TED2013
Eric Berlow and Sean Gourley: Mapping ideas worth spreading
ايريك بيرلو وشون جورلي: إنشاء خريطة للأفكار التي تستحق الإنتشار
Filmed:
Readability: 4.3
1,131,373 views
كيف تبدو ٢٤٠٠٠ فكرة؟ عالم البيئة ايريك بيرلو والفيزيائي شون جوربي يطبقون خوارزميات وخطوات لكل أرشيف حوارات تيد ، ليأخذوننا في رحلة محاكاة نظرية لنرى كيف ترتبط الافكار ببعضها عالميا.
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. Full bioSean 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. Full bio
TED Senior Fellow Eric Berlow studies ecology and networks, exposing the interconnectedness of our ecosystems with climate change, government, corporations and more. Full bioSean 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. Full bio
Double-click the English transcript below to play the video.
00:12
Eric Berlow: I'm an ecologist, and Sean's a physicist,
0
562
3061
إيريك برلو: أنا عالم بيئه وشون فيزيائي
00:15
and we both study complex networks.
1
3623
2108
و كلينا ندرس الشبكات المعقده
00:17
And we met a couple years ago when we discovered
2
5731
1835
والتقينا قبل بضع سنوات عندما اكتشفنا
00:19
that we had both given a short TED Talk
3
7566
2000
أن كلانا تكلمنا في تيد من قبل
00:21
about the ecology of war,
4
9566
2303
عن البيئة الحربية
00:23
and we realized that we were connected
5
11869
1447
وادركنا أننا كنا على صلة
00:25
by the ideas we shared before we ever met.
6
13316
2818
بالأفكار التي تشاطرناها من قبل ان نلتقي
00:28
And then we thought, you know, there are thousands
7
16134
1556
ومن ثم فكرنا أن هناك آلاف
00:29
of other talks out there, especially TEDx Talks,
8
17690
2114
المحادثات الأخرى حول الموضوع، لا سيما محادثات تيدكس،
00:31
that are popping up all over the world.
9
19804
2211
التي ظهرت في جميع أنحاء العالم.
00:34
How are they connected,
10
22015
923
كيف ارتبط بعضهم ببعض،
00:34
and what does that global conversation look like?
11
22938
2010
وما شكل تلك المحادثة العالمية؟
00:36
So Sean's going to tell you a little bit about how we did that.
12
24948
2810
سيحدثكم شون قليلا عن كيفية قيامنا بذلك.
00:39
Sean Gourley: Exactly. So we took 24,000 TEDx Talks
13
27758
3767
شون جورليي: تماما. أخذنا 24,000 محادثة لتيدكس
00:43
from around the world, 147 different countries,
14
31525
3046
من جميع أنحاء العالم، من 147 بلد مختلف،
00:46
and we took these talks and we wanted to find
15
34571
2123
وأخذنا هذه المحادثات، وأردنا العثور على
00:48
the mathematical structures that underly
16
36694
2040
الهياكل الرياضية التي من ورائها
00:50
the ideas behind them.
17
38734
1722
الأفكار التي وراءها.
00:52
And we wanted to do that so we could see how
18
40456
1370
وكنا نريد القيام بذلك حتى يمكن أن نرى كيف
00:53
they connected with each other.
19
41826
2053
أنها مرتبطة مع بعضها البعض.
00:55
And so, of course, if you're going to do this kind of stuff,
20
43879
1676
ولذلك، بالطبع، إذا كنت تريد القيام بهذا النوع من الأشياء،
00:57
you need a lot of data.
21
45555
956
أنت بحاجة إلى الكثير من البيانات.
