TED2007
Hans Rosling: New insights on poverty
Hans Rosling, új szemszögből biztosít rálátást a szegénységre
Filmed:
Readability: 3.1
3,769,031 views
Hans Rosling kutató, arra használja menő statisztikai szoftverét, hogy bemutassa nekünk, hogyan lábalnak ki az országok a szegénységből, önerejükből. Modellezi a Dollár Utcát, összehasonlítva a különböző bevételű családok életkörülményeit világszerte. Aztán tesz valami olyasmit, amitől az emberek lélegzete is eláll.
Hans Rosling - Global health expert; data visionary
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus. Full bio
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus. Full bio
Double-click the English transcript below to play the video.
00:25
I told you three things last year.
0
0
2000
Három tényről beszéltem önöknek tavaly.
00:27
I told you that the statistics of the world
1
2000
3000
Elmondtam, hogy világunk statisztikai adatait
00:30
have not been made properly available.
2
5000
3000
nem publikáljuk helyesen. Ezért még mindig
00:33
Because of that, we still have the old mindset
3
8000
2000
azt az elavult nézetet valljuk, hogy
00:35
of developing in industrialized countries, which is wrong.
4
10000
3000
léteznek fejlődő és fejlett ipari országok, ami tévedés.
00:39
And that animated graphics can make a difference.
5
14000
4000
És hogy ez az animáció megváltoztathatja mindezt.
00:44
Things are changing
6
19000
2000
A dolgok változnak.
00:46
and today, on the United Nations Statistic Division Home Page,
7
21000
4000
Az Egyesült Nemzetek Statisztikai Részlegének honlapján,
00:50
it says, by first of May, full access to the databases.
8
25000
3000
május 1-től, teljes hozzáférést kapunk az adatbázishoz.
00:55
(Applause)
9
30000
3000
(Taps)
00:58
And if I could share the image with you on the screen.
10
33000
4000
És ha megoszthatom a képet önökkel a kivetítőn:
01:03
So three things have happened.
11
38000
1000
tudják, három dolog történt,
01:04
U.N. opened their statistic databases,
12
39000
3000
az ENSZ megnyitotta a statisztikai adatbázisát,
01:07
and we have a new version of the software
13
42000
4000
a szoftverünknek új,
01:11
up working as a beta on the net,
14
46000
2000
béta verziója működik a neten,
01:13
so you don't have to download it any longer.
15
48000
2000
így nem szükséges letölteni a továbbiakban.
01:16
And let me repeat what you saw last year.
16
51000
2000
És engedjék meg, hogy újra megmutassam, amit tavaly:
01:18
The bubbles are the countries.
17
53000
1000
a buborékok az országok,
01:19
Here you have the fertility rate -- the number of children per woman --
18
54000
4000
itt láthatják a termékenységi arányt -- az egy nőre eső gyermekek számát --
01:23
and there you have the length of life in years.
19
58000
3000
és ott van a várható élettartam években kifejezve.
01:27
This is 1950 -- those were the industrialized countries,
20
62000
3000
1950-et írunk -- azok voltak a fejlett ipari országok,
01:30
those were developing countries.
21
65000
1000
azok pedig a fejlődő országok.
01:31
At that time there was a "we" and "them."
22
66000
2000
Akkoriban volt „mi” és „ők”.
01:33
There was a huge difference in the world.
23
68000
2000
Óriási különbség volt közöttük.
01:35
But then it changed, and it went on quite well.
24
70000
4000
De aztán ez megváltozott és igen jó irányba haladt.
01:39
And this is what happens.
25
74000
1000
És most ez történik.
01:41
You can see how China is the red, big bubble.
26
76000
3000
Láthatják, Kína, a nagy piros buborék,
01:44
The blue there is India.
27
79000
1000
India a kék buborék.
01:45
And they go over all this -- I'm going to try to be
28
80000
3000
És lehagynak mindenkit… Idén megpróbálok
01:48
a little more serious this year in showing you
29
83000
2000
komolyabban viselkedni, miközben megmutatom,
01:50
how things really changed.
30
85000
2000
hogyan változott meg valójában minden.
01:53
And it's Africa that stands out as the problem down here, doesn't it?
31
88000
3000
És itt van Afrika, ami a problémának tűnik, ugye?
01:56
Large families still, and the HIV epidemic
32
91000
3000
Nagy családok még mindig, és a HIV járvány
01:59
brought down the countries like this.
33
94000
2000
gyengítették így le az országot.
