ABOUT THE SPEAKER
Geoffrey West - Theorist
Physicist Geoffrey West believes that complex systems from organisms to cities are in many ways governed by simple laws -- laws that can be discovered and analyzed.

Why you should listen

Trained as a theoretical physicist, Geoffrey West has turned his analytical mind toward the inner workings of more concrete things, like ... animals. In a paper for Science in 1997, he and his team uncovered what he sees as a surprisingly universal law of biology — the way in which heart rate, size and energy consumption are related, consistently, across most living animals. (Though not all animals: “There are always going to be people who say, ‘What about the crayfish?’ " he says. “Well, what about it? Every fundamental law has exceptions. But you still need the law or else all you have is observations that don’t make sense.")

A past president of the multidisciplinary Santa Fe Institute (after decades working  in high-energy physics at Los Alamos and Stanford), West now studies the behavior and development of cities. In his newest work, he proposes that one simple number, population, can predict a stunning array of details about any city, from crime rate to economic activity. It's all about the plumbing, he says, the infrastructure that powers growth or dysfunction. His next target for study: corporations.

He says: "Focusing on the differences [between cities] misses the point. Sure, there are differences, but different from what? We’ve found the what."

More profile about the speaker
Geoffrey West | Speaker | TED.com
TEDGlobal 2011

Geoffrey West: The surprising math of cities and corporations

Geoffrey West: Překvapující matematika měst a korporací

Filmed:
1,583,030 views

Fyzik Geoffrey West přišel na to, že jednoduché matematické zákony řídí vlastnosti měst. Že bohatství, míra zločinnosti, rychlost chůze a mnohé jiné aspekty města mohou být odvozeny z jednoho čísla: velikosti populace. V této ohromující přednášce z TEDGlobal nám ukazuje, jak to funguje a jak podobné zákony řídí organismy a korporace.
- Theorist
Physicist Geoffrey West believes that complex systems from organisms to cities are in many ways governed by simple laws -- laws that can be discovered and analyzed. Full bio

Double-click the English transcript below to play the video.