00:58
So the data that you've got is a great thing called YouTube,
22
46511
3686
تلك البيانات التي تستطيع الحصول عليها من شيء عظيم يسمى يوتيوب،
01:02
and we can go down and basically pull
23
50197
1768
ويمكننا الذهاب إلى أسفل وببساطه نسحب
01:03
all the open information from YouTube,
24
51965
2267
جميع المعلومات المفتوحة من يوتيوب،
01:06
all the comments, all the views, who's watching it,
25
54232
2349
كل التعليقات، جميع الآراء، الاشخاص الذين يشاهدون.
01:08
where are they watching it, what are they saying in the comments.
26
56581
2779
من يشاهد النقاطع، ماذا يقولون في التعليقات.
01:11
But we can also pull up, using speech-to-text translation,
27
59360
3292
ولكن يمكن أيضا سحب - باستخدام ترجمة الكلام إلى نص
01:14
we can pull the entire transcript,
28
62652
2128
يمكن أن نخرج نسخة كاملة من النص
01:16
and that works even for people with kind of funny accents like myself.
29
64780
2680
وهذا يعمل حتى بالنسبة للاشخاص مع لهجات مضحكه مثل نفسي.
01:19
So we can take their transcript
30
67460
2106
لذا يمكننا أن نأخذ النص
01:21
and actually do some pretty cool things.
31
69566
2098
وفي الواقع القيام ببعض الأشياء المذهله
01:23
We can take natural language processing algorithms
32
71664
2160
يمكننا أن ناخذ طريقة ترتيب الكلام واللغه
01:25
to kind of read through with a computer, line by line,
33
73824
2629
إلى نوع من القراءة عن طريق مع جهاز كمبيوتر، سطراً سطراً،
01:28
extracting key concepts from this.
34
76453
2359
لاستخراج المفاهيم الرئيسية منه
01:30
And we take those key concepts and they sort of form
35
78812
2525
ونستعمل تلك المفاهيم الرئيسية، وتكون لنا
01:33
this mathematical structure of an idea.
36
81337
3565
هذا الهيكل الرياضي لفكرة
01:36
And we call that the meme-ome.
37
84902
1757
وندعو أن ميمي-أوم
01:38
And the meme-ome, you know, quite simply,
38
86659
2151
وميمي-اوم كما تعلمون، بكل بساطة،
01:40
is the mathematics that underlies an idea,
39
88810
2426
هو الرياضيات الذي يكمن وراء فكرة،
01:43
and we can do some pretty interesting analysis with it,
40
91236
1932
ويمكننا القيام ببعض التحاليل مثيرة للاهتمام جداً معها،
01:45
which I want to share with you now.
41
93168
1981
وأريد أن اشاركها معك الآن.
01:47
So each idea has its own meme-ome,
42
95149
2190
لذا قد كل فكرة ميمي-اوم الخاصة به،
01:49
and each idea is unique with that,
43
97339
1951
وكل فكرة فريدة من نوعها
01:51
but of course, ideas, they borrow from each other,
44
99290
2488
ولكن بطبيعة الحال، الأفكار، أنها تستلف من بعضها البعض،
01:53
they kind of steal sometimes,
45
101778
1184
أنها نوع من السرقة في بعض الأحيان،
01:54
and they certainly build on each other,
46
102962
1827
وأنها من المؤكد بناء على بعضها البعض،
01:56
and we can go through mathematically
47
104789
1616
ويمكننا أن نذهب من خلال الرياضيات
01:58
and take the meme-ome from one talk
48
106405
1840
وتأخذ ميمي-اوم من نقاش واحد
02:00
and compare it to the meme-ome from every other talk,
49
108245
2454
ونقارن الميمي-اوم من كل نقاش أخرى،
02:02
and if there's a similarity between the two of them,
50
110699
1973
وإذا كان هناك تشابه بين اثنين منهم،
02:04
we can create a link and represent that as a graph,
51
112672
3250
ونستطيع إنشاء ارتباط وتمثل ذلك كرسم بياني،
02:07
just like Eric and I are connected.
52
115922
2394
تماما مثل اتصالي انا و إريك
02:10
So that's theory, that's great.