02:01
This is more or less what we saw last year,
34
96000
3000
Körülbelül ezt láttuk múlt évben,
02:04
and this is how it will go on into the future.
35
99000
2000
és mindez várhatóan így folytatódik a jövőben.
02:07
And I will talk on, is this possible?
36
102000
2000
És mondom magamban, lehetséges ez?
02:09
Because you see now, I presented statistics that don't exist.
37
104000
3000
Mert olyan statisztikai adatokat mutatok, amelyek nem is léteznek.
02:13
Because this is where we are.
38
108000
2000
Mert ez az a pont, ahol vagyunk.
02:15
Will it be possible that this will happen?
39
110000
3000
Lehetséges, hogy ez történik?
02:19
I cover my lifetime here, you know?
40
114000
2000
Az én élethosszomat fedtem le.
02:21
I expect to live 100 years.
41
116000
2000
100 évig szeretnék élni.
02:23
And this is where we are today.
42
118000
2000
És itt vagyunk most.
02:25
Now could we look here instead at the economic situation in the world?
43
120000
7000
Vizsgáljuk meg inkább a Föld gazdasági helyzetét.
02:33
And I would like to show that against child survival.
44
128000
5000
És ezt a gyermektúlélés tükrében szeretném megmutatni.
02:38
We'll swap the axis.
45
133000
1000
Megcseréljük a függvénytengelyeket:
02:40
Here you have child mortality -- that is, survival --
46
135000
4000
Itt van a gyermekhalálozás -- pontosabban túlélés --
02:44
four kids dying there, 200 dying there.
47
139000
2000
4 gyermek hal meg itt, 200 gyermek ott.
02:47
And this is GDP per capita on this axis.
48
142000
2000
És ez az egy főre eső GDP ezen a tengelyen.
02:50
And this was 2007.
49
145000
3000
És ez volt 2007-ben.
02:53
And if I go back in time, I've added some historical statistics --
50
148000
4000
És ha visszamegyek az időben, hozzáadtam néhány történelmi statisztikát --
02:57
here we go, here we go, here we go -- not so much statistics 100 years ago.
51
152000
6000
megyünk, még megyünk, még -- 100 évvel ez előttről nincs túl sok statisztikánk.
03:03
Some countries still had statistics.
52
158000
2000
Néhány országról találtunk
03:05
We are looking down in the archive,
53
160000
2000
statisztikai adatokat az archívumokban,
03:07
and when we are down into 1820,
54
162000
4000
de amikorra 1820-hoz érkezünk,
03:11
there is only Austria and Sweden that can produce numbers.
55
166000
4000
ebből az időből mindössze Ausztria és Svédország tud adatot szolgáltatni.
03:15
(Laughter)
56
170000
3000
(Nevetés)
03:18
But they were down here. They had 1,000 dollars per person per year.
57
173000
4000
De ők is itt voltak lent, egy főre 1000 dollár esett.
03:22
And they lost one-fifth of their kids before their first birthday.
58
177000
3000
És gyermekeik egy ötödét elveszítették, azok első születésnapja előtt.
03:26
So this is what happens in the world, if we play the entire world.
59
181000
3000
Ez történik a világban, ha globálisan szemlélődünk.
03:29
How they got slowly richer and richer,
60
184000
3000
Íme, így váltak lassanként egyre gazdagabbá,
03:32
and they add statistics.
61
187000
1000
gyűjtöttek statisztikai adatokat.
03:33
Isn't it beautiful when they get statistics?
62
188000
2000
Ugye milyen csodálatos, ha vannak statisztikai adataink,
03:35
You see the importance of that?
63
190000
2000
látják a jelentőségét ennek?
03:37
And here, children don't live longer.
64
192000
2000
És itt, a gyermekek nem élnek tovább.
03:39
The last century, 1870, was bad for the kids in Europe,
65
194000
4000
A múlt század, 1870, nem kedvezett a gyermekeknek
03:43
because most of this statistics is Europe.
66
198000
2000
Európában a legtöbb statisztikai adat szerint.
03:45
It was only by the turn of the century
67
200000
3000
Csak a századforduló környékén következett be,
03:48
that more than 90 percent of the children survived their first year.
68
203000
3000
hogy a gyermekek több, mint 90%-a túlélte első életévét.
03:51
This is India coming up, with the first data from India.
69
206000
3000
Ez itt India, az első adatok jönnek Indiától.
03:54
And this is the United States moving away here, earning more money.
