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: a matemática surpreendente das cidades e empresas

Filmed:
1,583,030 views

O físico Geoffrey West descobriu que por detrás das dinâmicas das cidades operam leis matemáticas simples - riqueza, taxa de criminalidade, ritmo do passo e muitos outros aspectos de uma cidade podem ser deduzidos a partir de um simples número: a sua população. Nesta desafiante palestra para a TEDGlobal, ele mostra como funciona e como leis semelhantes se aplicam a organismos e empresas.
- 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
CitiesCidades are the cruciblecadinho of civilizationcivilização.
0
1000
3000
As cidades são o cadinho da civilização.
00:19
They have been expandingexpandindo,
1
4000
2000
Têm estado a expandir-se,
00:21
urbanizationurbanização has been expandingexpandindo,
2
6000
2000
a urbanização tem estado a expandir-se,
00:23
at an exponentialexponencial ratetaxa in the last 200 yearsanos
3
8000
2000
a um ritmo exponencial nos últimos 200 anos,
00:25
so that by the secondsegundo partparte of this centuryséculo,
4
10000
3000
de tal modo que na segunda metade deste século
00:28
the planetplaneta will be completelycompletamente dominateddominado
5
13000
2000
o planeta estará completamente dominado
00:30
by citiescidades.
6
15000
3000
por cidades.
00:33
CitiesCidades are the originsorigens of globalglobal warmingaquecimento,
7
18000
3000
As cidades são a origem do aquecimento global,
00:36
impactimpacto on the environmentmeio Ambiente,
8
21000
2000
do impacto no ambiente,
00:38
healthsaúde, pollutionpoluição, diseasedoença,
9
23000
3000
saúde, poluição, doenças,
00:41
financefinança,
10
26000
2000
finanças,
00:43
economieseconomias, energyenergia --
11
28000
3000
economias, energia -
00:46
they're all problemsproblemas
12
31000
2000
são tudo problemas
00:48
that are confrontedconfrontado by havingtendo citiescidades.
13
33000
2000
com os quais nos confrontamos por existirem cidades.
00:50
That's where all these problemsproblemas come from.
14
35000
2000
É de onde vêm estes problemas todos.
00:52
And the tsunamitsunami of problemsproblemas that we feel we're facingvoltado para
15
37000
3000
E o tsunami de problemas que entendemos que estamos a enfrentar
00:55
in termstermos of sustainabilitysustentabilidade questionsquestões
16
40000
2000
em termos de questões de sustentabilidade,
00:57
are actuallyna realidade a reflectionreflexão
17
42000
2000
são na verdade um reflexo
00:59
of the exponentialexponencial increaseaumentar
18
44000
2000
do crescimento exponencial
01:01
in urbanizationurbanização acrossatravés the planetplaneta.
19
46000
3000
da urbanização por todo o planeta.
01:04
Here'sAqui é some numbersnúmeros.
20
49000
2000
Aqui têm alguns números.
01:06
Two hundredcem yearsanos agoatrás, the UnitedUnidos StatesEstados-Membros
21
51000
2000
Há 200 anos, os Estados Unidos
01:08
was lessMenos than a fewpoucos percentpor cento urbanizedurbanizado.
22
53000
2000
estavam urbanizados apenas numa pequena percentagem.
01:10
It's now more than 82 percentpor cento.
23
55000
2000
Agora estão-no em mais de 82%.
01:12
The planetplaneta has crossedcruzou the halfwaya meio caminho markmarca a fewpoucos yearsanos agoatrás.
24
57000
3000
O planeta passou a marca dos 50% há alguns anos.
01:15
China'sNa China buildingconstrução 300 newNovo citiescidades
25
60000
2000
A China vai construir 300 novas cidades
01:17
in the nextPróximo 20 yearsanos.
26
62000
2000
nos próximos 20 anos.
01:19
Now listen to this:
27
64000
2000
Agora ouçam isto:
01:21
EveryCada weeksemana for the foreseeableprevisível futurefuturo,
28
66000
3000
Cada semana, num futuro próximo,
01:24
untilaté 2050,
29
69000
2000
até 2050,
01:26
everycada weeksemana more than a millionmilhão people
30
71000
2000
cada semana mais de um milhão de pessoas
01:28
are beingser addedadicionado to our citiescidades.
31
73000
2000
são acrescentadas às nossas cidades.
01:30
This is going to affectafetar everything.
32
75000
2000
Isto irá afectar tudo.
01:32
EverybodyToda a gente in this roomquarto, if you stayfique alivevivo,
33
77000
2000
Todas as pessoas nesta sala, se estiverem vivas,
01:34
is going to be affectedafetado
34
79000
2000
vão ser afectadas
01:36
by what's happeningacontecendo in citiescidades
35
81000
2000
pelo que está a acontecer nas cidades
01:38
in this extraordinaryextraordinário phenomenonfenômeno.
36
83000
2000
com este fenómeno extraordinário.
01:40
HoweverNo entanto, citiescidades,
37
85000
3000
Contudo, as cidades,
01:43
despiteapesar de havingtendo this negativenegativo aspectaspecto to them,
38
88000
3000
apesar de terem este aspecto negativo,
01:46
are alsoAlém disso the solutionsolução.
39
91000
2000
são também a solução.
01:48
Because citiescidades are the vacuumvácuo cleanersprodutos de limpeza and the magnetsímãs
40
93000
4000
Porque as cidades são aspiradores e ímanes
01:52
that have suckedsugado up creativecriativo people,
41
97000
2000
que atraem pessoas criativas,
01:54
creatingcriando ideasidéias, innovationinovação,
42
99000
2000
criando ideias, inovação,
01:56
wealthriqueza and so on.
43
101000
2000
riqueza e por aí fora.
01:58
So we have this kindtipo of dualdual naturenatureza.
44
103000
2000
Temos então uma espécie de dupla natureza.
02:00
And so there's an urgenturgente need
45
105000
3000
Portanto há uma necessidade urgente
02:03
for a scientificcientífico theoryteoria of citiescidades.
46
108000
4000
de uma teoria científica das cidades.
02:07
Now these are my comradescamaradas in armsbraços.
47
112000
3000
Estes são os meus companheiros de luta.
02:10
This work has been donefeito with an extraordinaryextraordinário groupgrupo of people,
48
115000
2000
Este trabalho tem sido feito com um grupo extraordinário de pessoas,
02:12
and they'veeles têm donefeito all the work,
49
117000
2000
que fizeram todo o trabalho,
02:14
and I'm the great bullshittermentiroso
50
119000
2000
e eu sou o grande embusteiro
02:16
that triestentativas to bringtrazer it all togetherjuntos.
51
121000
2000
que tenta juntar tudo.
