For me, this story begins about 15 years ago, when I was a hospice doctor at the University of Chicago. And I was taking care of people who were dying and their families in the South Side of Chicago. And I was observing what happened to people and their families over the course of their terminal illness. And in my lab, I was studying the widower effect, which is a very old idea in the social sciences, going back 150 years, known as "dying of a broken heart." So, when I die, my wife's risk of death can double, for instance, in the first year. And I had gone to take care of one particular patient, a woman who was dying of dementia. And in this case, unlike this couple, she was being cared for by her daughter. And the daughter was exhausted from caring for her mother. And the daughter's husband, he also was sick from his wife's exhaustion. And I was driving home one day, and I get a phone call from the husband's friend, calling me because he was depressed about what was happening to his friend. So here I get this call from this random guy that's having an experience that's being influenced by people at some social distance.
Pour moi, cette histoire a commencé il y a 15 ans, quand j'étais médecin en soins palliatifs à l'Université de Chicago. Je m'occupais des gens qui mouraient, et de leurs familles, dans la banlieue sud de Chicago. Et j'observais ce qui se passait pour ces gens et leurs familles tout au long de leur fin de vie. Dans mon labo, j'étudiais l'effet de veuvage, qui est une très ancienne idée pour les sciences sociales, remontant à 150 ans, connue sous le nom de "mort par coeur brisé". Ainsi, quand je mourrai, le risque de décès de ma femme est doublé par exemple, pendant la première année. Ce qui m'est arrivé, c'est que je m'occupais d'une patiente, une femme qui mourait de démence. Et dans ce cas, contrairement à ce couple, c'est sa fille qui prenait soin d'elle. Et la fille était épuisée par les soins qu'elle apportait à sa mère. Et le mari de la fille, lui aussi était malade, à cause de l'épuisement de sa femme. Comme je rentrais chez moi, un jour, je reçois un coup de fil d'un ami du mari, qui m'appelait parce qu'il était déprimé par ce qui arrivait à son ami. J'ai donc cet appel de ce type inconnu qui est en train de vivre une expérience, qui est influencée par des gens à une certaine distance sociale.
And so I suddenly realized two very simple things: First, the widowhood effect was not restricted to husbands and wives. And second, it was not restricted to pairs of people. And I started to see the world in a whole new way, like pairs of people connected to each other. And then I realized that these individuals would be connected into foursomes with other pairs of people nearby. And then, in fact, these people were embedded in other sorts of relationships: marriage and spousal and friendship and other sorts of ties. And that, in fact, these connections were vast and that we were all embedded in this broad set of connections with each other. So I started to see the world in a completely new way and I became obsessed with this. I became obsessed with how it might be that we're embedded in these social networks, and how they affect our lives. So, social networks are these intricate things of beauty, and they're so elaborate and so complex and so ubiquitous, in fact, that one has to ask what purpose they serve. Why are we embedded in social networks? I mean, how do they form? How do they operate? And how do they effect us?
Alors, j'ai soudain réalisé deux choses très simples. Premièrement, que l'effet de veuvage ne se limitait pas aux maris et aux femmes. Et deuxièmement, qu'il ne se limitait pas à des paires de gens. Et j'ai commencé à voir le monde d'une toute nouvelle façon, comme des paires de personnes connectées les unes aux autres. Et puis j'ai réalisé que ces individus devraient être connectés en quartets avec d'autres paires de gens. Et puis qu'en fait, ces personnes intégraient d'autres types de relations, de mariage et de vie conjugale, et d'amitié, et d'autres sortes de liens. Et qu'en fait, ces connexions étaient très nombreuses, et que nous étions tous intriqués dans ce large éventail de connexions les uns avec les autres. Alors j'ai commencé à voir le monde d'une manière complètement nouvelle, et ça a commencé à m'obséder. J'ai été obsédé par la façon dont nous nous intégrons dans ces réseaux sociaux, et comment ils impactent notre vie. Ici, les réseaux sociaux sont représentés par ces magnifiques choses entrelacées, ils sont si élaborés et complexes, et si omniprésents, en fait, qu'il faut se demander à quoi ils servent. Pourquoi sommes-nous intégrés dans ces réseaux sociaux ? Je veux dire, comment se créent-ils ? Comment fonctionnent-ils ? Et comment nous influencent-ils ?
