Return to Video

The Code S01E03 "Prediction"

  • 0:05 - 0:07
    Otkad ljudi postoje na zemlji,
  • 0:07 - 0:10
    pokušavaju dati smisao našem svijetu
  • 0:10 - 0:12
    i što će nam donijeti budućnost.
  • 0:19 - 0:20
    Skroz do današnjeg dana
  • 0:20 - 0:23
    naši životi izgledaju kompliciraniji
    i nepredvidljiviji nego ikad prije.
  • 0:26 - 0:27
    Polovica stanovništva
  • 0:27 - 0:30
    sada živi u napučenim, širokim gradovima.
  • 0:32 - 0:35
    Svaki dan se događaju
    tisuće različitih susreta.
  • 0:35 - 0:39
    Količina međudjelovanja i
    sila izgleda da su van kontrole.
  • 0:41 - 0:45
    Teško je vidjeti kako bi
    bilo koji od njih bio povezan.
  • 0:48 - 0:51
    Kada pogledamo izbliza sve to,
  • 0:52 - 0:54
    pojave se iznenađujući uzorci.
  • 1:00 - 1:03
    Svi ti uzorci, vjerujem, pokazuju na Kod
  • 1:04 - 1:06
    kao osnova postojanja
  • 1:06 - 1:10
    što kontrolira, ne samo našsvijet
    i sve u njemu, već i nas.
  • 1:47 - 1:51
    Kao matematičar, opčinjen sam
    uzorcima koje vidimo oko nas.
  • 1:56 - 1:59
    Uzorci odražavaju
    skrivene veze između svega.
  • 2:01 - 2:04
    Od kretanja gužve u špicama...
  • 2:07 - 2:10
    ...do promjene oblika jata čvoraka.
  • 2:13 - 2:17
    Od kakofonije milijarde
    internetskih pretraživanja...
  • 2:17 - 2:19
    do hirova vremena.
  • 2:31 - 2:34
    Zajedno ti uzorci i veze daju Kod.
  • 2:37 - 2:41
    Model našeg svijeta ne
    opisuje samo kako radi,
  • 2:41 - 2:44
    već može također predvidjeti
    što nam donosi budućnost.
  • 3:01 - 3:05
    Prije nekih 500 godina,
    brod je uhvatila jaka oluja.
  • 3:05 - 3:07
    Kiša je šibala palube
  • 3:07 - 3:09
    i snaga olujnog vjetra derala je odjeću,
  • 3:09 - 3:11
    i brod je počeo puštati vodu.
  • 3:11 - 3:16
    Kapetan nije imao izbora već
    voziti brod uokolo i čekati pomoć.
  • 3:19 - 3:23
    Ali pomoć nikada nije došla i
    priroda je postala neprijatelj.
  • 3:26 - 3:30
    Nakon dugih osam mjeseci i
    posadom suočenom s glađu,
  • 3:30 - 3:33
    kapetan je došao s lukavim planom.
  • 3:34 - 3:37
    Pozvao je lokalnog poglavicu i
    rekao da je njegov Bog bio ljutit.
  • 3:38 - 3:42
    Tako ljut u stvari, da ako im neće
    dati namirnice unutar tri dana,
  • 3:42 - 3:44
    Bog će progutati mjesec.
  • 3:51 - 3:55
    I naravno, kada je mjesec
    treće noći počeo nestajati
  • 4:04 - 4:08
    uplašeni domoroci počeli
    su užurbano nositi na brod
  • 4:08 - 4:10
    sve što je kapetan zahtijevao.
  • 4:17 - 4:19
    Godina je bila 1504, a tko je bio kapetan?
  • 4:20 - 4:22
    Kristofor Kolumbo.
  • 4:22 - 4:25
    Razlog što je prividno
    imao kontrolu nad nebesima
  • 4:25 - 4:28
    je bio taj, što je imao nešto poput ovog.
  • 4:31 - 4:33
    Njegov komplet mjesečevih tablica.
  • 4:33 - 4:37
    Svaka od njih predstavlja pomrčine mjeseca.
  • 4:37 - 4:42
    Današnji datum je 15. lipanj
    i kaže da će se za otprilike
  • 4:43 - 4:47
    pet sati ista stvar dogoditi ovdje na Cipru.
  • 4:53 - 4:57
    Za vrijeme pomrčine mjeseca, zemlja
    prolazi između sunca i mjeseca,
  • 4:58 - 5:00
    bacajući sjenu preko mjesečeve površine.
  • 5:09 - 5:11
    I onda se to dogodi.
  • 5:11 - 5:15
    Sjena Zemlje je progutala mjesec.
  • 5:15 - 5:19
    Ali čudnovata je stvar da zapravo
    mjesec ne nestane kompletno, jer...
  • 5:20 - 5:24
    već je ovdje... crveni, lažni mjesec.
  • 5:25 - 5:29
    To je zbog toga što se
    svjetlo lomi oko Zemlje.
  • 5:32 - 5:34
    Stvarno sablasno.
  • 5:38 - 5:43
    Mogu zamisliti kako su bili uplašeni
    otočani kada su to vidjeli prije 500 godina.
  • 5:45 - 5:49
    Njima je bilo prihvatljivo samo jedno
    objašnjenje. Da su bogovi bili ljuti na njih.
  • 5:58 - 6:02
    Mi znamo da je kretanje
    planeta izuzetno predvidljivo.
  • 6:03 - 6:08
    Razumijevanjem Koda, možemo modelirati
    njihove orbite daleko u prošlost.
  • 6:09 - 6:12
    I vidjeti tisuće godina u budućnost.
  • 6:21 - 6:25
    Zahvaljujući Kodu, ne moramo
    se više bojati pomrčine.
  • 6:25 - 6:28
    U stvari, Kod je vrlo moćna stvar
  • 6:29 - 6:32
    da sam čak spreman povjeriti mu život.
  • 6:54 - 6:58
    Ovaj čudni izum je visok pet i pol metara.
  • 7:00 - 7:02
    Korištenjem snage gravitacije,
  • 7:02 - 7:07
    30 kilogramska kugla će udariti
    dolje u rampu i na kraju izletiti.
  • 7:08 - 7:12
    I kada se dogodi, ja ću
    sjediti direktno na njenom putu.
  • 7:13 - 7:16
    Ako su moje sumnje pogrešne,
    zasigurno će me ubiti.
  • 7:24 - 7:26
    Da bi izračunao kako će lopta ići daleko,
  • 7:26 - 7:29
    trebam napraviti neka
    ključna mjerenja same rampe.
  • 7:31 - 7:35
    Mali h je 0.98 metara.
  • 7:36 - 7:38
    Kut je 49.1 stupnja.
  • 7:41 - 7:43
    Znam da je sila gravitacije na Zemlji...
  • 7:44 - 7:48
    9.8 metara u sekundi na kvadrat.
  • 7:49 - 7:53
    Zanimljivo je da ne trebate
    znati težinu, odnosno masu lopte.
  • 7:53 - 7:57
    To je nebitno koliko daleko će ići.
  • 7:57 - 8:01
    Gravitacija puta dva, puta visina, 5.5,
  • 8:02 - 8:06
    pomnoženo brzinom, podijeljeno s 49.1,
  • 8:06 - 8:08
    kosinus od toga...
  • 8:08 - 8:12
    to mi daje udaljenost od 9.95 metara.
  • 8:12 - 8:17
    Tu jošimamo otpor zraka,
    kao i trenje na rampi.
  • 8:20 - 8:22
    Što je s vjetrom danas? 9.16
  • 8:23 - 8:27
    OK, predviđanja udaljenost
    bi bila 5.6 metara.
  • 8:32 - 8:35
    Mislim da bi lopta ovdje morala pasti.
  • 8:38 - 8:42
    Što znači da ako postavim svoju ležaljku ovdje,
    trebao bih cijelu stvar gledati potpuno sigurno.
  • 8:45 - 8:47
    OK, pusti loptu.
  • 8:55 - 8:58
    To je snaga Koda.
  • 9:02 - 9:04
    To možemo iznova, i opet i opet...
  • 9:08 - 9:12
    ...i brojevi znače da će lopta
    pasti svaki puta na isto mjesto.
  • 9:18 - 9:23
    Kada bi se sve u svijetu ponašalo prema
    jednadžbama to bi dalo siguran odgovor
  • 9:23 - 9:26
    da bi bili u stanju predvidjeti
    budućnost s apsolutnom sigurnošću.
  • 9:29 - 9:32
    Ali nažalost, stvari nisu tako jednostavne.
  • 9:42 - 9:44
    Prirodni svijet je tako kompleksan
  • 9:45 - 9:48
    da je teško zamisliti da možemo
    napisati jednadžbu koja bi ga opisala.
  • 9:50 - 9:53
    Iako bi mogli misliti na
    prvi pogled da su to uzorci,
  • 9:54 - 9:56
    izgledaju skoro nemoguće za shvatiti.