70
209000
5000
És ez az Egyesült Államok, sok pénzt keresve halad tova itt.
03:59
And we will soon see China coming up in the very far end corner here.
71
214000
5000
És hamarosan látjuk Kínát feljönni, a legtávolabbi sarokban itt.
04:04
And it moves up with Mao Tse-Tung getting health,
72
219000
2000
És jön felfelé, ahogy Mao Tse Tung ügyel az egészségre,
04:06
not getting so rich.
73
221000
1000
de a gazdaságra nem.
04:07
There he died, then Deng Xiaoping brings money.
74
222000
3000
Itt meghal és jön Deng Xiaoping, hozza a pénzt,
04:10
It moves this way over here.
75
225000
1000
és ide vezérli az országot.
04:12
And the bubbles keep moving up there,
76
227000
2000
És a buborékok szépen mozognak fölfelé
04:14
and this is what the world looks like today.
77
229000
2000
és ez az, ahogyan a Föld helyzete áll napjainkban.
04:16
(Applause)
78
231000
6000
(Taps)
04:22
Let us have a look at the United States.
79
237000
3000
Vessünk egy pillantást az Egyesült Államokra.
04:25
We have a function here -- I can tell the world, "Stay where you are."
80
240000
3000
Van egy funkciónk itt -- azt tudom mondani a világnak: „állj meg ott, ahol vagy.”
04:29
And I take the United States -- we still want to see the background --
81
244000
3000
És fogom az Egyesült Államokat -- még mindig látni akarjuk a hátteret --
04:32
I put them up like this, and now we go backwards.
82
247000
3000
Ide teszem és most visszaforgathatjuk az időt.
04:35
And we can see that the United States
83
250000
3000
És láthatjuk, hogy az Egyesült Államok
04:38
goes to the right of the mainstream.
84
253000
3000
a főáramtól jobbra halad.
04:41
They are on the money side all the time.
85
256000
2000
Egész idő alatt a pénz oldalán áll.
04:44
And down in 1915, the United States was a neighbor of India --
86
259000
5000
És 1915-ben az Egyesült Államok India szomszédja volt.
04:50
present, contemporary India.
87
265000
2000
A mai, kortárs Indiáé.
04:52
And that means United States was richer,
88
267000
2000
Ez azt jelenti, hogy az Egyesült Államok gazdagabb volt ugyan,
04:54
but lost more kids than India is doing today, proportionally.
89
269000
4000
de aránylag több gyermeket veszített el, mint ma India.
04:59
And look here -- compare to the Philippines of today.
90
274000
3000
És íme -- most összehasonlítható a Fülöp-szigetekkel.
05:02
The Philippines of today has almost the same economy
91
277000
3000
A jelenkori Fülöp-szigeteknek majdnem ugyanolyan a gazdasága,
05:06
as the United States during the First World War.
92
281000
2000
mint az Egyesült Államoknak volt az Első Világháború során.
05:08
But we have to bring United States forward quite a while
93
283000
4000
De az Egyesült Államokat sokkal előbbre kell hoznunk,
05:12
to find the same health of the United States
94
287000
3000
hogy ugyanazokat az egészségügyi adatokat kapjuk,
05:15
as we have in the Philippines.
95
290000
1000
mint a mai Fülöp-szegetek.
05:17
About 1957 here, the health of the United States
96
292000
3000
1957-ben az Egyesült Államok egészségügyi adatai
05:20
is the same as the Philippines.
97
295000
2000
megegyeznek a Fülöp-szigetek adataival.
05:22
And this is the drama of this world which many call globalized,
98
297000
3000
És ez a globalizáltnak hívott világ drámája,
05:25
is that Asia, Arabic countries, Latin America,
99
300000
3000
tudniillik az ázsiai, arab, latin-amerikai országok
05:28
are much more ahead in being healthy, educated,
100
303000
5000
jóval előbbre járnak egészségben, iskolázottságban,
05:33
having human resources than they are economically.
101
308000
3000
és humán erőforrás terén, mint a gazdasági fejlődésben.
05:36
There's a discrepancy in what's happening today
102
311000
2000
Ellentmondásos, ami ma a feltörekvő
05:38
in the emerging economies.
103
313000
2000
országok gazdaságával történik.
05:40
There now, social benefits, social progress,
104
315000
4000
Most a szociális javak fejlesztése, a társadalmi fejlődés
05:44
are going ahead of economical progress.
105
319000
3000
a gazdasági fejlődés előtt járnak.
