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?
Велике спасибі. Мене звуть Ганна Фрай, я крута. Сьогодні я ставлю вам питання: Чи насправді життя таке складне? У мене всього дев'ять хвилин, щоб надати вам відповідь, тож я розділила все на дві частини: частина перша: так; і пізніше, частина друга: ні. Чи якщо точніше: дійсно ні?
(Laughter)
(Сміх)
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.
Перш за все, дозвольте мені дати визначення поняттю "комплексне". Я можу навести вам купу визначень, але, простіше кажучи, будь-яка проблема в своїй комплексності не під силу навіть Ейнштейну. Давайте уявимо — чи працює пульт... о, все гаразд. Ейнштейн грає в більярд. Він — розумний хлопець, тож знає, що коли вдарить по кулі, то виведе цілу формулу, аби визначити, куди попаде ця куля, як швидко вона котитиметься і де зупиниться. Якщо порівняти ці більярдні кулі із сонячною системою, то Ейнштейн все ще може допомогти. Дійсно, фізика змінюється, але якщо нам захочеться дізнатися шлях Землі навколо Сонця, Ейнштейн напише нам формулу, у якій вкаже, де будуть ці два об'єкти в будь-який період часу. З дивовижною складністю в розрахунках Ейнштейн міг включити до них Місяць. А коли ви додасте ще планети, скажімо, Марс та Юпітер, Ейнштейну вже буде не під силу вирішити цю проблему за допомогою олівця та паперу. Але коли у вас з'являється купа планет, то дивовижним чином мільйони та навіть мільярди об'єктів роблять проблему простішою, і Ейнштейн знову повертається у гру. Дозвольте пояснити, що я маю на увазі, зменшуючи ці об'єкти до молекулярного рівня.
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?
Якщо ми захочемо прослідкувати за хаотичним рухом однієї молекули, то у нас не буде жодного шансу. Та коли у нас мільйони молекул вкупі, разом вони починають рухатись передбачуваним шляхом і добре впорядкованим. І слава Господу, що впорядкованим, якби ні, то літаки б падали з неба. Тепер, навіть у більшому масштабі, по всьому світу буде застосовуватися та ж сама ідея з молекулами. Дійсно не можна взяти окрему краплю дощу та сказати, звідки і куди вона падає. Та можна сказати з достатньою впевненістю, чи завтра буде хмарно. Ось так все працює. З часів Ейнштейна саме це і було межею науки. Ми можемо справитися із маленькими проблемами з кількома об'єктами та мінімумом взаємодій, чи можемо впоратись зі складними задачами з мільйонами об'єктів та простими взаємодіями. Але що ж лежить посередині?
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.
Всього за сім років до смерті Ейнштейна американський вчений Уоррен Уівер дійшов до такої ж точки зору. Він сказав, що наукова методологія з однієї крайності переходить в іншу, залишаючи без уваги величезну площу посередині. Саме в цій середній зоні знаходиться комплексна наука, саме це я маю на увазі під словом "комплексний". На жаль, майже кожна проблема, пов'язана з людською поведінкою, знаходиться в цій середній зоні. У Ейнштейна не було жодного уявлення, як змоделювати рух натовпу. Занадто багато людей, щоб розглядати кожного окремо, і занадто мало, щоб порівняти їх з газом. Люди схильні до таких дратівливих речей, як рішення, і не зовсім бажають співпрацювати одне з одним, що робить проблему більш складною. Ейнштейн також не розповість вам, коли впаде наступний фондовий ринок. Ейнштейн не розповість вам, як зменшити безробіття. Ейнштейн навіть не розкаже вам, чи наступний айфон буде хітом чи провалом. Підсумовуємо першу частину: ми програли на всіх фронтах. У нас немає жодних інструментів, і життя занадто складне.
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.
Але, можливо, існує надія, бо за останні кілька років, ми почали помічати появу нової ери науки, яка використовує математику для побудови моделі соціальних систем. Я говорю не тільки про статистику та комп'ютерні стимуляції. Я говорю про виведення формули нашого суспільства, яка допоможе нам зрозуміти, що відбувається, як у випадку з більярдними кульками чи прогнозом погоди. Все це стало можливим завдяки тому, що люди почали усвідомлювати, що ми можемо брати аналогії між нашими людськими системами та фізичним світом навколо 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.
Ось вам такий приклад: неймовірно складна проблема міграції в Європі. Якщо ви поглянете на всіх цих людей в цілому, то вони поводяться так, ніби слідують законам гравітації. Але замість планет, які притягуються одна до одної, цих людей притягують місця із кращими можливостями заробітку, вищою заробітною платою, якістю життя та низьким безробіттям. Подібним чином люди схильні шукати можливості недалеко від тих місць, де вони живуть — наприклад, від Лондона до Кенту, так само, як від Лондона до Мельбурна — гравітаційний ефект від планет на відстані відчувається набагато менше.
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.