  • 9:57 - 9:59
    Bio sam svjedokom tajanstvenog fenomena
  • 9:59 - 10:03
    koji se događa ovdje u Danskoj
    svake godine na par tjedana.
  • 10:21 - 10:23
    Prvo nekoliko pojavljivanja, mislim.
  • 10:36 - 10:38
    Ovo su čvorci,
  • 10:39 - 10:43
    koji se sele svake godine između
    sjeverne Europe i Skandinavije.
  • 10:45 - 10:50
    Jedno jato može imati milijune ptica.
  • 10:53 - 10:56
    Njihov ples zamagljuje
    odlazeće večernje svijetlo,
  • 10:56 - 10:59
    dajući formaciji jezivo ime -
  • 11:00 - 11:02
    Crno Sunce
  • 11:03 - 11:06
    Jošjedna velika grupa dolazi.
  • 11:06 - 11:08
    Oh!
  • 11:11 - 11:13
    Ima ih na tisuće.
  • 11:17 - 11:19
    Nije sasvim jasno zato to rade.
  • 11:19 - 11:21
    Možda se skrivaju u masovnosti.
  • 11:22 - 11:24
    Cijeli oblik izgleda zastrašujuće.
  • 11:24 - 11:26
    Izgleda kao jedno veliko, crno čudovište
  • 11:27 - 11:29
    koje odvraća svakog grabežljivca
  • 11:29 - 11:32
    koji bi moga pomisliti na
    večeru prije zalaska sunca.
  • 11:37 - 11:38
    Pogledajte ovo.
  • 11:38 - 11:40
    Ah.
  • 11:40 - 11:42
    Skoro hipnotički.
  • 11:47 - 11:49
    Čudnovato. Toliko ih je mnogo
  • 11:50 - 11:52
    da je čudo kako se ne sudare
  • 11:52 - 11:55
    i ne izlete s neba. Ali izgleda da neće.
  • 11:55 - 11:58
    Nevjerojatna sinkronizacija.
  • 12:00 - 12:02
    Oh!
  • 12:05 - 12:08
    Nikad ne možete biti sigurni
    što će slijedeće napraviti.
  • 12:10 - 12:12
    To je skoro nemoguće ostvarenje.
  • 12:13 - 12:16
    Kako svaka ptica može predvidjeti
    pokrete ostalih tisuća?
  • 12:24 - 12:26
    Neobično?
  • 12:34 - 12:38
    Koliko god izgledalo strano,
    reduciranjem svakog čvorka na brojeve,
  • 12:38 - 12:41
    možemo modelirati na
    računalo što će se dogoditi.
  • 12:45 - 12:48
    Krećemo s jatom virtualnih čvoraka,
  • 12:48 - 12:52
    gdje svi lete različitim brzinama
    i u različitim smjerovima.
  • 12:52 - 12:56
    Tada im dajemo jednostavna pravila.
  • 12:56 - 13:00
    Prvo je da svaka ptica leti istom brzinom.
  • 13:01 - 13:04
    Drugo pravilo je da ostanu
    blizu svojim susjedima.
  • 13:07 - 13:11
    I na kraju, ako vide
    grabežljivca u blizini, bježi.
  • 13:14 - 13:17
    Tri jednostavna pravila su
    dovoljna da stvore nešto
  • 13:18 - 13:22
    što izgleda jezivo kao
    pokret pravog jata čvoraka.
  • 13:25 - 13:27
    Evo ih, dolaze.
  • 13:27 - 13:29
    Oh!
  • 13:32 - 13:34
    U stvari, nedavna studija je pokazala
  • 13:34 - 13:38
    da bez obzira ima li jato
    stotinu ili tisuću ptica,
  • 13:38 - 13:42
    svaki čvorak mora pratiti
    svojih sedam najbližih susjeda.
  • 13:52 - 13:54
    I tada... svi su otišli.
  • 13:55 - 13:57
    Nebo je ponovo čisto.
  • 14:03 - 14:05
    Tko bi pomislio da bi nešto
    tako neobično kompleksno
  • 14:06 - 14:09
    kao što je promjenjivost oblika jata u letu
  • 14:10 - 14:13
    imalo u osnovi jednostavan i elegantan Kod?
  • 14:29 - 14:31
    Čini se nezamislivim da bi ljudska bića
  • 14:32 - 14:36
    mogla biti svedena na
    matematički model kao čvorci.
  • 14:51 - 14:54
    Iain Couzin proučava kako
    se grupe životinja ponašaju
  • 14:54 - 14:59
    i njegova istraživanja su otkrila
    neke iznenađujuće paralele.
  • 14:59 - 15:03
    Kako je uopće moguće razumjeti
    nešto poput ovakve velike mase ljudi?
  • 15:04 - 15:06
    Čak i kada pogledate u
    tu gomilu na par sekundi
  • 15:06 - 15:09
    zaključujete da je previše
    kompliciranih faktora u igri.
  • 15:10 - 15:12
    Počeo sam svoja istraživanja
    na jednostavnim organizmima,
  • 15:12 - 15:14
    organizmima kao što su
    kolonije mrava, školske ribice.
  • 15:15 - 15:17
    I nevjerojatno, naša spoznaja
    iz proučavanja tih sistema
  • 15:18 - 15:20
    vodi do novih spoznaja u
    proučavanju ljudskih gomila.
  • 15:21 - 15:24
    Ali ljudi su kompliciraniji
    od... a.. ribe ili mrava.
  • 15:24 - 15:26
    Točno, ali sva ljepota toga,
  • 15:27 - 15:29
    je da mislimo o interesantnijim stvarima
  • 15:29 - 15:33
    kada koračamo kroz gomilu od onoga
    "Kako da izbjegnem osobu i prepreku?"
  • 15:34 - 15:38
    Znate, razmišljamo o tome što ćemo kuhati
    za večeru ili što naši prijatelji rade.
  • 15:39 - 15:41
    A zapravo smo uglavnom na Auto-Pilotu
  • 15:42 - 15:44
    i koristimo vrlo jednostavne
    pravila interakcije
  • 15:45 - 15:47
    ista kao školska ribica i kolonija mrava.
  • 15:50 - 15:52
    Znači da možemo naučiti
    neke stvari od mrava?
  • 15:52 - 15:54
    Možemo od njih mnogo naučiti.
  • 15:54 - 15:56
    Mravi ne pate od problema zagušenja.
  • 15:57 - 16:00
    Zbog toga što nisu sebični.
    Bojim se da mi jesmo.
  • 16:00 - 16:02
    Želimo minimizirati naše vrijeme putovanja,
  • 16:03 - 16:07
    ali nije nužno da vodimo brigu koliko
    će to koštati ostale pojedince.
  • 16:09 - 16:11
    Od svih životinja koje su proučavane,
  • 16:12 - 16:15
    ljudi su, na nekoliko
    načina, najpredvidljiviji.
  • 16:15 - 16:19
    Hodamo optimalnom brzinom
    od 1.3 metara u sekundi,
  • 16:20 - 16:24
    i više volimo hodati u ravnoj
    liniji da bi došli do cilja.
  • 16:26 - 16:28
    Ono što se onda dogodi
    je da prirodno upadnete
  • 16:28 - 16:31
    u kolonu gdje se i drugi
    kreću u istom smjeru..
  • 16:32 - 16:35
    I tada bez vašeg znanja, formirate red.
  • 16:35 - 16:39
    Na isti način se pješaci kreću u
    drugim smjerovima, formirajući redove,
  • 16:40 - 16:42
    vrlo slično mravima.
  • 16:42 - 16:45
    Ti redovi nam pomažu da izbjegnemo sudare.
  • 16:45 - 16:47
    Naravno, na velikim otvorenim površinama,
  • 16:47 - 16:49
    kao što je gomila na Grand Central Station,
  • 16:50 - 16:52
    redovi se neizbježno križaju,
  • 16:52 - 16:54
    što dovodi do zagušenja.
  • 16:56 - 16:59
    Ali kad se stavi prepreka,
    kao što je ovaj info pult
  • 16:59 - 17:03
    u sredinu gomile, a ne sa strane,
  • 17:03 - 17:06
    ponaša se kao obilaznica
  • 17:06 - 17:10
    i povećava protok kroz stanicu čak za 13%.
  • 17:18 - 17:21
    Ta pravila su toliko efikasna u
    predviđanju što ćemo napraviti
  • 17:21 - 17:25
    da se mogu koristiti za
    simulaciju gomile ljudi.
  • 17:28 - 17:31
    Svaki pojedinac se zapravo
    opiše skupinom brojeva,
  • 17:32 - 17:34
    kako kreće kroz okolinu.
  • 17:34 - 17:37
    Točno. Mi smo snimili
    prosječno ponašanja pješaka.
  • 17:38 - 17:41
    Snimili smo ta jednostavna i lokalna
    pravila što ih ljudi koriste unutar gomile
  • 17:42 - 17:44
    da bi napravili predviđanje
    kako će se cijela gomila
  • 17:45 - 17:47
    kretati kroz različite okoline.