So my first topic with respect to this, was not death, but obesity. It had become trendy to speak about the "obesity epidemic." And, along with my collaborator, James Fowler, we began to wonder whether obesity really was epidemic and could it spread from person to person like the four people I discussed earlier. So this is a slide of some of our initial results. It's 2,200 people in the year 2000. Every dot is a person. We make the dot size proportional to people's body size; so bigger dots are bigger people. In addition, if your body size, if your BMI, your body mass index, is above 30 -- if you're clinically obese -- we also colored the dots yellow. So, if you look at this image, right away you might be able to see that there are clusters of obese and non-obese people in the image. But the visual complexity is still very high. It's not obvious exactly what's going on. In addition, some questions are immediately raised: How much clustering is there? Is there more clustering than would be due to chance alone? How big are the clusters? How far do they reach? And, most importantly, what causes the clusters?
Et mon premier sujet d'étude, par rapport à tout ça, n'était pas la mort, mais l'obésité. Et tout d'un coup, c'était devenu à la mode de parler de l'épidémie d'obésité. Avec james Fowler, mon collaborateur, nous avons commencé à nous demander si l'obésité était vraiment de nature épidémique, et si elle pourrait se propager d'une personne à l'autre comme les quatre personnes dont je parlais tout à l'heure. Voici une diapo de nos premiers résultats. Il s'agit de 2 200 personnes, en l'an 2000. Chaque point représente une personne. La grosseur du point est proportionnelle au poids de la personne. Donc les plus gros points pour les personnes les plus grosses. De plus, si votre poids, votre IMC, votre Indice de Masse Graisseuse, est supérieur à 30, si vous êtes obèse au sens clinique, le point est également coloré en jaune. Donc, en regardant l'image, vous voyez bien qu'il y a des groupes de personnes obèses et d'autres de personnes non-obèses sur cette vue. Mais la complexité visuelle est encore très élevée. Ce qui se passe n'est pas vraiment évident. En outre, ça soulève immédiatement certaines questions. Quel est ici le degré de regroupement ? Y-a-t-il plus de regroupement que n'en aurait déterminé le hasard ? Quel est la taille des groupes ? Jusqu'où vont-ils ? Et, surtout, qu'est-ce qui provoque ces regroupements ?
So we did some mathematics to study the size of these clusters. This here shows, on the Y-axis, the increase in the probability that a person is obese given that a social contact of theirs is obese and, on the X-axis, the degrees of separation between the two people. On the far left, you see the purple line. It says that, if your friends are obese, your risk of obesity is 45 percent higher. And the next bar over, the [red] line, says if your friend's friends are obese, your risk of obesity is 25 percent higher. And then the next line over says if your friend's friend's friend, someone you probably don't even know, is obese, your risk of obesity is 10 percent higher. And it's only when you get to your friend's friend's friend's friends that there's no longer a relationship between that person's body size and your own body size.
On a donc fait des calculs pour étudier la taille de ces groupes. Ici, sur l'axe vertical, on voit l'augmentation de la probabilité qu'une personne soit obèse, en fonction qu'un de ses contacts sociaux soit obèse. Et sur l'axe horizontal, le degré de séparation de ces personnes. A l'extrême gauche, vous voyez une ligne violette. Elle dit que, si vos amis sont obèses, votre risque d'obésité est plus élevé de 45 %. Et la barre d'à côté, la ligne orange, dit que, si les amis de vos amis sont obèses, votre risque d'obésité est plus élevé de 25% supérieur. Et la ligne suivante dit que si l'ami de l'ami de votre ami, que vous ne connaissez probablement pas, est obèse, votre risque d'obésité est plus élevé de 10%. Et ce n'est que quand on arrivez aux amis des amis des amis de vos amis, qu'il n'existe plus de lien de relation entre le poids de cette personne et le vôtre.
Well, what might be causing this clustering? There are at least three possibilities: One possibility is that, as I gain weight, it causes you to gain weight. A kind of induction, a kind of spread from person to person. Another possibility, very obvious, is homophily, or, birds of a feather flock together; here, I form my tie to you because you and I share a similar body size. And the last possibility is what is known as confounding, because it confounds our ability to figure out what's going on. And here, the idea is not that my weight gain is causing your weight gain, nor that I preferentially form a tie with you because you and I share the same body size, but rather that we share a common exposure to something, like a health club that makes us both lose weight at the same time.
