ABOUT THE SPEAKERS
Eric Berlow - Ecologist
TED Senior Fellow Eric Berlow studies ecology and networks, exposing the interconnectedness of our ecosystems with climate change, government, corporations and more.

Why you should listen

Eric Berlow is an ecologist and network scientist who specializes in not specializing. A TED Senior Fellow, Berlow is recognized for his research on food webs and ecological networks and for creative approaches to complex problems. He was the founding director of the University of California's first environmental science center inside Yosemite National Park, where he continues to develop data-driven approaches to managing natural ecosystems. 

In 2012 Berlow founded Vibrant Data Labs, which builds tools to use data for social good. Berlow's current projects range from helping spark an egalitarian personal data economy to protecting endangered amphibians in Yosemite to crowd-sourcing novel insights about human creativity. Berlow holds a Ph.D. from Oregon State University in marine ecology.

 

 

More profile about the speaker
Eric Berlow | Speaker | TED.com
Sean Gourley - Physicist and military theorist
Sean Gourley, trained as a physicist, has turned his scientific mind to analyzing data about a messier topic: modern war and conflict. He is a TED Fellow.

Why you should listen

Sean Gourley's twin passions are physics (working on nanoscale blue-light lasers and self-assembled quantum nanowires) and politics (he once ran for a national elected office back home in New Zealand).

A Rhodes scholar, he's spent the past five years working at Oxford on complex adaptive systems and collective intelligent systems -- basically, using data to understand the nature of human conflict. As he puts it, "This research has taken me all over the world from the Pentagon, to the House of Lords, the United Nations and most recently to Iraq". Originally from New Zealand, he now lives in San Francisco, where he is the co-founder and CTO of Quid which is building a global intelligence platform. He's a 2009 TED Fellow.

In December 2009, Gourley and his team's research was published in the scientific journal Nature. He is co-founder and CTO of Quid.

More profile about the speaker
Sean Gourley | Speaker | TED.com
TED2013

Eric Berlow and Sean Gourley: Mapping ideas worth spreading

Эрик Берлоу и Шон Горли: Составляем карту самых популярных идей

Filmed:
1,131,373 views

Как выглядят 24 000 идей? Экологист Эрик Берлоу и физик Шон Горли вместе начинают виртуальное путешествие по всем выступлениям на конференциях TEDx, чтобы выяснить, как идеи связанны по всему миру. В этом нам помогают алгоритмы, применённые специалистами.
- Ecologist
TED Senior Fellow Eric Berlow studies ecology and networks, exposing the interconnectedness of our ecosystems with climate change, government, corporations and more. Full bio - Physicist and military theorist
Sean Gourley, trained as a physicist, has turned his scientific mind to analyzing data about a messier topic: modern war and conflict. He is a TED Fellow. Full bio

