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?
Cảm ơn rất nhiều. Tôi là Hannah Fry, cô nàng nổi loạn. Hôm nay, tôi có một câu hỏi: Cuộc sống có phức tạp đến thế? Giờ tôi chỉ có chín phút để cố gắng đưa ra câu trả lời cho các bạn, nên tôi chia nó làm hai phần: một là: có; và sau đó, hai là: không. Hay chính xác hơn là: không nhỉ?
(Laughter)
(Tiếng cười)
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.
Đầu tiên, thử định nghĩa từ "phức tạp." Tôi có thể đưa ra định nghĩa đúng chuẩn từ điển, nhưng đơn giản nhất thì, "phức tạp" là điều gì đó mà Anh-xtanh và người cùng thời của ông không làm được. Hãy tưởng tượng xem -- nếu bút trình chiếu hoạt động... được rồi. Anh-xtanh đang chơi bi-a. Ông là kẻ khôn ngoan nên biết rằng khi ông đánh bi trắng, ông có thể viết phương trình và nói chính xác bi đỏ sẽ đập vào đâu, tốc độ và điểm dừng của nó. Nếu bạn phóng to mấy quả bi-a này thành kích cỡ của hệ mặt trời, Anh-xtanh vẫn có thể giúp bạn. Hẳn rồi, tính chất vật lý thay đổi, nhưng nếu bạn muốn biết về đường đi của Trái Đất quanh Mặt Trời, Anh-xtanh có thể viết phương trình để nói bạn biết vị trí hai vật thể tại mọi thời điểm. Với mức độ khó gia tăng đến khó tin, Anh-xtanh có thể đưa cả Mặt Trăng vào phép tính. Nhưng khi bạn thêm nhiều hành tinh, ví như Sao Hỏa hay Sao Mộc, vấn đề trở nên quá khó với Anh-xtanh nếu chỉ giải quyết bằng bút và giấy. Lạ lùng là, thay vì có một vài hành tinh bạn có hàng triệu hay thậm chí hàng tỉ vật thể, vấn đề thực ra lại trở nên đơn giản hơn nhiều, và Anh-xtanh có thể quay lại cuộc chơi. Hãy để tôi giải thích, bằng cách thu nhỏ vật thể về kích thước phân tử.
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?
Nếu bạn muốn theo dõi đường đi thất thường của một phân tử khí, chắc chắn bạn chẳng có hi vọng gì. Nhưng khi bạn có hàng triệu phân tử khí cùng nhau, chúng bắt đầu hoạt động theo cách có thể định lượng, dự đoán được và đúng cách. Và tạ ơn Chúa, không khí hoạt động đúng cách, vì nếu không, máy bay sẽ rơi khỏi bầu trời. Với một tỉ lệ còn lớn hơn, rộng khắp toàn thế giới, ý tưởng vẫn y như vậy với tất cả phân tử khí. Đúng là bạn không thể lấy một giọt mưa đơn lẻ và nói được nguồn gốc hay điểm dừng của nó. Nhưng bạn có thể nói khá chắc chắn ngày mai trời sẽ nhiều mây hay không. Vậy đó. Ở thời của Anh-xtanh, khoa học đã đạt được đến mức này. Chúng ta có thể giải quyết những vấn đề nhỏ với một vài vật thể với tương tác đơn giản, hay có thể giải quyết vấn đề lớn với hàng triệu vật thể và tương tác giản đơn. Nhưng những vấn đề ở giữa thì sao?
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.
Bảy năm trước khi Anh-xtanh mất, một nhà khoa học người Mỹ tên là Warren Weaver đã chỉ ra vấn đề này. Ông nói phương pháp khoa học đã đi từ điểm cực này đến điểm cực kia, bỏ lại một khoảng lớn không được đụng tới ở giữa. Khoảng giữa này là nơi sự phức tạp khoa học trú ngụ, và đó là ý của tôi khi nói về sự phức tạp. Không may, hầu như mọi vấn đề bạn có thể nghĩ tới về hành xử con người lại nằm ở khoảng giữa này. Anh-xtanh hoàn toàn không biết mô hình hóa sự vận động của đám đông. Có quá nhiều người để có thể nhìn nhận họ là riêng lẻ và quá ít để coi họ như một nhóm. Tương tự, mọi người dễ bị khó chịu với những việc như quyết định và không muốn va chạm với người khác, điều này khiến vấn đề trở nên phức tạp hơn. Anh-xtanh cũng không thể nói bạn khi nào thị trường chứng khoán sụp đổ. Anh-xtanh không thể nói bạn cách cải thiện tình trạng thất nghiệp. Thậm chí ông không thể nói liệu chiếc iPhone tiếp theo sẽ thành công hay thất bại. Vậy tổng kết phần một là: chúng ta chết chắc rồi. Chẳng có công cụ nào để giải quyết và cuộc sống thì quá phức tạp.