Alors, qu'est-ce qui pourrait provoquer ces regroupements ? Il y a au moins 3 possibilités. Primo, la possibilité que le fait que je prenne du poids vous fasse prendre du poids, une sorte d'induction, de propagation d'un individu à l'autre. Une autre possibilité, évidente, est l'homophilie, le principe du "qui se ressemble s'assemble". Ici, je crée un lien entre moi et vous parce que vous et moi partageons un poids similaire. Et la dernière possibilité est ce que qu'on appelle "parasite", parce qu'elle parasite notre capacité à comprendre ce qu'il se passe. Et ici, l'idée n'est pas que vous preniez du poids parce que j'en prends, pas plus que je choisisse de créer un lien avec vous parce que vous et moi partageons le même poids, mais plutôt que nous partagions un paramètre commun, comme appartenir au même club de gym, qui nous fasse perdre du poids en même temps.
When we studied these data, we found evidence for all of these things, including for induction. And we found that if your friend becomes obese, it increases your risk of obesity by about 57 percent in the same given time period. There can be many mechanisms for this effect: One possibility is that your friends say to you something like -- you know, they adopt a behavior that spreads to you -- like, they say, "Let's go have muffins and beer," which is a terrible combination. (Laughter) But you adopt that combination, and then you start gaining weight like them. Another more subtle possibility is that they start gaining weight, and it changes your ideas of what an acceptable body size is. Here, what's spreading from person to person is not a behavior, but rather a norm: An idea is spreading.
Et lorsque nous avons étudié ces données, nous avons trouvé des preuves de tout ça, y compris de l'induction. Et nous avons constaté que, si votre ami devient obèse, cela augmente votre risque d'obésité d'environ 57 pour cent dans la même période de temps. Et il peut y avoir de nombreux mécanismes expliquant cet effet. Une possibilité est que vos amis vous disent quelque chose comme-- vous voyez, le genre de comportement qui se répand-- comme "Allons boire des bières et manger des brioches", une horrible combinaison, mais vous l'adoptez, et alors vous prenez du poids comme eux. Une autre possibilité, plus subtile, est qu'ils prennent du poids, et que cela change votre opinion de ce qu'est un poids acceptable. Et là, ce qui se propage d'une personne à l'autre, ce n'est pas un comportement, mais plutôt une norme. Une idée se propage.
Now, headline writers had a field day with our studies. I think the headline in The New York Times was, "Are you packing it on? Blame your fat friends." (Laughter) What was interesting to us is that the European headline writers had a different take: They said, "Are your friends gaining weight? Perhaps you are to blame." (Laughter) And we thought this was a very interesting comment on America, and a kind of self-serving, "not my responsibility" kind of phenomenon.
Et puis les chroniqueurs se sont bien amusés avec notre étude. Je crois que le titre dans le New York Times était "Vous vous empâtez ? La faute à vos amis gros !" Ce qu'on a trouvé intéressant, c'est que les chroniqueurs européens avaient une attaque différente, ils écrivaient "Vos amis prennent du poids ? C'est peut-être votre faute." (Rires) On a trouvé que c'était un commentaire très intéressant sur les USA, une attitude un peu égoïste, un peu du genre "c'est pas de ma faute".
Now, I want to be very clear: We do not think our work should or could justify prejudice against people of one or another body size at all. Our next questions was: Could we actually visualize this spread? Was weight gain in one person actually spreading to weight gain in another person? And this was complicated because we needed to take into account the fact that the network structure, the architecture of the ties, was changing across time. In addition, because obesity is not a unicentric epidemic, there's not a Patient Zero of the obesity epidemic -- if we find that guy, there was a spread of obesity out from him -- it's a multicentric epidemic. Lots of people are doing things at the same time. And I'm about to show you a 30 second video animation that took me and James five years of our lives to do. So, again, every dot is a person. Every tie between them is a relationship. We're going to put this into motion now, taking daily cuts through the network for about 30 years.