02:18
(LaughterRiso)
52
123000
2000
(Risos)
02:20
So here'saqui está the problemproblema: This is what we all want.
53
125000
2000
Aqui está o problema: isto é o que todos queremos.
02:22
The 10 billionbilhão people on the planetplaneta in 2050
54
127000
3000
Os 10 mil milhões de pessoas no planeta em 2050
02:25
want to liveviver in placeslocais like this,
55
130000
2000
querem viver em sítios como este,
02:27
havingtendo things like this,
56
132000
2000
ter coisas como estas,
02:29
doing things like this,
57
134000
2000
fazer coisas como estas,
02:31
with economieseconomias that are growingcrescendo like this,
58
136000
3000
com economias que crescem assim,
02:34
not realizingpercebendo that entropyentropia
59
139000
2000
sem perceberem que a entropia
02:36
producesproduz things like this,
60
141000
2000
produz coisas como esta,
02:38
this, this
61
143000
4000
esta, esta
02:42
and this.
62
147000
2000
e esta.
02:44
And the questionquestão is:
63
149000
2000
E a questão é:
02:46
Is that what EdinburghEdinburgh and LondonLondres and NewNovo YorkYork
64
151000
2000
É assim que Edimburgo, Londres e Nova Iorque
02:48
are going to look like in 2050,
65
153000
2000
vão ser em 2050,
02:50
or is it going to be this?
66
155000
2000
ou serão antes assim?
02:52
That's the questionquestão.
67
157000
2000
Esta é a questão.
02:54
I mustdevo say, manymuitos of the indicatorsindicadores
68
159000
2000
Devo dizer que muitos dos indicadores
02:56
look like this is what it's going to look like,
69
161000
3000
indicam que é assim que vai ser,
02:59
but let's talk about it.
70
164000
3000
mas falemos sobre isto.
03:02
So my provocativeprovocante statementdeclaração
71
167000
3000
Então a minha afirmação provocante
03:05
is that we desperatelydesesperadamente need a seriousgrave scientificcientífico theoryteoria of citiescidades.
72
170000
3000
é que precisamos desesperadamente de uma verdadeira teoria científica das cidades.
03:08
And scientificcientífico theoryteoria meanssignifica quantifiablequantificável --
73
173000
3000
E teoria cientifica significa quantificável -
03:11
relyingbaseando-se on underlyingsubjacente genericgenérico principlesprincípios
74
176000
3000
dependendo de princípios genéricos subjacentes
03:14
that can be madefeito into a predictivepreditiva frameworkestrutura.
75
179000
2000
que podem ser combinados num quadro preditivo.
03:16
That's the questbusca.
76
181000
2000
É isto que procuramos.
03:18
Is that conceivableconcebível?
77
183000
2000
Será que é concebível?
03:20
Are there universaluniversal lawsleis?
78
185000
2000
Haverá leis universais?
03:22
So here'saqui está two questionsquestões
79
187000
2000
Há duas questões
03:24
that I have in my headcabeça when I think about this problemproblema.
80
189000
2000
que me vêm à cabeça quando penso neste problema.
03:26
The first is:
81
191000
2000
A primeira é:
03:28
Are citiescidades partparte of biologybiologia?
82
193000
2000
as cidades são parte da Biologia?
03:30
Is LondonLondres a great biggrande whalebaleia?
83
195000
2000
Será Londres uma baleia enorme?
03:32
Is EdinburghEdinburgh a horsecavalo?
84
197000
2000
Será Edimburgo um cavalo?
03:34
Is MicrosoftMicrosoft a great biggrande anthillformigueiro?
85
199000
2000
Será a Microsoft um grande formigueiro?
03:36
What do we learnaprender from that?
86
201000
2000
O que aprendemos com isto?
03:38
We use them metaphoricallymetaforicamente --
87
203000
2000
Nós usamo-las metaforicamente -
03:40
the DNADNA of a companyempresa, the metabolismmetabolismo of a citycidade, and so on --
88
205000
2000
o ADN de uma companhia, o metabolismo de uma cidade, e daí por diante -
03:42
is that just bullshitbesteira, metaphoricalmetafórico bullshitbesteira,
89
207000
3000
será isto apenas treta, treta metafórica,
03:45
or is there seriousgrave substancesubstância to it?
90
210000
3000
ou há alguma substância nisto?
03:48
And if that is the casecaso,
91
213000
2000
E se é este o caso,
03:50
how come that it's very hardDifícil to killmatar a citycidade?
92
215000
2000
como é que é tão difícil matar uma cidade?
03:52
You could dropsolta an atomátomo bombbombear on a citycidade,
93
217000
2000
Podemos largar uma bomba atómica numa cidade,
03:54
and 30 yearsanos latermais tarde it's survivingsobrevivendo.
94
219000
2000
e 30 anos depois continua a sobreviver.
03:56
Very fewpoucos citiescidades failfalhou.
95
221000
3000
Muito poucas cidades fracassam.
03:59
All companiesempresas diemorrer, all companiesempresas.
96
224000
3000
Todas as empresas morrem, todas as empresas.
04:02
And if you have a seriousgrave theoryteoria, you should be ablecapaz to predictprever
97
227000
2000
E se tivermos uma teoria séria, devemos ser capazes de prever
04:04
when GoogleGoogle is going to go bustbusto.
98
229000
3000
quando a Google vai falir.
04:07
So is that just anotheroutro versionversão
99
232000
3000
Então será isto apenas uma outra versão
04:10
of this?
100
235000
2000
disto?
04:12
Well we understandCompreendo this very well.
101
237000
2000
Nós compreendemos isto muito bem.
04:14
That is, you askpergunte any genericgenérico questionquestão about this --
102
239000
2000
Ou seja, qualquer pergunta genérica que se faça sobre isto -
04:16
how manymuitos treesárvores of a givendado sizeTamanho,
103
241000
2000
quantas árvores de um determinado tamanho,
04:18
how manymuitos branchesRamos of a givendado sizeTamanho does a treeárvore have,
104
243000
2000
quantos ramos de determinado tamanho tem uma árvore,
04:20
how manymuitos leavessai,
105
245000
2000
quantas folhas,
04:22
what is the energyenergia flowingfluindo throughatravés eachcada branchramo,
106
247000
2000
qual é a energia que flui em cada ramo,
04:24
what is the sizeTamanho of the canopymarquise,
107
249000
2000
qual é o tamanho da copa,
04:26
what is its growthcrescimento, what is its mortalitymortalidade?
108
251000
2000
qual é seu o crescimento, qual é sua a mortalidade?