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

00:12
EricЭрик BerlowBerlow: I'm an ecologistэколог, and Sean'sШон a physicistфизик,
0
562
3061
Эрик Берлоу:
Я экологист, а Шон физик,
00:15
and we bothи то и другое studyизучение complexсложный networksсети.
1
3623
2108
мы оба изучаем сложные системы.
00:17
And we metвстретил a coupleпара yearsлет agoтому назад when we discoveredобнаруженный
2
5731
1835
Мы познакомились пару лет назад,
после того как узнали,
00:19
that we had bothи то и другое givenданный a shortкороткая TEDТЕД Talk
3
7566
2000
что оба выступали на TED
с короткой речью
00:21
about the ecologyэкология of warвойна,
4
9566
2303
на тему «Экология войны»,
00:23
and we realizedпонял that we were connectedсвязанный
5
11869
1447
и мы поняли, что уже до нашей встречи
00:25
by the ideasидеи we sharedобщий before we ever metвстретил.
6
13316
2818
были соединены общей идеей.
00:28
And then we thought, you know, there are thousandsтысячи
7
16134
1556
Тогда мы подумали о том,
что есть тысячи
00:29
of other talksпереговоры out there, especiallyособенно TEDxTEDx Talksпереговоры,
8
17690
2114
других выступлений, особенно выступлений
на конференциях TEDx,
00:31
that are poppingвыскакивают up all over the worldМир.
9
19804
2211
появляющихся там и тут по всему миру.
00:34
How are they connectedсвязанный,
10
22015
923
Как они соединены
00:34
and what does that globalГлобальный conversationразговор look like?
11
22938
2010
и как выглядит этот всемирный разговор?
00:36
So Sean'sШон going to tell you a little bitнемного about how we did that.
12
24948
2810
Итак, Шон собирается рассказать вам
о том, что мы делали.
00:39
SeanШон GourleyГорел: ExactlyВ точку. So we tookвзял 24,000 TEDxTEDx Talksпереговоры
13
27758
3767
Шон Горли: Точно. Мы взяли
24 000 выступлений на конференциях TEDx
00:43
from around the worldМир, 147 differentдругой countriesстраны,
14
31525
3046
в 147 разных странах.
00:46
and we tookвзял these talksпереговоры and we wanted to find
15
34571
2123
Мы отобрали выступления с целью найти
00:48
the mathematicalматематическая structuresсооружения that underlyunderly
16
36694
2040
математические формулы,
лежащие в основе
00:50
the ideasидеи behindза them.
17
38734
1722
идей, на которых основаны выступления.
00:52
And we wanted to do that so we could see how
18
40456
1370
Мы решили сделать это,
чтобы можно было увидеть,
00:53
they connectedсвязанный with eachкаждый other.
19
41826
2053
как выступления связаны друг с другом.
00:55
And so, of courseкурс, if you're going to do this kindсвоего рода of stuffматериал,
20
43879
1676
Конечно, чтобы начать заниматься
такой деятельностью,
00:57
you need a lot of dataданные.
21
45555
956
нужно собрать много данных.
00:58
So the dataданные that you've got is a great thing calledназывается YouTubeYouTube,
22
46511
3686
А данные можно получить на замечательном
видео-хостинге под названием YouTube.
01:02
and we can go down and basicallyв основном pullвытащить
23
50197
1768
Мы взяли и буквально извлекли
01:03
all the openоткрытый informationИнформация from YouTubeYouTube,
24
51965
2267
всю открытую информации
из этого источника,
01:06
all the commentsКомментарии, all the viewsПросмотры, who'sкто watchingнаблюдение it,
25
54232
2349
все комментарии, все просмотры,
информацию про то, кто что смотрел,
01:08
where are they watchingнаблюдение it, what are they sayingпоговорка in the commentsКомментарии.
26
56581
2779
где этот человек находится
и что говорят в комментариях.
01:11
But we can alsoтакже pullвытащить up, usingс помощью speech-to-textречи в текст translationперевод,
27
59360
3292
Но также можно найти информацию,
используя преобразование речи в текст,
01:14
we can pullвытащить the entireвсе transcriptрасшифровка,
28
62652
2128
записывая таким образом
все выступления;
01:16
and that worksработает even for people with kindсвоего рода of funnyвеселая accentsакценты like myselfсебя.
29
64780
2680
это можно сделать даже с выступлениями
людей со смешным акцентом, как, например, я.
01:19
So we can take theirих transcriptрасшифровка
30
67460
2106
Итак, мы берём записи
01:21
and actuallyна самом деле do some prettyСимпатичная coolкруто things.
31
69566
2098
и делаем с ними несколько
любопытных манипуляций.
01:23
We can take naturalнатуральный languageязык processingобработка algorithmsалгоритмы
32
71664
2160
Мы используем алгоритмы обработки текстов
на естественных языках,
01:25
to kindсвоего рода of readчитать throughчерез with a computerкомпьютер, lineлиния by lineлиния,
33