Mais bon, je veux être clair là-dessus, on ne pense pas que notre travail devrait, ou pourrait, justifier le moindre préjugé envers les gens de tel ou tel poids. Et notre question suivante était : Pourrait-on visualiser la façon dont cela se répand ? La prise de poids chez l'un résultait-elle vraiment en prise de poids chez l'autre ? Et c'était compliqué par le fait que nous devions prendre en compte l'évolution dans le temps de la structure du réseau, et de l'architecture des liens. Et en plus, parce que l'obésité n'est pas une épidémie unicentrique, il n'y a pas de "patient zéro" de l'épidémie d'obésité -- si on trouve ce gars, l'obésité se propage à partir de lui -- C'est une épidémie multicentrique. Plein de gens font plein de choses au même instant. Je vais vous montrer une animation vidéo de 30 secondes qui a pris, à James et moi, plusieurs années à réaliser. Comme tout à l'heure, chaque point représente une personne. Chaque lien entre eux est une relation. On va l'animer maintenant, en visualisant le réseau sur environ 30 ans.
The dot sizes are going to grow, you're going to see a sea of yellow take over. You're going to see people be born and die -- dots will appear and disappear -- ties will form and break, marriages and divorces, friendings and defriendings. A lot of complexity, a lot is happening just in this 30-year period that includes the obesity epidemic. And, by the end, you're going to see clusters of obese and non-obese individuals within the network. Now, when looked at this, it changed the way I see things, because this thing, this network that's changing across time, it has a memory, it moves, things flow within it, it has a kind of consistency -- people can die, but it doesn't die; it still persists -- and it has a kind of resilience that allows it to persist across time.
La taille des points va augmenter. Vous allez voir un océan de jaune arriver. Vous allez voir les gens naître et mourir; des points apparaître et disparaitre. Des liens se former et se briser. Mariages et divorces, amitiés et ruptures, beaucoup de complexité, plein de choses arrivent juste pendant cette période de 30 ans, qui inclut cette épidémie d'obésité. Et, à la fin, vous allez visualiser les groupes d'obèses et de non obèses dans le réseau. D'avoir vu cela a changé ma façon de voir les choses, parce que cette chose, ce réseau, qui change dans le temps, possède une mémoire, il se déplace, il y a des mouvements qui s'y répandent, il a une sorte de consistance; les gens peuvent mourir, mais il ne meurt pas; il continue à exister. Il possède une sorte de résilience qui lui permet de persister dans le temps.
And so, I came to see these kinds of social networks as living things, as living things that we could put under a kind of microscope to study and analyze and understand. And we used a variety of techniques to do this. And we started exploring all kinds of other phenomena. We looked at smoking and drinking behavior, and voting behavior, and divorce -- which can spread -- and altruism. And, eventually, we became interested in emotions. Now, when we have emotions, we show them. Why do we show our emotions? I mean, there would be an advantage to experiencing our emotions inside, you know, anger or happiness. But we don't just experience them, we show them. And not only do we show them, but others can read them. And, not only can they read them, but they copy them. There's emotional contagion that takes place in human populations. And so this function of emotions suggests that, in addition to any other purpose they serve, they're a kind of primitive form of communication. And that, in fact, if we really want to understand human emotions, we need to think about them in this way.
Alors, j'en suis venu à voir ces signaux des réseaux sociaux comme des êtres vivants, que l'on pourrait mettre sous une espèce de microscope pour les étudier, les analyser et les comprendre. Et on peut utiliser de nombreuses techniques pour cela. Et puis nous avons commencé à explorer toutes sortes d'autres phénomènes. Alors nous nous sommes penchés sur le tabagisme et la consommation d'alcool, l'expression des suffrages, et le divorce, qui peut se répandre, et l'altruisme. Et, finalement, on s'est intéressé aux émotions. Quand nous avons des émotions, Nous les montrons. Pourquoi montrons-nous nos émotions? Je veux dire, il y aurait un avantage à vivre nos émotions à l'intérieur, vous savez, la colère ou le bonheur, mais nous ne faisons pas que les vivre, nous les montrons. Et non seulement nous les montrons, mais d'autres peuvent les lire. Et, non seulement ils peuvent les lire, mais ils les copient. Il y a une contagion émotionnelle parmi les populations humaines. Et ainsi cette fonction des émotions suggère qu'en plus de toute autre fin qu'elles servent, elles sont une sorte de forme primitive de communication. Et qu'en fait, si nous voulons vraiment comprendre les émotions humaines, c'est comme ça qu'il faut y penser.
