ניקולס כריסטאקיס: כיצד רשתות חברתיות מנבאות מגיפות

במהלך עשר השנים האחרונות, ביליתי את זמני בניסיון להבין כיצד ומדוע בני אדם מקבצים עצמם לרשתות חברתיות וסוגי הרשתות החברתיות שאני מדבר עליהן אינן הרשתות המקוונות שצצו לאחרונה אלא רשתות חברתיות מסוג שבני האדם יוצרים כבר מאות אלפי שנים מאז הגחנו מהסוואנה האפריקנית כך, אני יוצר חברויות וקשרי עבודה קשרי אחים ומערכות יחסים עם בני משפחה אחרים ולהם בתורם מערכות יחסים דומות עם אנשים אחרים. וזה מתפשט עד אין סוף למרחקים ואנו מקבלים רשת שנראית כך. כל נקודה מייצגת אדם כל קו ביניהן מייצג מערכת יחסים בין שני בני אדם -- מערכות יחסים מסוגים שונים. ואתם יכולים לקבל מין מארג עצום של האנושות, בתוכו כולנו מוטמעים.

ועמיתי, ג'יימס פאולר, ואני חוקרים כבר זמן רב למדי מהם החוקים המתמטיים, החברתיים הביולוגיים והפסיכולוגיים המושלים ביצירת הרשתות הללו ומהם החוקים המקבילים המושלים באופן פעולתן, באופן בו הן משפיעות על חיינו. ולאחרונה, התחלנו לתהות האם ייתכן לנצל את התובנה הזו, על מנת למצוא דרכים לשפר את העולם, לעשייה חיובית יותר, לתקן דברים, לא רק להבין דברים. אז אחד הדברים הראשונים שחשבנו שנתמודד איתם היה האופן בו אנו חוזים מגיפות.

והשיטה העדכנית ביותר בניבוי מגיפה -- אם אתם המרכז הלאומי לבקרת מחלות או גוף לאומי אחר כלשהו -- היא לשבת במרכז, איפה שלא תהיה, ולאסוף נתונים מרופאים ומעבדות הנמצאים בשטח המדווחים מהי שכיחותם או היקפם של תנאים מסויימים. אז, כך וכך מטופלים אובחנו כחולים במשהו מסויים [במקום זה] או מטופלים אחרים אובחנו כחולים [במקום אחר] וכל הנתונים האלו מוזנים למאגר מרכזי, באיחור מסויים. ואם הכל מתנהל כשורה בעוד שבוע עד שבועיים מעכשיו, תדעו איפה נמצאת המגיפה היום. ולמעשה, לפני כשנה, הייתה אותה הכרזה על רעיון "מגמות השפעת של גוגל", בהתייחס לשפעת, שם, באמצעות התבוננות בהתנהגות החיפוש של אנשים היום נוכל לדעת איפה השפעת... מה מצבה העדכני של המגיפה היום מה שכיחות המגיפה היום

אבל מה שהייתי רוצה להראות לכם היום זהו אמצעי שבעזרתו ייתכן שנוכל לקבל לא רק אזהרה בזמן אמת במקרה של מגיפה אלא אפילו איתור מוקדם של מגפה. ולמעשה, הרעיון הזה יכול לשמש לא רק לשם חיזוי מגפות חיידקיות אלא גם מגיפות ממגוון סוגים. לדוגמה, כל מה שמתפשט בצורה של הדבקה חברתית יוכל להיות מובן בצורה הזו, החל מרעיונות מופשטים משמאל כמו פטריוטיות, אלטרואיזם או דת וכלה במנהגים כמו הרגלי דיאטה, או קניית ספרים, או שתייה, או קסדות אופניים...[ו] נוהגי בטיחות אחרים, או מוצרים שאנשים עשויים לקנות, רכישות של מוצרי אלקטרוניקה כל דבר בו יש צורה כלשהי של התפשטות בין-אישית. מעין דיפוזיה של חדשנות הניתנת להבנה ולניבוי בעזרת המנגנון שאני עומד להראות לכם כעת.