53
118316
1394
تلك فقط نظرية، هذا أمر عظيم.
02:11
Let's see how it works in actual practice.
54
119710
2526
دعونا نرى كيف يطبق هذا في الممارسة الفعلية.
02:14
So what we've got here now is the global footprint
55
122236
2788
ما لدينا هنا هو حتى الآن الأثر العالمي
02:17
of all the TEDx Talks over the last four years
56
125024
2293
من جميع محادثات TEDx على مر السنوات الأربع الماضية
02:19
exploding out around the world
57
127317
1550
التي تنبع من جميع أنحاء العالم
02:20
from New York all the way down to little old New Zealand in the corner.
58
128867
3329
من نيويورك وصولاً حتى إلى نيوزيلندا
02:24
And what we did on this is we analyzed the top 25 percent of these,
59
132196
3835
وما قمنا به في هذا أننا حلل أعلى 25 في المئة من هؤلاء،
02:28
and we started to see where the connections occurred,
60
136031
2534
وبدأنا نرى المحادثات التي حدثت فيها اتصالات،
02:30
where they connected with each other.
61
138565
1537
حيث أنها مرتبطة مع بعضها البعض.
02:32
Cameron Russell talking about image and beauty
62
140102
1874
كاميرون راسل يتحدث عن الصورة والجمال
02:33
connected over into Europe.
63
141976
1575
متصل عبر أوروبا.
02:35
We've got a bigger conversation about Israel and Palestine
64
143551
2412
لقد حصلنا على محادثة أكبر حول إسرائيل وفلسطين
02:37
radiating outwards from the Middle East.
65
145963
2255
يشع من منطقة الشرق الأوسط.
02:40
And we've got something a little broader
66
148218
1298
ولقد حصلنا على شيء أوسع قليلاً
02:41
like big data with a truly global footprint
67
149516
2156
مثل البيانات الكبيرة مع بصمة عالمية حقاً
02:43
reminiscent of a conversation
68
151672
2179
يذكرنا بمحادثة
02:45
that is happening everywhere.
69
153851
2016
أن ما يحدث في كل مكان.
02:47
So from this, we kind of run up against the limits
70
155867
2173
لذا من هذا، قابلنا نوع من تصادم حدود
02:50
of what we can actually do with a geographic projection,
71
158040
2530
لما يمكن أن نفعل في توقع جغرافي،
02:52
but luckily, computer technology allows us to go out
72
160570
2052
ولكن لحسن الحظ، تكنولوجيا الحاسوب يسمح لنا بالخروج
02:54
into multidimensional space.
73
162622
1546
الى فضاء متعدد الأبعاد.
02:56
So we can take in our network projection
74
164168
1875
لذا يمكن أن نتخذها في بناء شبكة التوقع
02:58
and apply a physics engine to this,
75
166043
1750
وتطبيق محرك فيزياء لهذا،
02:59
and the similar talks kind of smash together,
76
167793
1885
و المحادثات المماثلة ممزوجه معا
03:01
and the different ones fly apart,
77
169678
2004
والمختلفة تبتعد عن بعضها البعض،
03:03
and what we're left with is something quite beautiful.
78
171682
2072
وبقينا مع شيء جميل جداً.
03:05
EB: So I want to just point out here that every node is a talk,
79
173754
2957
لذلك أريد فقط أن أشير هنا أن كل نقطة هي عباره عن حديث،
03:08
they're linked if they share similar ideas,
80
176711
2589
مرتبطة إذا كانت تشاطر أفكار مماثلة،
03:11
and that comes from a machine reading
81
179300
2084
وهذا يأتي من قراءة الجهاز
03:13
of entire talk transcripts,
82
181384
2067
لكامل نقاش النص
03:15
and then all these topics that pop out,
83
183451
2231
وثم كل هذه المواضيع التي تخرج،
03:17
they're not from tags and keywords.