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.
Nhưng có lẽ vẫn còn hi vọng, vì vài năm trở lại đây, chúng ta bắt đầu thấy sự bắt đầu của một vùng khoa học mới sử dụng toán học để mô hình hóa hệ thống xã hội. Và tôi không chỉ nói về thống kê và mô phỏng máy tính. Tôi đang nói tới việc viết ra các phương trình về xã hội giúp chúng ta hiểu chuyện gì đang xảy ra theo cách giống như những quả bi-a hay dự báo thời tiết. Và có sự biến chuyển như vậy vì mọi người bắt đầu nhận ra có thể sử dụng và khai thác nét tương đồng giữa hệ thống con người và thế giới vật chất quanh ta.
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.
Tôi sẽ nêu một ví dụ: vấn đề di cư vô cùng phức tạp trên toàn châu Âu. Thật sự thì khi bạn nhìn nhận tất cả mọi người với nhau như một tập thể, họ hành xử như thể đang tuân theo luật hấp dẫn. Nhưng thay vì các hành tinh bị hút vào nhau, con người bị hấp dẫn bởi những nơi có cơ hội việc làm tốt hơn, lương cao hơn, chất lượng cuộc sống tốt hơn và tỉ lệ thất nghiệp thấp hơn. Theo cùng cách mà con người thường hướng về cơ hội gần với nơi mình đang sinh sống - từ London tới Kent, ví dụ vậy, trái với từ London tới Melbourne -- tác dụng của lực hấp dẫn lên những hành tinh ở xa thấp hơn nhiều.
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.
Để tôi lấy một ví dụ khác: năm 2008, một nhóm tại Đại học California, Los Angeles nhìn vào đặc điểm của tụ điểm trộm cắp trong thành phố. Có một ý tưởng trong các vụ trộm được gọi là "nạn nhân lặp lại". Nếu có một nhóm trộm cắp thực hiện phi vụ thành công ở một nơi, chúng sẽ có xu hướng quay lại đó trộm lần nữa. Chúng học được bố trí của các ngôi nhà, đường tẩu thoát và biện pháp an ninh địa phương ở khu vực đó. Và chuyện này sẽ tiếp diễn cho tới khi dân cư địa phương và cảnh sát tăng cường an ninh đến mức mà những kẻ trộm sẽ di chuyển đi chỗ khác. Đó là sự cân bằng giữa kẻ trộm và an ninh, thứ tạo ra những tụ điểm cực nóng trong thành phố. Nó diễn ra chính xác như quá trình một con báo sinh ra đốm, ngoại trừ ví dụ về con báo, không phải là kẻ trộm và an ninh, mà là quá trình hóa học tạo ra vết đốm và một thứ có tên "tạo hình sinh học." Chúng ta thật ra biết rất nhiều về tạo hình sinh học của đốm báo. Có lẽ ta có thể dùng nó để chỉ ra vài dấu hiệu cảnh báo trộm cắp và đồng thời tạo ra được chiến lược phòng chống tội phạm tốt hơn. Có một nhóm tại Đại học London đang làm việc với cảnh sát Tây Midlands về vấn đề này. Tôi có thể đưa ra nhiều ví dụ như vậy, nhưng tôi muốn lấy một ví dụ từ nghiên cứu của mình về bạo loạn ở London.
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.
Bạn có thể không cần tôi nói cho biết về các sự kiện mùa hè năm trước, khi London và Anh chứng kiến giai đoạn chống đỡ tồi tệ nhất với cướp bóc bạo lực và đốt phá trong hơn 20 năm. Có thể hiểu được rằng như một xã hội, chúng ta muốn cố gắng đoán biết chính xác nguyên nhân gây bạo loạn, nhưng có lẽ cần trang bị cho cảnh sát chiến lược tốt hơn để có được giải pháp nhanh chóng trong tương lai. Tôi không muốn làm những nhà xã hội học lo âu, chắc chắn tôi không thể nói về động cơ cá nhân của một kẻ bạo loạn, nhưng khi bạn nhìn vào những kẻ bạo loạn, theo như toán học, bạn có thể chia nó làm ba giai đoạn và theo đó chỉ ra điểm tương đồng.
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.
