Is Het Leven Echt Zo Complex?

Kan een algoritme de plaats van de volgende rel voorspellen? In deze toegankelijke TED-talk toont wiskundige Hannah Fry hoe complex sociaal gedrag geanalyseerd en misschien voorspeld kan worden aan de hand van analogieën met natuurlijke fenomenen, zoals de patronen in de vlekken van een luipaard of de verdeling van roofdieren en prooien in het wild.

"Hartelijk bedankt. Ik ben Hannah Fry, de stoere. Vandaag stel ik de vraag: is het leven echt zo complex? Ik heb slechts negen minuten de tijd om te proberen jullie een antwoord te geven, dus ik heb dit netjes in twee delen gesplitst: deel één: ja; en verderop, deel twee: nee. Of, om nauwkeuriger te zijn: nee? (Gelach)

Laat ik eerst proberen te definiëren wat ik bedoel met "complex."

Ik zou jullie veel formele definities kunnen geven, maar in de meest eenvoudige termen, elk probleem in complexiteit is iets dat Einstein en zijn gelijken niet kunnen. Dus, laten we ons inbeelden -- als de aanwijzer werkt ... Einstein speelt een potje snooker. Hij is een slimme kerel, dus hij weet dat wanneer hij de speelbal raakt, hij een vergelijking zou kunnen schrijven en exact zou kunnen zeggen waar de rode bal de kanten zal raken, hoe snel hij zal gaan en waar hij zal belanden. Nu, als je deze ballen vergroot tot de grootte van het zonnestelsel, kan Einstein je nog altijd helpen. Oké, de fysica verandert, maar als je meer zou willen weten over de weg van de aarde rond de zon, zou Einstein een vergelijking kunnen schrijven die vertelt waar de objecten zich bevinden op elk moment. Met een opmerkelijke toename in moeilijkheid, zou Einstein de maan in zijn berekeningen kunnen introduceren. Maar wanneer je meer planeten toevoegt, bijvoorbeeld Mars en Jupiter, wordt het probleem te lastig voor Einstein om op te lossen met pen en papier. Nu, vreemd genoeg, als je in plaats van een handvol planeten miljoenen of zelfs miljarden objecten had, dan wordt het probleem eigenlijk veel makkelijker, en is Einstein terug in het spel. Laat ik uitleggen wat ik hiermee bedoel, door deze objecten terug te schalen tot een moleculair niveau. De grillige weg traceren van een individuele luchtmolecule

kun je wel vergeten. Maar wanneer je miljoenen luchtmoleculen bij elkaar hebt, beginnen deze zich te gedragen op een manier die kwantificeerbaar, voorspelbaar en braaf is. En dank de hemel dat lucht braaf is, want als ze dat niet was, zouden vliegtuigen eruit vallen. Op een nog grotere schaal, over de hele wereld, is het idee exact hetzelfde met al die luchtmoleculen. Het is waar dat je niet van een individuele regendruppel kan zeggen waar hij vandaan komt of waar hij heen gaat. Maar je kunt wel met redelijke zekerheid zeggen of het morgen bewolkt wordt. Dus dat is het. In Einsteins tijd was dit hoe ver de wetenschap was gekomen. We kunnen kleine problemen oplossen met een aantal objecten met simpele interacties. Of we kunnen grote problemen oplossen met miljoenen objecten en simpele interacties. Maar wat doen we met alles daartussen? Slechts zeven jaar voor de dood van Einstein,