84
185682
1790
أنهم ليسوا من العلامات والكلمات الرئيسية.
03:19
They come from the network structure
85
187472
1725
أنها تأتي من هيكل الشبكة
03:21
of interconnected ideas. Keep going.
86
189197
2168
من الأفكار المترابطة. تستمر.
03:23
SG: Absolutely. So I got a little quick on that,
87
191365
2022
: على الإطلاق. لذلك أنا تعاملت سريعا مع هذا الشأن،
03:25
but he's going to slow me down.
88
193387
1475
ولكنه قال أنه سوف يقوم بإبطائي
03:26
We've got education connected to storytelling
89
194862
2034
لقد حصلنا على التعليم متصلاً بقص الحكايات
03:28
triangulated next to social media.
90
196896
1643
مستنبطة مع وسائل الإعلام الاجتماعية.
03:30
You've got, of course, the human brain right next to healthcare,
91
198539
2475
حصلت، بالطبع، على الدماغ البشري بجوار الرعاية الصحية،
03:33
which you might expect,
92
201014
1386
التي قد تتوقع،
03:34
but also you've got video games, which is sort of adjacent,
93
202400
2395
ولكن كما حصلت على ألعاب الفيديو، وهو نوع من المجاورة
03:36
as those two spaces interface with each other.
94
204795
2740
عندما تلتقي تلك المساحتين.
03:39
But I want to take you into one cluster
95
207535
1535
ولكن أريد أن تأخذهما في كتلة واحدة
03:41
that's particularly important to me, and that's the environment.
96
209070
2868
انها مسألة بالغة الأهمية بالنسبة لي، وهذا هو البيئة.
03:43
And I want to kind of zoom in on that
97
211938
1493
وأريد أن اتوسع في ذلك
03:45
and see if we can get a little more resolution.
98
213431
2363
ونرى إذا كان يمكننا الحصول على قرار أكثر قليلاً.
03:47
So as we go in here, what we start to see,
99
215794
2347
ولذلك كما نرى من هنا، نبدأ في رؤية،
03:50
apply the physics engine again,
100
218141
1504
تطبيق محرك الفيزياء مرة أخرى،
03:51
we see what's one conversation
101
219645
1676
ونحن نرى ما هو محادثة واحدة
03:53
is actually composed of many smaller ones.
102
221321
2560
هي في الواقع تتألف من العديد من الاحاديث الأصغر حجما.
03:55
The structure starts to emerge
103
223881
1929
الهيكل يبدأ في الظهور
03:57
where we see a kind of fractal behavior
104
225810
2070
حيث أننا نرى نوعا من السلوك النمطي المتكرر
03:59
of the words and the language that we use
105
227880
1619
للكلمات واللغة التي نستخدمها
04:01
to describe the things that are important to us
106
229499
1702
لوصف الأشياء المهمة بالنسبة لنا
04:03
all around this world.
107
231201
1433
من جميع أنحاء هذا العالم.
04:04
So you've got food economy and local food at the top,
108
232634
2332
حيث كنت قد حصلت على اقتصاد الأغذية والأغذية المحلية في الجزء العلوي،
04:06
you've got greenhouse gases, solar and nuclear waste.
109
234966
2719
كنت قد حصلت على غازات البيوت الخضراء، والنفايات النووية والشمسية.
04:09
What you're getting is a range of smaller conversations,
110
237685
2631
ما تحصل عليه من مجموعة الأحاديث الأصغر،
04:12
each connected to each other through the ideas
111
240316
2301
كل منهما متصلة ببعضها البعض من خلال الأفكار
04:14
and the language they share,
112
242617
1301
واللغة التي يتقاسمونها،
04:15
creating a broader concept of the environment.
113
243918
2450
خلق مفهوم أوسع للبيئة.
04:18
And of course, from here, we can go
114
246368
1532
وطبعا، من هنا، يمكننا أن ننطلق
04:19
and zoom in and see, well, what are young people looking at?