אז, כמו שכולכם בוודאי יודעים, הדרך הקלאסית לחשוב על זה היא דרך ההפצה של חידוש, או עקומת ההטמעה. אז כאן, על ציר ה-Y, יש לנו את אחוז האנשים המושפעים ועל ציר ה-X, יש לנו זמן. ממש בהתחלה, לא יותר מדי אנשים מושפעים, ואנו מקבלים עקומה סיגמואידית, או עקומה דמויית-S. והסיבה לצורה הזו היא שממש בהתחלה, בואו נאמר אדם אחד או שניים מושפעים, או מודבקים, על ידי הדבר המסויים, והם משפיעים על, או מדביקים, שני אנשים, שבתורם משפיעים על ארבעה, שמונה, שישה עשר וכן הלאה, ואז מקבלים את שלב התפשטות המגיפה של העקומה. ולבסוף, אתם מרווים את האוכלוסיה. יש פחות ופחות אנשים שעדיין זמינים להדבקה, ואז מקבלים את הישור של העקומה, ואתם מקבלים את העקומה הסיגמואידית הקלאסית. וזה נכון בעבור חיידקים, רעיונות אימוץ של מוצרים, התנהגויות ודומיהם. אלא שדברים אינם מתפשטים באוכלוסיות אנושיות באופן אקראי. הם למעשה מתפשטים דרך רשתות. מאחר וכמו שאמרתי, אנו חיים את חיינו ברשתות, ולרשתות אלו יש מבנה מסוג מסוים.

אם נסתכל על רשת כמו זו... יש כאן 105 אנשים. והקווים מייצגים.. הנקודות הם האנשים, והקווים מייצגים קשרי חברות. אולי תוכלו לראות שאנשים מאכלסים מיקומים שונים בתוך הרשת. וישנם סוגים שונים של מערכות יחסים בין האנשים. יכולים להיות לכם מערכות יחסים עם חברים, מערכות יחסים עם אחים, מערכות יחסים עם בני זוג, מערכות יחסים עם חברים לעבודה. מערכות יחסים עם שכנים וכדומה. ודברים מסוגים שונים מתפשטים דרך קשרים מסוגים שונים. למשל, מחלות מין יתפזרו לאורך קשרים מיניים או לדוגמה, הרגלי עישון של אנשים עלולים להיות מושפעים מחבריהם. או התנהגותם האלטרואיסטית או הנתינה שלהם לצדקה עשויים להיות מושפעים על ידי חבריהם לעבודה, או על ידי שכניהם. אבל לא כל העמדות ברשת דומות זו לזו.

אז אם תסתכלו בתמונה, ייתכן שתתפסו מיד שלאנשים שונים יש מספר שונה של קשרים. לחלק מהאנשים יש קשר אחד, לאחרים יש שניים. לחלק יש שישה, לאחרים עשרה קשרים. וזה נקרה "מעלה" של צומת, או מספר הקשרים שיש לצומת. אך בנוסף, יש משהו אחר. כך, אם תסתכלו בצמתים A ו-B, לכל אחד יש שישה קשרים. אבל אם אתם מסוגלים לראות את התמונה הזו [של הרשת] ממעוף הציפור, אתם יכולים להעריך שיש משהו שונה מאוד בין צמתים A ו-B. אז, תנו לי לשאול אתכם את זה -- אנסה לפתח את האינטואיציה הזו על ידי שאלה - מי הייתם מעדיפים להיות אם חיידק קטלני היה מתפשט דרך הרשת, A או B ? (קהל : B.) ניקולס כריסטאקיס: B, זה ברור. B ממוקם בקצה הרשת. עכשיו, מי הייתם מעדיפים להיות אם פיסת רכילות עסיסית הייתה מתפשטת דרך הרשת? A. ויש לכם יכולת להערכה מיידית שסביר יותר להניח ש-A יחשף למה שמתפשט ויחשף אליו מוקדם יותר בזכות מיקומו המבני בתוך הרשת. A, למעשה, הוא מרכזי יותר, ותכונה זו אפשר לאשר רשמית באופן מתמטי. אז, אם אנו רוצים לעקוב אחר משהו שהתפשט דרך רשת כלשהי, מה שהיינו רוצים לעשות, באופן אידיאלי, הוא להציב חיישנים בצמתים המרכזיים ברשת, כולל צומת A, לנטר אנשים אלו, שהם ממש במרכז הרשת, ובצורה כלשהי לקבל איתור מוקדם של מה שלא יהיה שמתפשט דרך הרשת..