maakte de Amerikaanse wetenschapper Warren Weaver precies dit punt. Hij zei dat de wetenschappelijke methodiek van de ene extreme naar de andere ging waarbij een groot middengebied onaangeraakt bleef. Deze middelste regio is waar complexiteitswetenschap zit en dit is wat ik bedoel met complex. Helaas ligt bijna elk probleem dat je kunt bedenken op het gebied van menselijk gedrag in die middelste regio. Einstein had geen idee hoe hij de beweging van een groep mensen kon modelleren. Er zijn te veel mensen om naar hen als individu te kijken en te weinig om hen als een gas te behandelen. Ook zijn mensen geneigd tot ergerlijke dingen als beslissingen nemen en niet tegen elkaar willen botsen, wat het probleem alleen maar moeilijker maakt. Einstein kon je ook niet vertellen wanneer de volgende beurscrash gaat zijn. Einstein kon je niet vertellen hoe je werkloosheid kon terugbrengen. Hij kan je niet eens vertellen of de nieuwe iPhone een succes of een flop wordt. Dus om deel één af te sluiten: we staan er bekaaid voor. We hebben geen gerei om hiermee om te gaan en het leven is veel te complex. Maar misschien is er hoop, want de laatste paar jaar

beginnen we een nieuw vakgebied in de wetenschap te zien waarbij we wiskunde gebruiken om onze sociale systemen te modelleren. Ik heb het nu niet alleen over statistieken en computersimulaties, maar over het opschrijven van vergelijkingen die onze maatschappij begrijpelijk helpen maken, net als met de snookerballen of de weersvoorspellingen. Dit is ontstaan doordat mensen zich zijn gaan realiseren dat we analogieën kunnen gebruiken tussen onze menselijke systemen en die in de fysieke wereld om ons heen. Om je een voorbeeld te geven: het ongelofelijk complexe probleem van migratie in Europa.

Het blijkt dat als je alle mensen samen bekijkt, ze zich gedragen alsof ze de regels van zwaartekracht volgen. Maar in plaats van planeten die tot elkaar aangetrokken worden, zijn het mensen die aangetrokken worden tot betere baankansen, hogere salarissen, een betere levenskwaliteit en minder werkloosheid. En net als dat mensen eerder kansen aangrijpen die dichter bij huis liggen -- Londen naar Kent, bijvoorbeeld in plaats van Londen naar Melbourne -- zo voel je de aantrekkingskracht van verre planeten veel minder sterk. Om nog een voorbeeld te geven: in 2008 was een groep in UCLA op zoek naar de patronen

tussen plekken waar vaak werd ingebroken. Bij inbraken heb je het fenomeen van herhaald slachtofferschap. Als er een groep inbrekers is die succesvol een gebied berooft, zijn ze geneigd terug te keren naar dat gebied en het vaker te beroven. Zo leren ze de ligging van de huizen kennen, de onsnappingsroutes en de lokale beveiligingsmaatregelen. Dit zal zo doorgaan tot buurtbewoners en politie de beveiliging verbeteren. Dan verplaatsen de inbrekers zich naar een andere plek. Het is die balans tussen inbrekers en beveiliging die de dynamische zwaartepunten van de stad creëert. Dit blijkt exact hetzelfde proces te zijn als hoe een luipaard zijn vlekken krijgt, behalve dat het bij luipaarden niet gaat om inbrekers en beveiliging. Het is het chemische proces dat deze patronen creëert, en iets genaamd 'morfogenese'. In feite weten we enorm veel over de morfogenese van luipaardvlekken. Misschien kunnen we dit gebruiken om inbraakgevoelige plekken te vinden en misschien zelfs nieuwe strategieën te bedenken om criminaliteit te voorkomen. Een groep hier aan het UCL werkt op dit moment met de politie van West Midlands aan precies deze vraag. Ik zou je talloze voorbeelden zoals deze kunnen geven, maar ik geef er nog een uit mijn eigen onderzoek naar de Londense rellen. Ik hoef waarschijnlijk niet te vertellen wat afgelopen zomer gebeurde. Londen en het VK doorstonden de heftigste aaneengesloten periode

van plunderingen en brandstichting in meer dan twintig jaar. Het is logisch dat we, als samenleving, willen snappen wat deze rellen veroorzaakte. Maar ook, misschien, om onze politie met beter strategieën uit te rusten en een spoediger oplossing te vinden in de toekomst. Ik wil de sociologen hier niet te ongerust maken, Dus ik kan absoluut niet praten over de beweegredenen van een opstandeling, maar als je naar alle opstandelingen samen kijkt, kun je dit, wiskundig gezien, scheiden in een driedelig proces, en zo analogieën trekken. Dus, stap één: laten we zeggen dat er een groep vrienden is. Geen van hen is betrokken bij de opstanden maar een van hen loopt langs een Foot Locker die geplunderd wordt.