  • 17:49 - 17:51
    U stanju smo koristiti Kod
    kao podlogu kretanja gomile
  • 17:52 - 17:56
    da bi dizajnirali zgrade koje
    će biti efikasnije i sigurnije.
  • 17:57 - 18:01
    Simulacije kao što je ova su
    u stanju precizno predvidjeti
  • 18:01 - 18:03
    kako brzo zgrada može biti evakuirana,
  • 18:04 - 18:06
    prije nego je i izgrađena.
  • 18:14 - 18:17
    Kao gomila, ljudi su
    nevjerojatno predvidljivi.
  • 18:18 - 18:21
    Postoje jednostavna pravila koja
    slijedimo, a da ih nismo niti svjesni.
  • 18:24 - 18:27
    Ali većinu vremena ne
    živimo na auto-pilotu.
  • 18:29 - 18:33
    I kada se gomila rasprši kao
    i pravila grupnog ponašanja...
  • 18:36 - 18:40
    Kao osobe s vlastitom slobodnom
    voljom smo puno teže predvidljivi.
  • 18:41 - 18:43
    Ili barem tako mislimo.
  • 18:49 - 18:52
    Prije nego počnemo, htio
    bih spomenuti pravila.
  • 18:52 - 18:53
    Jednostavna su.
  • 18:53 - 18:56
    Postoje tri bacanja i smo tri bacanja.
  • 18:56 - 19:00
    Koristimo tri osnovna bacanja,
    što znači da idete jedan, dva, tri
  • 19:01 - 19:03
    i izbacujete svoje bacanje na četiri.
  • 19:05 - 19:07
    Bacanje kamena je zatvorena šaka.
  • 19:07 - 19:10
    Možete ga bacati gdje god hoćete
    tako dugo dok je zatvorena šaka.
  • 19:10 - 19:12
    Papir mora biti vodoravan.
  • 19:12 - 19:14
    Škare moraju biti vertikalne.
  • 19:14 - 19:16
    Ovo će biti prekršaj.
  • 19:18 - 19:22
    Igra kamen, papir, škare
    je poznata širom svijeta.
  • 19:24 - 19:27
    Neki ljudi je shvaćaju vrlo ozbiljno.
  • 19:27 - 19:30
    Za one koji ne znaju, a
    takvih bi bilo vrlo malo,
  • 19:30 - 19:32
    bacanje papira pokriva bacanje kamena.
  • 19:33 - 19:35
    Bacanje škara reže bacanje papira,
  • 19:35 - 19:37
    dok bacanje kamena lomi bacanje škara.
  • 19:42 - 19:45
    U Philadelphiji postoji
    liga Kamen, Papir, Škare
  • 19:45 - 19:47
    gdje se natječu četiri puta tjedno.
  • 19:49 - 19:51
    Ljudi u ovoj sobi se bore
  • 19:51 - 19:54
    da bi išli na svjetsko prvenstvo u Las Vegas
  • 19:54 - 19:57
    i osvoje 10000 $.
  • 20:03 - 20:06
    Sweetji vodi. Kamen protiv škara za Sweetji.
  • 20:06 - 20:09
    Vi ste na rubu eliminacije, Drew Bag.
  • 20:10 - 20:12
    Treći i posljednji
    krug, pobjednik ide dalje.
  • 20:14 - 20:16
    Kamen protiv škara.
  • 20:16 - 20:18
    Koja igra. Dovela nas je do polufinala.
  • 20:20 - 20:24
    Intrigantna stvar u ovoj
    igri da bi bilo nemoguće
  • 20:25 - 20:27
    predvidjeti što će
    protivnik napraviti slijedeće.
  • 20:29 - 20:32
    u igri kamen, papir, škare,
    svi su prilično izjednačeni.
  • 20:32 - 20:36
    Kod svakog bacanja netko
    dobije da bi drugi izgubio,
  • 20:36 - 20:38
    i u osnovi je to igra jednakih šansi.
  • 20:39 - 20:41
    Slično kao i bacanje novčića.
  • 20:42 - 20:44
    Iako je igra u osnovi slučajna,
  • 20:45 - 20:47
    svi igrači su izjednačeni.
  • 20:48 - 20:51
    Ipak neki ljudi stalno pobjeđuju.
  • 20:51 - 20:53
    To je meč lopta, Sweetji.
  • 20:53 - 20:55
    B
    - Pac nema bodova u drugoj rundi.
  • 20:56 - 20:58
    Treba dva ispravna bacanja.
  • 20:58 - 21:00
    Može li dobiti prvog?
  • 21:00 - 21:02
    Ne. Sweetji!
  • 21:02 - 21:04
    Dolazimo do finala večeri.
  • 21:05 - 21:08
    Sweetji, idešigrati protiv dOGulas-a.
  • 21:08 - 21:12
    Što više igramo, više smo
    pod utjecajem prethodnih bacanja.
  • 21:13 - 21:14
    Početak.
  • 21:14 - 21:17
    To stvara uzorak koji se
    može iskoristit za pobjedu.
  • 21:17 - 21:21
    Sweetji je bio peti u ligi prošle godine
  • 21:21 - 21:24
    a ove sezone izgleda da je jošbolji.
  • 21:28 - 21:30
    dOGulas!
  • 21:30 - 21:32
    Kamen je slomio škare.
  • 21:32 - 21:35
    Sweetji ima jošuvijek bod...
  • 21:35 - 21:37
    Kamen je slomio škare!
  • 21:38 - 21:42
    Sweetji, prvak Philadelphijske gradske lige
    Kamen, Papir, Škare je ovdje u Raven Loungeu.
  • 21:42 - 21:44
    - Čestitam.
    - Hvala.
  • 21:44 - 21:47
    Dakle, to je bila peta uzastopna pobjeda.
  • 21:47 - 21:52
    Što mislite što je ključna stvar za
    vašu pobjedu? -Pokušavam pročitati ljude.
  • 21:52 - 21:55
    Da, stvarno? -Ili barem pokušavam
    zamisliti što oni misle.
  • 21:55 - 21:58
    - Tražite njihove uzorke?
    - Da, nešto kao...
  • 21:58 - 22:02
    Njihove uzorke, a oni pokušavaju
    naučiti moje i boriti se protiv toga.
  • 22:07 - 22:09
    Kamen, papir, škare otkrivaju osnovnu istinu
  • 22:10 - 22:12
    ljudske prirode.
  • 22:13 - 22:15
    Toliko smo vezani na uzorke
  • 22:15 - 22:17
    da ima dajemo da prodru
    u skoro sve što radimo.
  • 22:21 - 22:23
    Ti uzorci su ključ
  • 22:23 - 22:26
    za predviđanje mnogih
    aspekata našeg ponašanja.
  • 22:26 - 22:28
    Od naših najmračnijih dijelova prirode.
  • 22:36 - 22:38
    Umrla. Žensko, 170 cm.
  • 22:39 - 22:42
    Ten, tamni. Oči, smeđe. Kosa, smeđa.
  • 22:45 - 22:48
    Kada vidite toliko aktivnosti
    na tako malom prostoru
  • 22:48 - 22:50
    u tako malom vremenskom okviru,
  • 22:50 - 22:52
    to je zvono za uzbunu da se nešto događa,
  • 22:52 - 22:54
    da je grabežljivac u akciji.
  • 22:55 - 23:00
    Kim Rossmo ima 20 godišnje
    iskustvo kao istražitelj.
  • 23:01 - 23:04
    Specijalizirao je hvatanje serijskih ubojica.
  • 23:06 - 23:08
    Žrtvu je našao policajac ovdje na uglu
  • 23:09 - 23:12
    koji je došao ubrzo nakon
    što je zločin počinjen.
  • 23:13 - 23:15
    Primarni izgled poprišta zločina bi bio...
  • 23:16 - 23:18
    Ali Rossmo nije klasičan policajac,
  • 23:18 - 23:20
    zbog toga što ima doktorat
  • 23:21 - 23:25
    i koristi matematiku da bi razumio uzorke
    koje kriminalci ostavljaju iza sebe.
  • 23:30 - 23:32
    Postoji logika kako zločinac lovi žrtvu
  • 23:33 - 23:35
    i lokacije gdje počini zločin.
  • 23:35 - 23:38
    Ako to odgonetnemo i ako
    možemo razumjeti uzorak,
  • 23:38 - 23:41
    tada možemo koristiti tu
    informaciju da nam usmjeri istragu.
  • 23:44 - 23:46
    Razlog zašto je teško uhvatiti
    serijskog ubojicu je zbog
  • 23:46 - 23:49
    toga što često nema poveznice
    između njihovih zločina.
  • 23:51 - 23:53
    Ubijaju slučajne strance
  • 23:53 - 23:56
    na lokacijama koje nemaju očite veze.