00:16
CitiesMěsta are the crucibleKelímek of civilizationcivilizace.
0
1000
3000
Města jsou tavícím kotlem civilizace.
00:19
They have been expandingrozšíření,
1
4000
2000
Rozšiřují se,
00:21
urbanizationurbanizace has been expandingrozšíření,
2
6000
2000
urbanizace pokračuje
00:23
at an exponentialexponenciální ratehodnotit in the last 200 yearsroky
3
8000
2000
za posledních 200 let exponenciálním růstem,
00:25
so that by the seconddruhý partčást of this centurystoletí,
4
10000
3000
takže ve druhé polovině tohoto století
00:28
the planetplaneta will be completelyzcela dominateddominoval
5
13000
2000
budou celé planetě zcela dominovat
00:30
by citiesměsta.
6
15000
3000
města.
00:33
CitiesMěsta are the originspůvodů of globalglobální warmingoteplování,
7
18000
3000
Města jsou původci globálního oteplování,
00:36
impactdopad on the environmentživotní prostředí,
8
21000
2000
dopadu na životní prostředí,
00:38
healthzdraví, pollutionznečištění, diseasechoroba,
9
23000
3000
zdraví, znečištění, chorob,
00:41
financefinance,
10
26000
2000
financí,
00:43
economieshospodářství, energyenergie --
11
28000
3000
ekonomik, energie -
00:46
they're all problemsproblémy
12
31000
2000
to vše jsou problémy,
00:48
that are confrontedkonfrontován by havingmít citiesměsta.
13
33000
2000
kterým díky městům čelíme.
00:50
That's where all these problemsproblémy come from.
14
35000
2000
Z nich pocházejí veškeré problémy.
00:52
And the tsunamitsunami of problemsproblémy that we feel we're facingčelí
15
37000
3000
A jádro problémů, kterým čelíme
00:55
in termspodmínky of sustainabilityudržitelnost questionsotázky
16
40000
2000
ve smyslu otázky udržitelnosti,
00:57
are actuallyvlastně a reflectionodraz
17
42000
2000
jsou vlastně odpovědí
00:59
of the exponentialexponenciální increasezvýšit
18
44000
2000
na exponenciální růst
01:01
in urbanizationurbanizace acrosspřes the planetplaneta.
19
46000
3000
urbanizace na Zemi.
01:04
Here'sTady je some numbersčísla.
20
49000
2000
Zde několik čísel.
01:06
Two hundredsto yearsroky agopřed, the UnitedVelká StatesStáty
21
51000
2000
Před 200 lety, byly USA
01:08
was lessméně than a fewpár percentprocent urbanizedurbanizované.
22
53000
2000
urbanizovány jen z několika procent.
01:10
It's now more than 82 percentprocent.
23
55000
2000
Teď už je to více než 82 %.
01:12
The planetplaneta has crossedpřekřížený the halfwaydo poloviny markoznačit a fewpár yearsroky agopřed.
24
57000
3000
Před několika lety planeta překročila 50 % hranici,
01:15
China'sČína buildingbudova 300 newNový citiesměsta
25
60000
2000
Čína v následujících letech vybuduje
01:17
in the nextdalší 20 yearsroky.
26
62000
2000
300 nových měst.
01:19
Now listen to this:
27
64000
2000
A teď si poslechněte tohle.
01:21
EveryKaždý weektýden for the foreseeablepředvídatelných futurebudoucnost,
28
66000
3000
Každý týden v blízké budoucnosti,
01:24
untilaž do 2050,
29
69000
2000
až do roku 2050,
01:26
everykaždý weektýden more than a millionmilión people
30
71000
2000
každý týden se více než milion lidí
01:28
are beingbytost addedpřidal to our citiesměsta.
31
73000
2000
stěhuje do měst.
01:30
This is going to affectpostihnout everything.
32
75000
2000
To ovlivní všechno.
01:32
EverybodyVšichni in this roompokoj, místnost, if you staypobyt alivenaživu,
33
77000
2000
Každý z vás v této místnosti, pokud budete naživu,
01:34
is going to be affectedpostižené
34
79000
2000
budete ovlivněni tím,
01:36
by what's happeninghappening in citiesměsta
35
81000
2000
co se děje ve městech,
01:38
in this extraordinarymimořádný phenomenonjev.
36
83000
2000
v tom mimořádném úkazu.
01:40
HoweverNicméně, citiesměsta,
37
85000
3000
Přesto jsou města,
01:43
despitei přes havingmít this negativenegativní aspectaspekt to them,
38
88000
3000
navzdory všem těmto negativním hlediskům,
01:46
are alsotaké the solutionřešení.
39
91000
2000
také řešením.
01:48
Because citiesměsta are the vacuumvakuum cleanersčisticí prostředky and the magnetsmagnety
40
93000
4000
Protože města jsou vysavače a magnety,
01:52
that have suckednasáklý up creativetvořivý people,
41
97000
2000
které nasály tvořivé jedince,
01:54
creatingvytváření ideasnápady, innovationinovace,
42
99000
2000
vytvářející myšlenky, inovace,
01:56
wealthbohatství and so on.
43
101000
2000
bohatství apod.
01:58
So we have this kinddruh of dualdvojí naturePříroda.
44
103000
2000
Máme tak tuto duální podstatu.
02:00
And so there's an urgentnaléhavé need
45
105000
3000
A tak je tu naléhavá potřeba
02:03
for a scientificvědecký theoryteorie of citiesměsta.
46
108000
4000
vědecké teorie měst.
02:07
Now these are my comradessoudruzi in armszbraně.
47
112000
3000
Toto jsou mí spolubojovníci.
02:10
This work has been doneHotovo with an extraordinarymimořádný groupskupina of people,
48
115000
2000
Tato práce byla dokončena díky neobyčejné skupině lidí,
02:12
and they'veoni mají doneHotovo all the work,
49
117000
2000
kteří provedli všechnu tu práci
02:14
and I'm the great bullshitterlháři
50
119000
2000
a já jsem velký kecal,
02:16
that trieszkoušky to bringpřinést it all togetherspolu.
51
121000
2000
který se pokouší to všechno dát dohromady.
02:18
(LaughterSmích)
52
123000
2000
(smích)
02:20
So here'stady je the problemproblém: This is what we all want.
53
125000
2000
Takže - o co jde: Všichni chceme totéž.
02:22
The 10 billionmiliarda people on the planetplaneta in 2050
54
127000
3000
10 miliard lidí na zeměkouli chce v roce 2050
02:25
want to livežít in placesmísta like this,
55
130000
2000
žít na místech, jako je toto,
02:27
havingmít things like this,
56
132000
2000
chtějí mít takového věci,
02:29
doing things like this,
57
134000
2000
dělat toto,
02:31
with economieshospodářství that are growingrostoucí like this,
58
136000
3000
v ekonomikách, které rostou takto,
02:34
not realizingrealizovat that entropyentropie
59
139000
2000
bez toho, že by rozpoznali entropii,
02:36
producesprodukuje things like this,
60
141000
2000
která vytváří takovéto věci,
02:38
this, this
61
143000
4000
takovéto, tyto
02:42
and this.
62
147000
2000
a tyto.
02:44
And the questionotázka is:
63
149000
2000
A otázkou je:
02:46
Is that what EdinburghEdinburgh and LondonLondýn and NewNové YorkYork
64
151000
2000
Budou Edinburg, Londýn a New York
02:48
are going to look like in 2050,
65
153000
2000
vypadat v roce 2050 takto
02:50
or is it going to be this?
66
155000
2000
nebo takto?
02:52
That's the questionotázka.
67
157000
2000
Taková je otázka...
02:54
I mustmusí say, manymnoho of the indicatorsindikátory
68
159000
2000
Musím říci, spousta z mých ukazatelů
02:56
look like this is what it's going to look like,
69
161000
3000
naznačují, že budou vypadat takto,
02:59
but let's talk about it.
70
164000
3000
ale pojďme se na to podívat.
03:02
So my provocativeprovokativní statementprohlášení
71
167000