73824
2629
чтобы построчно прочитать записи
с помощью компьютера,
01:28
extractingэкстрагирование keyключ conceptsконцепции from this.
34
76453
2359
одновременно извлекая основные данные.
01:30
And we take those keyключ conceptsконцепции and they sortСортировать of formформа
35
78812
2525
Потом мы берём эти данные
и формируем из них
01:33
this mathematicalматематическая structureсостав of an ideaидея.
36
81337
3565
математическую формулу идеи.
01:36
And we call that the meme-omeает-Ом.
37
84902
1757
Мы назвали это «мем-ом»
[открытая среда передачи сообщений].
01:38
And the meme-omeает-Ом, you know, quiteдовольно simplyпросто,
38
86659
2151
Говоря простыми словами, мем-ом —
01:40
is the mathematicsматематика that underliesлежит в основе an ideaидея,
39
88810
2426
это математика, лежащая в основе идеи,
01:43
and we can do some prettyСимпатичная interestingинтересно analysisанализ with it,
40
91236
1932
и с ней мы можем провести
очень интересные исследования.
01:45
whichкоторый I want to shareдоля with you now.
41
93168
1981
Сейчас я хочу поделиться с вами тем,
что у нас получилось.
01:47
So eachкаждый ideaидея has its ownсвоя meme-omeает-Ом,
42
95149
2190
У каждой идеи есть
свой собственный мем-ом,
01:49
and eachкаждый ideaидея is uniqueуникальный with that,
43
97339
1951
и поэтому каждая идея уникальна,
01:51
but of courseкурс, ideasидеи, they borrowзаимствовать from eachкаждый other,
44
99290
2488
но, конечно, идеи друг у друга
что-то заимствуют,
01:53
they kindсвоего рода of stealукрасть sometimesиногда,
45
101778
1184
иногда даже крадут,
01:54
and they certainlyбезусловно buildстроить on eachкаждый other,
46
102962
1827
и они, безусловно,
друг на друге построены.
01:56
and we can go throughчерез mathematicallyматематически
47
104789
1616
Мы можем рассмотреть этот процесс
с точки зрения математики:
01:58
and take the meme-omeает-Ом from one talk
48
106405
1840
берём мем-ом из одного выступления
02:00
and compareсравнить it to the meme-omeает-Ом from everyкаждый other talk,
49
108245
2454
и сравниваем его с мем-омом
из другого выступления.
02:02
and if there's a similarityсходство betweenмежду the two of them,
50
110699
1973
Если между ними двумя
есть что-то общее,
02:04
we can createСоздайте a linkссылка and representпредставлять that as a graphграфик,
51
112672
3250
можно создать связь
и изобразить её в диаграмме;
02:07
just like EricЭрик and I are connectedсвязанный.
52
115922
2394
такая же диаграмма показывает связь
между мной и Эриком.
02:10
So that's theoryтеория, that's great.
53
118316
1394
Это теория звучит замечательно.
02:11
Let's see how it worksработает in actualфактический practiceпрактика.
54
119710
2526
Давайте посмотрим,
как это работает на практике.
02:14
So what we'veмы в got here now is the globalГлобальный footprintслед
55
122236
2788
Здесь мы видим глобальные отпечатки
02:17
of all the TEDxTEDx Talksпереговоры over the last four4 yearsлет
56
125024
2293
всех выступлений на конференциях TEDx
за последние четыре года,
02:19
explodingвзрывающиеся out around the worldМир
57
127317
1550
вспыхнувших по всему миру,
02:20
from Newновый YorkЙорк all the way down to little oldстарый Newновый ZealandЗеландия in the cornerугол.
58
128867
3329
от Нью-Йорка до маленькой старой
Новой Зеландии в углу.
02:24
And what we did on this is we analyzedпроанализирован the topВверх 25 percentпроцент of these,
59
132196
3835
Мы проанализировали
первые 25% этой информации,
02:28
and we startedначал to see where the connectionsсвязи occurredпроизошло,
60
136031
2534
и это помогло нам увидеть,
где связь только начинала появляться,
02:30
where they connectedсвязанный with eachкаждый other.
61
138565
1537
а где она возникла.
02:32
CameronCameron RussellРассел talkingговорящий about imageобраз and beautyкрасота
62
140102
1874
Вот выступление Кэмерона Рассела
на тему имиджа и красоты,
02:33
connectedсвязанный over into EuropeЕвропа.
63
141976
1575
связанное с Европой.
02:35
We'veУ нас got a biggerбольше conversationразговор about IsraelИзраиль and PalestineПалестина
64
143551
2412
А вот выступление побольше на тему
отношений между Израилем и Палестиной,
02:37
radiatingизлучающий outwardsнаружу from the Middleсредний Eastвосток.
65
145963
2255
и к нему связи протягиваются,
как лучи, от Ближнего Востока.
02:40
And we'veмы в got something a little broaderшире
66
148218
1298
И есть нечто более всеохватывающее,
02:41
like bigбольшой dataданные with a trulyдействительно globalГлобальный footprintслед
67
149516
2156
большие данные с действительно
