы миллионы объектов, даже миллиарды, задача на самом деле становится гораздо проще. И Эйнштейн снова в игре. Я объясню, что я имею в виду, снова уменьшив эти объекты до размера молекул.
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?
Если вы хотите отследить хаотичный путь отдельной молекулы воздуха, у вас совсем не будет шансов, но если у вас будут миллионы молекул воздуха, их общее поведение будет вычисляемо, предсказуемо и стабильно. И слава богу, что воздух стабилен, потому что в противном случае самолёты падали бы с неба. Даже в большем масштабе, в масштабе всего мира, идея точно та же, как со всеми молекулами воздуха. Действительно, невозможно по одной капле дождя сказать, откуда она и куда попадёт, но можно с большой вероятностью сказать, будет ли облачно завтра. Вот и всё. Это и было пределом науки во времена Эйнштейна. Мы могли решать небольшие задачи с несколькими объектами с простым взаимодействием или могли решать сложные задачи с миллионами объектов и их простым взаимодействием. Но как же всё то, что посередине?
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.
Только за семь лет до смерти Эйнштейна американский учёный по имени Уоррен Уивер указал именно на это. Он сказал, что научная методология прошла от одной крайности к другой, оставив нетронутым огромное поле посередине. Именно в этой средней области находится наука сложности, и это то, что я называю сложным. К сожалению, почти любая задача, о которой можно думать в связи с поведением человека, лежит в этой области посередине. Эйнштейн совершенно не представлял, как моделировать движение толпы: там слишком много людей, чтобы рассматривать их отдельно, и слишком мало, чтобы изучать их подобно газу. Также людям свойственны такие досадные моменты, как нежелание пересекаться друг с другом, что делает задачу ещё сложнее. Эйнштейн не мог бы сказать, когда в следующий раз обвалится рынок акций, Эйнштейн не мог бы сказать вам, как сократить безработицу, Эйнштейн не смог бы даже сказать, ожидает ли новый iPhone успех или провал. Итак, по итогу первой части мы полностью запутались, у нас нет к этому подходов, и жизнь слишком сложна.
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.
Но, возможно, есть надежда, потому что в последние несколько лет мы наблюдаем зачатки новой эры науки, использующей математику для моделирования наших социальных систем. И я говорю не только о статистике и компьютерном моделировании. Я говорю о составлении уравнений о нашем обществе, которые помогут нам понять, что происходит, так же как с шарами для снукера или предсказанием погоды. И это появилось потому, что люди начали понимать, что мы можем принимать и применять аналогии между нашими человеческими системами и физическим миром вокруг нас.
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.
Возьмём для примера невероятно сложную проблему миграции в Европе. Фактически получается, когда вы смотрите на всех людей сразу, что коллективно они ведут себя, как бы следуя законам гравитации. Но вместо планет, которые притягиваются одна к другой, люди притягиваются к областям с лучшими перспективами работы, высокой оплатой, лучшим качеством жизни и низкой безработицей. И так же, как людей больше привлекают возможности, близкие к местам их проживания, например, Лондон для Кента в противовес Лондону для Мельбурна, гравитационное воздействие удалённых планет чувствуется гораздо меньше.
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.
Другой пример: в 2008 году группа учёных в UCLA изучала, какие места популярны для грабежей в городе. Одно из свойств грабежей — это идея повторения виктимизации. То есть, если группа грабителей успешно действует в районе, они обычно возвращаются в тот район и продолжают ограбления там. Так, они узнаю́т расположение домов, пути отхода и меры безопасности в этом месте. И это будет продолжаться до тех пор, пока местные жители и полиция не усилят охрану, из-за чего грабители переместятся куда-то ещё. И именно такой баланс между ограблениями и охраной создаёт эту динамику опасных мест в городе. Получается, что это такой же процесс, как появление пятен у леопарда, с той разницей, что в случае леопарда это не грабежи и безопасность, а химический процесс, который создаёт эти образы, и нечто, называемое морфогенез. Мы действительно знаем ужасно много о морфогенезе пятен леопарда. Возможно, мы могли бы использовать это для предупреждений о грабежах, а также создать лучшие стратегии для предотвращения преступлений. И есть группа здесь, в UCL, которая работает прямо сейчас с полицией West Midlands над этим самым вопросом. Я могла бы привести вам много подобных примеров, но мне хотелось дать вам один из моего исследования о бунтах в Лондоне.