Now, we're accustomed to thinking about emotions in this way, in simple, sort of, brief periods of time. So, for example, I was giving this talk recently in New York City, and I said, "You know when you're on the subway and the other person across the subway car smiles at you, and you just instinctively smile back?" And they looked at me and said, "We don't do that in New York City." (Laughter) And I said, "Everywhere else in the world, that's normal human behavior." And so there's a very instinctive way in which we briefly transmit emotions to each other. And, in fact, emotional contagion can be broader still. Like we could have punctuated expressions of anger, as in riots. The question that we wanted to ask was: Could emotion spread, in a more sustained way than riots, across time and involve large numbers of people, not just this pair of individuals smiling at each other in the subway car? Maybe there's a kind of below the surface, quiet riot that animates us all the time. Maybe there are emotional stampedes that ripple through social networks. Maybe, in fact, emotions have a collective existence, not just an individual existence.
Or, nous sommes habitués à penser aux émotions comme à de simples, disons, moments dans le temps. Ainsi, par exemple, je présentais cet exposé récemment à New York, et j'ai dit: «Vous savez, comme quand vous êtes dans le métro, et qu'une autre personne dans le wagon vous sourit, et instinctivement vous lui répondez en souriant. " Là, ils m'ont regardé, et ont répondu : «Nous ne faisons pas cela à New York." Et j'ai dit: «Partout ailleurs dans le monde, C'est le comportement normal pour les humains." Il y a donc une façon très instinctive de transmettre rapidement des émotions les uns aux autres. Et, en effet, la contagion émotionnelle peut être encore plus large, comme les expressions de colère, par exemple dans les émeutes. La question que nous voulions poser est : Une émotion pourrait-elle se propager, de façon plus durable dans le temps que pour les émeutes, et impliquer un grand nombre de personnes, plus que cette paire d'individus se souriant dans le métro ? Peut-être y-a-t-il une sorte d'émeute tranquille sous-jacente qui nous anime en permanence. Peut-être y-a-t-il des bousculades émotionnelles qui se propagent par le biais des réseaux sociaux. Peut-être, finalement, les émotions ont-elles une existence collective, pas seulement une existence individuelle.
And this is one of the first images we made to study this phenomenon. Again, a social network, but now we color the people yellow if they're happy and blue if they're sad and green in between. And if you look at this image, you can right away see clusters of happy and unhappy people, again, spreading to three degrees of separation. And you might form the intuition that the unhappy people occupy a different structural location within the network. There's a middle and an edge to this network, and the unhappy people seem to be located at the edges. So to invoke another metaphor, if you imagine social networks as a kind of vast fabric of humanity -- I'm connected to you and you to her, on out endlessly into the distance -- this fabric is actually like an old-fashioned American quilt, and it has patches on it: happy and unhappy patches. And whether you become happy or not depends in part on whether you occupy a happy patch.
Et voici l'une des premières images que nous avons faites pour étudier ce phénomène. Encore une fois, un réseau social, mais maintenant, nous colorons les gens en jaune s'ils sont heureux, en bleu s'ils sont tristes et en vert entre les deux. Et si vous regardez cette image, vous voyez immédiatement des groupes de gens heureux et de gens malheureux, s'étendant, ici encore, à trois degrés de séparation. Et vous avez peut-être l'intuition que les gens malheureux occupent un emplacement structurel différent au sein du réseau. Ce réseau possède donc un milieu et un bord, et les malheureux semblent être situés sur les bords. Donc, en invoquant une autre métaphore, si vous imaginez les réseaux sociaux comme une sorte de vaste tissu de l'humanité - Je suis connecté à vous et vous à un autre, à l'infini - ce tissu est fait comme une couverture traditionnelle américaine en patchwork, fait de différentes pièces, des pièces heureuses et des pièces malheureuses. Et que vous soyez heureux ou pas dépend en partie du fait que vous occupiez une "pièce heureuse".
(Laughter)
(Rires)
So, this work with emotions, which are so fundamental, then got us to thinking about: Maybe the fundamental causes of human social networks are somehow encoded in our genes. Because human social networks, whenever they are mapped, always kind of look like this: the picture of the network. But they never look like this. Why do they not look like this? Why don't we form human social networks that look like a regular lattice? Well, the striking patterns of human social networks, their ubiquity and their apparent purpose beg questions about whether we evolved to have human social networks in the first place, and whether we evolved to form networks with a particular structure.