3000
Můj provokativní názor je,
03:05
is that we desperatelyzoufale need a seriousvážně scientificvědecký theoryteorie of citiesměsta.
72
170000
3000
že zoufale potřebujeme seriozní vědeckou teorii měst.
03:08
And scientificvědecký theoryteorie meansprostředek quantifiablekvantifikovatelné --
73
173000
3000
A vědecká teorie znamená měřitelná -
03:11
relyingspoléhat se on underlyingzákladní genericobecný principleszásady
74
176000
3000
spolehnutí se na skryté všeobecné principy,
03:14
that can be madevyrobeno into a predictiveprediktivní psaní frameworkrámec.
75
179000
2000
které lze přetavit do odhadnutelného systému.
03:16
That's the questQuest.
76
181000
2000
Taková je mise.
03:18
Is that conceivablemožné?
77
183000
2000
Je to uskutečnitelné?
03:20
Are there universaluniverzální lawszákony?
78
185000
2000
Existují všeobecné zákony?
03:22
So here'stady je two questionsotázky
79
187000
2000
Jsou tedy dvě otázky,
03:24
that I have in my headhlava when I think about this problemproblém.
80
189000
2000
které mi leží v hlavě, když o tom problému přemýšlím.
03:26
The first is:
81
191000
2000
První je:
03:28
Are citiesměsta partčást of biologybiologie?
82
193000
2000
Jsou města součástí biologie?
03:30
Is LondonLondýn a great bigvelký whalevelryba?
83
195000
2000
Je Londýn velkou velrybou?
03:32
Is EdinburghEdinburgh a horsekůň?
84
197000
2000
Je Edinburg koněm?
03:34
Is MicrosoftMicrosoft a great bigvelký anthillmraveniště?
85
199000
2000
Je Microsoft úžasným velkým mraveništěm?
03:36
What do we learnUčit se from that?
86
201000
2000
Co si z toho vezmeme?
03:38
We use them metaphoricallymetaforicky --
87
203000
2000
Používáme je jako přirovnání -
03:40
the DNADNA of a companyspolečnost, the metabolismmetabolismus of a cityměsto, and so on --
88
205000
2000
DNA firmy, metabolismus města apod. -
03:42
is that just bullshithovadina, metaphoricalmetaforické bullshithovadina,
89
207000
3000
jsou to jen kecy, jen bezduché přirovnání,
03:45
or is there seriousvážně substancelátka to it?
90
210000
3000
nebo se v tom skrývá skutečná podstata?
03:48
And if that is the casepouzdro,
91
213000
2000
A pokud by v tom skutečně něco bylo,
03:50
how come that it's very hardtvrdý to killzabít a cityměsto?
92
215000
2000
jaktože je tak těžké město zahubit?
03:52
You could droppokles an atomatom bombbombardovat on a cityměsto,
93
217000
2000
Můžete na město shodit atomovou bombu
03:54
and 30 yearsroky laterpozději it's survivingpřežívající.
94
219000
2000
a za 30 let žije dále.
03:56
Very fewpár citiesměsta failselhat.
95
221000
3000
Jen málo měst zanikne.
03:59
All companiesspolečnosti diezemřít, all companiesspolečnosti.
96
224000
3000
Všechny firmy zaniknou, všechny.
04:02
And if you have a seriousvážně theoryteorie, you should be ableschopný to predictpředpovědět
97
227000
2000
A pokud bychom měli seriózní teorii, měli bychom umět předpovědět,
04:04
when GoogleGoogle is going to go bustpoprsí.
98
229000
3000
kdy zkrachuje Google.
04:07
So is that just anotherdalší versionverze
99
232000
3000
Jde tedy jen o další verzi
04:10
of this?
100
235000
2000
téhož?
04:12
Well we understandrozumět this very well.
101
237000
2000
No, rozumíme tomu poměrně dobře.
04:14
That is, you askdotázat se any genericobecný questionotázka about this --
102
239000
2000
To znamená, že v této oblasti položíte jakoukoliv obecnou otázku
04:16
how manymnoho treesstromy of a givendané sizevelikost,
103
241000
2000
kolik stromu určité velikosti,
04:18
how manymnoho branchespobočky of a givendané sizevelikost does a treestrom have,
104
243000
2000
kolik větví určité velikosti má strom,
04:20
how manymnoho leaveslisty,
105
245000
2000
kolik listů,
04:22
what is the energyenergie flowingtekoucí throughpřes eachkaždý branchvětev,
106
247000
2000
jaká energie proudí každou z těch větví,
04:24
what is the sizevelikost of the canopybaldachýn,
107
249000
2000
jak velká je koruna,
04:26
what is its growthrůst, what is its mortalityúmrtnost?
108
251000
2000
jak roste, kdy umírá?
04:28
We have a mathematicalmatematický frameworkrámec
109
253000
2000
Máme matematický systém,
04:30
basedna základě on genericobecný universaluniverzální principleszásady
110
255000
3000
založený na obecně platných principech,
04:33
that can answerOdpovědět those questionsotázky.
111
258000
2000
který umí na takové otázky odpovědět.
04:35
And the ideaidea is can we do the samestejný for this?
112
260000
4000
A jde o to, zda jej můžeme použít i pro toto?
04:40
So the routetrasa in is recognizingrozpoznávání
113
265000
3000
Cestou k pochopení je rozpoznat
04:43
one of the mostvětšina extraordinarymimořádný things about life,
114
268000
2000
jednu z nejúžasnějších věcí o životě,
04:45
is that it is scalableškálovatelné,
115
270000
2000
a to že je odstupňovatelný,
04:47
it workspráce over an extraordinarymimořádný rangerozsah.
116
272000
2000
odehrává se v neskutečném rozpětí.
04:49
This is just a tinydrobný rangerozsah actuallyvlastně:
117
274000
2000
Zde vidíme jen malou část,
04:51
It's us mammalssavců;
118
276000
2000
jen nás - savce,
04:53
we're one of these.
119
278000
2000
i my jsme jen jedni z mnoha.
04:55
The samestejný principleszásady, the samestejný dynamicsdynamika,
120
280000
2000
Stejná pravidla, stejná dynamika,
04:57
the samestejný organizationorganizace is at work
121
282000
2000
stejná organizace se odehrávají
04:59
in all of these, includingpočítaje v to us,
122
284000
2000
ve všech zde zobrazených, včetně nás
05:01
and it can scaleměřítko over a rangerozsah of 100 millionmilión in sizevelikost.
123
286000
3000
a fungují pro všechny organismy, ať mají 2 nebo 200 mil gramů.
05:04
And that is one of the mainhlavní reasonsdůvodů
124
289000
3000
A to je jeden z hlavních důvodů,
05:07
life is so resilientpružné and robustrobustní --
125
292000
2000
proč je život tak odolný a silný -
05:09
scalabilityškálovatelnost.
126
294000
2000
rozšiřitelnost
05:11
We're going to discussdiskutovat that in a momentmoment more.
127
296000
3000
Řekneme si o tom něco víc za chvilku.
05:14
But you know, at a localmístní levelúroveň,
128
299000
2000
Ale víte, na místní úrovni
05:16
you scaleměřítko; everybodyvšichni in this roompokoj, místnost is scaledměřítko.
129
301000
2000
se stupňujete, každý v této místnosti je odstupňovaný.
05:18
That's calledvolal growthrůst.
130
303000
2000
Říká se tomu růst.
05:20
Here'sTady je how you grewrostl.
131
305000
2000
Tady vidíte, jak rostete.
05:22
RatKrysa, that's a ratkrysa -- could have been you.
132
307000
2000
Krysa, to je krysa, ale mohli byste to být vy.
05:24
We're all prettydosti much the samestejný.
133
309000
3000
Jsme všichni celkem stejní.
05:27
And you see, you're very familiarznát with this.
134
312000
2000
A vidíte, že nás velmi dobře znáte.
05:29
You growrůst very quicklyrychle and then you stop.