05:47
And 1957 -- the United States had the same economy as Chile has today.
106
322000
6000
És 1957-ben az USA-nak ugyanakkora a gazdasága, mint most Chilének.
05:54
And how long do we have to bring United States
107
329000
3000
És milyen messzire kell vinnünk az Egyesült Államokat,
05:57
to get the same health as Chile has today?
108
332000
2000
hogy ugyanazt az egészségügyet kapjuk, mint amilyen ma Chilének van?
06:00
I think we have to go, there -- we have 2001, or 2002 --
109
335000
5000
Gondolom, hogy 2001-ig vagy 2002-ig -- itt az Egyesült Államoknak
06:05
the United States has the same health as Chile.
110
340000
2000
megegyezik az egészségügye napjaink Chiléjével.
06:07
Chile's catching up!
111
342000
1000
Chile felzárkózik.
06:09
Within some years Chile may have better child survival
112
344000
2000
Néhány éven belül lehetséges, hogy Chile jobb gyermek túlélési adatokkal
06:11
than the United States.
113
346000
2000
rendelkezik majd, mint az USA.
06:13
This is really a change, that you have this lag
114
348000
3000
Ez egy valós változás,
06:16
of more or less 30, 40 years' difference on the health.
115
351000
5000
abban a 30, 40 évnyi egészségügyi lemaradásban.
06:21
And behind the health is the educational level.
116
356000
2000
És az egészség mögött ott áll az iskolázottság.
06:23
And there's a lot of infrastructure things,
117
358000
2000
Ezen a területen kiterjedt infrastruktúra
06:25
and general human resources are there.
118
360000
3000
és általános humán erőforrás van.
06:28
Now we can take away this --
119
363000
3000
Ezt most félretehetjük --
06:31
and I would like to show you the rate of speed,
120
366000
4000
most szeretném megmutatni a sebesség és változás rátát,
06:35
the rate of change, how fast they have gone.
121
370000
3000
hogy tudniillik milyen gyorsan haladtak előre.
06:38
And we go back to 1920, and I want to look at Japan.
122
373000
7000
Menjünk vissza 1920-ba. Meg szeretném vizsgálni Japánt.
06:46
And I want to look at Sweden and the United States.
123
381000
3000
És szeretném látni Svédországot és az Egyesült Államokat.
06:49
And I'm going to stage a race here
124
384000
2000
És most kihirdetem a versenyt.
06:51
between this sort of yellowish Ford here
125
386000
3000
Itt, egy sárgás színű Ford,
06:54
and the red Toyota down there,
126
389000
2000
lent egy piros Toyota,
06:56
and the brownish Volvo.
127
391000
2000
és egy barnás színű Volvo között.
06:58
(Laughter)
128
393000
2000
(Nevetés)
07:00
And here we go. Here we go.
129
395000
2000
És itt jönnek és itt jönnek.
07:02
The Toyota has a very bad start down here, you can see,
130
397000
3000
A Toyota nagyon rosszul kezd alul, láthatják,
07:05
and the United States Ford is going off-road there.
131
400000
3000
az amerikai Ford letér az útról itt.
07:08
And the Volvo is doing quite fine.
132
403000
1000
És a Volvo remekül halad előre.
07:09
This is the war. The Toyota got off track, and now
133
404000
2000
Ez a világháború, a Toyota lemarad,
07:11
the Toyota is coming on the healthier side of Sweden --
134
406000
3000
és áttér Svédország egészségesebb oldalára. --
07:14
can you see that?
135
409000
1000
látják?
07:15
And they are taking over Sweden,
136
410000
1000
Lehagyják Svédországot,
07:16
and they are now healthier than Sweden.
137
411000
2000
és most már egészségesebbek, mint Svédország.
07:18
That's the part where I sold the Volvo and bought the Toyota.
138
413000
2000
És itt adtam el a Volvót és vettem meg a Toyotát.
07:20
(Laughter)
139
415000
3000
(Nevetés)
07:23
And now we can see that the rate of change was enormous in Japan.
140
418000
4000
És most láthatjuk, hogy Japán milyen óriási változáson ment keresztül.
07:27
They really caught up.
141
422000
2000
Ők valóban felzárkóztak.
07:29
And this changes gradually.
142
424000
2000
És ez a változás fokozatos.
07:31
We have to look over generations to understand it.
143
426000
3000
Nemzedékeken keresztül kell vizsgálnunk, hogy megértsük.