Ainsi, ce travail avec les émotions, qui sont fondamentales, nous a ensuite amenés à penser que, peut-être, les raisons fondamentales des réseaux sociaux humains sont en quelque sorte codées dans nos gènes. Parce que les réseaux sociaux humains, quand ils sont mappés, ressemblent toujours à ceci, l'image du réseau, mais ils ne ressemblent jamais à ceci. Pourquoi ne ressemblent-ils pas à ça ? Pourquoi ne formons-nous pas de réseaux sociaux humains qui ressemblent à un treillis régulier ? Bon, hé bien, les modèles spécifiques des réseau sociaux humains, leur ubiquité, leur finalité apparente, cela pose la question de savoir si, au départ, nous avons évolué pour avoir ces réseaux sociaux, et si nous avons évolué pour former des réseaux avec une structure particulière.
And notice first of all -- so, to understand this, though, we need to dissect network structure a little bit first -- and notice that every person in this network has exactly the same structural location as every other person. But that's not the case with real networks. So, for example, here is a real network of college students at an elite northeastern university. And now I'm highlighting a few dots. If you look here at the dots, compare node B in the upper left to node D in the far right; B has four friends coming out from him and D has six friends coming out from him. And so, those two individuals have different numbers of friends. That's very obvious, we all know that. But certain other aspects of social network structure are not so obvious.
Et remarquez tout d'abord ... Mais, pour comprendre ça, il faut d'abord que nous disséquions un peu la struceture du réseau. Et remarquez que chaque personne dans ce réseau a exactement le même emplacement structurel que n'importe quelle autre. Mais ce n'est pas comme ça dans les réseaux réels. Voici par exemple un véritable réseau d'étudiants dans une université d'élite du nord-est. Là, je mets en lumière quelques points. Et si vous regardez les points ici, comparez l'ensemble B, en haut à gauche, avec l'ensemble D tout en bas. B a 4 amis qui lui sont rattachés. Et D a 6 amis qui lui sont rattachés. Ces deux individus ont un nombre différent d'amis -- c'est évident, nous le voyons bien-- Mais certains autres aspects de la structure de réseau social ne sont pas si évidents.
Compare node B in the upper left to node A in the lower left. Now, those people both have four friends, but A's friends all know each other, and B's friends do not. So the friend of a friend of A's is, back again, a friend of A's, whereas the friend of a friend of B's is not a friend of B's, but is farther away in the network. This is known as transitivity in networks. And, finally, compare nodes C and D: C and D both have six friends. If you talk to them, and you said, "What is your social life like?" they would say, "I've got six friends. That's my social experience." But now we, with a bird's eye view looking at this network, can see that they occupy very different social worlds. And I can cultivate that intuition in you by just asking you: Who would you rather be if a deadly germ was spreading through the network? Would you rather be C or D? You'd rather be D, on the edge of the network. And now who would you rather be if a juicy piece of gossip -- not about you -- was spreading through the network? (Laughter) Now, you would rather be C.
Comparez l'ensemble B en haut à gauche à l'ensemble A en bas à gauche. Là, ces deux personnes ont toutes deux quatre amis, mais les amis de A se connaissent les uns les autres, et pas les amis de B. Ainsi, l'ami d'un ami de A, est de nouveau un ami de A, alors que l'ami d'un ami de B n'est pas un ami de B, il est plus loin dans le réseau. Ceci est connu comme la transitivité dans les réseaux. Et, enfin, comparez les ensembles C et D. C et D ont tous deux 6 amis. Si vous leur demandez "Qu'est-ce que votre vie sociale?" ils diraient: «J'ai six amis. C'est mon expérience sociale. " Mais nous, en regardant le réseau de haut, nous pouvons voir qu'ils occupent des mondes sociaux totalement différents, et je peux attiser cette intuition en vous demandant : Qui préféreriez-vous être, si un virus mortel se propageait dans le réseau ? Préfériez-vous être C ou D ? Vous préfèreriez être D, sur la périphérie du réseau. Et maintenant, qui préféreriez-vous être si un potin croustillant, pas à votre sujet, se répandait à travers le réseau ? Maintenant, vous préfèreriez plutôt être C.