כלומר, אם הבחנתם בכך שהם נדבקים בחיידק או מתוודעים למידע כלשהו, תוכלו לדעת שבקרוב מאוד, כולם עומדים להדבק בחיידק הזה או לגלות את המידע הזה. וזה יהיה הרבה יותר טוב מאשר לנטר שישה אנשים שנבחרו בצורה אקראית, בלי התייחסות למבנה האוכלוסיה. ולמעשה, אם נוכל לעשות זאת, מה שתראו הוא משהו כמו זה. בפאנל השמאלי יש לנו, שוב, את עקומת ה-S של אימוץ החידוש. בקו המנוקד באדום, אנו מראים מה יהיה האימוץ של האנשים שנבחרו אקראית ובקו השמאלי (הצהוב), בהסטה מסויימת לשמאל, אנו רואים את עקומת האימוץ של הפרטים המרכזיים ברשת. ציר ה-Y מייצג את הצטברות מקרי ההידבקות, וציר ה-X מייצג את הזמן. ובצד ימין, אנו מראים אותם הנתונים אבל במדידה יומית. ומה שאנו מראים כאן הוא -- כאילו, כאן -- מעט מאוד אנשים מושפעים, עוד ועוד ועוד ועד למעלה, והנה שיא המגפה. מוסט לשמאל הוא מה שמתרחש אצל הפרטים המרכזיים. וההבדל הזה בזמן בין השניים הוא האיתור המוקדם, האזהרה המוקדמת שאנו יכולים לקבל, על המגפה שבדרך באוכלוסייה האנושית.

אולם הבעיה היא, שמיפוי רשתות חברתיות של בני אדם אינו תמיד אפשרי. זה יכול להיות יקר, [קשה מאוד], לא אתי, או, למען האמת, פשוט לא אפשרי. אז, כיצד נבין מי הם האנשים המרכזיים ברשת מבלי למעשה למפות את הרשת ? מה שהעלינו הוא רעיון המנצל עובדה ישנה, או עובדה ידועה, על רשתות חברתיות, שהולך כך: האם אתה יודע שלחברים שלך יש יותר חברים מאשר לך ? לחברים שלך יש יותר חברים מאשר לך. וזה ידוע בתור פרדוקס החברות. דמיינו לעצמכם אדם מאוד פופולרי ברשת חברתית -- כמו מארח מסיבה שיש לו מאות חברים -- ומיזנטרופ (שונא אדם) שיש לו רק חבר אחד, ותבחרו מישהו באופן אקראי מהאוכלוסיה; להם יש הרבה יותר סיכוי להכיר את מארח המסיבה. ואם הם בוחרים במארח המסיבה בתור החבר שלהם, למארח יש מאה חברים, ולכן יש לו יותר חברים מאשר להם. וזה, במהותו, ידוע כפרדוקס החברות. החברים של אנשים שנבחרו באקראי בעלי דרגה יותר גבוהה, והם יותר מרכזיים, מאשר האנשים שנבחרו באקראי.

ואתם יכולים לקבל הערכה אינטואיטיבית לזה אם תדמיינו רק את האנשים שנמצאים בקצוות הרשת. אם תבחרו באדם הזה, האדם היחיד שהם יבחרו בו בתור חבר הוא האדם הזה, ולו לפחות שניים ובאופן טיפוסי - יותר חברים. וזה קורה בכל צומת הנמצאת בקצה הרשת. ולמעשה, זה קורה בכל הרשת, ככל שמתקדמים פנימה. כל אחד שתבחרו, כאשר הם מציעים מועמד אקראי.. כאשר אדם אקראי מציע חבר שלו אנו מתקרבים לכיוון מרכז הרשת. אז, חשבנו שנוכל להשתמש ברעיון זה על מנת ללמוד האם אנו יכולים לחזות תופעות בתוך רשתות. מאחר ועכשיו, עם הרעיון הזה אנו יכולים לקחת קבוצה אקראית של אנשים, לבקש מהם להציע את חבריהם אנשים אלו יהיו יותר מרכזיים, ונוכל לעשות זאת ללא הצורך למפות את הרשת כולה.