07:34
And let me show you my own sort of family history --
144
429000
5000
Engedjék meg, hogy megmutassam a saját családom történetét.
07:39
we made these graphs here.
145
434000
2000
Elkészítettük ezt a függvényt,
07:41
And this is the same thing, money down there, and health, you know?
146
436000
4000
ez ugyanaz: a pénz az alsó és ott van az egészség, ahogy eddig látták.
07:45
And this is my family.
147
440000
2000
Ez az én családom.
07:48
This is Sweden, 1830, when my great-great-grandma was born.
148
443000
4000
Ez Svédország 1830-ban, amikor a üknagymamám született.
07:53
Sweden was like Sierra Leone today.
149
448000
2000
Svédország a mai Sierra Leone-hoz hasonlított.
07:56
And this is when great-grandma was born, 1863.
150
451000
3000
És itt van, amikor az dédnagymamám született, 1863-ban.
08:00
And Sweden was like Mozambique.
151
455000
2000
És Svédország olyan volt, mint ma Mozambik.
08:02
And this is when my grandma was born, 1891.
152
457000
2000
Ekkor született a nagymamám 1891-ben.
08:04
She took care of me as a child,
153
459000
2000
Ő vigyázott rám, amikor kisgyerek voltam.
08:06
so I'm not talking about statistic now --
154
461000
2000
Szóval most nem statisztikáról beszélek.
08:08
now it's oral history in my family.
155
463000
2000
Ez most a családom szájhagyomány útján terjedő történelme.
08:11
That's when I believe statistics,
156
466000
1000
Ekkor hiszek a statisztikában,
08:12
when it's grandma-verified statistics.
157
467000
3000
amikor nagymama-igazolt.
08:15
(Laughter)
158
470000
3000
(Nevetés)
08:18
I think it's the best way of verifying historical statistics.
159
473000
3000
Azt gondolom, ez a legjobb módja, hogy statisztikákat ellenőrizzünk.
08:21
Sweden was like Ghana.
160
476000
1000
Svédország a mai Ghánára hasonlított.
08:22
It's interesting to see the enormous diversity
161
477000
3000
Érdekes látni az óriási különbséget
08:25
within sub-Saharan Africa.
162
480000
2000
a szub-szaharai Afrikán belül.
08:28
I told you last year, I'll tell you again,
163
483000
2000
Mondtam önöknek tavaly és elmondom ismét,
08:30
my mother was born in Egypt, and I -- who am I?
164
485000
3000
anyám Egyiptomban született és én -- ki vagyok én?
08:33
I'm the Mexican in the family.
165
488000
1000
Én vagyok a mexikói a családban.
08:35
And my daughter, she was born in Chile,
166
490000
2000
És a lányom, ő Chilében született,
08:37
and the grand-daughter was born in Singapore,
167
492000
2000
és az unokám Szingapúrban,
08:39
now the healthiest country on this Earth.
168
494000
2000
amely most a legegészségesebb ország az egész Földön.
08:41
It bypassed Sweden about two to three years ago,
169
496000
2000
Gyermektúlélés tekintetében nagyjából
08:43
with better child survival.
170
498000
2000
két-három évvel ezelőtt lehagyta Svédországot.
08:45
But they're very small, you know?
171
500000
1000
De ők nagyon kicsik, tudják,
08:46
They're so close to the hospital we can never
172
501000
2000
olyan közel vannak a kórházhoz, mi soha az életben
08:48
beat them out in these forests.
173
503000
1000
nem tudjuk legyőzni őket
08:49
(Laughter)
174
504000
3000
ezekben az erdőkben. (Nevetés)
08:52
But homage to Singapore.
175
507000
1000
De hódolatom Szingapúrnak.
08:53
Singapore is the best one.
176
508000
2000
Szingapúr a legjobb ma.
08:55
Now this looks also like a very good story.
177
510000
4000
És remek történet is.
08:59
But it's not really that easy, that it's all a good story.
178
514000
4000
De milyen áron vált mindez sikertörténetté?
09:03
Because I have to show you one of the other facilities.
179
518000
3000
Mert meg kell mutatnom önöknek egy másik szemszöget.
09:06
We can also make the color here represent the variable --
180
521000
5000
A színekkel kiemelhetjük a változókat --
09:11
and what am I choosing here?
181
526000
1000
és mit választok most?
09:12
Carbon-dioxide emission, metric ton per capita.
182
527000
4000
Széndioxid kibocsátás, 1000kg/ fő.
09:17
This is 1962, and United States was emitting 16 tons per person.