So different structural locations have different implications for your life. And, in fact, when we did some experiments looking at this, what we found is that 46 percent of the variation in how many friends you have is explained by your genes. And this is not surprising. We know that some people are born shy and some are born gregarious. That's obvious. But we also found some non-obvious things. For instance, 47 percent in the variation in whether your friends know each other is attributable to your genes. Whether your friends know each other has not just to do with their genes, but with yours. And we think the reason for this is that some people like to introduce their friends to each other -- you know who you are -- and others of you keep them apart and don't introduce your friends to each other. And so some people knit together the networks around them, creating a kind of dense web of ties in which they're comfortably embedded. And finally, we even found that 30 percent of the variation in whether or not people are in the middle or on the edge of the network can also be attributed to their genes. So whether you find yourself in the middle or on the edge is also partially heritable.
Des emplacements structurels différents auront donc des implications différentes dans votre vie. En fait, quand nous avons fait quelques expériences là-dessus, nous avons découvert que 46 % de la variation dans le nombre d'amis que vous avez s'explique par vos gènes. Et ce n'est pas surprenant. Nous le savons, certaines personnes sont nées timides, et certaines sont nés grégaires. C'est une évidence. Mais nous avons aussi trouvé des choses moins évidentes. Par exemple, 47% de la variation du fait que vos amis se connaissent entre eux ou pas est attribuable à vos gènes. Que vos amis se connaissent n'a simplement rien à voir avec leurs gènes, mais avec les vôtres. Et nous pensons que la raison en est que certaines personnes aiment présenter leurs amis les uns aux autres -- vous vous reconnaitrez -- et d'autres préfèrent les garder à l'écart et ne pas les présenter les uns aux autres. Certaines personnes tissent les différents réseaux autour d'elles, créant ainsi une sorte de toile dense de liens, dans laquelle ils sont confortablement intégrés. Et enfin, nous avons même constaté que 30% de la variation du fait que les gens soient au milieu ou à la périphérie du réseau peut également être attribuée à leurs gènes. Que vous vous retrouviez au milieu ou sur les bords est aussi en partie héréditaire.
Now, what is the point of this? How does this help us understand? How does this help us figure out some of the problems that are affecting us these days? Well, the argument I'd like to make is that networks have value. They are a kind of social capital. New properties emerge because of our embeddedness in social networks, and these properties inhere in the structure of the networks, not just in the individuals within them. So think about these two common objects. They're both made of carbon, and yet one of them has carbon atoms in it that are arranged in one particular way -- on the left -- and you get graphite, which is soft and dark. But if you take the same carbon atoms and interconnect them a different way, you get diamond, which is clear and hard. And those properties of softness and hardness and darkness and clearness do not reside in the carbon atoms; they reside in the interconnections between the carbon atoms, or at least arise because of the interconnections between the carbon atoms. So, similarly, the pattern of connections among people confers upon the groups of people different properties. It is the ties between people that makes the whole greater than the sum of its parts. And so it is not just what's happening to these people -- whether they're losing weight or gaining weight, or becoming rich or becoming poor, or becoming happy or not becoming happy -- that affects us; it's also the actual architecture of the ties around us.
Bon, où cela nous mène-t-il ? Comment cela nous aide-t-il à comprendre? Comment cela nous aide-t-il à comprendre certains des problèmes qui nous touchent de nos jours ? Hé bien, la raison que je voudrais avancer, c'est que les réseaux ont une valeur. Ils sont une sorte de capital social. De nouvelles propriétés apparaissent en raison de notre enracinement dans les réseaux sociaux, et ces propriétés ici, dans la structure même des réseaux, pas seulement chez les individus qui en font partie. Réfléchissez à ces deux objets courants. Ils sont tous deux constitués de carbone, et pourtant, les atomes de carbone de l'un sont arrangés d'une certaine manière, à gauche, et on a du graphite, qui est tendre et foncé. Mais si vous prenez les mêmes atomes de carbone et que vous les interconnectez d'une façon différente, vous aurez un diamant, qui est dur et clair. Et ces propriétés de douceur et de dureté, d'obscurité et de clarté, ne résident pas dans les atomes de carbone. Elles résident dans les interconnexions entre les atomes de carbone, ou, du moins, naissent en raison des interconnexions entre les atomes de carbone. De la même manière, la configuration des liens entre les gens confère aux groupes de personnes des propriétés différentes. Ce sont les liens entre les personnes qui rendent le tout plus grand que la somme de ses parties. Et ce n'est pas seulement ce qui arrive à ces gens, qu'ils perdent du poids ou qu'ils en prennent, qu'ils deviennent riches ou pauvres, qu'ils soient heureux ou non, qui a des conséquences sur nous. C'est également l'architecture même des liens autour de nous.