04:28
We have a mathematicalmatemático frameworkestrutura
109
253000
2000
Temos um modelo matemático
04:30
basedSediada on genericgenérico universaluniversal principlesprincípios
110
255000
3000
baseado em princípios genéricos universais
04:33
that can answerresponda those questionsquestões.
111
258000
2000
que pode responder a estas questões.
04:35
And the ideaidéia is can we do the samemesmo for this?
112
260000
4000
E a ideia é, podemos fazer o mesmo para isto?
04:40
So the routerota in is recognizingreconhecendo
113
265000
3000
O caminho é o reconhecimento
04:43
one of the mosta maioria extraordinaryextraordinário things about life,
114
268000
2000
de uma das coisas mais extraordinárias da vida,
04:45
is that it is scalableescalável,
115
270000
2000
que é o de ser adaptável em escala,
04:47
it workstrabalho over an extraordinaryextraordinário rangealcance.
116
272000
2000
funciona numa extraordinária amplitude.
04:49
This is just a tinyminúsculo rangealcance actuallyna realidade:
117
274000
2000
Aqui temos um exemplo de uma pequena amplitude, na verdade;
04:51
It's us mammalsmamíferos;
118
276000
2000
somos nós, os mamíferos,
04:53
we're one of these.
119
278000
2000
nós somos uma escala destas.
04:55
The samemesmo principlesprincípios, the samemesmo dynamicsdinâmica,
120
280000
2000
Aplicam-se os mesmos princípios, as mesmas dinâmicas,
04:57
the samemesmo organizationorganização is at work
121
282000
2000
a mesma organização
04:59
in all of these, includingIncluindo us,
122
284000
2000
em todos eles, incluindo em nós,
05:01
and it can scaleescala over a rangealcance of 100 millionmilhão in sizeTamanho.
123
286000
3000
e a sua escala pode aumentar até 100 milhões de vezes.
05:04
And that is one of the maina Principal reasonsrazões
124
289000
3000
E esse é um dos principais motivos
05:07
life is so resilientresiliente and robustrobusto --
125
292000
2000
pelos quais a vida é tão resiliente e robusta -
05:09
scalabilityescalabilidade.
126
294000
2000
escalabilidade.
05:11
We're going to discussdiscutir that in a momentmomento more.
127
296000
3000
Vamos discutir isso daqui a pouco.
05:14
But you know, at a locallocal levelnível,
128
299000
2000
Mas sabem, a um nível local,
05:16
you scaleescala; everybodytodo mundo in this roomquarto is scaledescalado.
129
301000
2000
vocês adaptam-se à escala, todos nesta sala são adaptados à escala.
05:18
That's calledchamado growthcrescimento.
130
303000
2000
Chama-se crescimento.
05:20
Here'sAqui é how you grewcresceu.
131
305000
2000
É assim que crescem.
05:22
RatRato, that's a ratrato -- could have been you.
132
307000
2000
Ratazana, isto é uma ratazana - podia ser um de vocês.
05:24
We're all prettybonita much the samemesmo.
133
309000
3000
Somos todos mais ou menos a mesma coisa.
05:27
And you see, you're very familiarfamiliar with this.
134
312000
2000
E como vêem, isto é-vos muito familiar.
05:29
You growcrescer very quicklyrapidamente and then you stop.
135
314000
2000
Crescemos muito depressa e depois paramos.
05:31
And that linelinha there
136
316000
2000
E aquela linha ali
05:33
is a predictionpredição from the samemesmo theoryteoria,
137
318000
2000
é uma previsão da mesma teoria,
05:35
basedSediada on the samemesmo principlesprincípios,
138
320000
2000
baseada nos mesmos princípios,
05:37
that describesdescreve that forestfloresta.
139
322000
2000
da que descrevia aquela floresta.
05:39
And here it is for the growthcrescimento of a ratrato,
140
324000
2000
E aqui está ela para o crescimento de uma ratazana.
05:41
and those pointspontos on there are datadados pointspontos.
141
326000
2000
Aqueles pontos ali são dados.
05:43
This is just the weightpeso versusversus the ageera.
142
328000
2000
Isto é apenas o peso em função da idade.
05:45
And you see, it stopspára growingcrescendo.
143
330000
2000
Como vêem, pára de aumentar.
05:47
Very, very good for biologybiologia --
144
332000
2000
Muito, muito bom para a biologia -
05:49
alsoAlém disso one of the reasonsrazões for its great resilienceresiliência.
145
334000
2000
e também uma das razões para a sua grande resiliência.
05:51
Very, very badmau
146
336000
2000
Muito, muito mau
05:53
for economieseconomias and companiesempresas and citiescidades
147
338000
2000
para as economias, empresas e cidades
05:55
in our presentpresente paradigmparadigma.
148
340000
2000
do nosso paradigma actual.
05:57
This is what we believe.
149
342000
2000
Isto é o que acreditamos.
05:59
This is what our wholetodo economyeconomia
150
344000
2000
Isto é o que toda a nossa economia
06:01
is thrustingempurrando uponsobre us,
151
346000
2000
está a impor-nos,
06:03
particularlyparticularmente illustratedilustrado in that left-handmão esquerda cornercanto:
152
348000
3000
particularmente ilustrada naquele canto esquerdo:
06:06
hockeyhóquei sticksvaras.
153
351000
2000
gráficos tipo 'taco de hóquei'.
06:08
This is a bunchgrupo of softwareProgramas companiesempresas --
154
353000
2000
Ali temos uma série de empresas de software -
06:10
and what it is is theirdeles revenuereceita versusversus theirdeles ageera --
155
355000
2000
e os seus rendimentos em função da idade -
06:12
all zoomingzoom away,
156
357000
2000
todos em crescimento,
06:14
and everybodytodo mundo makingfazer millionsmilhões and billionsbilhões of dollarsdólares.
157
359000
2000
e toda a gente a fazer milhões e biliões de dólares.
06:16
Okay, so how do we understandCompreendo this?
158
361000
3000
Bom, como é que podemos compreender isto?
06:19
So let's first talk about biologybiologia.
159
364000
3000
Vamos primeiro falar de biologia.
06:22
This is explicitlyexplicitamente showingmostrando you
160
367000
2000
Isto está a mostrar-vos claramente
06:24
how things scaleescala,
161
369000
2000
como as coisas se ajustam em escala.
06:26
and this is a trulyverdadeiramente remarkablenotável graphgráfico.
162
371000
2000
E é um gráfico verdadeiramente espantoso.
06:28
What is plottedplotados here is metabolicmetabólica ratetaxa --
163
373000
3000
O que aqui está representado é a taxa metabólica -
06:31
how much energyenergia you need perpor day to stayfique alivevivo --
164
376000
3000
quanta energia precisam por dia para se manterem vivos -
06:34
versusversus your weightpeso, your massmassa,
165
379000
2000
em função do peso, da massa,
06:36
for all of us bunchgrupo of organismsorganismos.