глобальными отпечатками,
02:43
reminiscentнапоминающий of a conversationразговор
68
151672
2179
напоминающие разговор,
02:45
that is happeningпроисходит everywhereвезде.
69
153851
2016
это можно увидеть повсюду на проекции.
02:47
So from this, we kindсвоего рода of runбег up againstпротив the limitsпределы
70
155867
2173
Однако здесь мы сталкиваемся
с ограничениями,
02:50
of what we can actuallyна самом деле do with a geographicгеографический projectionпроекция,
71
158040
2530
которые нам даёт использование
географической проекции,
02:52
but luckilyк счастью, computerкомпьютер technologyтехнологии allowsпозволяет us to go out
72
160570
2052
но, к счастью, компьютерные технологии
позволяют нам справиться с этой проблемой
02:54
into multidimensionalмногомерный spaceпространство.
73
162622
1546
и выйти в многомерное пространство.
02:56
So we can take in our networkсеть projectionпроекция
74
164168
1875
Мы берём нашу сетевую проекцию
02:58
and applyподать заявление a physicsфизика engineдвигатель to this,
75
166043
1750
и применяем к ней физический движок,
02:59
and the similarаналогичный talksпереговоры kindсвоего рода of smashгромить togetherвместе,
76
167793
1885
в результате
похожие выступления разбиваются,
03:01
and the differentдругой onesте, flyлетать apartКроме,
77
169678
2004
а непохожие расходятся в стороны,
03:03
and what we're left with is something quiteдовольно beautifulкрасивая.
78
171682
2072
и то, что мы получаем в результате,
напоминает красивую картинку.
03:05
EBEB: So I want to just pointточка out here that everyкаждый nodeузел is a talk,
79
173754
2957
ЭБ: Я хочу просто подчеркнуть,
что каждая узловая точка — это выступление,
03:08
they're linkedсвязанный if they shareдоля similarаналогичный ideasидеи,
80
176711
2589
точки связаны,
если разделяют похожие идеи.
03:11
and that comesвыходит from a machineмашина readingчтение
81
179300
2084
Мы смогли получить такой результат,
используя машинное чтение
03:13
of entireвсе talk transcriptsтранскрипты,
82
181384
2067
записей всех выступлений;
03:15
and then all these topicsтемы that popпоп out,
83
183451
2231
тэги и ключевые слова
03:17
they're not from tagsтеги and keywordsключевые слова.
84
185682
1790
не выдадут вам эти темы.
03:19
They come from the networkсеть structureсостав
85
187472
1725
Мы смогли получить эти данные
только благодаря сетевой структуре
03:21
of interconnectedвзаимосвязано ideasидеи. Keep going.
86
189197
2168
взаимосвязанных идей. Продолжай.
03:23
SGSG: AbsolutelyАбсолютно. So I got a little quickбыстро on that,
87
191365
2022
SG: Абсолютно верно.
Я немножко забежал вперед,
03:25
but he's going to slowмедленный me down.
88
193387
1475
но Эрик заставил меня
вернуться к этой теме.
03:26
We'veУ нас got educationобразование connectedсвязанный to storytellingрассказывание
89
194862
2034
Итак, вот образование,
связанное с повествованием
03:28
triangulatedтриангулирован nextследующий to socialСоциальное mediaСМИ.
90
196896
1643
и социальными СМИ,
это чем-то похоже на треугольник.
03:30
You've got, of courseкурс, the humanчеловек brainголовной мозг right nextследующий to healthcareздравоохранение,
91
198539
2475
Конечно, мозг человека находится
рядом со здравоохранением,
03:33
whichкоторый you mightмог бы expectожидать,
92
201014
1386
этого следовало ожидать,
03:34
but alsoтакже you've got videoвидео gamesигры, whichкоторый is sortСортировать of adjacentпримыкающий,
93
202400
2395
а вот видеоигры относятся
к смежной области,
03:36
as those two spacesпространства interfaceинтерфейс with eachкаждый other.
94
204795
2740
потому что две этих области
соприкасаются друг с другом.
03:39
But I want to take you into one clusterкластер
95
207535
1535
Но я хочу показать вам одно скопление,
03:41
that's particularlyв частности importantважный to me, and that's the environmentОкружающая среда.
96
209070
2868
особенно важное для меня, —
это окружающая среда.
03:43
And I want to kindсвоего рода of zoomзум in on that
97
211938
1493
Хочу показать его крупным планом
03:45
and see if we can get a little more resolutionразрешающая способность.
98
213431
2363
и посмотреть, можем ли мы
получить большее разрешение.
03:47
So as we go in here, what we startНачало to see,
99
215794
2347
Мы заходим сюда и мы видим,
03:50
applyподать заявление the physicsфизика engineдвигатель again,
100
218141
1504
применяя физический движок ещё раз,
03:51
we see what's one conversationразговор
101
219645
1676
мы видим, что это выступление
03:53