183
532000
5000
1962-őt írunk, az Egyesült Államok kibocsátása 16 tonna volt személyenként.
09:22
And China was emitting 0.6,
184
537000
2000
Kína 0,6,
09:24
and India was emitting 0.32 tons per capita.
185
539000
4000
India pedig 0,32 tonnát bocsátott ki fejenként.
09:28
And what happens when we moved on?
186
543000
3000
És mi történt, ahogyan haladtunk előre?
09:31
Well, you see the nice story of getting richer
187
546000
2000
Látjuk a sikertörténetet, ahogyan mindenki gazdagabb
09:33
and getting healthier --
188
548000
1000
és egyre egészségesebb lett --
09:34
everyone did it at the cost of emission of carbon dioxide.
189
549000
5000
és mindenki a széndioxid kibocsátás növelésével érte el ezt.
09:39
There is no one who has done it so far.
190
554000
3000
Így nincs senki, akinek teljes volna a sikere.
09:42
And we don't have all the updated data
191
557000
3000
És már nincs meg minden aktualizált adatunk,
09:45
any longer, because this is really hot data today.
192
560000
3000
mert ezek igazán forró adatok manapság.
09:48
And there we are, 2001.
193
563000
2000
És itt vagyunk 2001-ben.
09:51
And in the discussion I attended with global leaders, you know,
194
566000
4000
És a megbeszélésen, amelyen a világ vezetőivel vettem részt,
09:55
many say now the problem is that the emerging economies,
195
570000
4000
sokan mondták, hogy a fejlődő gazdaságok a probléma,
09:59
they are getting out too much carbon dioxide.
196
574000
3000
hogy túl sok széndioxidot bocsátanak ki.
10:02
The Minister of the Environment of India said,
197
577000
2000
India környezetvédelmi minisztere azt mondta:
10:04
"Well, you were the one who caused the problem."
198
579000
3000
"Nos, önök voltak azok, akik a problémát okozták."
10:07
The OECD countries -- the high-income countries --
199
582000
3000
Az OECD országok -- a gazdag országok, --
10:10
they were the ones who caused the climate change.
200
585000
2000
ők voltak, akik a klímaváltozást okozták.
10:13
"But we forgive you, because you didn't know it.
201
588000
2000
"De megbocsátunk önöknek, mert nem tudták, mit cselekszenek.
10:15
But from now on, we count per capita.
202
590000
3000
a mai naptól fejkvótában számolunk.
10:18
From now on we count per capita.
203
593000
2000
Mostantól fejkvótában gondolkodunk.
10:20
And everyone is responsible for the per capita emission."
204
595000
3000
És mindenki felelős a fejenkénti kibocsátásért.”
10:23
This really shows you, we have not seen good economic
205
598000
3000
Ez valóban megmutatja, hogy senkit sem láttunk idáig,
10:26
and health progress anywhere in the world
206
601000
2000
aki képes volt gazdasági és egészségügyi előrelépésre anélkül,
10:28
without destroying the climate.
207
603000
4000
hogy a klímát ne tette volna tönkre.
10:33
And this is really what has to be changed.
208
608000
2000
És ez az, aminek meg kell változnia.
10:36
I've been criticized for showing you a too positive image of the world,
209
611000
3000
Kritika ért azért, mert túl pozitív képet festek a világról,
10:39
but I don't think it's like this.
210
614000
2000
de nem hinném, hogy ez így lenne.
10:41
The world is quite a messy place.
211
616000
2000
Az élet szerintem kemény.
10:43
This we can call Dollar Street.
212
618000
2000
Ezt itt Dollár Utcának nevezhetjük.
10:45
Everyone lives on this street here.
213
620000
2000
Mindenki ebben az utcában lakik.
10:47
What they earn here -- what number they live on --
214
622000
3000
Ahányas számban laknak,
10:50
is how much they earn per day.
215
625000
1000
annyi pénzt keresnek naponta.
10:51
This family earns about one dollar per day.
216
626000
3000
Ez a család körülbelül egy dollárt keres naponta.
10:55
We drive up the street here,
217
630000
1000
Ahogy haladunk tovább,
10:56
we find a family here which earns about two to three dollars a day.
218
631000
4000
találkozunk egy családdal, amelyik két-három dollárt keres naponta.
11:00
And we drive away here -- we find the first garden in the street,
219
635000
3000
És még tovább megyünk – meglátjuk az első kertet az utcában,
11:03
and they earn 10 to 50 dollars a day.