  • 23:57 - 23:59
    Vrlo čest je slučaj u istrazi
    slučajeva serijskih ubojstava
  • 24:00 - 24:03
    je da ima stotine, tisuće,
    čak i deset tisuća sumnjivaca.
  • 24:04 - 24:06
    To je traženje igle u plastu sijena.
  • 24:08 - 24:10
    Odakle da počnemo?
  • 24:10 - 24:15
    1888, najozloglašeniji serijski
    ubojica od svih, Jack Trbosjek
  • 24:16 - 24:18
    je ubio pet žena u zapadnom Londonu.
  • 24:20 - 24:25
    Od tada, bezbroj ljudi je pokušavalo
    riješiti misteriju Trbosjekovog identiteta.
  • 24:26 - 24:28
    Rossmo misli da bi ga mogao pratiti
  • 24:28 - 24:30
    bez da vidi ijedan dokaz.
  • 24:32 - 24:35
    Zbog toga što je radio tamo gdje
    je Trbosjek vjerojatno živio.
  • 24:35 - 24:38
    Bazirano samo na lokacijama zločina.
  • 24:39 - 24:43
    Flower i Dean Street bi trebale
    biti ishodište njihove potrage.
  • 24:44 - 24:47
    A sve što je trebalo
    napraviti je jednadžba.
  • 24:51 - 24:53
    Po prirodi mi smo lijenčine,
  • 24:53 - 24:55
    a kriminalci isto kao i svi ostali.
  • 24:56 - 24:59
    Oni žele izvršiti svoje ciljeve
    blizu kuće radije nego negdje dalje,
  • 24:59 - 25:02
    jer to iziskuje mnogo truda,
    mnogo vremena, mnogo putovanja.
  • 25:04 - 25:06
    Prva polovica Rossmove jednadžbe
  • 25:06 - 25:09
    modela je poznata kao
    princip najmanjeg truda.
  • 25:10 - 25:12
    To znači da je lokacija zločina
  • 25:12 - 25:17
    statistički bliže mjestu
    gdje zločinac živi.
  • 25:17 - 25:20
    Ako imate priliku otići
    u dućan iza ugla po kruh
  • 25:20 - 25:23
    ili u onu koja je 5 km niz cestu,
    odabrat ćete dućan iz ugla.
  • 25:24 - 25:27
    Jezivo je korištenje iste
    stvari na serijskom ubojici
  • 25:27 - 25:29
    kao što je kupnja kruha ili mlijeka.
  • 25:30 - 25:34
    Zapravo, ako možemo preći
    preko grozne prirode tih zločina
  • 25:35 - 25:38
    i prepoznati da su ljudi poput nas,
  • 25:39 - 25:41
    možemo, jer razumijemo sebe,
  • 25:42 - 25:44
    možda razumjeti te osobe.
  • 25:46 - 25:48
    Druga polovica jednadžbe
  • 25:48 - 25:51
    opisuje nešto kao tampon područje.
  • 25:51 - 25:54
    Kriminalci izbjegavaju
    napraviti zločin preblizu kući,
  • 25:54 - 25:56
    iz straha od privlačenja pozornosti na sebe.
  • 25:58 - 26:02
    Odnosi ta dva ponašanja, dozvoljavaju Rossmu
  • 26:02 - 26:05
    da izračuna najvjerojatniju
    lokaciju zločina.
  • 26:06 - 26:09
    Te osobe moraju ne samo dostići svoj cilj
  • 26:09 - 26:10
    ili uhvatiti žrtvu
  • 26:10 - 26:14
    već izbjeći uhićenje i svjedoke
    koji ih mogu identificirati.
  • 26:19 - 26:21
    Tu tehniku, poznatu kao
    zemljopisno profiliranje,
  • 26:22 - 26:24
    koriste policije svijeta.
  • 26:31 - 26:34
    Policija istražuje
    mogućnost male eksplozije
  • 26:34 - 26:36
    blizu podružnice Barclay
    Banke u Zapadnom Londonu
  • 26:37 - 26:39
    koja je djelo ucjenjivača.
  • 26:39 - 26:40
    Policija vjeruje da zahtjev
  • 26:40 - 26:42
    dolazi od ucjenjivača znanog kao Mardi Gra.
  • 26:45 - 26:48
    Kasnih 90-tih Rossma su
    pozvali u Scotland Yard
  • 26:49 - 26:52
    da pomogne uhvatiti ozloglašenog
    bombaša Mardi Gra-a,
  • 26:52 - 26:55
    koji je tri godine vodio kampanju terora
  • 26:56 - 26:58
    protiv banaka i supermarketa.
  • 26:58 - 27:01
    Sedamnaestogodišnjak se oporavljao
    u bolnici nakon što je ozlijeđen
  • 27:01 - 27:04
    u eksploziji u Sainsburyjevom
    dućanu u sjevernom Londonu.
  • 27:04 - 27:06
    Policija savjetuje
    javnosti da bude na oprezu.
  • 27:06 - 27:10
    U stvari, mogli su samo čekati što
    će Mardi Gra slijedeće napraviti.
  • 27:16 - 27:19
    Koliko je bombi ostavio za to vrijeme?
  • 27:19 - 27:23
    Ukupno, 36 poznatih povezanih napada.
  • 27:23 - 27:26
    Kao što možete vidjeti,
    proteže se od sjevera Cambridge-a,
  • 27:27 - 27:29
    sve dolje do Doverskog tjesnaca.
  • 27:29 - 27:31
    Ali većina je u središtu Londona.
  • 27:32 - 27:35
    Znači ova karta pokazuje lokacije
    svih bombi koje su postavljene?
  • 27:36 - 27:39
    - Tako je.
    - To je svakako koncentriranje na London,
  • 27:39 - 27:42
    ali izgleda prilično slučajno raspršeno.
  • 27:42 - 27:45
    Sada ćete prenijeti te
    lokacije u jednadžbu?
  • 27:46 - 27:49
    Da. I ono što smo dobili je geo-profil.
  • 27:49 - 27:52
    To nam pokazuje najvjerojatniju lokaciju
  • 27:53 - 27:54
    gdje kriminalac živi.
  • 27:54 - 27:58
    Tamno narančastom je označeno gdje bi
    mogao biti ili gdje je najvjerojatnije.
  • 27:58 - 28:02
    Znači da možemo vidjeti da je
    žarište oko područja Chiswick.
  • 28:02 - 28:05
    U stvari, u izvješću koje
    smo pripremili za Scotland Yard,
  • 28:05 - 28:07
    čak smo dali prioritet
    poštanskih brojeva za to.
  • 28:08 - 28:10
    I koliko je to bilo
    uspješno u ovom slučaju?
  • 28:10 - 28:12
    Pa, da vam pokažem lokacije...
  • 28:13 - 28:15
    dvojice braće, Edgara i Ronalda Pearce-a.
  • 28:16 - 28:19
    Stvarni, to je stvarno u
    vrućoj zone, jel'? -Da.
  • 28:19 - 28:21
    Edgarova kuća je na vrhu od 0.8%
  • 28:22 - 28:24
    područja zločina u središnjem Londonu
  • 28:25 - 28:27
    - Znači manje od 1%.
    - To je neobično.
  • 28:31 - 28:35
    Edgar Pearce je tražio
    Ł10,000 na dan od Barclaya.
  • 28:35 - 28:39
    I kada su on i njegov brat
    pokušali pokupiti novac u Chiswicku,
  • 28:40 - 28:41
    policija je čekala.
  • 28:41 - 28:44
    Dva brata 60-ih godina je sudac pritvorio
  • 28:45 - 28:47
    i povezao s tzv. Mardi Gra bombama.
  • 28:48 - 28:50
    Ronald i Edgar Pearce, obojica
    iz Chiswicka u Zapadnom Londonu,
  • 28:51 - 28:54
    svaki suočen s tri optužbe za zavjeru.
  • 28:55 - 28:58
    Bazirano na prividno
    slučajnim lokacijama 36 bombi,
  • 28:59 - 29:03
    Rossmovo zemljopisno profiliranje
    suzilo je lokaciju Mardi Gra bombaša
  • 29:04 - 29:07
    sa 780 kvadratnih kilometara
    na poštanski broj u Chiswicku.
  • 29:11 - 29:13
    Iako je njegov brat, Ronald, oslobođen
  • 29:13 - 29:18
    Edgar Pearce je priznao krivnju
    i osuđen na 21 godinu zatvora.
  • 29:18 - 29:22
    Da li mislite da je bombašbio
    svjestan da radi takve uzorke?
  • 29:22 - 29:25
    Ne, nije. Ljudima je vrlo teško
  • 29:26 - 29:28
    postići potpuno slučajno ponašanje.
  • 29:35 - 29:38
    Malo nas je koji smo svjesni
    uzoraka koje ostavljamo iza sebe.
  • 29:41 - 29:43
    Od načina kako se krećemo u gomili...
  • 29:46 - 29:48
    ...do izbora koje radimo u igri...