is actuallyна самом деле composedсостоящий of manyмногие smallerменьше onesте,.
102
221321
2560
на самом деле
состоит из многих маленьких.
03:55
The structureсостав startsначинается to emergeвсплывать
103
223881
1929
Структура начинает вырисовываться,
03:57
where we see a kindсвоего рода of fractalфрактальный behaviorповедение
104
225810
2070
мы видим своего рода
фрактальное поведение
03:59
of the wordsслова and the languageязык that we use
105
227880
1619
слов и языка, которые используем
04:01
to describeописывать the things that are importantважный to us
106
229499
1702
для описания вещей, важных для нас
04:03
all around this worldМир.
107
231201
1433
в окружающем мире.
04:04
So you've got foodпитание economyэкономика and localместный foodпитание at the topВверх,
108
232634
2332
Итак, пищевая промышленность и местные
продукты питания находятся в верхней части,
04:06
you've got greenhouseтеплица gasesгазов, solarсолнечный and nuclearядерной wasteотходы.
109
234966
2719
а здесь находятся парниковые газы, отработанные
солнечные батареи и ядерное топливо.
04:09
What you're gettingполучение is a rangeассортимент of smallerменьше conversationsразговоры,
110
237685
2631
В результате мы вышли на уровень
более маленьких выступлений,
04:12
eachкаждый connectedсвязанный to eachкаждый other throughчерез the ideasидеи
111
240316
2301
связанных между собой идеями
04:14
and the languageязык they shareдоля,
112
242617
1301
и общим языком.
04:15
creatingсоздание a broaderшире conceptконцепция of the environmentОкружающая среда.
113
243918
2450
Всё это помогает
глубже понять окружающий мир.
04:18
And of courseкурс, from here, we can go
114
246368
1532
И, конечно, отсюда
мы можем перейти сюда,
04:19
and zoomзум in and see, well, what are youngмолодой people looking at?
115
247900
3534
увеличить и посмотреть, что же интересно
таким молодым людям как вы.
04:23
And they're looking at energyэнергия technologyтехнологии and nuclearядерной fusionслияние.
116
251434
2345
Вам интересны энергетические технологии
и ядерный синтез.
04:25
This is theirих kindсвоего рода of resonanceрезонанс
117
253779
1674
Это ваш вклад
04:27
for the conversationразговор around the environmentОкружающая среда.
118
255453
2406
в мировой разговор.
04:29
If we splitТрещина alongвдоль genderПол linesлинии,
119
257859
1899
Если мы разделим группы
по половому признаку,
04:31
we can see femalesженщины resonatingрезонирующий heavilyсильно
120
259758
1987
то увидим, что женщинам
больше интересна
04:33
with foodпитание economyэкономика, but alsoтакже out there in hopeнадежда and optimismоптимизм.
121
261745
3645
пищевая промышленность, надежда
и оптимизм — они где-то там на схеме.
04:37
And so there's a lot of excitingзахватывающе stuffматериал we can do here,
122
265390
2482
Таким образом мы можем узнать
много интересного.
04:39
and I'll throwбросать to EricЭрик for the nextследующий partчасть.
123
267872
1762
А сейчас пред вами выступит Эрик.
04:41
EBEB: Yeah, I mean, just to pointточка out here,
124
269634
1602
ЭБ: Да, я просто хотел заметить,
04:43
you cannotне могу get this kindсвоего рода of perspectiveперспективы
125
271236
1538
что эту информацию
вы не найдёте на YouTube,
04:44
from a simpleпросто tagтег searchпоиск on YouTubeYouTube.
126
272774
3360
набирая слова в поисковике.
04:48
Let's now zoomзум back out to the entireвсе globalГлобальный conversationразговор
127
276134
4188
А теперь давайте вернёмся
к всемирному разговору,
04:52
out of environmentОкружающая среда, and look at all the talksпереговоры togetherвместе.
128
280322
2534
сосредоточим внимание
только на выступлениях.
04:54
Now oftenдовольно часто, when we're facedсталкиваются with this amountколичество of contentсодержание,
129
282856
2927
Когда мы сталкиваемся
с новой информацией,
04:57
we do a coupleпара of things to simplifyупрощать it.
130
285783
2431
мы часто выполняем ряд действий,
чтобы сделать её проще и понятнее.
05:00
We mightмог бы just say, well,
131
288214
1314
Другими словами,
05:01
what are the mostбольшинство popularпопулярный talksпереговоры out there?
132
289528
2829
о чём больше всего любят говорить
на конференциях TED?
05:04
And a fewмало riseподъем to the surfaceповерхность.
133
292357
1397
Давайте посмотрим на экран.
05:05
There's a talk about gratitudeблагодарность.
134
293754
1828
Есть выступление о благодарности.
05:07
There's anotherдругой one about personalличный healthздоровье and nutritionпитание.
135
295582
3344
Ещё одно —
о личном здоровье и питании.
05:10
And of courseкурс, there's got to be one about pornпорно, right?