135
314000
2000
Velmi rychle vyrostete a pak se zastavíte.
05:31
And that linečára there
136
316000
2000
A ta čára zde
05:33
is a predictionpředpověď from the samestejný theoryteorie,
137
318000
2000
je předpověď z té samé teorie
05:35
basedna základě on the samestejný principleszásady,
138
320000
2000
postavené na stejných principech,
05:37
that describespopisuje that forestles.
139
322000
2000
které popisují zmiňovaný les.
05:39
And here it is for the growthrůst of a ratkrysa,
140
324000
2000
A zde je to na růst krysy.
05:41
and those pointsbodů on there are datadata pointsbodů.
141
326000
2000
A ty body tam jsou datové body.
05:43
This is just the weighthmotnost versusproti the agestáří.
142
328000
2000
Jde jen o váhu versus věk.
05:45
And you see, it stopszastávky growingrostoucí.
143
330000
2000
A vidíte, že přestává růst.
05:47
Very, very good for biologybiologie --
144
332000
2000
Velmi, velmi dobré pro biologii,
05:49
alsotaké one of the reasonsdůvodů for its great resilienceodolnost.
145
334000
2000
také jeden z důvodu, proč je krysa tak odolná.
05:51
Very, very badšpatný
146
336000
2000
Velmi velmi špatné
05:53
for economieshospodářství and companiesspolečnosti and citiesměsta
147
338000
2000
pro ekonomiky a firmy a města
05:55
in our presentsoučasnost, dárek paradigmparadigma.
148
340000
2000
aspoň podle našeho současného přesvědčení.
05:57
This is what we believe.
149
342000
2000
Tomuto věříme.
05:59
This is what our wholeCelý economyekonomika
150
344000
2000
To nám celá naše ekonomika
06:01
is thrustingbodné uponna us,
151
346000
2000
namlouvá,
06:03
particularlyzejména illustratedIllustrated in that left-handlevá ruka cornerroh:
152
348000
3000
speciálně je ilustrováno v tom levém rohu:
06:06
hockeyhokej stickstyčinky.
153
351000
2000
hokejky.
06:08
This is a bunchchomáč of softwaresoftware companiesspolečnosti --
154
353000
2000
Je to několik softwarových firem
06:10
and what it is is theirjejich revenuepříjmy versusproti theirjejich agestáří --
155
355000
2000
a zobrazuje to jejich výnosy versus stáří,
06:12
all zoomingzvětšení/zmenšení away,
156
357000
2000
všechny letí nahoru
06:14
and everybodyvšichni makingtvorba millionsmiliony and billionsmiliardy of dollarsdolarů.
157
359000
2000
a každá vydělává miliony a miliardy dolarů.
06:16
Okay, so how do we understandrozumět this?
158
361000
3000
Takže, jak tomu rozumíme?
06:19
So let's first talk about biologybiologie.
159
364000
3000
Nejdříve si vezměme biologii.
06:22
This is explicitlyvýslovně showingzobrazování you
160
367000
2000
Toto vám přesně ukazuje
06:24
how things scaleměřítko,
161
369000
2000
jak se věci rozpínají.
06:26
and this is a trulyopravdu remarkablepozoruhodný graphgraf.
162
371000
2000
A je to vskutku pozoruhodný graf.
06:28
What is plottedvykreslena here is metabolicmetabolických ratehodnotit --
163
373000
3000
Je zde načrtnutý metabolický poměr -
06:31
how much energyenergie you need perza day to staypobyt alivenaživu --
164
376000
3000
kolik energie za den potřebujete, abyste přežili -
06:34
versusproti your weighthmotnost, your massHmotnost,
165
379000
2000
versus vaše hmotnost, hmota
06:36
for all of us bunchchomáč of organismsorganismy.
166
381000
3000
pro různé organismy.
06:39
And it's plottedvykreslena in this funnylegrační way by going up by factorsfaktory of 10,
167
384000
3000
Měřítko osy zobrazuje násobky desítky, a je tomu tak, protože
06:42
otherwisev opačném případě you couldn'tnemohl get everything on the graphgraf.
168
387000
2000
jinak by se všichni do grafu nevešli.
06:44
And what you see if you plotspiknutí it
169
389000
2000
A když si to nakreslíte
06:46
in this slightlymírně curiouszvědavý way
170
391000
2000
takto zajímavě,
06:48
is that everybodyvšichni lieslži on the samestejný linečára.
171
393000
3000
uvidíte, že všichni se nacházejí na stejné linii.
06:51
DespiteNavzdory the factskutečnost that this is the mostvětšina complexkomplex and diverserůznorodé systemSystém
172
396000
3000
I přes skutečnost, že je to nejobsažnější a nejrozmanitější systém
06:54
in the universevesmír,
173
399000
3000
ve vesmíru,
06:57
there's an extraordinarymimořádný simplicityjednoduchost
174
402000
2000
je v tom mimořádná jednoduchost
06:59
beingbytost expressedvyjádřený by this.
175
404000
2000
vyjádřená tímto.
07:01
It's particularlyzejména astonishingudivující
176
406000
3000
Je to celkem udivující,
07:04
because eachkaždý one of these organismsorganismy,
177
409000
2000
protože každý z těch organismů,
07:06
eachkaždý subsystempodsystém, eachkaždý cellbuňka typetyp, eachkaždý genegen,
178
411000
2000
každý subsystém, každý typ buňky, každý gen
07:08
has evolvedvyvíjeno in its ownvlastní uniqueunikátní environmentalživotního prostředí nicheNika
179
413000
4000
se vyvinuli ve svém vlastním jedinečném přírodním prostředí,
07:12
with its ownvlastní uniqueunikátní historydějiny.
180
417000
3000
se svou vlastní historií.
07:15
And yetdosud, despitei přes all of that DarwinianDarwinovské evolutionvývoj
181
420000
3000
A tak, navzdory celé té Darwinovské evoluci
07:18
and naturalpřírodní selectionvýběr,
182
423000
2000
a přírodnímu výběru,
07:20
they'veoni mají been constrainedomezené to lielhát on a linečára.
183
425000
2000
byli omezeni položením na této linii.
07:22
Something elsejiný is going on.
184
427000
2000
Něco se tu děje...
07:24
Before I talk about that,
185
429000
2000
Než se k tomu dostanu,
07:26
I've writtenpsaný down at the bottomdno there
186
431000
2000
dole pod grafem jsem uvedl
07:28
the slopesklon of this curvekřivka, this straightrovný linečára.
187
433000
2000
sklon této křivky, této rovné linie.
07:30
It's three-quarterstři čtvrtiny, roughlyzhruba,
188
435000
2000
Jsou to zhruba ¾,
07:32
whichkterý is lessméně than one -- and we call that sublinearpod řádkem.
189
437000
3000
což je méně než 1 - tomu říkáme sublineární.
07:35
And here'stady je the pointbod of that.
190
440000
2000
A jde o tohle -
07:37
It saysříká that, if it were linearlineární,
191
442000
3000
znamená to, že pokud by to bylo lineární,
07:40
the steepestnejstrmější slopesklon,
192
445000
2000
s prudším sklonem,
07:42
then doublingzdvojnásobení the sizevelikost
193
447000
2000
pak by zdvojení velikosti
07:44
you would requirevyžadovat doubledvojnásobek the amountmnožství of energyenergie.
194
449000
2000
vedlo k nutnosti dvojitého množství energie.
07:46
But it's sublinearpod řádkem, and what that translatespřekládá into
195
451000
3000
Je to ale sublineární, což přeloženo znamená,
07:49
is that, if you doubledvojnásobek the sizevelikost of the organismorganismus,
196
454000
2000
že pokud organismus zvětšíte dvakrát,
07:51
you actuallyvlastně only need 75 percentprocent more energyenergie.
197
456000
3000
pak ve skutečnosti potřebujete jen 75 % dodatečné energie.
07:54