בדקנו את הרעיון הזה עם התפרצות של שפעת H1N1 בקולג' הרווארד בסתיו וחורף של 2009, לפני מספר חודשים בלבד. לקחנו 1300 סטודנטים אקראיים לתואר ראשון, ביקשנו מהם להציע חבר אחד ועקבנו אחריהם ואחרי החברים שבחרו יום אחר יום על מנת לבדוק האם הם נדבקו במגפת השפעת. ועשינו זאת באופן פאסיבי, על ידי בדיקה האם הם הלכו לשירותי הרפואה של האוניברסיטה ובנוסף, ביקשנו מהם לשלוח לנו דוא"ל פעמיים בשבוע. קרה בדיוק מה שניבאנו. אז הקבוצה האקראית מסומנת בקו אדום. המגפה בקבוצת החברים- בהיסט לשמאל, כאן. וההבדל בין השתיים הוא 16 ימים. על ידי ניטור קבוצת החברים, היינו מסוגלים לקבל התראה מראש של 16 ימים למגפה שבדרך באוכלוסייה האנושית הזו.

ובנוסף לזה, אם היית אנליסט שמנסה לחקור מגפה או לחזות את האימוץ של מוצר, לדוגמה, מה שהייתם יכולים לעשות הוא לבחור מדגם אקראי של האוכלוסיה, שיבחרו מיהם חבריהם ולעקוב אחרי החברים, ולעקוב אחרי המדגם האקראי ואחרי החברים. בקרב החברים, הראיה הראשונה שראיתם של נקודה מעל האפס באימוץ של ההמצאה, לדוגמה, יהווה ראיה למגיפה ממשמשת ובאה. או שתוכלו לראות את הפעם הראשונה בה שתי עקומות מתפצלות, כפי שרואים משמאל. מתי האקראיים...מתי החברים המריאו והשאירו את האקראיים מאחור, ו[מתי] העקומה שלהם החלה לזוז? וזה, כפי שהראה הקו הלבן, קרה 46 ימים לפני שיא המחלה. כך שזו יכולה להיות טכניקה שבעזרתם נוכל לקבל התראה של יותר מחודש וחצי על מגיפת שפעת באוכלוסיה מסוימת.

עלי לומר שההתראה שאדם עשוי לקבל לגבי משהו תלויה בהרבה מאוד גורמים. היא יכולה להיות תלויה בטבעו של הפתוגן -- פתוגנים שונים, בשימוש בטכניקה זו, תקבלו התראות שונות -- או תופעות מתפשטות אחרות, או, בכנות, על מבנה הרשת האנושית. עכשיו, במקרה שלנו, אף-על-פי שזה לא היה נחוץ יכולנו למעשה למפות את רשת הסטודנטים.

אז, זו מפה של 714 סטודנטים וקשרי החברות שלהם. ובעוד דקה עכשיו, אני עומד להכניס את המפה זו לתנועה. אנחנו הולכים לקחת תמונות מצב יומיות דרך הרשת, במשך 120 ימים. הנקודות האדומות עומדות להיות מקרי שפעת, והנקודות הצהובות עומדות להיות חברים של אנשים עם שפעת. וגודל הנקודות עומד להיות פרופורציונלי למספר חבריהם החולים. כך שנקודות גדולות יותר אומרות שליותר מחבריך יש שפעת. ואם תסתכלו בתמונה זו -- כאן אנחנו עכשיו ב-13 בספטמבר -- תוכלו לראות כמה מקרים נדלקים. אתם עומדים לראות סוג של שגשוג של השפעת במרכז. כאן אנו ב-19 באוקטובר השיפוע של עקומת המגיפה מתקרב עכשיו, בנובמבר. בום, בום, בום, בום, בום, אתם עומדים לראות הרבה שגשוג באמצע, ואז אתם הולכים לראות סוג של התיישרות, מקרים מעטים יותר ויותר לקראת סוף דצמבר. וסוג כזה של ויזואליזציה יכול להראות שמגיפות כמו זו משתרשות אצל ומשפיעות על פרטים מרכזיים תחילה, לפני שהן משפיעות על אחרים.