136
298926
2929
И, конечно, должно быть
ещё одно про порно, да?
05:13
And so then we mightмог бы say, well, gratitudeблагодарность, that was last yearгод.
137
301855
3234
Мы видим, что выступления на тему благодарности
были популярны в прошлом году.
05:17
What's trendingпростирания now? What's the popularпопулярный talk now?
138
305089
2522
А что сейчас в моде?
О чём сейчас любят говорить?
05:19
And we can see that the newновый, emergingпоявление, topВверх trendingпростирания topicтема
139
307611
3321
Мы видим, что новая недавно появившаяся
очень актуальная тема —
05:22
is about digitalцифровой privacyКонфиденциальность.
140
310932
2666
это тема цифровой конфиденциальности.
05:25
So this is great. It simplifiesупрощает things.
141
313598
1693
Отлично. Эта картина
значительно упрощает вещи.
05:27
But there's so much creativeтворческий contentсодержание
142
315291
1827
Но ведь есть ещё много выступлений
с уникальным содержанием,
05:29
that's just buriedпохороненный at the bottomдно.
143
317118
1921
которые просто похоронены внизу.
05:31
And I hateненавидеть that. How do we bubbleпузырь stuffматериал up to the surfaceповерхность
144
319039
3318
Мне это совсем не нравится. Как сделать так,
чтобы эти творческие и интересные выступления
05:34
that's maybe really creativeтворческий and interestingинтересно?
145
322357
2458
всплыли на поверхность?
05:36
Well, we can go back to the networkсеть structureсостав of ideasидеи
146
324815
2931
Для этого нам нужно вернуться
05:39
to do that.
147
327746
1430
к сетевой структуре идей.
05:41
RememberЗапомнить, it's that networkсеть structureсостав
148
329176
2114
Запомните, сетевая структура
05:43
that is creatingсоздание these emergentвыходящий topicsтемы,
149
331290
2268
создаёт появляющиеся темы;
05:45
and let's say we could take two of them,
150
333558
1515
предположим, что мы можем взять отсюда
любые две темы,
05:47
like citiesгорода and geneticsгенетика, and say, well, are there any talksпереговоры
151
335073
3047
например, про города и про генетику,
и сказать, что есть некое выступление,
05:50
that creativelyтворчески bridgeмост these two really differentдругой disciplinesдисциплины.
152
338120
2569
которое может творчески соединить
эти две разные области.
05:52
And that's -- Essentiallyпо существу, this kindсвоего рода of creativeтворческий remixремикс
153
340689
2275
И это... Такого рода творческий ремикс
05:54
is one of the hallmarksклейма of innovationинновация.
154
342964
1840
является одной из отличительных
особенностей инноваций.
05:56
Well here'sвот one by JessicaДжессика Greenзеленый
155
344804
1606
Вот, например,
одно из выступлений Джессики Грин
05:58
about the microbialмикробный ecologyэкология of buildingsздания.
156
346410
2379
о микробиальной экологии зданий.
06:00
It's literallyбуквально definingопределяющий a newновый fieldполе.
157
348789
2010
Оно буквально формирует
новую область,
06:02
And we could go back to those topicsтемы and say, well,
158
350799
2103
и мы можем
вернуться к этим темам и сказать,
06:04
what talksпереговоры are centralцентральный to those conversationsразговоры?
159
352902
2768
какие выступления играют главную роль
в этих выступлениях.
06:07
In the citiesгорода clusterкластер, one of the mostбольшинство centralцентральный
160
355670
1690
В теме о городе
одно из самых центральных
06:09
was one by MitchМитч JoachimИоахим about ecologicalэкологический citiesгорода,
161
357360
3952
выступлений было у Митча Джоакима
об экологических городах,
06:13
and in the geneticsгенетика clusterкластер,
162
361312
1720
а в теме о генетике
06:15
we have a talk about syntheticсинтетический biologyбиология by CraigCraig Venterбрюшко.
163
363032
3193
мы видим выступление Крейга Винтера
о синтетической биологии.
06:18
These are talksпереговоры that are linkingсоединение manyмногие talksпереговоры withinв theirих disciplineдисциплина.
164
366225
3353
Эти выступления связаны с другими
в границах своей области.
06:21
We could go the other directionнаправление and say, well,
165
369578
1843
Можно посмотреть что-то другое,
например,
06:23
what are talksпереговоры that are broadlyшироко synthesizingсинтезирующий
166
371421
2272
какие выступления
часто синтезируются
06:25
a lot of differentдругой kindsвиды of fieldsполя.
167
373693
1448
в различных областях.
06:27
We used a measureизмерение of ecologicalэкологический diversityразнообразие to get this.
168
375141
2533
Чтобы это узнать, мы использовали
понятие «экологическое разнообразие».