166
381000
3000
para organismos como o nosso.
06:39
And it's plottedplotados in this funnyengraçado way by going up by factorsfatores of 10,
167
384000
3000
Está representado desta forma estranha por aumentar em factores de 10,
06:42
otherwisede outra forma you couldn'tnão podia get everything on the graphgráfico.
168
387000
2000
de outra forma não seria possível pôr tudo no gráfico.
06:44
And what you see if you plotenredo it
169
389000
2000
E o que podemos ver se o representarmos
06:46
in this slightlylevemente curiouscurioso way
170
391000
2000
desta forma algo curiosa,
06:48
is that everybodytodo mundo liesmentiras on the samemesmo linelinha.
171
393000
3000
é que toda a gente está sobre a mesma linha.
06:51
DespiteApesar de the factfacto that this is the mosta maioria complexcomplexo and diversediverso systemsistema
172
396000
3000
Apesar deste ser o sistema mais complexo e variado
06:54
in the universeuniverso,
173
399000
3000
do universo,
06:57
there's an extraordinaryextraordinário simplicitysimplicidade
174
402000
2000
há uma simplicidade extraordinária
06:59
beingser expressedexpresso by this.
175
404000
2000
aqui expressa.
07:01
It's particularlyparticularmente astonishingsurpreendente
176
406000
3000
É particularmente surpreendente
07:04
because eachcada one of these organismsorganismos,
177
409000
2000
porque cada um destes organismos,
07:06
eachcada subsystemsubsistema de, eachcada cellcélula typetipo, eachcada genegene,
178
411000
2000
cada subsistema, cada tipo de célula, cada gene,
07:08
has evolvedevoluiu in its ownpróprio uniqueúnico environmentalde Meio Ambiente nichenicho
179
413000
4000
evoluiu no seu próprio nicho ambiental único
07:12
with its ownpróprio uniqueúnico historyhistória.
180
417000
3000
com a sua própria e única história.
07:15
And yetainda, despiteapesar de all of that DarwinianDarwiniana evolutionevolução
181
420000
3000
E ainda assim, apesar de toda essa evolução darwinista
07:18
and naturalnatural selectionseleção,
182
423000
2000
e selecção natural,
07:20
they'veeles têm been constrainedconstrangido to liementira on a linelinha.
183
425000
2000
viram-se forçados a permanecer sobre uma linha.
07:22
Something elseoutro is going on.
184
427000
2000
Algo mais está a acontecer aqui.
07:24
Before I talk about that,
185
429000
2000
Antes de falar sobre isso,
07:26
I've writtenescrito down at the bottominferior there
186
431000
2000
escrevi ali ao fundo
07:28
the slopedeclive of this curvecurva, this straightdireto linelinha.
187
433000
2000
a inclinação desta curva, desta linha recta.
07:30
It's three-quarterstrês quartos, roughlymais ou menos,
188
435000
2000
É de aproximadamente três-quartos,
07:32
whichqual is lessMenos than one -- and we call that sublinearsublinear.
189
437000
3000
o que é menos do que 1 - chamamos a isso sublinear.
07:35
And here'saqui está the pointponto of that.
190
440000
2000
E aqui é que está a questão.
07:37
It saysdiz that, if it were linearlinear,
191
442000
3000
Diz que, se fosse linear,
07:40
the steepestmais íngreme slopedeclive,
192
445000
2000
inclinação mais acentuada,
07:42
then doublingduplicação the sizeTamanho
193
447000
2000
então duplicar o tamanho
07:44
you would requireexigem doubleDuplo the amountmontante of energyenergia.
194
449000
2000
iria exigir duas vezes maior quantidade de energia.
07:46
But it's sublinearsublinear, and what that translatestraduz-se into
195
451000
3000
Mas é sublinear, o que significa
07:49
is that, if you doubleDuplo the sizeTamanho of the organismorganismo,
196
454000
2000
que se duplicarmos o tamanho do organismo,
07:51
you actuallyna realidade only need 75 percentpor cento more energyenergia.
197
456000
3000
na verdade só precisaremos de mais 75% de energia.
07:54
So a wonderfulMaravilhoso thing about all of biologybiologia
198
459000
2000
Portanto uma coisa extraordinária na biologia
07:56
is that it expressesexpressa an extraordinaryextraordinário economyeconomia of scaleescala.
199
461000
3000
é que exprime uma extraordinária economia de escala.
07:59
The biggerMaior you are systematicallysistematicamente,
200
464000
2000
Sistematicamente quanto maior for,
08:01
accordingde acordo com to very well-definedbem definido rulesregras,
201
466000
2000
de acordo com regras muito bem definidas,
08:03
lessMenos energyenergia perpor capitacapita.
202
468000
3000
menos energia per capita.
08:06
Now any physiologicalphysiological variablevariável you can think of,
203
471000
3000
Ora, cada variável fisiológica em que possam pensar,
08:09
any life historyhistória eventevento you can think of,
204
474000
2000
cada evento histórico em que possam pensar,
08:11
if you plotenredo it this way, looksparece like this.
205
476000
3000
se o representarem desta maneira, terá este aspecto.
08:14
There is an extraordinaryextraordinário regularityregularidade.
206
479000
2000
Há uma regularidade extraordinária.
08:16
So you tell me the sizeTamanho of a mammalmamífero,
207
481000
2000
Digam-me o tamanho de um mamífero,
08:18
I can tell you at the 90 percentpor cento levelnível everything about it
208
483000
3000
eu posso dizer-vos ao nível de 90% tudo sobre ele
08:21
in termstermos of its physiologyfisiologia, life historyhistória, etcetc..
209
486000
4000
em termos de fisiologia, história de vida, etc.
08:25
And the reasonrazão for this is because of networksredes.
210
490000
3000
E isto deve-se às redes.
08:28
All of life is controlledcontrolada by networksredes --
211
493000
3000
Tudo na vida é controlado por redes -
08:31
from the intracellularintracelular throughatravés the multicellularmulticelular
212
496000
2000
desde o intracelular ao multicelular
08:33
throughatravés the ecosystemecossistema levelnível.
213
498000
2000
ao longo de todo o ecossistema.
08:35
And you're very familiarfamiliar with these networksredes.
214
500000
3000
E vocês estão muito familiarizados com estas redes.
08:39
That's a little thing that livesvidas insidedentro an elephantelefante.
215
504000
3000
Isto é uma coisinha que vive dentro de um elefante.
08:42
And here'saqui está the summaryResumo of what I'm sayingdizendo.
216
507000
3000
E aqui está o resumo do que estou a dizer.