  • 29:48 - 29:50
    Papir pokriva kamen!
  • 29:50 - 29:53
    Žrtva je ovdje nađena...
  • 29:53 - 29:55
    ...ili čak kako izvršimo ubojstvo.
  • 29:56 - 29:59
    U stvarnosti, ti zločini nisu slučajni...
  • 29:59 - 30:01
    Niti jedan nije slučajan.
  • 30:01 - 30:05
    Svi su dijelovi Koda.
  • 30:06 - 30:08
    Oni su uvijek tužibaba uzorci.
  • 30:08 - 30:11
    Ako smo u stanju ih protumačiti,
  • 30:12 - 30:15
    možemo koristiti te uzorke
    da modeliramo naše ponašanje.
  • 30:15 - 30:19
    A to vodi do intrigantne mogućnosti
  • 30:20 - 30:24
    da ako možemo svesti ljudsko ponašanje
    na brojeve, možemo predviđati budućnost
  • 30:26 - 30:30
    na isti način kako predviđamo
    kretanje planeta ili putanju lopte.
  • 30:40 - 30:44
    Ali naravno, naši životi ne
    izgledaju kao da idu potpuno glatko,
  • 30:44 - 30:49
    i budućnost rijetko ispadne
    onako kako smo planirali.
  • 30:50 - 30:53
    Mogu imati dobru ideju što ću
    raditi sutra ili čak drugi tjedan,
  • 30:54 - 30:58
    ali kako prolaze tjedni, mjeseci i godine,
    naša budućnost postaje sve nesigurnija.
  • 31:02 - 31:06
    Svaka odluka koju donesemo, svaka
    situacija u kojoj se nađete,
  • 31:07 - 31:11
    svaka osoba koju sretnemo,
    upućuje našživot drugim putem.
  • 31:12 - 31:15
    Dok gledate svaku granu
    koja pluta nizvodno, nema
  • 31:15 - 31:17
    sigurnog načina da bi
    predvidjeli njegovu sudbinu.
  • 31:18 - 31:22
    Mogao bih se kockati i pogađati
    gdje će štap biti za dvije minute.
  • 31:23 - 31:25
    Ali što će biti za dva sata? Dva dana?
  • 31:26 - 31:28
    '... prolaze godine, naša
    budućnost postaje sve nesigurnija. '
  • 31:29 - 31:34
    Život ponekad izgleda toliko nepredvidljiv
    da mislimo da je čista slučajnost.
  • 31:35 - 31:38
    U stvari uopće nije slučajan.
  • 31:39 - 31:41
    Jednostavan slijed uzroka i posljedice.
  • 31:41 - 31:43
    Čudna nesreća.
  • 31:44 - 31:46
    Oprostite.
  • 31:46 - 31:47
    Malo kašnjenje.
  • 31:47 - 31:49
    Propušten autobus.
  • 31:49 - 31:51
    Prekršeno obećanje.
  • 31:52 - 31:56
    Tu ima milijun faktora koji se umiješaju
    i utiču na naše putovanje kroz život,
  • 31:59 - 32:04
    i najmanji pomak bilo kojeg od njih može
    kompletno promijeniti smjer budućnosti.
  • 32:05 - 32:07
    Bijeli je uhvaćen u brani,
    ali crveni stvarno brz.
  • 32:20 - 32:23
    Mislim da bi to bila
    dobra pozicija za pecanje.
  • 32:23 - 32:27
    Evo dolazi i bijeli. Sad je ispred crvenog.
  • 32:28 - 32:32
    I bijeli je pobjednik.
  • 32:32 - 32:34
    Da, dajmo mu jošjednu priliku.
  • 32:34 - 32:38
    Istina je, naši živote kontrolira
    najsnažniji Kod od svih...
  • 32:41 - 32:43
    Kod kaosa.
  • 32:46 - 32:49
    Naši životi nisu
    slučajni, oni su kaotični,
  • 32:50 - 32:54
    zapetljana mreža uzroka i
    posljedica gdje beznačajan trenutak
  • 32:55 - 32:59
    može narasti u događaj koji
    mijenja naše živote zauvijek.
  • 33:00 - 33:04
    Svaka razlika, bez obzira kako mala,
    može imati veliki efekt na rezultat.
  • 33:06 - 33:09
    Ta nevjerojatna osjetljivost
    i na najmanje promjene
  • 33:10 - 33:12
    je jedna od onih koje
    definiraju značajke kaosa.
  • 33:18 - 33:23
    Zbog toga što sistemi kaosa izgledaju
    slučajno, često je teško vidjeti uzorak.
  • 33:25 - 33:30
    I to nas je dovelo do toga da pogrešno
    tumačimo našsvijet na spektakularan način.
  • 33:38 - 33:40
    U ovoj zemlji s mnogo
    misterija, čudna činjenica
  • 33:41 - 33:44
    je da se te velike legende
    skupljaju oko malenih stvorenja.
  • 33:45 - 33:49
    Jedan od njih je plašljivi
    glodavac koji se zove leming.
  • 33:49 - 33:53
    Ovdje je stvarna živa legenda,
    rekli bi za ovu malu životinjicu
  • 33:53 - 33:57
    da radi masovno samoubojstvo
    grupnom jurnjavom u more.
  • 33:57 - 34:00
    Ovaj film iz 1958. godine
  • 34:00 - 34:03
    je snimljen da objasni neobuzdanu fluktuaciju
  • 34:03 - 34:05
    populacije ovih malih glodavaca.
  • 34:12 - 34:16
    Ispred je arktička obala i dalje je more.
    I dalje male životinje srljaju naprijed.
  • 34:22 - 34:25
    Njihov bijes ih gura dolje,
  • 34:26 - 34:29
    stvarajući odrone
    klizajućeg tla i stijenja.
  • 34:33 - 34:35
    Legenda o leminzima sklonih samoubojstvu
  • 34:35 - 34:39
    je prihvatljivo objašnjenje zašto je
    Arktik jedne godine preplavljen njima
  • 34:40 - 34:41
    a druge ih uopće nema.
  • 34:41 - 34:45
    Došli su do samog ruba.
  • 34:46 - 34:48
    Ovdje je zadnja prilika za povratak.
  • 34:53 - 34:56
    Ipak kreću, bacajući se u bezdan
  • 35:01 - 35:04
    Ovaj je film popularizirao
    uvjerenje da su leminzi
  • 35:04 - 35:06
    glupi, nepromišljeni i skloni samoubojstvu.
  • 35:08 - 35:10
    Sama riječ "leming" dobiva
    sasvim drugo značenje.
  • 35:15 - 35:18
    Međutim, problem je da to nije točno.
  • 35:19 - 35:22
    U stvari, tvrdili su da
    je cijela stvar lažna.
  • 35:26 - 35:30
    Filmaši su izgleda dovezli
    stotinjak uzgojenih leminga
  • 35:31 - 35:33
    i dovezli ih do litice uz more.
  • 35:37 - 35:40
    Uskoro je Arktičko more bilo
    nakićeno malim ljuljajućim tijelima.
  • 35:44 - 35:48
    I tako je odglumljena legenda
    o masovnom samoubojstvu.
  • 35:49 - 35:51
    Sad, bez obzira kako privlačno to zvuči,
  • 35:51 - 35:53
    razlog za navodnu lemingovu
    izopačenost proizlazi
  • 35:54 - 35:56
    ne toliko od ignoriranje moralnog kodeksa,
  • 35:56 - 35:58
    već prije od matematičkog.
  • 35:59 - 36:03
    Ono što nitko nije znao u to
    vrijeme da je nevjerojatna fluktuacija
  • 36:05 - 36:08
    broja leminga nema veze
    s masovnim samoubojstvom.
  • 36:10 - 36:12
    To je sve zbog kaosa.
  • 36:13 - 36:15
    Ovdje je jednostavna jednadžba u osnovi.
  • 36:18 - 36:22
    Dakle, ako želimo znati koliko
    leminga će biti slijedeće godine,
  • 36:23 - 36:26
    ono što trebam je uzeti
    ovogodišnju populaciju, "P",
  • 36:26 - 36:29
    i pomnožiti ju sa stopom rasta "R".
  • 36:29 - 36:32
    Ali neće svi leminzi preživjeti,
  • 36:32 - 36:36
    pa je ovdje dio jednadžbe koja mi kaže
    koliko leminga će umrijeti u toku godine.
  • 36:36 - 36:39
    Dakle, R puta P puta P.
  • 36:39 - 36:42
    Može napisati jednadžbu ponovo
  • 36:42 - 36:47
    kao stopa rasta R puta P puta jedan minus P.
  • 36:47 - 36:50
    Sad, ta jednadžba nije
    specifična za leminge,
  • 36:50 - 36:52
    ona je primjenjiva za bilo
    koju životinjsku populaciju.
  • 36:53 - 36:57
    Interesantan dio jednadžbe
    je ovaj broj R, stopa rasta.