So a wonderfulBáječné thing about all of biologybiologie
198
459000
2000
Úžasnou věcí na celé biologii tak je,
07:56
is that it expressesvyjadřuje an extraordinarymimořádný economyekonomika of scaleměřítko.
199
461000
3000
že představuje mimořádné úspory z rozsahu.
07:59
The biggervětší you are systematicallysystematicky,
200
464000
2000
Čím větší jste,
08:01
accordingpodle to very well-defineddobře definované rulespravidel,
201
466000
2000
tím, podle velmi dobře definovaných pravidel,
08:03
lessméně energyenergie perza capitahlavou.
202
468000
3000
méně energie na jednotku je potřeba.
08:06
Now any physiologicalfyziologické variableProměnná you can think of,
203
471000
3000
Kterákoliv fyziologická proměnná, která vás napadne,
08:09
any life historydějiny eventudálost you can think of,
204
474000
2000
jakákoliv historická událost,
08:11
if you plotspiknutí it this way, looksvzhled like this.
205
476000
3000
pokud si to takto naformulujete, vypadá takto.
08:14
There is an extraordinarymimořádný regularitypravidelnost.
206
479000
2000
Je v tom výjimečná zákonitost.
08:16
So you tell me the sizevelikost of a mammalsavec,
207
481000
2000
Takže když mi řeknete velikost savce,
08:18
I can tell you at the 90 percentprocent levelúroveň everything about it
208
483000
3000
jsem schopný vám o něm z 90 % říct všechno
08:21
in termspodmínky of its physiologyfyziologie, life historydějiny, etcatd.
209
486000
4000
ve smyslu jeho fyziologie, životního vývoje apod.
08:25
And the reasondůvod for this is because of networkssítě.
210
490000
3000
A to díky propojením.
08:28
All of life is controlledřízen by networkssítě --
211
493000
3000
Veškerý život je ovládán propojením -
08:31
from the intracellularintracelulární throughpřes the multicellularmnohobuňečný
212
496000
2000
od jednobuněčných, přes mnohobuněčné,
08:33
throughpřes the ecosystemekosystému levelúroveň.
213
498000
2000
až po úroveň ekosystémů.
08:35
And you're very familiarznát with these networkssítě.
214
500000
3000
A vám jsou tato propojení velmi dobře známa.
08:39
That's a little thing that livesživoty insideuvnitř an elephantslon.
215
504000
3000
Toto je malá věc, která se nachází ve slonovi.
08:42
And here'stady je the summaryShrnutí of what I'm sayingrčení.
216
507000
3000
Zde je shrnutí toho, o čem mluvím.
08:45
If you take those networkssítě,
217
510000
2000
Pokud vezmete tato propojení,
08:47
this ideaidea of networkssítě,
218
512000
2000
celou myšlenku propojení,
08:49
and you applyaplikovat universaluniverzální principleszásady,
219
514000
2000
a uplatníte na ni všeobecné principy,
08:51
mathematizablemathematizable, universaluniverzální principleszásady,
220
516000
2000
zmatematizovatelné, univerzální principy,
08:53
all of these scalingsokuje
221
518000
2000
všechna ta odstupňování
08:55
and all of these constraintsomezení follownásledovat,
222
520000
3000
a všechna omezení budou vždy platit,
08:58
includingpočítaje v to the descriptionpopis of the forestles,
223
523000
2000
včetně popsaného lesa,
09:00
the descriptionpopis of your circulatoryoběhové systemSystém,
224
525000
2000
vašeho oběhového systému,
09:02
the descriptionpopis withinv rámci cellsbuněk.
225
527000
2000
či propojení buněk.
09:04
One of the things I did not stressstres in that introductionúvod
226
529000
3000
Jedna z věcí, kterou jsem na začátku nezdůraznil byla,
09:07
was that, systematicallysystematicky, the pacetempo of life
227
532000
3000
že čím větší jste, tím se tempo života
09:10
decreasesÚbytky as you get biggervětší.
228
535000
2000
systematicky snižuje.
09:12
HeartSrdce ratesceny are slowerpomalejší; you livežít longerdelší;
229
537000
3000
Srdeční činnost je pomalejší, žijete déle,
09:15
diffusiondifúze of oxygenkyslík and resourceszdroje
230
540000
2000
šíření kyslíku a zdrojů
09:17
acrosspřes membranesmembrán is slowerpomalejší, etcatd.
231
542000
2000
membránami je pomalejší apod.
09:19
The questionotázka is: Is any of this trueskutečný
232
544000
2000
Otázkou je: Je něco z toho platné
09:21
for citiesměsta and companiesspolečnosti?
233
546000
3000
i pro města a firmy?
09:24
So is LondonLondýn a scaledměřítko up BirminghamBirmingham,
234
549000
3000
Je Londýn větším Birminghamem,
09:27
whichkterý is a scaledměřítko up BrightonBrighton, etcatd., etcatd.?
235
552000
3000
který je zvětšeným Brightonem atd. a tak podobně?
09:30
Is NewNové YorkYork a scaledměřítko up SanSan FranciscoFrancisco,
236
555000
2000
Je New York zvětšeným San Franciskem,
09:32
whichkterý is a scaledměřítko up SantaSanta FeFE?
237
557000
2000
které je zvětšeninou Santa Fe?
09:34
Don't know. We will discussdiskutovat that.
238
559000
2000
Nevím, podíváme se na to,
09:36
But they are networkssítě,
239
561000
2000
jsou ale propojené.
09:38
and the mostvětšina importantdůležité networksíť of citiesměsta
240
563000
2000
A tím nejdůležitějším propojením měst
09:40
is you.
241
565000
2000
jste vy.
09:42
CitiesMěsta are just a physicalfyzický manifestationmanifestace
242
567000
3000
Města jsou jen fyzickou podobou
09:45
of your interactionsinterakcí,
243
570000
2000
vašich vzájemných vazeb,
09:47
our interactionsinterakcí,
244
572000
2000
našich vzájemných vazeb
09:49
and the clusteringvytváření clusterů and groupingseskupení of individualsJednotlivci.
245
574000
2000
a shlukování a seskupování jednotlivců.
09:51
Here'sTady je just a symbolicsymbolické pictureobrázek of that.
246
576000
3000
Toto je jen symbolický obrázek, který to ilustruje.
09:54
And here'stady je scalingškálování of citiesměsta.
247
579000
2000
A zde je stupňování měst.
09:56
This showsukazuje that in this very simplejednoduchý examplepříklad,
248
581000
3000
Znázorňuje to velmi jednoduchým příkladem,
09:59
whichkterý happensse děje to be a mundanesvětský examplepříklad
249
584000
2000
což je náhodou příklad ze života,
10:01
of numberčíslo of petrolčerpací stationsstanice
250
586000
2000
počtu benzínek
10:03
as a functionfunkce of sizevelikost --
251
588000
2000
jako funkce velikosti -
10:05
plottedvykreslena in the samestejný way as the biologybiologie --
252
590000
2000
zmapovaných stejně jako biologie -
10:07
you see exactlypřesně the samestejný kinddruh of thing.
253
592000
2000
přesně vidíte tu samou věc.
10:09
There is a scalingškálování.
254
594000
2000
Je v tom stupňování.
10:11
That is that the numberčíslo of petrolčerpací stationsstanice in the cityměsto
255
596000
4000
Tzn. že vám řeknu počet benzínek,
10:15
is now givendané to you
256
600000
2000
když mi zadáte
10:17
when you tell me its sizevelikost.
257
602000
2000
velikost města.
10:19
The slopesklon of that is lessméně than linearlineární.
258
604000
3000
Sklon funkce je méně než lineární.
10:22
There is an economyekonomika of scaleměřítko.
259
607000
2000
Jsou v tom úspory z rozsahu.
10:24