08:45
If you take those networksredes,
217
510000
2000
Se pegarem nestas redes,
08:47
this ideaidéia of networksredes,
218
512000
2000
nesta ideia de redes,
08:49
and you applyAplique universaluniversal principlesprincípios,
219
514000
2000
e aplicarem princípios universais,
08:51
mathematizablemathematizable, universaluniversal principlesprincípios,
220
516000
2000
princípios matemáticos universais,
08:53
all of these scalingsescórias
221
518000
2000
todas estas escalas
08:55
and all of these constraintsrestrições followSegue,
222
520000
3000
e todos estes estes constrangimentos seguem,
08:58
includingIncluindo the descriptiondescrição of the forestfloresta,
223
523000
2000
incluindo a descrição da floresta,
09:00
the descriptiondescrição of your circulatorysistema circulatório systemsistema,
224
525000
2000
a descrição do vosso sistema circulatório,
09:02
the descriptiondescrição withindentro cellscélulas.
225
527000
2000
a descrição dentro das células.
09:04
One of the things I did not stressestresse in that introductionintrodução
226
529000
3000
Uma das coisas que não frisei na introdução
09:07
was that, systematicallysistematicamente, the paceritmo of life
227
532000
3000
foi que, sistematicamente, o ritmo de vida
09:10
decreasesdiminui as you get biggerMaior.
228
535000
2000
diminui à medida que ficamos maiores.
09:12
HeartCoração ratestaxas are slowerMais devagar; you liveviver longermais longo;
229
537000
3000
Os ritmos cardíacos são mais lentos, vivemos mais;
09:15
diffusiondifusão of oxygenoxigênio and resourcesRecursos
230
540000
2000
a difusão de oxigénio e de recursos
09:17
acrossatravés membranesmembranas is slowerMais devagar, etcetc..
231
542000
2000
pelas membranas é menor, etc.
09:19
The questionquestão is: Is any of this trueverdade
232
544000
2000
A questão é: será alguma parte disto verdade
09:21
for citiescidades and companiesempresas?
233
546000
3000
para as cidades e empresas?
09:24
So is LondonLondres a scaledescalado up BirminghamBirmingham,
234
549000
3000
Será Londres uma Birmingham em maior escala,
09:27
whichqual is a scaledescalado up BrightonBrighton, etcetc.., etcetc..?
235
552000
3000
que é por sua vez uma escala maior de Brighton, etc., etc.?
09:30
Is NewNovo YorkYork a scaledescalado up SanSan FranciscoFrancisco,
236
555000
2000
Será Nova Iorque uma São Francisco em maior escala,
09:32
whichqual is a scaledescalado up SantaSanta FeFe?
237
557000
2000
que é uma versão maior de Santa Fe?
09:34
Don't know. We will discussdiscutir that.
238
559000
2000
Não sabemos. Vamos discutir isso.
09:36
But they are networksredes,
239
561000
2000
Mas elas são redes.
09:38
and the mosta maioria importantimportante networkrede of citiescidades
240
563000
2000
E a mais importante rede das cidades
09:40
is you.
241
565000
2000
são vocês.
09:42
CitiesCidades are just a physicalfisica manifestationmanifestação
242
567000
3000
As cidades são apenas uma manifestação física
09:45
of your interactionsinterações,
243
570000
2000
das vossas interacções,
09:47
our interactionsinterações,
244
572000
2000
das nossas interacções,
09:49
and the clusteringcluster and groupingAgrupamento of individualsindivíduos.
245
574000
2000
e da agregação e do agrupamento de indivíduos.
09:51
Here'sAqui é just a symbolicsimbólico picturecenário of that.
246
576000
3000
Aqui temos uma imagem simbólica disso mesmo.
09:54
And here'saqui está scalingescalando of citiescidades.
247
579000
2000
E aqui temos a escala das cidades.
09:56
This showsmostra that in this very simplesimples exampleexemplo,
248
581000
3000
Isto mostra que neste exemplo muito simples,
09:59
whichqual happensacontece to be a mundanemundano exampleexemplo
249
584000
2000
que acaba por ser um exemplo mundano
10:01
of numbernúmero of petrolgasolina stationsestações
250
586000
2000
do número de bombas de gasolina
10:03
as a functionfunção of sizeTamanho --
251
588000
2000
em função do tamanho -
10:05
plottedplotados in the samemesmo way as the biologybiologia --
252
590000
2000
traçado da mesma maneira que na biologia -
10:07
you see exactlyexatamente the samemesmo kindtipo of thing.
253
592000
2000
vê-se exactamente o mesmo tipo de coisa.
10:09
There is a scalingescalando.
254
594000
2000
Existe uma escala.
10:11
That is that the numbernúmero of petrolgasolina stationsestações in the citycidade
255
596000
4000
O número de bombas de gasolina na cidade
10:15
is now givendado to you
256
600000
2000
é agora dado
10:17
when you tell me its sizeTamanho.
257
602000
2000
quando me dizem o seu tamanho.
10:19
The slopedeclive of that is lessMenos than linearlinear.
258
604000
3000
A inclinação disto é menor que linear.
10:22
There is an economyeconomia of scaleescala.
259
607000
2000
Há uma economia de escala.
10:24
LessMenos petrolgasolina stationsestações perpor capitacapita the biggerMaior you are -- not surprisingsurpreendente.
260
609000
3000
Menos bombas de gasolina per capita quanto maiores somos - não é surpreendente.
10:27
But here'saqui está what's surprisingsurpreendente.
261
612000
2000
Mas aqui está o que é surpreendente.
10:29
It scalesescalas in the samemesmo way everywhereem toda parte.
262
614000
2000
A escala é a mesma em qualquer lado.
10:31
This is just EuropeanEuropeu countriespaíses,
263
616000
2000
Aqui estão apenas países europeus,
10:33
but you do it in JapanJapão or ChinaChina or ColombiaColômbia,
264
618000
3000
mas se fizermos isto no Japão, China ou Colômbia,
10:36
always the samemesmo
265
621000
2000
é sempre a mesma,
10:38
with the samemesmo kindtipo of economyeconomia of scaleescala
266
623000
2000
com o mesmo tipo de economia de escala
10:40
to the samemesmo degreegrau.
267
625000
2000
no mesmo grau.
10:42
And any infrastructurea infraestrutura you look at --
268
627000
3000
E qualquer infraestrutura que se observe -
10:45
whetherse it's the lengthcomprimento of roadsestradas, lengthcomprimento of electricalelétrico lineslinhas --
269
630000
3000
seja o comprimento de estradas, ou o comprimento das linhas eléctricas -
10:48
anything you look at
270
633000
2000
tudo o que se observe
10:50
has the samemesmo economyeconomia of scaleescala scalingescalando in the samemesmo way.