Hij loopt naar binnen, en zorgt voor een paar nieuwe schoenen. Hij stuurt een bericht naar een vriend en zegt: "kom naar de rel." Zijn vriend voegt zich bij hem, de twee jongens nodigen meer vrienden uit, die nog meer vrienden uitnodigen, en meer, en meer, en dit gaat zo door. Dit proces is identiek aan hoe een virus zich door een populatie verspreidt. Als je denkt aan de vogelgriepepidemie van een aantal jaar terug, hoe meer mensen besmet waren, hoe meer mensen besmet werden, hoe sneller het virus zich verspreidde voordat de overheid het onder controle kon krijgen. Dit is precies hetzelfde proces hier. Laten we zeggen dat een relschopper heeft besloten mee te doen met een rel. Vervolgens moet hij op zoek naar een opstand. Wat je moet weten over relschoppers is dat, um ...

Oeps, de clicker werkt niet meer. Oké. Wat je moet weten over relschoppers is dat ze niet bereid zijn om ver te reizen van waar ze wonen, tenzij het een hele sappige rel is. [Gelach] Dat zie je op deze grafiek, met een hele hoop opstandelingen die minder dan een kilometer reisden

naar de lokatie van hun rel.

Dit patroon is te zien in consumentenmodellen van detailhandel, oftewel, waar we besluiten spullen de kopen. Natuurlijk houden mensen ervan om naar lokale winkels te gaan maar je zou bereid zijn wat verder te gaan als het een hele goede winkelplek is. Deze analogie was al opgepakt door een aantal kranten waaronder een roddelblad die de ontdekking "winkelen met geweld" noemde, wat ons onderzoek eigenlijk goed samenvat. Oh! --- we gaan terug. Oké, stap drie. Eindelijk, de relschopper is ter plaatse, en hij wil voorkomen dat hij wordt opgepakt door de politie.

De relschoppers zullen altijd de politie vermijden, maar de groep biedt enige veiligheid. Aan de ander kant, de politie, met hun beperkte middelen proberen zoveel mogelijk van de stad te beschermen, relschoppers waar mogelijk te arresteren, en een afschrikwekkend effect te creëren. In feite, zo blijkt, is dit mechanisme tussen de twee soorten, bij wijze van spreken, de politie en de opstandelingen, identiek aan roofdieren en prooien in het wild. Denk aan konijnen en vossen: konijnen proberen koste wat kost vossen te vermijden, terwijl vossen de ruimte afstruinen, op zoek naar konijnen. In feite weten we enorm veel over de dynamiek tussen roofdier en prooi. We weten ook veel over het koopgedrag van consumenten. En we weten veel over hoe virussen zich verspreiden door een populatie. Dus als je die drie analogieën samen beschouwt en uitbuit, kun je komen tot een wiskundig model van wat werkelijk plaatsvond,

dat in staat is de algemene patronen te repliceren van de rellen zelf. Nu we dit weten, kunnen we het bijna gebruiken als een petrischaaltje en een gesprek aangaan over welke delen van de stad meer vatbaar zijn dan anderen, en welke tactieken de politie zou kunnen gebruiken als dit ooit nog eens gebeurt. Twintig jaar geleden nog, was dit soort modelleren totaal onbekend. Maar ik denk dat deze analogieën een heel erg belangrijk hulpmiddel zijn bij het aanpakken van problemen in onze samenleving, en misschien uiteindelijk het verbeteren van de samenleving als geheel. Dus, samengevat: het leven is complex, maar misschien is het begrijpen ervan niet noodzakelijk zo moeilijk.

Bedankt."

[Applaus]
Bron: TED.com