Our experience of the world depends on the actual structure of the networks in which we're residing and on all the kinds of things that ripple and flow through the network. Now, the reason, I think, that this is the case is that human beings assemble themselves and form a kind of superorganism. Now, a superorganism is a collection of individuals which show or evince behaviors or phenomena that are not reducible to the study of individuals and that must be understood by reference to, and by studying, the collective. Like, for example, a hive of bees that's finding a new nesting site, or a flock of birds that's evading a predator, or a flock of birds that's able to pool its wisdom and navigate and find a tiny speck of an island in the middle of the Pacific, or a pack of wolves that's able to bring down larger prey. Superorganisms have properties that cannot be understood just by studying the individuals. I think understanding social networks and how they form and operate can help us understand not just health and emotions but all kinds of other phenomena -- like crime, and warfare, and economic phenomena like bank runs and market crashes and the adoption of innovation and the spread of product adoption.
Notre expérience du monde dépend de la structure même des réseaux dont nous faisons partie, et du genre de choses qui circulent et se propagent à travers ces réseaux. Je crois que la raison pour laquelle c'est le cas, c'est que les êtres humains s'assemblent d'eux-mêmes pour former une sorte de super-organisme. Un super-organisme est une sorte d'ensemble d'individus qui adoptent ou évitent des comportements ou des phénomènes, qui n'est sont pas réductible à l'étude des individus et doit être interprété par référence au collectif, et en l'étudiant, comme, par exemple, une ruche d'abeilles qui trouve un nouveau site de nidification, ou une volée d'oiseaux se soustrayant à un prédateur, ou un vol d'oiseaux capables de mettre en commun leur sagesse pour naviguer et de trouver un point minuscule, une île au milieu du Pacifique, ou encore une meute de loups capable d'abattre de grosses proies. Les super-organismes ont des propriétés qui ne peuvent pas être comprises seulement en étudiant les individus. Je pense que la compréhension des réseaux sociaux, comment ils se forment et fonctionnent, peut nous aider à comprendre, non seulement la santé et les émotions, mais toutes sortes de phénomènes comme la criminalité et la guerre et les phénomènes économiques comme les faillites bancaires, les écroulements du marché et l'adoption de l'innovation et la propagation de l'adoption des produits.
Now, look at this. I think we form social networks because the benefits of a connected life outweigh the costs. If I was always violent towards you or gave you misinformation or made you sad or infected you with deadly germs, you would cut the ties to me, and the network would disintegrate. So the spread of good and valuable things is required to sustain and nourish social networks. Similarly, social networks are required for the spread of good and valuable things, like love and kindness and happiness and altruism and ideas. I think, in fact, that if we realized how valuable social networks are, we'd spend a lot more time nourishing them and sustaining them, because I think social networks are fundamentally related to goodness. And what I think the world needs now is more connections.
Maintenant, regardez ceci. Je crois que nous formons des réseaux sociaux parce que les avantages d'une vie connectée l'emportent sur les coûts. Si j'étais toujours violent envers vous, ou si je vous induisais en erreur, si je vous rendais triste, ou si je vous infectais avec des germes mortels, vous couperiez les liens avec moi, et le réseau se désintégrerait. Propager des choses positives et de valeur est nécessaire pour soutenir et nourrir les réseaux sociaux. De même, les réseaux sociaux sont nécessaires pour la diffusion de choses bonnes et précieuses, comme l'amour et la bonté, le bonheur et l'altruisme, et les idées. Je pense, en effet, que si nous réalisions à quel point les réseaux sociaux sont précieux, on passerait beaucoup plus de temps à les nourrir et les maintenir, car je pense que les réseaux sociaux sont fondamentalement liées à la bonté, et ce que je pense, c'est que ce dont le monde a besoin aujourd'hui, c'est de plus de connections.
Thank you.
Merci.
(Applause)
(Applaudissements)