271
635000
3000
tem a mesma economia de escala, medida da mesma forma.
10:53
It's an integratedintegrado systemsistema
272
638000
2000
É um sistema integrado
10:55
that has evolvedevoluiu despiteapesar de all the planningplanejamento and so on.
273
640000
3000
que evoluiu apesar de todo o planeamento e por aí fora.
10:58
But even more surprisingsurpreendente
274
643000
2000
Mas ainda mais surpreendente é
11:00
is if you look at socio-economicsócio-econômica quantitiesquantidades,
275
645000
2000
se olharmos para grandezas sócio-económicas,
11:02
quantitiesquantidades that have no analoganalógico in biologybiologia,
276
647000
3000
grandezas que não têm equivalentes em biologia,
11:05
that have evolvedevoluiu when we startedcomeçado formingformando communitiescomunidades
277
650000
3000
e que evoluíram quando começámos a formar comunidades
11:08
eightoito to 10,000 yearsanos agoatrás.
278
653000
2000
há 8 a 10 mil anos atrás.
11:10
The toptopo one is wagessalários as a functionfunção of sizeTamanho
279
655000
2000
A de cima representa o salário em função do tamanho,
11:12
plottedplotados in the samemesmo way.
280
657000
2000
traçados da mesma maneira.
11:14
And the bottominferior one is you lot --
281
659000
2000
A de baixo representa-vos a vós -
11:16
super-creativesSuper criativos plottedplotados in the samemesmo way.
282
661000
3000
os super-criativos, traçados da mesma forma.
11:19
And what you see
283
664000
2000
E o que se vê
11:21
is a scalingescalando phenomenonfenômeno.
284
666000
2000
é um fenómeno de escala.
11:23
But mosta maioria importantimportante in this,
285
668000
2000
Mas o mais importante aqui,
11:25
the exponentexpoente, the analoganalógico to that three-quarterstrês quartos
286
670000
2000
o expoente, o equivalente aos tais três-quartos
11:27
for the metabolicmetabólica ratetaxa,
287
672000
2000
da taxa metabólica,
11:29
is biggerMaior than one -- it's about 1.15 to 1.2.
288
674000
2000
é maior que um - é cerca de 1,15 a 1,2.
11:31
Here it is,
289
676000
2000
Aqui está,
11:33
whichqual saysdiz that the biggerMaior you are
290
678000
3000
o que diz que quanto maiores somos
11:36
the more you have perpor capitacapita, unlikeao contrário biologybiologia --
291
681000
3000
mais temos per capita, contrariamente à biologia -
11:39
highersuperior wagessalários, more super-creativeSuper criativo people perpor capitacapita as you get biggerMaior,
292
684000
4000
maiores salários, mais pessoas criativas per capita à medida que somos maiores,
11:43
more patentspatentes perpor capitacapita, more crimecrime perpor capitacapita.
293
688000
3000
mais patentes per capita, mais crime per capita.
11:46
And we'venós temos lookedolhou at everything:
294
691000
2000
E nós olhámos para tudo:
11:48
more AIDSAIDS/SIDA casescasos, flugripe, etcetc..
295
693000
3000
casos de SIDA, gripe, etc.
11:51
And here, they're all plottedplotados togetherjuntos.
296
696000
2000
E aqui está tudo representado em conjunto.
11:53
Just to showexposição you what we plottedplotados,
297
698000
2000
Só para vos mostrar o que representámos,
11:55
here is incomerenda, GDPPIB --
298
700000
3000
aqui está o rendimento, PIB -
11:58
GDPPIB of the citycidade --
299
703000
2000
PIB da cidade -
12:00
crimecrime and patentspatentes all on one graphgráfico.
300
705000
2000
crime e patentes, tudo num só gráfico.
12:02
And you can see, they all followSegue the samemesmo linelinha.
301
707000
2000
E podem ver, todos seguem a mesma linha.
12:04
And here'saqui está the statementdeclaração.
302
709000
2000
E aqui está a afirmação.
12:06
If you doubleDuplo the sizeTamanho of a citycidade from 100,000 to 200,000,
303
711000
3000
Se duplicarmos o tamanho de uma cidade de 100 mil para 200 mil
12:09
from a millionmilhão to two millionmilhão, 10 to 20 millionmilhão,
304
714000
2000
de um milhão para dois milhões, de 10 para 20 milhões,
12:11
it doesn't matterimportam,
305
716000
2000
não faz diferença,
12:13
then systematicallysistematicamente
306
718000
2000
porque sistematicamente
12:15
you get a 15 percentpor cento increaseaumentar
307
720000
2000
há um aumento de 15%
12:17
in wagessalários, wealthriqueza, numbernúmero of AIDSAIDS/SIDA casescasos,
308
722000
2000
em salários, saúde, número de casos de SIDA,
12:19
numbernúmero of policepolícia,
309
724000
2000
número de polícias,
12:21
anything you can think of.
310
726000
2000
tudo em que possam pensar.
12:23
It goesvai up by 15 percentpor cento,
311
728000
2000
Aumenta cerca de 15%.
12:25
and you have a 15 percentpor cento savingspoupança
312
730000
3000
E temos 15% de poupança
12:28
on the infrastructurea infraestrutura.
313
733000
3000
na infraestrutura.
12:31
This, no doubtdúvida, is the reasonrazão
314
736000
3000
Esta, sem dúvida, é a razão
12:34
why a millionmilhão people a weeksemana are gatheringreunindo in citiescidades.
315
739000
3000
porque um milhão de pessoas por semana se agrupa nas cidades.
12:37
Because they think that all those wonderfulMaravilhoso things --
316
742000
3000
Porque pensam que todas estas coisas maravilhosas,
12:40
like creativecriativo people, wealthriqueza, incomerenda --
317
745000
2000
como pessoas criativas, riqueza, rendimento,
12:42
is what attractsatrai them,
318
747000
2000
é o que os atrai,
12:44
forgettingesquecendo about the uglyfeio and the badmau.
319
749000
2000
esquecendo o feio e o mau.
12:46
What is the reasonrazão for this?
320
751000
2000
Qual é a razão para isto?
12:48
Well I don't have time to tell you about all the mathematicsmatemática,
321
753000
3000
Não tenho tempo para vos mostrar toda a matemática,
12:51
but underlyingsubjacente this is the socialsocial networksredes,
322
756000
3000
mas por detrás disto estão as redes sociais,
12:54
because this is a universaluniversal phenomenonfenômeno.
323
759000
3000
porque este é um fenómeno universal.