  • 36:57 - 37:00
    Zbog toga što smo uzeli
    različite vrijednosti za R,
  • 37:00 - 37:03
    dobit ćemo jako različita
    ponašanja stope rasta.
  • 37:05 - 37:08
    Stopa rasta određuje kako
    brzo će se populacija širiti.
  • 37:09 - 37:12
    Za većinu sisavaca je obično ispod 2.
  • 37:13 - 37:16
    Sa stopom rasta u tom
    rangu, jednadžba predviđa
  • 37:17 - 37:20
    da će populacija rasti dok se ne
    stabilizira na nekoj vrijednosti.
  • 37:21 - 37:25
    Ali leminzi su jedni od najbrže
    reproduktivnih sisavaca na planeti.
  • 37:27 - 37:30
    Uzmimo da je R jedna 3.1
  • 37:30 - 37:35
    Broj leminga se ne stabilizira, već
    skače između dviju vrijednosti.
  • 37:35 - 37:40
    Dakle, populacija je brojna, pa
    mala, ponovo brojna, pa opet mala.
  • 37:40 - 37:44
    Kada stopa rasta pređe
    vrijednost malo preko 3.57
  • 37:45 - 37:49
    tada se dogodi nešto izuzetno neočekivano.
  • 37:49 - 37:52
    Radije nego smirivanje na fiksnom broju,
  • 37:52 - 37:57
    ili fluktuaciji između dviju vrijednosti,
    njihova populacija bukne u kaos.
  • 37:59 - 38:03
    Kuga skoro biblijskih razmjera, ih pomete
    skoro do izumiranja od godine do godine.
  • 38:05 - 38:09
    Skoro je nemoguće predvidjeti
    koliko leminga ćete imati.
  • 38:09 - 38:12
    U stvari, djeluje da
    ovdje nema uzorka uopće.
  • 38:12 - 38:16
    Naravno, to je upravo ono
    što se vidi u stvarnosti.
  • 38:17 - 38:20
    Nepredvidiva ekspanzija
    i pad populacije leminga.
  • 38:22 - 38:25
    Leminzi su jedni od par stvorenja
    na Zemlji koji se pare tako brzo
  • 38:26 - 38:29
    da njihova stopa rasta ponekad
    pređe tu kritičnu točku.
  • 38:33 - 38:37
    To je tako čudan fenomen da masovno
    samoubojstvo izgleda kao uvjerljiv odgovor.
  • 38:38 - 38:41
    Ali pravo objašnjenje dolazi iz Koda.
  • 38:41 - 38:43
    Iz ove jednadžbe.
  • 38:48 - 38:53
    Problem je što ne možemo znati koliko točno
    će se leminga roditi, a koliko umrijeti.
  • 38:54 - 38:58
    A mala razlika u stopi rasta
    daje potpuno različit odgovor.
  • 39:00 - 39:04
    I to je cijela istina svih
    jednadžbi modela kaosa.
  • 39:04 - 39:08
    Iako one mogu objasniti
    kako se nešto događa,
  • 39:08 - 39:11
    one su skoro beskorisne za
    predviđanje budućnosti.
  • 39:19 - 39:22
    Mogu koristiti jednadžbu da bih
    izračunao gdje će lopta pasti,
  • 39:23 - 39:25
    zbog toga što i da sam
    pogriješio u mjerenjima,
  • 39:26 - 39:28
    to bi dalo malu razliku u krajnjem rezultatu.
  • 39:29 - 39:34
    Lopta će ići rampom
    pod kutom od 49.1 stupanj.
  • 39:34 - 39:37
    Ali kad bi se lopta
    ponašala po pravilima kaosa,
  • 39:38 - 39:40
    i najmanji pomak u poziciji lopte
  • 39:40 - 39:45
    ili kutu otpuštanja bi
    dramatično promijenio putanju.
  • 39:48 - 39:50
    Nemam pojma da li bi jednostavno samo pala
  • 39:51 - 39:53
    na kraju rampe.
  • 39:55 - 39:58
    Ili bi odletjela u orbitu.
  • 40:03 - 40:06
    Nemam pojma gdje bi stavio svoju ležaljku.
  • 40:08 - 40:12
    Ispada da je velik dio svijeta kaotičan
  • 40:12 - 40:15
    radeći ga skoro nemogućim za predviđanje.
  • 40:18 - 40:20
    Ali nas to ne sprječava u pokušajima.
  • 40:25 - 40:27
    Znajući da li će sunce sjati
  • 40:27 - 40:30
    ili će se nebo otvoriti
    je opsjednutost Britanaca.
  • 40:31 - 40:34
    No, pokušaj planiranja naših
    života oko hirova vremena
  • 40:35 - 40:37
    čini gotovo uzaludnim.
  • 40:43 - 40:47
    Iako imamo precizne jednadžbe
    koje mogu opisati kako sukobljene
  • 40:47 - 40:50
    zračne mase međusobno djeluju da
    bi stvorile oblake, vjetar i kišu,
  • 40:51 - 40:55
    to nam u stvari ne pomaže
    mnogo u našim predviđanjima.
  • 41:00 - 41:05
    Zbog toga jer nikada nećemo znati
    točnu brzinu svakog djelića zraka.
  • 41:06 - 41:08
    Točnu temperaturu u svakoj točci prostora,
  • 41:08 - 41:11
    ili tlak skroz po cijeloj planeti.
  • 41:11 - 41:14
    I samo mala varijacija bilo čega
  • 41:14 - 41:16
    može dati ogromnu razliku u prognozi.
  • 41:22 - 41:26
    Ovo je karta kako vrijeme
    izgleda upravo sada.
  • 41:26 - 41:31
    Plave linije predstavljaju hladnu frontu a
    crvene linije predstavljaju toplu frontu..
  • 41:32 - 41:33
    Da bi napravili predviđanje
  • 41:33 - 41:36
    ono što moramo napraviti je da uzmemo
    matematičke jednadžbe za vrijeme
  • 41:37 - 41:39
    i kreiramo model.
  • 41:39 - 41:43
    Nevolja je u tome što ne
    znamo točne atmosferske uvjete,
  • 41:43 - 41:45
    pa uzimamo podataka koliko je moguće.
  • 41:46 - 41:50
    Tada napravim male promjene u
    podacima i model pokrenem opet
  • 41:51 - 41:55
    i opet i opet i ono što dobijem su različita
    predviđanja obzirom na te male varijacije.
  • 41:57 - 42:00
    Dakle, za sutra, predviđanja
    su prilično slična.
  • 42:01 - 42:04
    Imamo mnogo plavih linija zajedno
    koje predviđaju hladnu frontu.
  • 42:05 - 42:08
    Mnogo crvenih linija koje
    predviđaju toplu frontu.
  • 42:08 - 42:11
    Ali pogledajmo što se dogodi
    kada pogledam malo dalje.
  • 42:12 - 42:15
    Dva dana, tri dana unaprijed.
  • 42:16 - 42:20
    Možete vidjeti da se ta različita
    predviđanja počinju širiti.
  • 42:20 - 42:23
    I dalje možete vidjeti
    neku vrstu uzorka u vremenu
  • 42:23 - 42:26
    ali ako se pomaknem tjedan dana unaprijed...
  • 42:27 - 42:31
    .. i ne mogu niti nagađati
    što će se dogoditi s vremenom.
  • 42:31 - 42:33
    Crvene i plave linije su na sve strane.
  • 42:34 - 42:36
    Jedno predviđanje kaže da će biti
    vruće, drugo kaže da će biti hladno.
  • 42:37 - 42:40
    A ako idem deset dana unaprijed,
  • 42:41 - 42:44
    izgleda kao zdjela sa špagetima.
  • 42:44 - 42:49
    Nema apsolutno nikakvog načina da se
    napravi predviđanje toliko daleko unaprijed.
  • 42:50 - 42:52
    Zašto samo nakon par dana,
  • 42:52 - 42:55
    vremenska prognoza postaje
    tako spektakularno kriva.
  • 43:00 - 43:03
    Jednom kad prihvatimo kaotičnost atmosfere,
  • 43:04 - 43:08
    možemo razumjeti da najmanje
    promjene u početnom stanju
  • 43:08 - 43:11
    mogu dramatično izmijeniti
    što će se dogoditi.
  • 43:14 - 43:18
    Pokret samo jedne molekule zraka
    može biti umnožen tijekom vremena
  • 43:19 - 43:21
    i postići ogromni efekt
    na vrijeme kao cjelinu.
  • 43:25 - 43:28
    To fenomen nazivamo "leptirov efekt".
  • 43:28 - 43:33
    Ideja da tako nešto malo
    kao zamah leptirovih krila
  • 43:34 - 43:36
    može promijeniti atmosferu
  • 43:36 - 43:40
    koja može bespovratno voditi do
    tornada na drugom kraju svijeta.
  • 43:59 - 44:02
    U gomili, uzorci koje činimo
    su nevjerojatno predvidljivi.