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.
Наверно, нет нужды говорить вам о событиях прошлого лета, когда Лондон и вся страна пережили самый длительный период мародёрства и поджогов за последние 20 лет. Понятно, что как общество мы хотим попытаться точно понять, что вызвало эти беспорядки, но также, возможно, дать полиции лучшие стратегии для их более оперативного разрешения в будущем. Я не хочу огорчать социологов, поэтому я вовсе не стану говорить о личных мотивациях каждого бунтовщика. Но если вы посмóтрите на всех бунтовщиков вместе, математически вы можете разделить этот процесс на три стадии и провести соответствующие аналогии.
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.
Первый шаг: скажем, у вас есть группа друзей, и никто из них не участвует в бунтах, но один из них проходит мимо ограбленного Foot Locker, заходит и берёт пару новых кроссовок. Потом он пишет одному из своих друзей: «Поучаствуем в погромах». Этот друг присоединяется к нему, потом они пишут своим друзьям, которые присоединяются к ним и пишут своим друзьям всё больше и больше, и это продолжается. Этот процесс идентичен процессу распространения вируса среди популяции. Если подумать об эпидемии птичьего гриппа пару лет назад, чем больше людей было инфицировано, тем больше людей заражалось и тем быстрее распространялся вирус, пока власти не смогли разобраться в происходящем. И точно такой же процесс здесь.
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.
Скажем, бунтовщик решил участвовать в бунте. Следующее, что он должен сделать, это найти место бунта. Надо знать, что участники беспорядков... Ой, пульт заело. Продолжаем. Надо знать, что участники беспорядков не особенно готовы к поездкам, далёким от мест их проживания, если только это не привлекательное место.
(Laughter)
(Смех)
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.
На этом графике вы видите, что множество участников беспорядков проехали менее километра до того места, куда они ехали. Этот же образец поведения наблюдается в моделях розничной торговли, то есть там, куда мы ходим за покупками. Конечно, люди любят ходить в магазины поблизости, но вы бы согласились пройти немного дальше ради по-настоящему хорошего магазина. Эта аналогия уже отмечалась в некоторых газетах, в бульварной прессе, называющей эти события «Покупки с насилием», что, пожалуй, может служить выводом для нашего исследования. Ой, я иду обратно.
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.
Шаг третий: наконец, бунтовщик на месте и теперь не хочет быть пойман полицией. Бунтовщики всегда стремятся избежать полиции, но можно брать количеством, а, с другой стороны, полиция с её ограниченными ресурсами пытается защитить в городе столько, сколько возможно, арестовать бунтовщиков, где это возможно, и создать сдерживающий эффект. Фактически выходит, что механизм между двумя видами, так сказать, бунтовщиками и полицией, идентичен хищникам и добыче в дикой природе. То есть, если вообразить кроликов и лис, кролики пытаются избежать лис всеми способами, а лисы патрулируют пространство, пытаясь найти кроликов. Мы ужасно много знаем о динамике между хищником и его добычей, мы также много знаем о потоках расходов потребителей, и мы много знаем о том, как вирусы распространяются в популяции.
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.
Итак, если взять эти три аналогии и проанализировать их, можно вывести математическую модель того, что на самом деле происходит, что можно воспроизвести в общих закономерностях самих бунтов. Когда мы это получим, мы сможем использовать это как чашку Петри и начать рассуждать о том, какие части города были более уязвимы, чем другие, и какую тактику использовать полиции, если это повторится в будущем. Даже 20 лет назад не слышали вообще о таком моделировании, но я думаю, такие аналогии являются исключительно важным инструментом определения проблем в нашем обществе и, возможно, в конечном счёте улучшения состояния общества в целом.
So, to conclude: life is complex, but perhaps understanding it need not necessarily be that complicated.
Итак, подведём итог: жизнь сложна, но возможно, её понимание не должно быть таким уж и сложным.
Thank you.
Спасибо.
(Applause)
(Аплодисменты)