12:57
This 15 percentpor cento ruleregra
324
762000
3000
Esta regra dos 15%
13:00
is trueverdade
325
765000
2000
é verdadeira
13:02
no matterimportam where you are on the planetplaneta --
326
767000
2000
onde quer que estejamos no planeta -
13:04
JapanJapão, ChileChile,
327
769000
2000
Japão, Chile,
13:06
PortugalPortugal, ScotlandEscócia, doesn't matterimportam.
328
771000
3000
Portugal, Escócia, não interessa.
13:09
Always, all the datadados showsmostra it's the samemesmo,
329
774000
3000
Sempre, todos os dados mostram que é a mesma coisa,
13:12
despiteapesar de the factfacto that these citiescidades have evolvedevoluiu independentlyindependentemente.
330
777000
3000
apesar destas cidades terem evoluído independentemente.
13:15
Something universaluniversal is going on.
331
780000
2000
Algo universal está a acontecer.
13:17
The universalityuniversalidade, to repeatrepetir, is us --
332
782000
3000
A universalidade, mais uma vez, somos nós -
13:20
that we are the citycidade.
333
785000
2000
nós somos a cidade.
13:22
And it is our interactionsinterações and the clusteringcluster of those interactionsinterações.
334
787000
3000
E são as nossas interacções e o agrupamento dessas interacções.
13:25
So there it is, I've said it again.
335
790000
2000
E aqui está, disse-o outra vez.
13:27
So if it is those networksredes and theirdeles mathematicalmatemático structureestrutura,
336
792000
3000
Se são essas redes e a sua estrutura matemática,
13:30
unlikeao contrário biologybiologia, whichqual had sublinearsublinear scalingescalando,
337
795000
3000
contrariamente à biologia, de escala sublinear,
13:33
economieseconomias of scaleescala,
338
798000
2000
economia de escala,
13:35
you had the slowingdesacelerando of the paceritmo of life
339
800000
2000
tínhamos a diminuição do ritmo de vida
13:37
as you get biggerMaior.
340
802000
2000
à medida que crescemos.
13:39
If it's socialsocial networksredes with super-linearSuper linear scalingescalando --
341
804000
2000
Se são redes sociais com escalas supra-lineares -
13:41
more perpor capitacapita --
342
806000
2000
mais per capita -
13:43
then the theoryteoria saysdiz
343
808000
2000
então a teoria diz
13:45
that you increaseaumentar the paceritmo of life.
344
810000
2000
que aumenta o ritmo de vida.
13:47
The biggerMaior you are, life getsobtém fasterMais rápido.
345
812000
2000
Quanto maior se é, mais rápido o ritmo de vida.
13:49
On the left is the heartcoração ratetaxa showingmostrando biologybiologia.
346
814000
2000
À esquerda está a frequência cardíaca, demonstrando a biologia.
13:51
On the right is the speedRapidez of walkingcaminhando
347
816000
2000
À direita a velocidade do passo
13:53
in a bunchgrupo of EuropeanEuropeu citiescidades,
348
818000
2000
numa série de cidades europeias,
13:55
showingmostrando that increaseaumentar.
349
820000
2000
demonstrando este aumento.
13:57
LastlyPor último, I want to talk about growthcrescimento.
350
822000
3000
Por último, quero falar-vos sobre o crescimento.
14:00
This is what we had in biologybiologia, just to repeatrepetir.
351
825000
3000
Isto era o que tínhamos na biologia, só para repetir.
14:03
EconomiesEconomias of scaleescala
352
828000
3000
Economias de escala
14:06
gavedeu risesubir to this sigmoidalsigmoidal behaviorcomportamento.
353
831000
3000
originaram este comportamento sigmoidal.
14:09
You growcrescer fastvelozes and then stop --
354
834000
3000
Crescemos depressa e depois paramos -
14:12
partparte of our resilienceresiliência.
355
837000
2000
parte da nossa resiliência.
14:14
That would be badmau for economieseconomias and citiescidades.
356
839000
3000
O que seria mau para as economias e cidades.
14:17
And indeedde fato, one of the wonderfulMaravilhoso things about the theoryteoria
357
842000
2000
E na verdade, uma das coisas maravilhosas da teoria
14:19
is that if you have super-linearSuper linear scalingescalando
358
844000
3000
é que se temos escalas supra-lineares
14:22
from wealthriqueza creationcriação and innovationinovação,
359
847000
2000
na criação de riqueza e inovação,
14:24
then indeedde fato you get, from the samemesmo theoryteoria,
360
849000
3000
então na verdade temos, segundo a mesma teoria,
14:27
a beautifulbonita risingAumentar exponentialexponencial curvecurva -- lovelyadorável.
361
852000
2000
um belo crescimento exponencial da curva - lindo.
14:29
And in factfacto, if you comparecomparar it to datadados,
362
854000
2000
E na verdade, se compararmos isso com os dados,
14:31
it fitsencaixa very well
363
856000
2000
encaixa muito bem
14:33
with the developmentdesenvolvimento of citiescidades and economieseconomias.
364
858000
2000
com o desenvolvimento das cidades e das economias.
14:35
But it has a terribleterrivel catchpegar,
365
860000
2000
Mas tem um senão terrível.
14:37
and the catchpegar
366
862000
2000
E o senão
14:39
is that this systemsistema is destineddestinada to collapsecolapso.
367
864000
3000
é que este sistema está destinado ao colapso.
14:42
And it's destineddestinada to collapsecolapso for manymuitos reasonsrazões --
368
867000
2000
E está destinado ao colapso por várias razões -
14:44
kindtipo of MalthusianMalthusiana reasonsrazões -- that you runcorre out of resourcesRecursos.
369
869000
3000
razões algo Malthusianas - é que esgotamos os recursos.
14:47
And how do you avoidevitar that? Well we'venós temos donefeito it before.
370
872000
3000
E como se evita isso? Bem, já o fizemos antes.
14:50
What we do is,
371
875000
2000
O que fazemos é,
14:52
as we growcrescer and we approachabordagem the collapsecolapso,
372
877000
3000
à medida que crescemos e nos aproximamos do colapso,
14:55
a majorprincipal innovationinovação takes placeLugar, colocar
373
880000
3000
ocorre uma grande inovação
14:58
and we startcomeçar over again,
374
883000
2000
e começamos de novo.
15:00
and we startcomeçar over again as we approachabordagem the nextPróximo one, and so on.
375
885000
3000
E começamos de novo quando nos aproximamos do próximo, e daí em diante.
15:03
So there's this continuouscontínuo cycleciclo of innovationinovação
376
888000
2000
Portanto há um ciclo contínuo de inovação
15:05
that is necessarynecessário
377
890000
2000
que é necessário
15:07
in orderordem to sustainsustentar growthcrescimento and avoidevitar collapsecolapso.
378
892000
3000
para sustentar o crescimento e evitar o colapso.