עכשיו, כפי שהצעתי, שיטה זו אינה מוגבלת לחיידקים, אלא למעשה לכל דבר שמתפשט באוכלוסיות. מידע מתפשט באוכלוסיות. נורמות יכולות להתפשט באוכלוסיות. צורות התנהגות יכולות להתפשט באוכלוסיות. ובצורות התנהגות, אני יכול להתכוון לדברים כמו התנהגות פושעת, או התנהגות של הצבעה, או התנהגות שקשורה בבריאות, כמו עישון, או חיסון, או אימוץ מוצרים, או סוגים אחרים של התנהגות הקשורים להשפעה בין-אישית. אם סביר שאעשה משהו שמשפיע על אחרים מסביבי, טכניקה זו יכולה לתת התראה מוקדמת, או איתור מוקדם, על רמת האימוץ באוכלוסיה. הדבר החשוב הוא, על מנת שזה יעבוד, חייבת להיות השפעה בין-אישית. זה לא יכול לקרות בגלל סוג כלשהו של מנגנון שידור המשפיע על כולם באופן אחיד.

כעת אותן התובנות יכולות להיות מנוצלות -- בהתיחס לרשתות -- יכולות גם להיות מנוצלות בדרכים אחרות, לדוגמה, בשימוש בכיוון אל אנשים ספציפיים להתערבויות (interventions). כך, למשל, רובכם קרוב לוודאי מכירים את מושג חסינות העדר. כך, אם יש לנו אוכלוסיה של אלף איש, ואנו רוצים לעשות אוכלוסיה זו חסינה לפתוגן, איננו חייבים לחסן כל אדם ואדם. אם נחסן 960 מהם כאילו חיסנו מאה [אחוזים] מהם. מכיון שאפילו אם אחד או שניים מהאנשים הלא מחוסנים נדבק, אין להם איש להדביק. הם מוקפים באנשים מחוסנים. כך ש-96 אחוזים טובים כמו 100 אחוזים. ובכן, מדענים מסוימים אחרים אמדו מה יקרה אם תיקחו מדגם אקראי של 30 אחוזים מאלף האנשים האלו, 300 אנשים, ותחסנו אותם. האם תקבלו חסינות ברמת האוכלוסיה? והתשובה היא לא. אבל אם הייתם לוקחים את שלושים האחוזים האלו, 300 האנשים האלה, והייתם מבקשים מהם להעמיד לבחירה את חבריהם והייתם לוקחים אותו מספר של מנות חיסון והייתם מחסנים את חבריהם של ה-300, 300 החברים, תוכלו לקבל אותה רמה של חסינות עדרית כאילו חיסנתם 96 אחוזים של האוכלוסיה ביעילות גדולה יותר, תחת מגבלה תקציבית נוקשה

וניתן להשתמש ברעיונות דומים, לדוגמה, כדי לכוון הפצה של דברים כמו כילות בעולם המתפתח. אם נוכל להבין את מבנה הרשתות בכפרים, נוכל לכוון אצל מי כדאי להתערב על מנת לעודד התפשטויות מהסוגים האלה או, בכנות, לפרסום כל סוגי המוצרים. אם נוכל להבין כיצד לכוון, זה יוכל להשפיע על היעילות של מה שאנו מנסים להשיג. ולמעשה, אנו יכולים להשתמש בנתונים ממגוון סוגי מקורות כיום [על מנת לעשות זאת]

זוהי מפה של שמונה מיליון משתמשי טלפון בארץ אירופית. כל נקודה היא אדם, וכל קו מייצג את נפח השיחות בין האנשים. ואנו יכולים להשתמש בנתונים כאלה, שהושגו בצורה פסיבית, כדי למפות ארצות שלמות ולהבין מי ממוקם היכן בתוך הרשת. בלי למעשה לשאול אותם כלל, נוכל לקבל סוג כזה של תובנה מבנית. ומקורות אחרים של אינפורמציה, כפי שאתם מודעים ללא ספק, זמינים בנוגע למאפיינים כאלה, מאינטראקציות דוא"ל, אינטראקציות מקוונות, רשתות חברתיות מקוונות, וכך הלאה. ולמעשה, אנחנו בתקופה של מה שאקרא מאמצי איסוף נתונים "מאסיביים-פסיביים". אלו הן מגוון דרכים שבהן אנחנו יכולים להשתמש בנתונים שנאספו בצורה מאסיבית כדי ליצור רשתות חיישנים לעקוב אחרי האוכלוסיה, להבין מה קורה באוכלוסיה, ולהתערב לטובה באוכלוסיה. מכיון שהטכנולוגיות החדשות האלו אומרות לנו לא רק מי מדבר עם מי, אלא איפה נמצא כל אחד, ומה הם חושבים בהתבסס על מה הם מעלים לאינטרנט, ומה הם קונים בהתבסס על רכישותיהם. וכל הנתונים המנהליים האלו יכולים להיאסף יחד ולהיות מעובדים על מנת להבין התנהגות אנושית באופן שמעולם לא יכולנו לפני כן.