LessMéně petrolčerpací stationsstanice perza capitahlavou the biggervětší you are -- not surprisingpřekvapující.
260
609000
3000
Čím větší město, tím méně benzínek na jednotku - nic překvapujícího.
10:27
But here'stady je what's surprisingpřekvapující.
261
612000
2000
Překvapující je ale toto -
10:29
It scalesváhy in the samestejný way everywherevšude.
262
614000
2000
všude to probíhá ve stejném měřítku.
10:31
This is just EuropeanEvropská countrieszemí,
263
616000
2000
Zde jsou jen evropské země,
10:33
but you do it in JapanJaponsko or ChinaČína or ColombiaKolumbie,
264
618000
3000
ale když to uplatníte na Japonsko, Čínu či Kolumbii,
10:36
always the samestejný
265
621000
2000
uvidíte totéž,
10:38
with the samestejný kinddruh of economyekonomika of scaleměřítko
266
623000
2000
se stejným druhem úspor z rozsahu,
10:40
to the samestejný degreestupeň.
267
625000
2000
ve stejném rozpětí.
10:42
And any infrastructureinfrastruktura you look at --
268
627000
3000
A ať se podíváte na jakoukoliv infrastrukturu -
10:45
whetherzda it's the lengthdélka of roadssilnic, lengthdélka of electricalelektrický linesline --
269
630000
3000
ať už délku silnic, délku elektrického vedení -
10:48
anything you look at
270
633000
2000
na cokoliv se zaměříte,
10:50
has the samestejný economyekonomika of scaleměřítko scalingškálování in the samestejný way.
271
635000
3000
dosahuje stejných úspor z rozsahu stejným způsobem.
10:53
It's an integratedintegrovaný systemSystém
272
638000
2000
Je to ucelený systém,
10:55
that has evolvedvyvíjeno despitei přes all the planningplánování and so on.
273
640000
3000
který se vyvinul i přes veškeré plánování apod.
10:58
But even more surprisingpřekvapující
274
643000
2000
Ještě překvapivější ale je
11:00
is if you look at socio-economicsocio ekonomické quantitiesmnožství,
275
645000
2000
pohled na socio-ekonomické ukazatele,
11:02
quantitiesmnožství that have no analoganalogový in biologybiologie,
276
647000
3000
ukazatele, které nemají s biologií nic společného
11:05
that have evolvedvyvíjeno when we startedzačal formingformování communitiesspolečenství
277
650000
3000
a které se vyvinuly tak, jak vznikaly komunity
11:08
eightosm to 10,000 yearsroky agopřed.
278
653000
2000
před 8 až 10 000 lety.
11:10
The tophorní one is wagesmzdy as a functionfunkce of sizevelikost
279
655000
2000
Ten vrchní jsou mzdy jako funkce velikosti
11:12
plottedvykreslena in the samestejný way.
280
657000
2000
popsaná stejným způsobem.
11:14
And the bottomdno one is you lot --
281
659000
2000
A na tom spodním jste vy, bando -
11:16
super-creativesSuper-reklamy plottedvykreslena in the samestejný way.
282
661000
3000
super nadaní rozložení stejným způsobem.
11:19
And what you see
283
664000
2000
A vidíte tam
11:21
is a scalingškálování phenomenonjev.
284
666000
2000
náš fenomén odstupňování.
11:23
But mostvětšina importantdůležité in this,
285
668000
2000
Ještě důležitější je zde
11:25
the exponentexponent, the analoganalogový to that three-quarterstři čtvrtiny
286
670000
2000
exponent, obdoba těch zmíněných ¾
11:27
for the metabolicmetabolických ratehodnotit,
287
672000
2000
u metabolického poměru,
11:29
is biggervětší than one -- it's about 1.15 to 1.2.
288
674000
2000
který je větší než 1 - pohybuje se od 1,15 do 1,2.
11:31
Here it is,
289
676000
2000
Tady je
11:33
whichkterý saysříká that the biggervětší you are
290
678000
3000
a říká, že čím jste výše,
11:36
the more you have perza capitahlavou, unlikena rozdíl od biologybiologie --
291
681000
3000
tím více je třeba na jednotku, ne jako v biologii -
11:39
highervyšší wagesmzdy, more super-creativeSuper kreativní people perza capitahlavou as you get biggervětší,
292
684000
4000
vyšší mzdy, více nadaných lidí na jednotku, čím větší jste,
11:43
more patentspatenty perza capitahlavou, more crimezločin perza capitahlavou.
293
688000
3000
více patentů na jednotku, více zločinnosti na jednotku.
11:46
And we'vejsme lookedpodíval se at everything:
294
691000
2000
A zaměřili jsme se na vše:
11:48
more AIDSAIDS casespřípadů, fluchřipka, etcatd.
295
693000
3000
případy AIDS, chřipky apod.
11:51
And here, they're all plottedvykreslena togetherspolu.
296
696000
2000
A zde jsou zmapovány všechny dohromady.
11:53
Just to showshow you what we plottedvykreslena,
297
698000
2000
Na vysvětlenou, co jsme mapovali -
11:55
here is incomepříjem, GDPHDP --
298
700000
3000
zde je příjem, HDP -
11:58
GDPHDP of the cityměsto --
299
703000
2000
HDP města -
12:00
crimezločin and patentspatenty all on one graphgraf.
300
705000
2000
zločinnost a patenty, vše v jednom grafu.
12:02
And you can see, they all follownásledovat the samestejný linečára.
301
707000
2000
A jak vidíte, všechny kopírují totožnou linii.
12:04
And here'stady je the statementprohlášení.
302
709000
2000
A zde je definice.
12:06
If you doubledvojnásobek the sizevelikost of a cityměsto from 100,000 to 200,000,
303
711000
3000
Pokud zdvojnásobíte velikost města ze 100 000 na 200 000,
12:09
from a millionmilión to two millionmilión, 10 to 20 millionmilión,
304
714000
2000
z milionu na dva, z 10 na 20 milionů,
12:11
it doesn't matterhmota,
305
716000
2000
na tom nezáleží,
12:13
then systematicallysystematicky
306
718000
2000
pak systematicky
12:15
you get a 15 percentprocent increasezvýšit
307
720000
2000
získáte 15 % nárůst
12:17
in wagesmzdy, wealthbohatství, numberčíslo of AIDSAIDS casespřípadů,
308
722000
2000
ve mzdách, bohatství, množství případů AIDS,
12:19
numberčíslo of policepolicie,
309
724000
2000
počtu strážníků,
12:21
anything you can think of.
310
726000
2000
čehokoliv, na co pomyslíte.
12:23
It goesjde up by 15 percentprocent,
311
728000
2000
Zvyšuje se to o 15 %.
12:25
and you have a 15 percentprocent savingsúspory
312
730000
3000
A dosáhnete 15 % úspor
12:28
on the infrastructureinfrastruktura.
313
733000
3000
na infrastruktuře.
12:31
This, no doubtpochybovat, is the reasondůvod
314
736000
3000
To je bezpochyby důvod,
12:34
why a millionmilión people a weektýden are gatheringshromáždění in citiesměsta.
315
739000
3000
proč týdně do měst proudí milion lidí.
12:37
Because they think that all those wonderfulBáječné things --
316
742000
3000
Myslí si totiž, že všechny ty skvostné věci,
12:40
like creativetvořivý people, wealthbohatství, incomepříjem --
317
745000
2000
jako tvořiví lidé, bohatství, příjem,
12:42
is what attractspřitahuje them,
318
747000
2000
je to, co je přitahuje
12:44
forgettingzapomenout about the uglyškaredý and the badšpatný.
319
749000
2000
a zapomínají přitom na ty ošklivé a špatné.
12:46
What is the reasondůvod for this?
320
751000
2000
Čím je to způsobeno?
12:48
Well I don't have time to tell you about all the mathematicsmatematika,
321
753000
3000
No nemám čas vám vysvětlovat celou matematiku,
12:51
but underlyingzákladní this is the socialsociální networkssítě,
322