220
638000
2000
ők 10 és 50 dollár között keresnek.
11:05
And how do they live?
221
640000
2000
És hogyan élnek?
11:07
If we look at the bed here, we can see
222
642000
3000
Ha megnézzük az ágyat itt, láthatjuk,
11:10
that they sleep on a rug on the floor.
223
645000
3000
hogy a földön, egy szőnyegen alszanak.
11:13
This is what poverty line is --
224
648000
2000
Ez a szegénységküszöb --
11:15
80 percent of the family income is just to cover the energy needs,
225
650000
3000
a család jövedelmének 80% csak az energiaigényt fedezi,
11:18
the food for the day.
226
653000
2000
vagyis a napi élelemre megy el.
11:20
This is two to five dollars. You have a bed.
227
655000
3000
Ha van 2-5 dollárod naponta, van ágyad.
11:23
And here it's a much nicer bedroom, you can see.
228
658000
2000
És itt, egy sokkal szebb hálószoba, ahogyan látják.
11:26
I lectured on this for Ikea, and they wanted to see
229
661000
2000
Írtam erről az IKEA-nak,
11:28
the sofa immediately here.
230
663000
2000
és rögtön idehelyezték a kanapét.
11:30
(Laughter)
231
665000
2000
(Nevetés)
11:32
And this is the sofa, how it will emerge from there.
232
667000
4000
És itt a fekhely, ahogyan innen előbukkan.
11:36
And the interesting thing, when you go around here in the photo panorama,
233
671000
3000
És az érdekes tény, hogy ha körülnézünk a panorámaképen,
11:39
you see the family still sitting on the floor there.
234
674000
2000
a család még midig a padlón ül,
11:41
Although there is a sofa,
235
676000
2000
habár van kanapéjuk.
11:43
if you watch in the kitchen, you can see that
236
678000
2000
Ha benézünk a konyhába, láthatjuk,
11:45
the great difference for women does not come between one to 10 dollars.
237
680000
5000
hogy a nők helyzete nem javul drámaian 1 és 10 dollár között.
11:50
It comes beyond here, when you really can get
238
685000
2000
A különbség a fölött mutatkozik,
11:52
good working conditions in the family.
239
687000
3000
amikor egy nőnek jók a munkakörülményei a családban.
11:55
And if you really want to see the difference,
240
690000
2000
És ha tényleg látni akarjuk a különbséget,
11:57
you look at the toilet over here.
241
692000
2000
akkor nézzük meg a mellékhelyiséget itt.
11:59
This can change. This can change.
242
694000
2000
Ez megváltozhat. Ez meg tud változni.
12:01
These are all pictures and images from Africa,
243
696000
3000
Ezek mind Afrikában készült képek
12:04
and it can become much better.
244
699000
2000
és mindez sokkal jobbá tehető.
12:07
We can get out of poverty.
245
702000
2000
Ki tudunk lábalni a szegénységből.
12:09
My own research has not been in IT or anything like this.
246
704000
3000
A kutatásom nem számítástechnikai szoftverrel készült.
12:12
I spent 20 years in interviews with African farmers
247
707000
3000
20 évet töltöttem az éhhalál szélén álló
12:15
who were on the verge of famine.
248
710000
3000
afrikai farmerek között.
12:18
And this is the result of the farmers-needs research.
249
713000
2000
Íme a „gazdák szükségletei” kutatásom eredménye.
12:20
The nice thing here is that you can't see
250
715000
2000
Az a jó, hogy ezen a képen nem lehet látni,
12:22
who are the researchers in this picture.
251
717000
2000
hogy kik is valójában a kutatók.
12:24
That's when research functions in poor societies --
252
719000
3000
Ez az, amikor a kutatás közösségi érdekeket szolgál.
12:27
you must really live with the people.
253
722000
2000
Valóban az emberekkel kell együtt élned.
12:31
When you're in poverty, everything is about survival.
254
726000
4000
Amikor valaki szegény, minden a túlélésről szól.
12:35
It's about having food.
255
730000
2000
Arról, hogy élelemhez jusson.
12:37
And these two young farmers, they are girls now --
256
732000
2000
Ez a két fiatal farmer -- akik lányok,
12:39
because the parents are dead from HIV and AIDS --
257
734000
4000
mert a szülőket elvitte a HIV fertőzés és az AIDS --
12:43
they discuss with a trained agronomist.
258
738000
2000
egy képzett agronómussal beszélget.