115
247900
3534
كبر وانظر، أيضا، ما الذي يبحث عنه الشباب؟
04:23
And they're looking at energy technology and nuclear fusion.
116
251434
2345
أنهم يبحثون في تكنولوجيا الطاقة والانصهار النووي.
04:25
This is their kind of resonance
117
253779
1674
وهذا هو النوع الصدى
04:27
for the conversation around the environment.
118
255453
2406
للحديث حول البيئة.
04:29
If we split along gender lines,
119
257859
1899
إذا فرقنا بين الجنسين،
04:31
we can see females resonating heavily
120
259758
1987
يمكننا أن نرى للإناث صدى بشكل كبير
04:33
with food economy, but also out there in hope and optimism.
121
261745
3645
مع اقتصاد الأغذية، ولكن هناك أيضا في الأمل والتفاؤل.
04:37
And so there's a lot of exciting stuff we can do here,
122
265390
2482
وحتى لا يكون هناك الكثير من الأشياء المثيرة يمكن أن نفعله هنا،
04:39
and I'll throw to Eric for the next part.
123
267872
1762
وسوف ننتقل لاريك للجزء القادم.
04:41
EB: Yeah, I mean, just to point out here,
124
269634
1602
ايريك: نعم، يعني فقط أن أشير إلى هنا،
04:43
you cannot get this kind of perspective
125
271236
1538
لا يمكنك الحصول على هذا النوع من منظور
04:44
from a simple tag search on YouTube.
126
272774
3360
من علامة بسيطة لبحث على موقع يوتيوب.
04:48
Let's now zoom back out to the entire global conversation
127
276134
4188
دعونا الآن نعود إلى المحادثة العالمية بأكملها
04:52
out of environment, and look at all the talks together.
128
280322
2534
للخروج من البيئة، وإلقاء نظرة على جميع المحادثات معا.
04:54
Now often, when we're faced with this amount of content,
129
282856
2927
الآن في كثير من الأحيان، عندما نحن نواجه هذا الكم من المحتوى،
04:57
we do a couple of things to simplify it.
130
285783
2431
ونحن نفعل بضعة أشياء لنبسطها
05:00
We might just say, well,
131
288214
1314
ونحن قد نقول فقط، حسنا،
05:01
what are the most popular talks out there?
132
289528
2829
ما هي اكثر المحادثات شعبية هناك؟
05:04
And a few rise to the surface.
133
292357
1397
اتضح لنا عدد قليل منهم إلى السطح.
05:05
There's a talk about gratitude.
134
293754
1828
هناك حديث عن الامتنان.
05:07
There's another one about personal health and nutrition.
135
295582
3344
هناك واحد آخر عن الصحة الشخصية والتغذية.
05:10
And of course, there's got to be one about porn, right?
136
298926
2929
وطبعا، هناك يجب أن يكون هناك حديث عن الإباحية، اليس كذلك؟
05:13
And so then we might say, well, gratitude, that was last year.
137
301855
3234
ولذلك يمكن أن نقول، حسنا، موضوع الامتنان، هذا تم في العام الماضي.
05:17
What's trending now? What's the popular talk now?
138
305089
2522
ما هو الاتجاه الآن؟ ما هو الحديث الاكثر شعبية الآن؟
05:19
And we can see that the new, emerging, top trending topic
139
307611
3321
ويمكننا أن نرى أن المواضيع الجديدة الناشئة التي عليها طلب كثير
05:22
is about digital privacy.
140
310932
2666
هو حول الخصوصية الرقمية.
05:25
So this is great. It simplifies things.
141
313598
1693
هذا شيء عظيم. أنه يبسط الأمور.
05:27
But there's so much creative content
142
315291
1827
ولكن هناك الكثير من المواد الإبداعية
05:29
that's just buried at the bottom.
143
317118
1921
إنها مدفونه في الجزء السفلي.