  • 44:05 - 44:09
    Čak i kao pojedinci naše
    akcije kontrolira Kod.
  • 44:14 - 44:16
    I kod zamršenih kaotičnih
    sistema kao što je vrijeme,
  • 44:17 - 44:21
    otkrili smo dokaze Koda u
    onom što smo nekoć mislili
  • 44:21 - 44:24
    da je nevjerojatno složeno.
  • 44:26 - 44:28
    Kada pogledamo stvari iz drugog kuta,
  • 44:29 - 44:31
    iznenađujući uzorci se pojavljuju.
  • 44:34 - 44:38
    Uzorci koje može otkriti definiranjem
    istine o nama samima i našoj budućnosti.
  • 44:48 - 44:51
    1906. godine nesretna krava
    je platila svojim životom
  • 44:52 - 44:54
    mjesto u matematičkoj povijesti.
  • 44:54 - 44:56
    Jedan.
  • 44:56 - 44:57
    Deset.
  • 44:57 - 44:59
    264.
  • 44:59 - 45:01
    417.
  • 45:01 - 45:06
    Krava je bila predmet "pogodi-težinu"
    natjecanja na seoskom sajmu.
  • 45:07 - 45:09
    Sretnik koji bi došao najbliže
  • 45:09 - 45:12
    dobio bi zaklanu životinju.
  • 45:13 - 45:15
    1,020.
  • 45:16 - 45:17
    2,137.
  • 45:17 - 45:20
    Zapanjujuće je da nitko nije pogodio točno.
  • 45:21 - 45:22
    .. 570.
  • 45:22 - 45:24
    I svi su bili u pravu.
  • 45:26 - 45:28
    4,510.
  • 45:30 - 45:32
    Da bih vam pokazao kako su to napravili,
  • 45:32 - 45:36
    neću koristiti kravu, već
    posudu sa žele bombonima.
  • 45:40 - 45:42
    450?
  • 45:42 - 45:43
    800?
  • 45:43 - 45:44
    12,000.
  • 45:44 - 45:46
    7,000.
  • 45:46 - 45:48
    Što mislite koliko žele
    bombona ima u ovoj posudi?
  • 45:49 - 45:50
    Hmmm,
  • 45:50 - 45:52
    50...
  • 45:53 - 45:54
    80 tisuća.
  • 45:54 - 45:56
    80 tisuća?
  • 45:56 - 45:58
    Ne, zapravo 50,000.
  • 45:59 - 46:01
    50,000. OK, da.
  • 46:05 - 46:09
    Jako je teško bilo kome pogoditi
    koliko žele bombona ima ovdje.
  • 46:10 - 46:14
    Pitao sam 160 ljudi i većina
    je bila daleko od točnog.
  • 46:15 - 46:20
    Sve od 400 pa do 50,000 bombona.
  • 46:20 - 46:25
    U stvari, samo četvero ljudi je
    bilo blizu točnog odgovora od 4,510.
  • 46:27 - 46:32
    Plus 1,500, plus 3,217, plus 83...
  • 46:37 - 46:39
    Ako zbrojim sve odgovore
    zajedno i uzmem prosjek
  • 46:39 - 46:41
    dobijem kombinirano pogađanje cijele grupe.
  • 46:44 - 46:46
    Plus, 4,000, plus 5,000,
  • 46:46 - 46:48
    463,
  • 46:49 - 46:52
    Plus 853, plus 1,000,
  • 46:53 - 46:55
    plus 5,000...
  • 46:55 - 46:58
    Što daje ukupno
  • 46:58 - 47:03
    722,383.5.
  • 47:04 - 47:06
    Netko je mislio da je tamo polovica bombona.
  • 47:07 - 47:12
    Bilo je 160 pogađanja, pa možemo
    pogledati koliko su zajedno bili blizu.
  • 47:13 - 47:16
    Ovo je izuzetno.
  • 47:17 - 47:20
    Sjećate se da ih je bilo 4,510.
  • 47:20 - 47:25
    Prosjek pogađanja bombona je 4,515.
  • 47:27 - 47:30
    Mislio sam da će biti
    blizu, ali ne TOLIKO blizu.
  • 47:30 - 47:31
    To je besmisleno.
  • 47:31 - 47:36
    Imali smo pogađanje u širokom
    rasponu, od 400 pa sve do 30,000,
  • 47:36 - 47:40
    a kolektivno smo dobili samo razliku od 0.1%
  • 47:41 - 47:43
    od stvarnog broja bombona ovdje.
  • 47:44 - 47:47
    Pojedinačno, pogađanje
    je upravo to, pogađanje.
  • 47:48 - 47:52
    Ali kada ih sakupite
    postaju nešto posve drugo.
  • 47:52 - 47:57
    - 5,000. -
    1,450. - 9,200.
  • 47:58 - 48:01
    Tendencija je da će više ili manje ljudi
  • 48:01 - 48:05
    podcijenit broj žele bombona isto
    kao i oni koji će to precijeniti.
  • 48:06 - 48:08
    - 1,763...
    - 6,000.
  • 48:09 - 48:13
    Par ljudi će biti daleko
    od točnog, ali to nema veze.
  • 48:13 - 48:18
    Ukoliko pitate dovoljan broj ljudi,
    greške će poništavati jedna drugu.
  • 48:19 - 48:24
    - 1,000. -
    1,275. - 700?
  • 48:24 - 48:28
    Točnost grupe je puno veća od pojedinca.
  • 48:29 - 48:31
    To nazivamo "mudrost gomile".
  • 48:32 - 48:36
    160 ljudi je moćan alat da saznate
    koliko žele bombona ima u posudi.
  • 48:41 - 48:44
    Ali zamislite što možete
    učiniti s gomilom od milijuna.
  • 48:47 - 48:50
    To je upravo ono što čine ovdje u Googlu.
  • 48:52 - 48:55
    S pristupom preko dvije
    milijarde pretraživanja dnevno,
  • 48:55 - 49:00
    Google je našao način dobivanja
    mudrosti najveće gomile na Zemlji.
  • 49:00 - 49:02
    Radeći to,
  • 49:02 - 49:07
    u stanju su otkriti sile koje
    kontroliraju naše živote,
  • 49:08 - 49:10
    i upregnuti ih na rade predviđanja za nas.
  • 49:11 - 49:14
    Razmislite o stvarima koje
    ljudi traže na dnevnoj bazi.
  • 49:14 - 49:17
    Zamislite što VI tražite na dnevnoj bazi.
  • 49:18 - 49:22
    Danas sam tražio gradove u
    Meksiku i filmove u Hackneyu.
  • 49:23 - 49:26
    Mnogo ljudi bi moglo tražiti slično...
  • 49:26 - 49:29
    sličnu stvar, filmove
    u Hackneyu, na primjer.
  • 49:29 - 49:33
    I kada pogledate te
    upite u zadnje tri godine,
  • 49:33 - 49:36
    kako izgleda uzorak za taj termin.
  • 49:40 - 49:43
    Google je imao predosjećaj da bi
    mogli koristiti sva naša pretraživanja
  • 49:44 - 49:46
    za stvaranje predviđanja o našim životima.
  • 49:48 - 49:51
    Željeli su vidjeti da li mogu spariti
    uzorak određenog pretraživanja
  • 49:52 - 49:54
    s događajima u realnom svijetu.
  • 49:55 - 49:59
    Google je počeo s praćenjem da
    li mogu predvidjeti izbijanje gripe.
  • 50:01 - 50:04
    Gripa ima krasan sezonski uzorak
  • 50:05 - 50:09
    te zbog toga što ima uzorak
    svake godine tijekom mnogo godina,
  • 50:10 - 50:12
    u mogućnosti smo... dobiti ovakav trend
  • 50:12 - 50:16
    i reći koje pretraživanje odgovara uzorku.
  • 50:17 - 50:20
    Tako smo napravili batu
    podataka koja je uključivala
  • 50:20 - 50:23
    preko 50 milijuna različitih
    termina pretrage. -50 milijuna?
  • 50:23 - 50:24
    - Da.
    - O, da.
  • 50:24 - 50:27
    Nismo uključili stvari
    koje se odnose samo na gripu.
  • 50:28 - 50:30
    Uključili smo stvari kao
    što je Britney Spears ili...
  • 50:30 - 50:32
    Sve za čim ljudi tragaju je uključeno.
  • 50:35 - 50:38
    Kada Google baci pogled
    unatrag u pet godina podataka,
  • 50:39 - 50:43
    pojavljuju se određeni termini pretrage
    čija popularnost točno odgovara
  • 50:43 - 50:45
    uzorku slučajeva gripe.
  • 50:45 - 50:49
    Dakle, kada ljudi traže
    stvari poput "simptomi"
  • 50:50 - 50:52
    ili "lijekovi" ili "grlobolja".
  • 50:53 - 50:56
    Ima jošostalih stvari kao "komplikacija".