756000
3000
ale skrývají se za tím sociální sítě,
12:54
because this is a universaluniverzální phenomenonjev.
323
759000
3000
jde totiž u všeobecně platný jev.
12:57
This 15 percentprocent rulepravidlo
324
762000
3000
Toto pravidlo 15 %
13:00
is trueskutečný
325
765000
2000
je platné
13:02
no matterhmota where you are on the planetplaneta --
326
767000
2000
bez ohledu na to, kde na planetě se nacházíte -
13:04
JapanJaponsko, ChileChile,
327
769000
2000
v Japonsku, Čile,
13:06
PortugalPortugalsko, ScotlandSkotsko, doesn't matterhmota.
328
771000
3000
Portugalsku, Skotsku, na tom nezáleží.
13:09
Always, all the datadata showsukazuje it's the samestejný,
329
774000
3000
Vždy vám data ukáží totéž
13:12
despitei přes the factskutečnost that these citiesměsta have evolvedvyvíjeno independentlynezávisle na sobě.
330
777000
3000
i přes skutečnost, že tato města se vyvinula nezávisle na sobě.
13:15
Something universaluniverzální is going on.
331
780000
2000
Děje se něco všeobecně platného.
13:17
The universalityuniverzálnost, to repeatopakovat, is us --
332
782000
3000
Všeobecnost, abych to zopakoval, tvoříme my -
13:20
that we are the cityměsto.
333
785000
2000
my jsme městem.
13:22
And it is our interactionsinterakcí and the clusteringvytváření clusterů of those interactionsinterakcí.
334
787000
3000
A naše vzájemné vztahy a jejich shlukování.
13:25
So there it is, I've said it again.
335
790000
2000
Tady to máme, zopakoval jsem to znova.
13:27
So if it is those networkssítě and theirjejich mathematicalmatematický structurestruktura,
336
792000
3000
Jsou to tedy propojení a jejich matematická podoba,
13:30
unlikena rozdíl od biologybiologie, whichkterý had sublinearpod řádkem scalingškálování,
337
795000
3000
v opaku s biologií, která má sublineární rozsah,
13:33
economieshospodářství of scaleměřítko,
338
798000
2000
úspory z rozsahu,
13:35
you had the slowingzpomalení of the pacetempo of life
339
800000
2000
pomalejší průběh života s tím,
13:37
as you get biggervětší.
340
802000
2000
čím větší jste.
13:39
If it's socialsociální networkssítě with super-linearPřeladitelný scalingškálování --
341
804000
2000
Pokud jde o sociální propojení s nadlineárním rozsahem -
13:41
more perza capitahlavou --
342
806000
2000
více na jednotku -
13:43
then the theoryteorie saysříká
343
808000
2000
pak teorie říká,
13:45
that you increasezvýšit the pacetempo of life.
344
810000
2000
že zvyšujete životní tempo.
13:47
The biggervětší you are, life getsdostane fasterrychleji.
345
812000
2000
Čím jste větší, tím je život rychlejší.
13:49
On the left is the heartsrdce ratehodnotit showingzobrazování biologybiologie.
346
814000
2000
Vlevo je tlukot srdce v biologii.
13:51
On the right is the speedRychlost of walkingchůze
347
816000
2000
Vpravo je rychlost chůze
13:53
in a bunchchomáč of EuropeanEvropská citiesměsta,
348
818000
2000
v několika evropských městech,
13:55
showingzobrazování that increasezvýšit.
349
820000
2000
která ukazuje nárůst.
13:57
LastlyA konečně, I want to talk about growthrůst.
350
822000
3000
Nakonec chci mluvit o růstu.
14:00
This is what we had in biologybiologie, just to repeatopakovat.
351
825000
3000
Na zopakování, toto jsme viděli v biologii.
14:03
EconomiesEkonomiky of scaleměřítko
352
828000
3000
Úspory z rozsahu
14:06
gavedal risevzestup to this sigmoidalsigmoidal behaviorchování.
353
831000
3000
daly vzniknout této esovitě prohnuté křivce.
14:09
You growrůst fastrychle and then stop --
354
834000
3000
Rychle vyrostete a pak ustanete -
14:12
partčást of our resilienceodolnost.
355
837000
2000
jde o součást vaší odolnosti.
14:14
That would be badšpatný for economieshospodářství and citiesměsta.
356
839000
3000
To by bylo pro ekonomiky a města špatné.
14:17
And indeedVskutku, one of the wonderfulBáječné things about the theoryteorie
357
842000
2000
A skutečně, jednou z úžasných věcí na této teorii je,
14:19
is that if you have super-linearPřeladitelný scalingškálování
358
844000
3000
že pokud existuje nadlineární měřítko,
14:22
from wealthbohatství creationstvoření and innovationinovace,
359
847000
2000
od vytváření bohatství a inovace,
14:24
then indeedVskutku you get, from the samestejný theoryteorie,
360
849000
3000
pak skutečně na základě stejné teorie získáte
14:27
a beautifulKrásná risingstoupající exponentialexponenciální curvekřivka -- lovelypůvabný.
361
852000
2000
nádhernou rostoucí exponenciální křivku - hezké.
14:29
And in factskutečnost, if you compareporovnat it to datadata,
362
854000
2000
A pokud to porovnáte s daty,
14:31
it fitsse hodí very well
363
856000
2000
velmi dobře to odpovídá
14:33
with the developmentrozvoj of citiesměsta and economieshospodářství.
364
858000
2000
rozvoji měst a ekonomik.
14:35
But it has a terriblehrozný catchchytit,
365
860000
2000
Je tu ale hrozivý chyták.
14:37
and the catchchytit
366
862000
2000
A tím je,
14:39
is that this systemSystém is destinedurčený to collapsekolaps.
367
864000
3000
že tento systém je odsouzen k zániku.
14:42
And it's destinedurčený to collapsekolaps for manymnoho reasonsdůvodů --
368
867000
2000
A odsouzen k zániku je z mnoha důvodů -
14:44
kinddruh of MalthusianMalthusiánský reasonsdůvodů -- that you runběh out of resourceszdroje.
369
869000
3000
tak trochu Malthusiánským důvodům - že dojdou zdroje.
14:47
And how do you avoidvyhýbat se that? Well we'vejsme doneHotovo it before.
370
872000
3000
A jak se tomu vyhnout? No, už jsme to dříve dokázali.
14:50
What we do is,
371
875000
2000
Jak rosteme
14:52
as we growrůst and we approachpřístup the collapsekolaps,
372
877000
3000
a blížíme se k zániku,
14:55
a majorhlavní, důležitý innovationinovace takes placemísto
373
880000
3000
dojde k významné inovaci
14:58
and we startStart over again,
374
883000
2000
a my začínáme úplně od začátku.
15:00
and we startStart over again as we approachpřístup the nextdalší one, and so on.
375
885000
3000
A znovu, jak se blížíme k dalšímu a tak dále.
15:03
So there's this continuouskontinuální cyclecyklus of innovationinovace
376
888000
2000
Existuje tu ten neustálý cyklus inovace,
15:05
that is necessarynezbytné
377
890000
2000
která je nezbytná
15:07
in orderobjednat to sustainudržet growthrůst and avoidvyhýbat se collapsekolaps.
378
892000
3000
k udržení růstu a vyhnutí se zániku.
15:10
The catchchytit, howevernicméně, to this
379
895000
2000
Ten chyták je ale v tom,
15:12
is that you have to innovateinovovat
380
897000
2000
že musíte inovovat
15:14
fasterrychleji and fasterrychleji and fasterrychleji.
381
899000
3000
rychleji a rychleji a rychleji.
15:17
So the imageobraz
382
902000
2000
Představte si to jako
15:19
is that we're not only on a treadmillběžecký pás that's going fasterrychleji,
383
904000
3000
že jste na větrném mlýně, který zrychluje,
15:22