05:31
And I hate that. How do we bubble stuff up to the surface
144
319039
3318
وأنا أكره ذلك. كيف يمكننا نبرز هذه الأشياء إلى السطح
05:34
that's maybe really creative and interesting?
145
322357
2458
وهذه ربما مبتكرة ومثيرة للاهتمام حقاً؟
05:36
Well, we can go back to the network structure of ideas
146
324815
2931
حسنا، يمكننا أن نعود إلى هيكل شبكة الأفكار
05:39
to do that.
147
327746
1430
للقيام بذلك.
05:41
Remember, it's that network structure
148
329176
2114
تذكر، هو أن هيكل الشبكة
05:43
that is creating these emergent topics,
149
331290
2268
الذي ينشئ هذه المواضيع الناشئة،
05:45
and let's say we could take two of them,
150
333558
1515
ودعونا نقول أننا يمكن أن نأخذ اثنين منهم،
05:47
like cities and genetics, and say, well, are there any talks
151
335073
3047
مثل المدن وعلم الوراثة، ونقول، حسنا، هل هناك أي محادثات
05:50
that creatively bridge these two really different disciplines.
152
338120
2569
.تسد الثغرة بين هذه التخصصات بطريقة ابداعية
05:52
And that's -- Essentially, this kind of creative remix
153
340689
2275
و لهذا-أساسا، هذا النوع من الإبداع في الجمع
05:54
is one of the hallmarks of innovation.
154
342964
1840
واحدة من السمات المميزة للابتكار.
05:56
Well here's one by Jessica Green
155
344804
1606
هنا واحد من جيسيكا جرين
05:58
about the microbial ecology of buildings.
156
346410
2379
حول بيئة الميكروبات للمباني.
06:00
It's literally defining a new field.
157
348789
2010
هو حرفيا تعريف وتخصص جديد.
06:02
And we could go back to those topics and say, well,
158
350799
2103
ويمكن أن نعود إلى تلك المواضيع ونقول حسنا،
06:04
what talks are central to those conversations?
159
352902
2768
ما هي المحادثات المتمركزه حول تلك المحادثات؟
06:07
In the cities cluster, one of the most central
160
355670
1690
في المدن المتكتلة، واحدة من الأكثر مركزية
06:09
was one by Mitch Joachim about ecological cities,
161
357360
3952
كان هناك واحد من ميتش يواكيم حول المدن البيئية،
06:13
and in the genetics cluster,
162
361312
1720
وفي تكتلات علم الوراثة،
06:15
we have a talk about synthetic biology by Craig Venter.
163
363032
3193
ولدينا حديث عن البيولوجيا التركيبية من كريغ فينتر.
06:18
These are talks that are linking many talks within their discipline.
164
366225
3353
هذه هي المحادثات التي تقوم بربط العديد من المحادثات داخل تخصصاتهم.
06:21
We could go the other direction and say, well,
165
369578
1843
يمكن أن نذهب اتجاه الأخرى وأقول، حسنا،
06:23
what are talks that are broadly synthesizing
166
371421
2272
ما هي المحادثات التي تم تحليلها على نطاق واسع
06:25
a lot of different kinds of fields.
167
373693
1448
هناك أنواع مختلفة من الحقول.
06:27
We used a measure of ecological diversity to get this.
168
375141
2533
استخدمنا قدرا من التنوع البيئي للحصول على هذا.
06:29
Like, a talk by Steven Pinker on the history of violence,
169
377674
2736
مثل، حديث من ستيفن بينكر في تاريخ العنف،
06:32
very synthetic.
170
380410
1180
اصطناعية جداً.
06:33
And then, of course, there are talks that are so unique
171
381590
2078
وبعد ذلك، بطبيعة الحال، هناك محادثات فريدة من نوعها
06:35
they're kind of out in the stratosphere, in their own special place,
172
383668
3090
أنهم في اعلى طبقات الغلاف الجوي ، في مكان خاص بهم،
06:38
and we call that the Colleen Flanagan index.