06:29
Like, a talk by StevenСтивен PinkerПинкер on the historyистория of violenceнасилие,
169
377674
2736
Вот выступление Стивена Пинкера
на тему истории насилия,
06:32
very syntheticсинтетический.
170
380410
1180
оно очень синтетическое.
06:33
And then, of courseкурс, there are talksпереговоры that are so uniqueуникальный
171
381590
2078
И конечно, есть выступления,
которые настолько уникальны,
06:35
they're kindсвоего рода of out in the stratosphereстратосфера, in theirих ownсвоя specialособый placeместо,
172
383668
3090
что они находятся в своего рода
стратосфере, на особом месте,
06:38
and we call that the ColleenКоллин FlanaganФланаган indexиндекс.
173
386758
2514
мы называем это
индексом Коллин Флэнэган.
06:41
And if you don't know ColleenКоллин, she's an artistхудожник,
174
389272
3034
Если вы про неё не слышали,
скажу, что она художник;
06:44
and I askedспросил her, "Well, what's it like out there
175
392306
1543
я как-то спросил её:
«Как ты себя чувствуешь там,
06:45
in the stratosphereстратосфера of our ideaидея spaceпространство?"
176
393849
1672
в стратосфере нашего космоса идей?»
06:47
And apparentlyпо всей видимости it smellsзапахи like baconбекон.
177
395521
3255
Наверно, там пахнет беконом.
06:50
I wouldn'tне будет know.
178
398776
1791
Я не знаю.
06:52
So we're usingс помощью these networkсеть motifsмотивы
179
400567
2248
Поэтому мы используем
повторяющиеся узоры нашей сети,
06:54
to find talksпереговоры that are uniqueуникальный,
180
402815
1186
чтобы найти уникальные выступления,
06:56
onesте, that are creativelyтворчески synthesizingсинтезирующий a lot of differentдругой fieldsполя,
181
404001
2710
те, которые творчески синтезируют
множество различных сфер,
06:58
onesте, that are centralцентральный to theirих topicтема,
182
406711
1659
те, которые занимают
центральное место в своей области,
07:00
and onesте, that are really creativelyтворчески bridgingшунтирование disparateнесоизмеримый fieldsполя.
183
408370
3374
и те, которые творчески
соединяют несоединимые темы.
07:03
Okay? We never would have foundнайденный those with our obsessionнавязчивая идея
184
411744
2102
Всё понятно? Мы очень одержимы этой темой,
но сами бы никогда не смогли
07:05
with what's trendingпростирания now.
185
413846
2313
найти эти данные.
07:08
And all of this comesвыходит from the architectureархитектура of complexityсложность,
186
416159
2886
Вся эта схема получена в результате
построения многих составляющих
07:11
or the patternsузоры of how things are connectedсвязанный.
187
419045
2960
или образцов того, как связаны вещи.
07:14
SGSG: So that's exactlyв точку right.
188
422005
1625
SG: Именно так.
07:15
We'veУ нас got ourselvesсами in a worldМир
189
423630
2479
Мы находимся в мире,
07:18
that's massivelyмассивно complexсложный,
190
426109
2044
который чрезвычайно сложен,
07:20
and we'veмы в been usingс помощью algorithmsалгоритмы to kindсвоего рода of filterфильтр it down
191
428153
2867
и мы используем алгоритмы,
чтобы отфильтровать лишнюю
07:23
so we can navigateпроводить throughчерез it.
192
431020
1786
и ориентироваться в оставшейся
полезной информации.
07:24
And those algorithmsалгоритмы, whilstв то время как beingявляющийся kindсвоего рода of usefulполезным,
193
432806
2338
Эти алгоритмы одновременно
и очень полезные, и
07:27
are alsoтакже very, very narrowузкий, and we can do better than that,
194
435144
3476
очень, очень ограниченные,
но мы можем использовать их,
07:30
because we can realizeпонимать that theirих complexityсложность is not randomслучайный.
195
438620
2566
чтобы увидеть, что не случайно
окружающий мир так запутан.
07:33
It has mathematicalматематическая structureсостав,
196
441186
1954
У этой сложности
есть математическая формула.
07:35
and we can use that mathematicalматематическая structureсостав
197
443140
1803
Мы можем использовать эту формулу,
07:36
to go and exploreисследовать things like the worldМир of ideasидеи
198
444943
2214
чтобы изучать такие понятия,
как, например, мир идей,
07:39
to see what's beingявляющийся said, to see what's not beingявляющийся said,
199
447157
3000
и увидеть, на какие темы люди говорят,
а на какие нет,
07:42
and to be a little bitнемного more humanчеловек
200
450157
1407
стать немножко человечнее
07:43
and, hopefullyс надеждой, a little smarterумнее.
201
451564
1867
и, надеюсь, немного умнее.
07:45
Thank you.
202
453431
966
Спасибо.
07:46
(ApplauseАплодисменты)
203
454397
4220
(Аплодисменты)
Translated by Nastya Goruinova
Reviewed by Olga Dmitrochenkova