but we have to changezměna the treadmillběžecký pás fasterrychleji and fasterrychleji.
384
907000
3000
ale my musíme ten mlýn měnit rychleji a rychleji.
15:25
We have to accelerateurychlit on a continuouskontinuální basiszáklad.
385
910000
3000
Musíme neustále zrychlovat.
15:28
And the questionotázka is: Can we, as socio-economicsocio ekonomické beingsbytosti,
386
913000
3000
A otázkou je: Můžeme se, jako socio-ekonomické bytosti,
15:31
avoidvyhýbat se a heartsrdce attackZáchvat?
387
916000
3000
vyhnout infarktu?
15:34
So lastlynakonec, I'm going to finishDokončit up in this last minuteminuta or two
388
919000
3000
Závěrečnou minutu či dvě zakončím
15:37
askingptát se about companiesspolečnosti.
389
922000
2000
dotazy ohledně firem.
15:39
See companiesspolečnosti, they scaleměřítko.
390
924000
2000
Vidíte firmy, resp. jejich prodeje.
15:41
The tophorní one, in factskutečnost, is WalmartWalmart on the right.
391
926000
2000
Ta nahoře vpravo je Walmart.
15:43
It's the samestejný plotspiknutí.
392
928000
2000
Jde o stejný příběh.
15:45
This happensse děje to be incomepříjem and assetsaktiva
393
930000
2000
Toto jsou zrovna příjmy a jmění
15:47
versusproti the sizevelikost of the companyspolečnost as denotedoznačený by its numberčíslo of employeeszaměstnanců.
394
932000
2000
a velikost firmy vyjádřená počtem zaměstnanců.
15:49
We could use salesodbyt, anything you like.
395
934000
3000
Mohli bychom použít i prodeje či cokoliv jiného.
15:52
There it is: after some little fluctuationsvýkyvy at the beginningzačátek,
396
937000
3000
Takže: po mírném počátečním kolísání,
15:55
when companiesspolečnosti are innovatinginovace,
397
940000
2000
kdy firmy inovují,
15:57
they scaleměřítko beautifullykrásně.
398
942000
2000
se krásně rozloží.
15:59
And we'vejsme lookedpodíval se at 23,000 companiesspolečnosti
399
944000
3000
A my vzali v úvahu 23 000 firem
16:02
in the UnitedVelká StatesStáty, maysmět I say.
400
947000
2000
v USA, abych tak řekl.
16:04
And I'm only showingzobrazování you a little bitbit of this.
401
949000
3000
A já vám z toho ukazuji jen malý ždibec.
16:07
What is astonishingudivující about companiesspolečnosti
402
952000
2000
Na firmách je úžasné,
16:09
is that they scaleměřítko sublinearlysublinearly
403
954000
3000
že se vyvíjejí sublineárně,
16:12
like biologybiologie,
404
957000
2000
jako v biologii,
16:14
indicatingoznačující that they're dominateddominoval,
405
959000
2000
což naznačuje, že jsou ovládány,
16:16
not by super-linearPřeladitelný
406
961000
2000
ne nadlineárními
16:18
innovationinovace and ideasnápady;
407
963000
3000
inovacemi a nápady:
16:21
they becomestát dominateddominoval
408
966000
2000
jsou ovládány
16:23
by economieshospodářství of scaleměřítko.
409
968000
2000
úsporami z rozsahu.
16:25
In that interpretationinterpretace,
410
970000
2000
Jinak řečeno
16:27
by bureaucracybyrokracie and administrationspráva,
411
972000
2000
byrokracií a administrativou
16:29
and they do it beautifullykrásně, maysmět I say.
412
974000
2000
a jde jim to hezky, abych tak řekl.
16:31
So if you tell me the sizevelikost of some companyspolečnost, some smallmalý companyspolečnost,
413
976000
3000
Takže pokud mi zadáte velikost nějaké firmy, třeba velmi malé,
16:34
I could have predictedpředpokládané the sizevelikost of WalmartWalmart.
414
979000
3000
mohl bych pak předpovědět velikost Walmartu.
16:37
If it has this sublinearpod řádkem scalingškálování,
415
982000
2000
Pokud máme sublineární měřítko,
16:39
the theoryteorie saysříká
416
984000
2000
pak dle teorie
16:41
we should have sigmoidalsigmoidal growthrůst.
417
986000
3000
by měl nastat esovitý nárůst.
16:44
There's WalmartWalmart. Doesn't look very sigmoidalsigmoidal.
418
989000
2000
Tady je Walmart. Nevypadá to moc esovitě.
16:46
That's what we like, hockeyhokej stickstyčinky.
419
991000
3000
Takhle to máme rádi, jako hokejky.
16:49
But you noticeoznámení, I've cheatedpodvedeno,
420
994000
2000
Ale jak jste si všimli, podváděl jsem,
16:51
because I've only gonepryč up to '94.
421
996000
2000
protože jsem to namodeloval jen do roku 94.
16:53
Let's go up to 2008.
422
998000
2000
Protáhněme to až do roku 2008.
16:55
That redČervené linečára is from the theoryteorie.
423
1000000
3000
Ta červená linie pochází z teorie.
16:58
So if I'd have doneHotovo this in 1994,
424
1003000
2000
Takže pokud bych to provedl v roce 1994,
17:00
I could have predictedpředpokládané what WalmartWalmart would be now.
425
1005000
3000
byl bych schopen odhadnout, kde bude Walmart teď.
17:03
And then this is repeatedopakovat
426
1008000
2000
A to se opakuje
17:05
acrosspřes the entirecelý spectrumspektrum of companiesspolečnosti.
427
1010000
2000
napříč celým spektrem firem.
17:07
There they are. That's 23,000 companiesspolečnosti.
428
1012000
3000
Tady je máme. 23 000 firem.
17:10
They all startStart looking like hockeyhokej stickstyčinky,
429
1015000
2000
Všechny začnou vypadat jako hokejky,
17:12
they all bendohyb over,
430
1017000
2000
všechny se sklánějí
17:14
and they all diezemřít like you and me.
431
1019000
2000
a všechny zaniknou jako vy nebo já.
17:16
Thank you.
432
1021000
2000
Děkuji.
17:18
(ApplausePotlesk)
433
1023000
9000
(potlesk)
Translated by Lenka Kovarikova
Reviewed by Jaroslav Mydlo

▲Back to top

ABOUT THE SPEAKER
Geoffrey West - Theorist
Physicist Geoffrey West believes that complex systems from organisms to cities are in many ways governed by simple laws -- laws that can be discovered and analyzed.

Why you should listen

Trained as a theoretical physicist, Geoffrey West has turned his analytical mind toward the inner workings of more concrete things, like ... animals. In a paper for Science in 1997, he and his team uncovered what he sees as a surprisingly universal law of biology — the way in which heart rate, size and energy consumption are related, consistently, across most living animals. (Though not all animals: “There are always going to be people who say, ‘What about the crayfish?’ " he says. “Well, what about it? Every fundamental law has exceptions. But you still need the law or else all you have is observations that don’t make sense.")

A past president of the multidisciplinary Santa Fe Institute (after decades working  in high-energy physics at Los Alamos and Stanford), West now studies the behavior and development of cities. In his newest work, he proposes that one simple number, population, can predict a stunning array of details about any city, from crime rate to economic activity. It's all about the plumbing, he says, the infrastructure that powers growth or dysfunction. His next target for study: corporations.

He says: "Focusing on the differences [between cities] misses the point. Sure, there are differences, but different from what? We’ve found the what."

More profile about the speaker
Geoffrey West | Speaker | TED.com