Ось вам інший приклад: в 2008 група Каліфорнійського університету встановлювала типову структуру кримінальних районів міста. З грабіжниками пов'язана постійна ідея повторного злочину. Тож, коли групі грабіжників вдається успішно грабувати один район, то вони знову туди повертатимуться і знову грабуватимуть. Вони дізнаються про планування будинків, шляхи втечі та місцеві системи охорони. І це продовжуватиме відбуватися, доки місцеві жителі та поліція не підвищать охорону, і грабіжники не заберуться геть. І саме цей баланс між грабіжниками та системами безпеки створює динамічні рухливі точки по всьому місту. Як виявляється, внаслідок точно такого ж процесу, леопард отримує свої плями. Тільки у випадку з леопардом не грабіжники та система безпеки, а хімічний процес створює ці схеми, дещо під назвою "морфогенез". Нам відомо надзвичайно багато про морфогенез плям леопардів. Можливо, нам вдасться використати це, щоб вирізнити ознаки грабіжників і, можливо, створити кращі стратегії для запобігання злочинам. Група Каліфорнійського університету співпрацює з поліцією Вест-Мідлендса саме над цим питанням. Я можу надати вам чимало таких прикладів, та я б хотіла розповісти про одне з моїх досліджень лондонських бунтів.
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.
Ймовірно, мені не потрібно розповідати вам про події минулого літа, коли Лондон та Британія стали свідками найбільш тривалого періоду насильницьких грабежів та підпалів за останні 20 років. Цілком зрозуміло, що як суспільство, ми хочемо дізнатися та зрозуміти, що саме зрушило ці сутички, а, крім того, забезпечити нашу поліцію кращими стратегіями, щоб швидше вирішувати подібні питання в майбутньому. Я не хочу засмучувати присутніх тут соціологів, тож не буду говорити про індивідуальні мотиви заворушників, але якщо поглянути на всіх них укупі, математично можна розділити все на три етапи і, відповідно, добрати аналогії.
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.
Тож крок перший: скажімо, у вас є група друзів. Ніхто з них не залучений у сутички, але хтось із них проходить повз магазин "Футлокер", який зараз грабують, заходить та бере собі пару кросівок. Він пише повідомлення другу та каже: "Приходь на заворушення". Друг приєднується, і вже вони двоє пишуть іншим друзям, і ті приходять і пишуть більшій кількості друзів, і ще, і ще більше, тож це триває. Цей процес ідентичний тому, як поширюється вірус серед населення. Якщо ви згадаєте про епідемію пташиного грипу кілька років тому, чим більше людей було заражено — тим більша кількість заражалася, і тим швидше поширювався вірус, перш ніж владі вдалося взяти все під контроль. Тут відбувається подібний процес.
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.
У вас є заворушник, він хоче йти бастувати. Потім він має вибрати місце для бастування. Про заворушників вам потрібно знати, що ... Упс, пульт не працює. Ось так. Про заворушників потрібно знати те, що вони не готові до подорожі далеко від місця проживання, якщо це не дійсно дуже приваблива точка.
(Laughter)
(Сміх)
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.
В цій графі ви можете побачити, що численна кількість протестувальників не пройшла більше кілометра до потрібного їм місця. Цей зразок прослідковується і у роздрібних витратах споживачів, тобто куди ми ходимо за покупками. Звичайно, всі ходять до місцевих магазинів, та ви пішли б і далі, якби то була справді хороша торгова точка. Але деякі газети вже провели подібну аналогію під назвою для таблоїдів: "Шопінг з насильством", що, ймовірно, підсумовує все наше дослідження. Ох! — повертаємося назад.
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.
Окей, крок три. Врешті, заворушник на своєму місці, і він не хоче бути спійманим поліцією. Заворушник весь час уникатиме поліцію, але числа не приховують небезпеку. З іншої сторони, поліція, зі своїми обмеженими ресурсами, намагається захистити якомога більше міст та, де можливо, заарештувати заворушників і створити стримуючий ефект. Та, власне, виявляється, що цей механізм, так би мовити, між двома видами: заворушниками та поліцією, є ідентичним до хижаків та здобичі в дикій природі. Уявіть кроликів та лисиць, кролики всіма силами намагаються уникнути лисиць, доки лисиці патрулюють місцину, шукаючи кролів. Ми чимало знаємо про динаміку хижаків та здобичі. Ми також чимало знаємо про потоки споживчих витрат. Також чимало знаємо про поширення віруса.
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.
Якщо взяти всі три аналогії, то отримаємо математичну модель того, що сталося, яка здатна копіювати загальну схему самих заворушень. Як тільки ми отримали це, то можемо взяти чашку Петрі і почати говорити про райони міста, які більш сприятливі для злочинів, які поліцейські тактики варто використовувати, якщо це знову трапиться у майбутньому. Навіть 20 років тому моделювання такого типу було невідомим. Та я вважаю, що ці аналогії є неймовірно важливим знаряддям, щоб взятися за проблеми нашого суспільства, і, можливо, значно покращити наше суспільство.
So, to conclude: life is complex, but perhaps understanding it need not necessarily be that complicated.
Тож на завершення: життя є складним, але його розуміння не обов'язково має бути складним.
Thank you.
Дякую вам.
(Applause)
(Оплески)