Bước 1: Giả sử bạn có một nhóm bạn. Không ai trong số họ dính tới bạo loạn, nhưng một trong số họ đi qua cửa hàng giày bị đột kích, đi vào và lấy một đôi giày thể thao mới. Cậu ta nhắn với bạn mình rằng: "Đến đây bạo loạn thôi." Vậy là bạn cậu ta tham gia, và rồi họ nhắn tin cho nhiều bạn bè khác để cùng tham gia, và họ lại nhắn tin nhiều thêm nữa, cứ thế cứ thế tiếp diễn. Quá trình này giống cách vi-rút lây lan ra quần thể. Nếu bạn nghĩ tới dịch cúm gia cầm vài năm trước, càng nhiều người mắc bệnh, càng nhiều người bị lây nhiễm, và vi-rút càng lan nhanh hơn trước khi chính quyền xử lý được vấn đề. Và đó chính xác là quá trình ở đây.
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.
Giả sử có một kẻ bạo loạn, hắn ta quyết định sẽ tới cuộc bạo loạn. Việc tiếp theo hắn phải làm là chọn địa điểm bạo loạn. Điều bạn nên biết về kẻ bạo loạn là, Ôi, bút trình chiếu hỏng. Được rồi. Bạn nên biết kẻ bạo loạn không chuẩn bị cho việc đi xa khỏi nơi chúng sống, trừ khi đó thật sự là địa điểm ngon.
(Laughter)
(Tiếng cười)
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.
Bạn có thể thấy từ đồ thị ở đây, rất nhiều kẻ bạo loạn di chuyển ít hơn một km tới nơi bạo loạn. Điều này còn xuất hiện ở mô hình chi tiêu tiêu dùng bán lẻ, tức là nơi ta chọn để mua sắm. Tất nhiên, mọi người thích mua sắm ở cửa hàng địa phương, nhưng bạn sẽ chuẩn bị để đi xa hơn chút nếu đó là nơi bán lẻ thực sự tốt. Điểm tương đồng này đã được nêu ở vài bài báo, với một số báo lá cải gọi tên sự kiện là "Mua sắm với bạo lực," cụm từ có lẽ tổng kết được trong nghiên cứu của chúng tôi. Ôi! -- chúng ta đang quay lại.
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, bước 3. Cuối cùng, kẻ bạo loạn đến nơi, và hắn ta muốn tránh bị cảnh sát bắt. Những kẻ bạo loạn sẽ luôn tránh né cảnh sát, nhưng vẫn có điểm an toàn. Ngược lại, cảnh sát với nguồn lực hạn hẹp của mình, đang cố gắng bảo vệ thành phố nhiều nhất có thể, bắt giữ kẻ bạo loạn bất cứ nơi nào có thể và tạo nên hiệu ứng răn đe. Thật sự thì có thể nói cơ chế này giữa hai loài, kẻ bạo loạn và cảnh sát, cũng giống như động vật ăn thịt và con mồi nơi hoang dã. Nếu bạn có thể tưởng tượng loài thỏ và cáo, thỏ đang cố gắng tránh cáo bằng mọi giá, trong khi cáo lại truy lùng khắp nơi để cố gắng tìm ra thỏ. Chúng ta thật sự biết rất nhiều về tương tác giữa thú ăn thịt và con mồi. Ta cũng biết nhiều về dòng tiền chi tiêu tiêu dùng. Và ta biết nhiều về cách vi-rút lây lan ra quần thể.
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.
Vậy nên nếu bạn khai thác ba phép so sánh tương đồng này, bạn có thể tiếp cận một mô hình toán học về điều gì đã xảy ra, nó có thể tái hiện lại khuôn mẫu chung của những kẻ bạo loạn. Khi đã có mô hình, ta có thể sử dụng nó như đĩa thí nghiệm và bắt đầu trò chuyện về những nơi nhạy cảm hơn trong thành phố và chiến thuật cảnh sát có thể sử dụng nếu điều này xảy ra lần nữa trong tương lai. Thậm chí 20 năm trước, việc mô hình hóa kiểu này còn lạ lẫm. Nhưng tôi nghĩ phép so sánh tương đồng này là công cụ vô cùng quan trọng để giải quyết vấn đề của xã hội chúng ta, và có lẽ, cuối cùng cải thiện được tổng thể xã hội.
So, to conclude: life is complex, but perhaps understanding it need not necessarily be that complicated.
Kết luận lại cuộc sống rất phức tạp, nhưng có lẽ để hiểu được nó không cần phức tạp đến thế.
Thank you.
Cảm ơn các bạn.
(Applause)
(Vỗ tay)