▲Back to top

ABOUT THE SPEAKERS
Eric Berlow - Ecologist
TED Senior Fellow Eric Berlow studies ecology and networks, exposing the interconnectedness of our ecosystems with climate change, government, corporations and more.

Why you should listen

Eric Berlow is an ecologist and network scientist who specializes in not specializing. A TED Senior Fellow, Berlow is recognized for his research on food webs and ecological networks and for creative approaches to complex problems. He was the founding director of the University of California's first environmental science center inside Yosemite National Park, where he continues to develop data-driven approaches to managing natural ecosystems. 

In 2012 Berlow founded Vibrant Data Labs, which builds tools to use data for social good. Berlow's current projects range from helping spark an egalitarian personal data economy to protecting endangered amphibians in Yosemite to crowd-sourcing novel insights about human creativity. Berlow holds a Ph.D. from Oregon State University in marine ecology.

 

 

More profile about the speaker
Eric Berlow | Speaker | TED.com
Sean Gourley - Physicist and military theorist
Sean Gourley, trained as a physicist, has turned his scientific mind to analyzing data about a messier topic: modern war and conflict. He is a TED Fellow.

Why you should listen

Sean Gourley's twin passions are physics (working on nanoscale blue-light lasers and self-assembled quantum nanowires) and politics (he once ran for a national elected office back home in New Zealand).

A Rhodes scholar, he's spent the past five years working at Oxford on complex adaptive systems and collective intelligent systems -- basically, using data to understand the nature of human conflict. As he puts it, "This research has taken me all over the world from the Pentagon, to the House of Lords, the United Nations and most recently to Iraq". Originally from New Zealand, he now lives in San Francisco, where he is the co-founder and CTO of Quid which is building a global intelligence platform. He's a 2009 TED Fellow.

In December 2009, Gourley and his team's research was published in the scientific journal Nature. He is co-founder and CTO of Quid.

More profile about the speaker
Sean Gourley | Speaker | TED.com