  • 50:57 - 51:01
    - Dakle, kažete da količina i
    vrsta pretraživanja vezana na gripu
  • 51:01 - 51:06
    skoro točno odražavaju stvarne slučajeve
    gripe koja se pojavljuje u populaciji? -Točno.
  • 51:07 - 51:12
    To je pokazatelj aktivnosti gripe samo na
    osnovi što mnogo ljudi traži te pojmove.
  • 51:12 - 51:14
    Bili smo zapanjeni tim nalazom.
  • 51:20 - 51:22
    Što prije vidi taj uzorak
    termina pretraživanja
  • 51:23 - 51:26
    Google može predvidjeti
    kada će izbiti gripa.
  • 51:26 - 51:29
    Često i prije nego ljudi odu kod doktora.
  • 51:32 - 51:36
    To je izuzetna snaga Koda.
  • 51:39 - 51:42
    Ali to je samo vrh ledenog brijega.
  • 51:42 - 51:44
    Pretraživanja koja radimo se
    mogu koristiti za predviđanje
  • 51:44 - 51:46
    kuda ćemo ići na godišnji odmor.
  • 51:46 - 51:48
    Koji model auta ćemo kupiti.
  • 51:49 - 51:51
    Ili kako ćemo glasati na izborima,
  • 51:51 - 51:53
    često prije nego i sami to znamo.
  • 51:55 - 51:59
    Čak je moguće prognozirati kretanje burze
  • 51:59 - 52:02
    iz broja negativnih riječi
    koje se koriste na Twetteru.
  • 52:07 - 52:11
    Analizirajući takve količine podataka,
    ne samo da nam dopušta predviđanja,
  • 52:12 - 52:16
    već nam također kaže
    nešto osnovno o nama samima.
  • 52:21 - 52:23
    Možete gledati na grad
    kao što je ovaj i to
  • 52:23 - 52:25
    izgleda kao, znate, neki
    proizvoljni zbrkani nered.
  • 52:26 - 52:30
    Ipak, grad SU ljudi.
  • 52:30 - 52:32
    To nisu zgrade i ulice.
  • 52:33 - 52:36
    To je pozornica gdje stvarni glumci
  • 52:36 - 52:39
    pričaju priču o civilizaciji.
  • 52:43 - 52:45
    Geoffrey West je fizičar koji je posvetio
  • 52:45 - 52:47
    život pokušaju da vidi
    smisao uzorka u svemiru.
  • 52:49 - 52:53
    Sada je pažnju usmjerio dinamici
    ljudskog života u gradovima.
  • 52:59 - 53:03
    Ovdje možete vidjeti
    sve vrste infrastrukture.
  • 53:04 - 53:08
    Ono što je očito, ceste,
    električni vodovi, kanalizacija.
  • 53:10 - 53:13
    To je izvanredna mreža
    koja podržava New York.
  • 53:14 - 53:16
    Znate, pristupajući tomu kao fizičar,
  • 53:16 - 53:21
    imao sam osjećaj da se ispod toga krije Kod.
  • 53:24 - 53:29
    West je skupio podatke o
    gradovima iz cijelog svijeta.
  • 53:29 - 53:33
    I uzorke koje je našao znače da
    za svaku danu veličinu populacije,
  • 53:33 - 53:35
    može predvidjeti količinu cesta
  • 53:35 - 53:40
    električnih vodova ili
    uredski prostor koji grad ima.
  • 53:43 - 53:46
    Ali je također otkrio nešto
    jošviše iznenađujuće.
  • 53:50 - 53:55
    Jedan od najinteresantnijih rezultata
    koje smo dobili je bio, hmm...
  • 53:56 - 54:00
    Wage je mjerio vrlo sistematično
  • 54:00 - 54:04
    i pravilo koje je proizašlo iz toga
    je ako udvostručite veličinu grada,
  • 54:04 - 54:08
    dobivate 15% veću plaću.
  • 54:09 - 54:13
    Ako živite u većem gradu,
    zarađujete više? -Da.
  • 54:13 - 54:15
    Znači, ako imate dva matematičara
  • 54:16 - 54:19
    u dva različita grada - jedan dvostruko
    veći od drugog - koji rade isti posao,
  • 54:19 - 54:24
    - jedan će imati veći prihod?
    - U prosjeku, to je ono što podaci pokazuju.
  • 54:24 - 54:26
    To je bilo iznenađenje kada ste
    to vidjeli? -Veliko iznenađenje.
  • 54:27 - 54:29
    Mislio sam da je nešto pogrešno u podacima.
  • 54:30 - 54:34
    A tada je to bilo kao "Naravno!
    Zato gradovi i postoje. "
  • 54:40 - 54:43
    Nevjerojatno, i nisu samo prihodi koji rastu.
  • 54:44 - 54:48
    Kada se grad udvostruči, svako mjerenje
    socijalne ili ekonomske aktivnosti
  • 54:49 - 54:52
    raste za 15% po osobi.
  • 54:52 - 54:56
    Tako imate 15% više
    restorana koje možete birati.
  • 54:56 - 55:00
    15% više umjetničkih galerija
    za posjetiti. 15% više trgovina
  • 55:02 - 55:05
    Ukratko, život postaje 15% bolji.
  • 55:11 - 55:13
    Znate, to izgleda kao čarobna formula
  • 55:14 - 55:17
    koju smo kao socijalna
    ljudska bića otkrili...
  • 55:20 - 55:25
    .. taj 15% bonus, i rekli
    bismo, vjerujem, da je to razlog
  • 55:26 - 55:28
    koji ljude privlači u gradove
  • 55:28 - 55:32
    i zašto postoji kontinuirana migracija
  • 55:32 - 55:35
    iz sela u gradove.
  • 55:36 - 55:40
    Na nekom dubljem nivou, to
    zapravo pogoni našu civilizaciju.
  • 55:43 - 55:48
    Prema Geoffrey Westu,
    čovječanstvo ima karajnji broj.
  • 55:48 - 55:51
    to je tih 15%.
  • 55:51 - 55:53
    ili 1.15.
  • 55:53 - 55:58
    On vjeruje da je to najvažnija
    pokretačka sila čovječanstva.
  • 56:01 - 56:03
    Taj jedan jedini broj, 1.15,
  • 56:04 - 56:06
    predviđa našu budućnost.
  • 56:07 - 56:10
    On će nas dovesti zajedno
    u svaki rastući grad
  • 56:11 - 56:14
    i oblikovati našu sudbinu
    sve dok ćemo postojati.
  • 56:25 - 56:29
    Petsto godina prije, kada smo
    bili suočeni s pomrčinom,
  • 56:29 - 56:33
    mnogi od nas su vjerovali
    da je to djelo ljutitog boga.
  • 56:33 - 56:35
    Ali kada smo otkrili jezik Koda,
  • 56:36 - 56:39
    otkrili smo da se prividne
    misterije našeg svijeta
  • 56:40 - 56:43
    mogu razumjeti bez uplitanja nadnaravnog.
  • 56:43 - 56:46
    A to je za mene ono što je tako izvanredno.
  • 56:46 - 56:50
    Da unatoč nevjerojatnoj
    složenosti svijeta u kojem živimo,
  • 56:50 - 56:54
    možemo ga uvjerljivo objasniti brojevima.
  • 56:57 - 57:02
    Kao orbite planeta, život
    također slijedi uzorak.
  • 57:04 - 57:07
    I sve se može svesti na uzrok i posljedicu.
  • 57:11 - 57:13
    I na kraju, čak i bacanje novčića
  • 57:14 - 57:16
    je određeno koliko brzo će se okretati
  • 57:17 - 57:19
    i kako dugo će padati do zemlje.
  • 57:19 - 57:23
    Krajnji simbol promjene nije uopće slučajan
  • 57:24 - 57:27
    Samo tako djeluje.
  • 57:29 - 57:31
    Kada nismo razumjeli Kod,
  • 57:32 - 57:36
    jedini način kojim smo davali smisao
    svijetu je bio izmišljanje priča.
  • 57:38 - 57:40
    Ali istina je daleko neobičnija.
  • 57:42 - 57:46
    Sve se bazira na matematici.
  • 57:48 - 57:52
    Kad se sve ogoli, ono što ostane je Kod.
  • 58:33 - 58:35
    Subtitles by Red Bee Media
    Ltd HR prijevod zbozic
  • 58:36 - 58:38
    E
    - mail subtitling@bbc. co. uk
Title:
The Code S01E03 "Prediction"
Description:

This video is part of the iNTERSiDEA Open Source Academy selection.
We select and share funny and instructive videos, to allow everyone to access useful information and stimulate an ongoing personal development.
This is for an educational purpose only.

http://internsidea.com/index.php
more » « less
Video Language:
English
Duration:
58:55
m4t3m4t1k4 edited Serbian subtitles for The Code S01E03 "Prediction"
m4t3m4t1k4 added a translation

Serbian subtitles

Revisions

Our website uses cookies for analysis purposes.