15:10
The catchpegar, howeverContudo, to this
379
895000
2000
O senão disto, contudo,
15:12
is that you have to innovateinovar
380
897000
2000
é que temos de inovar
15:14
fasterMais rápido and fasterMais rápido and fasterMais rápido.
381
899000
3000
cada vez mais e mais depressa.
15:17
So the imageimagem
382
902000
2000
Então a imagem
15:19
is that we're not only on a treadmillescada rolante that's going fasterMais rápido,
383
904000
3000
é que não só estamos numa passadeira que rola cada vez mais rapidamente,
15:22
but we have to changemudança the treadmillescada rolante fasterMais rápido and fasterMais rápido.
384
907000
3000
como temos que mudar a passadeira cada vez mais depressa.
15:25
We have to accelerateacelerar on a continuouscontínuo basisbase.
385
910000
3000
Temos de acelerar numa base contínua.
15:28
And the questionquestão is: Can we, as socio-economicsócio-econômica beingsseres,
386
913000
3000
E a questão é: podemos nós, enquanto seres socio-económicos,
15:31
avoidevitar a heartcoração attackataque?
387
916000
3000
evitar um ataque de coração?
15:34
So lastlypor último, I'm going to finishterminar up in this last minuteminuto or two
388
919000
3000
Por último, nestes minutos que me restam vou terminar
15:37
askingPerguntando about companiesempresas.
389
922000
2000
a falar sobre as empresas.
15:39
See companiesempresas, they scaleescala.
390
924000
2000
As empresas ajustam-se à escala.
15:41
The toptopo one, in factfacto, is WalmartWalmart on the right.
391
926000
2000
A de cima, na verdade, é a Walmart à direita.
15:43
It's the samemesmo plotenredo.
392
928000
2000
É o mesmo gráfico.
15:45
This happensacontece to be incomerenda and assetsativos
393
930000
2000
Mostra rendimento e bens
15:47
versusversus the sizeTamanho of the companyempresa as denoteddenotado by its numbernúmero of employeesempregados.
394
932000
2000
em função do tamanho da empresa medida pelo número de empregados.
15:49
We could use salesvendas, anything you like.
395
934000
3000
Podíamos usar as vendas, tudo o que se quiser.
15:52
There it is: after some little fluctuationsflutuações at the beginningcomeçando,
396
937000
3000
Aqui está: após algumas flutuações no início,
15:55
when companiesempresas are innovatinginovando,
397
940000
2000
quando as empresas estão a inovar
15:57
they scaleescala beautifullybelas.
398
942000
2000
ajustam-se lindamente.
15:59
And we'venós temos lookedolhou at 23,000 companiesempresas
399
944000
3000
E nós analisámos 23 mil empresas,
16:02
in the UnitedUnidos StatesEstados-Membros, maypode I say.
400
947000
2000
nos Estados Unidos, devo dizer.
16:04
And I'm only showingmostrando you a little bitpouco of this.
401
949000
3000
E estou a mostrar-vos apenas um pouco disso.
16:07
What is astonishingsurpreendente about companiesempresas
402
952000
2000
O que é surpreendente nas empresas
16:09
is that they scaleescala sublinearlysublinearly
403
954000
3000
é que elas ajustam-se de forma sublinear
16:12
like biologybiologia,
404
957000
2000
como a biologia,
16:14
indicatingindicando that they're dominateddominado,
405
959000
2000
indicando que são dominadas,
16:16
not by super-linearSuper linear
406
961000
2000
não por inovação e ideias
16:18
innovationinovação and ideasidéias;
407
963000
3000
supra-lineares;
16:21
they becometornar-se dominateddominado
408
966000
2000
elas tornam-se dominadas
16:23
by economieseconomias of scaleescala.
409
968000
2000
por economias de escala.
16:25
In that interpretationinterpretação,
410
970000
2000
Nesta interpretação,
16:27
by bureaucracyburocracia and administrationadministração,
411
972000
2000
pela burocracia e administração,
16:29
and they do it beautifullybelas, maypode I say.
412
974000
2000
e fazem-no lindamente, devo dizer.
16:31
So if you tell me the sizeTamanho of some companyempresa, some smallpequeno companyempresa,
413
976000
3000
Por isso se me disserem o tamanho de uma empresa, alguma empresa pequena,
16:34
I could have predictedpreviu the sizeTamanho of WalmartWalmart.
414
979000
3000
eu poderia prever o tamanho da Walmart.
16:37
If it has this sublinearsublinear scalingescalando,
415
982000
2000
Se tivesse esta escala sublinear,
16:39
the theoryteoria saysdiz
416
984000
2000
a teoria afirma
16:41
we should have sigmoidalsigmoidal growthcrescimento.
417
986000
3000
que devemos ter crescimento sigmoidal.
16:44
There's WalmartWalmart. Doesn't look very sigmoidalsigmoidal.
418
989000
2000
Aqui está a Walmart. Não parece muito sigmoidal.
16:46
That's what we like, hockeyhóquei sticksvaras.
419
991000
3000
É disto que gostamos, 'tacos de hóquei'.
16:49
But you noticeaviso prévio, I've cheatedenganado,
420
994000
2000
Mas reparem, eu fiz batota,
16:51
because I've only gonefoi up to '94.
421
996000
2000
porque apenas fui até 1994.
16:53
Let's go up to 2008.
422
998000
2000
Vamos até 2008.
16:55
That redvermelho linelinha is from the theoryteoria.
423
1000000
3000
Esta linha vermelha vem da teoria.
16:58
So if I'd have donefeito this in 1994,
424
1003000
2000
Então se eu tivesse feito isto em 1994,
17:00
I could have predictedpreviu what WalmartWalmart would be now.
425
1005000
3000
podia ter previsto o que a Walmart seria agora.
17:03
And then this is repeatedrepetido
426
1008000
2000
E isto repete-se
17:05
acrossatravés the entireinteira spectrumespectro of companiesempresas.
427
1010000
2000
em todo o conjunto de empresas.
17:07
There they are. That's 23,000 companiesempresas.
428
1012000
3000
Cá estão elas. São 23 mil empresas.
17:10
They all startcomeçar looking like hockeyhóquei sticksvaras,
429
1015000
2000
Todas começam por parecer tacos de hóquei,
17:12
they all benddobrar over,
430
1017000
2000
todas se inclinam,
17:14
and they all diemorrer like you and me.
431
1019000
2000
e todas morrem como vocês e eu.
17:16
Thank you.
432
1021000
2000
Obrigado.
17:18
(ApplauseAplausos)
433
1023000
9000
(Aplausos)
Translated by Cristina Correia
Reviewed by Nez Ribeiro

▲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