כך, לדוגמה, נוכל להשתמש ברכישות הדלק של נהגי משאיות. הנהגים האלו עוסקים בענייניהם, והם קונים דלק. ואנו רואים עליה ברכישות הדלק של נהגי משאיות, ואנו יודעים שהמיתון עומד להסתיים. או אנו יכולים לנטר את המהירות בה אנשים נעים עם הטלפונים שלהם בכביש ראשי, וחברת הטלפון יכולה לראות, כשהמהירות מאטה, שיש פקק תנועה. והם יכולים להזין את האינפורמציה הזו בחזרה למנויים שלהם, אבל רק למנויים שלהם באותו כביש ראשי הממוקמים מאחורי פקק התנועה! או שאנו יכולים לנטר את התנהגויות רישום המרשמים של רופאים, באופן פסיבי, ולראות כיצד התפשטות של חידושים תרופתיים קורית בין [רשת של] רופאים. או שוב, אנו יכולים לנטר התנהגות רכישה של אנשים ולצפות כיצד סוגים כאלה של תופעות יכולים להתפשט באוכלוסיות אנושיות.

ויש שלוש דרכים, אני חושב, של שימוש בנתונים המאסיביים-פאסיביים האלה. אחת היא פאסיבית לחלוטין, כמו שרק תיארתי -- כמו, לדוגמה, אצל נהגי המשאיות, שם אנחנו לא מתערבים למעשה באוכלוסייה בדרך כלשהי. אחת היא מעין-אקטיבית, כמו בדוגמת השפעת שנתתי, שם אנו מבקשים מאנשים מסויימים להציע את חבריהם ואז מנטרים את החברים באופן פסיבי -- האם הם חולים בשפעת, או לא? -- ואז מקבלים התראה. או דוגמה אחרת יכולה להיות, אם אתם חברת טלפון, אתם תבינו מי מרכזי ברשת, ותבקשו מהאנשים האלו, "תראו, האם פשוט תשלחו לנו טקסט עם החום שלכם מדי יום? פשוט תשלחו לנו טקסט עם הטמפרטורה שלכם." ולאסוף כמויות עצומות של אינפורמציה על הטמפרטורה של אנשים, מפרטים הממוקמים במרכז. ולהיות מסוגלים, בקנה מידה גדול, לנטר מגיפה מתקרבת עם קלט מועט מאוד מאנשים. או, לבסוף, זה יכול להיות אקטיבי יותר -- כפי שאני יודע שגם הדוברים הבאים ידברו על האפשרות היום -- שאנשים עשויים להשתתף גלובלית בויקי, או צילום, או ניטור בחירות, ולהעלות את האינפורמציה בדרך שתרשה לנו לאגור אינפורמציה על מנת להבין תהליכים חברתיים ותופעות חברתיות.

למעשה, זמינותם של הנתונים האלו, אני חושב, מכריזה על סוג של תקופה חדשה שאני ואחרים רוצים לקרוא לה "מדע חברתי חישובי." זה בערך כמו כאשר גלילאו המציא -- או, לא המציא -- התחיל להשתמש בטלסקופ והיה יכול לראות את הרקיע בצורה חדשה או כאשר לייבנהוק הפך מודע למיקרוסקופ -- או למעשה המציא -- והיה מסוגל לראות ביולוגיה בדרך חדשה. אך כעת יש לנו גישה לסוגי נתונים כאלה שמאפשרים לנו להבין תהליכים חברתיים ותופעות חברתיות בדרך חדשה לחלוטין שמעולם לא היתה אפשרית לפני כן ובעזרת מדע זה, אנו יכולים להבין בדיוק כיצד השלם הופך להיות גדול יותר מסכום חלקיו. ולמעשה, אנו יכולים להשתמש בתובנות אלו על מנת לשפר את החברה ולשפר את הרווחה האנושית.

תודה לכם