173
386758
2514
ونحن ندعو ذلك بمؤشر كولين فلاناغان
06:41
And if you don't know Colleen, she's an artist,
174
389272
3034
وإذا كنت لا تعرف كولين، انها فنانة،
06:44
and I asked her, "Well, what's it like out there
175
392306
1543
وسألتها، "حسنا، كيف تبدو
06:45
in the stratosphere of our idea space?"
176
393849
1672
في الطبقات العليا لدينا في فضاء الأفكار؟ "
06:47
And apparently it smells like bacon.
177
395521
3255
وعلى ما يبدو أنها تنبعث منه رائحة لحم الخنزير المقدد.
06:50
I wouldn't know.
178
398776
1791
لم أكن أعرف ذلك
06:52
So we're using these network motifs
179
400567
2248
لذلك نحن نستخدم هذه الزخارف الشبكية
06:54
to find talks that are unique,
180
402815
1186
للعثور على المحادثات الفريدة من نوعها،
06:56
ones that are creatively synthesizing a lot of different fields,
181
404001
2710
تلك التي تجمع الكثير من التخصصات المختلفة،
06:58
ones that are central to their topic,
182
406711
1659
تلك التي تتمحور حول موضوعهم،
07:00
and ones that are really creatively bridging disparate fields.
183
408370
3374
وتلك التي هي حقاً تقوم بتوصيل التخصصات المتباينة.
07:03
Okay? We never would have found those with our obsession
184
411744
2102
حسنا؟ نبدأ مع من لديهم نفس هاجسنا
07:05
with what's trending now.
185
413846
2313
مع الاتجاه الحالي
07:08
And all of this comes from the architecture of complexity,
186
416159
2886
وكل هذا يأتي من الهندسة المعمارية لمعقدات الامور،
07:11
or the patterns of how things are connected.
187
419045
2960
أو أنماط التي تصف كيف ترتبط الأشياء.
07:14
SG: So that's exactly right.
188
422005
1625
هذا صحيح تماما
07:15
We've got ourselves in a world
189
423630
2479
هنا نجد أنفسنا في عالم
07:18
that's massively complex,
190
426109
2044
له نطاق واسع ومعقد،
07:20
and we've been using algorithms to kind of filter it down
191
428153
2867
ولقد تم استخدام طرق لتصفيتها
07:23
so we can navigate through it.
192
431020
1786
حتى يمكننا التنقل خلالها
07:24
And those algorithms, whilst being kind of useful,
193
432806
2338
وهذه الطرق، نوعا ما مفيده
07:27
are also very, very narrow, and we can do better than that,
194
435144
3476
أيضا محدودة النطاق جداً، ويمكننا أن نفعل أفضل من ذلك،
07:30
because we can realize that their complexity is not random.
195
438620
2566
لأننا يمكن أن ندرك أن تعقيداتها ليست عشوائية.
07:33
It has mathematical structure,
196
441186
1954
لها بنية رياضية،
07:35
and we can use that mathematical structure
197
443140
1803
ويمكن أن نستخدم هذا الهيكل الرياضي
07:36
to go and explore things like the world of ideas
198
444943
2214
لاستكشاف أشياء مثل عالم الأفكار
07:39
to see what's being said, to see what's not being said,
199
447157
3000
لمعرفة ما يقال، لمعرفة ما لا يقال،
07:42
and to be a little bit more human
200
450157
1407
وأن نكون أكثر إنسانية
07:43
and, hopefully, a little smarter.
201
451564
1867
ونأمل ايضا، أذكى قليلاً.
07:45
Thank you.
202
453431
966
شكرا.
07:46
(Applause)
203
454397
4220
(تصفيق)
ABOUT THE SPEAKERS
Eric Berlow - EcologistTED 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.
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.
Sean Gourley | Speaker | TED.com