12:45
This is one of the best agronomists in Malawi, Junatambe Kumbira,
259
740000
4000
Ő az egyik legjobb agronómus Malawiban, Junatambe Kumbire,
12:49
and he's discussing what sort of cassava they will plant --
260
744000
2000
és azt beszélik meg, hogy a manióka melyik fajtáját vessék el --
12:51
the best converter of sunshine to food that man has found.
261
746000
4000
a manióka a napfény legjobb leképezése élelmiszerre, amit ember valaha talált.
12:55
And they are very, very eagerly interested to get advice,
262
750000
3000
És a két lány nagyon nagy buzgalommal figyel a tanácsokra,
12:58
and that's to survive in poverty.
263
753000
3000
mert azok a túlélést jelentik a nélkülözésben.
13:01
That's one context.
264
756000
1000
Ez egyfajta kontextus.
13:02
Getting out of poverty.
265
757000
2000
Kilábalni a szegénységből.
13:04
The women told us one thing. "Get us technology.
266
759000
3000
Azt mondták nekünk a nők: „Adjanak nekünk gépeket.
13:07
We hate this mortar, to stand hours and hours.
267
762000
3000
Utáljuk ezt a mozsarat, amely mellett végeérhetetlen órákat töltünk.
13:10
Get us a mill so that we can mill our flour,
268
765000
3000
Had’ kapjunk malmot, hogy megőrölhessük a lisztünket,
13:13
then we will be able to pay for the rest ourselves."
269
768000
3000
és a többit mi már elintézzük.”
13:16
Technology will bring you out of poverty,
270
771000
3000
A technológia kihoz a szegénységből,
13:19
but there's a need for a market to get away from poverty.
271
774000
4000
de szükség van még piacra is, hogy eltávolodjunk a szegénységtől.
13:23
And this woman is very happy now, bringing her products to the market.
272
778000
3000
És ez a nő nagyon boldog most, viszi a portékáját a piacra.
13:26
But she's very thankful for the public investment in schooling
273
781000
2000
Ugyanakkor nagyon hálás a közoktatásért,
13:28
so she can count, and won't be cheated when she reaches the market.
274
783000
3000
mert tud számolni és nem csapják be amikor a piacra ér.
13:31
She wants her kid to be healthy, so she can go to the market
275
786000
3000
Azt akarja, hogy gyermeke egészséges legyen, hogy ő elmehessen a piacra
13:34
and doesn't have to stay home.
276
789000
2000
és ne kelljen otthon maradnia.
13:36
And she wants the infrastructure -- it is nice with a paved road.
277
791000
3000
És igényli az infrastruktúrát -- a szép kövesutakat.
13:39
It's also good with credit.
278
794000
2000
A hitelt is szeretik.
13:41
Micro-credits gave her the bicycle, you know.
279
796000
3000
A mikro-hitel lehetővé tette, hogy megvegye a kerékpárt, tudják.
13:44
And information will tell her when to go to market with which product.
280
799000
3000
És az információból megtudhatja, mikor és mivel érdemes kimennie a piacra.
13:47
You can do this.
281
802000
2000
Meg lehet csinálni.
13:49
I find my experience from 20 years of Africa is that
282
804000
3000
20 év afrikai tapasztalatom mondatja velem:
13:52
the seemingly impossible is possible.
283
807000
3000
ami első látásra lehetetlennek tűnik, valójában lehetséges.
13:55
Africa has not done bad.
284
810000
2000
Afrika nem fejlődött lassan.
13:57
In 50 years they've gone from a pre-Medieval situation
285
812000
3000
50 év alatt, egy középkor előtti állapotból
14:00
to a very decent 100-year-ago Europe,
286
815000
3000
a 100 évvel ezelőtti Európa fejlettségi színvonalára került,
14:03
with a functioning nation and state.
287
818000
3000
működő nemzetekkel és államokkal.
14:06
I would say that sub-Saharan Africa has done best in the world
288
821000
3000
Azt mondanám, hogy a szub-szaharai Afrika fejlődési üteme
14:09
during the last 50 years.
289
824000
1000
mindenkiénél gyorsabb volt az utóbbi 50 évben.
14:10
Because we don't consider where they came from.
290
825000
2000
Mert mi nem nézzük, honnan indultak.
14:12
It's this stupid concept of developing countries
291
827000
3000
A fejlődő országok ezen idióta beskatulyázása az, amely
14:15
that puts us, Argentina and Mozambique together 50 years ago,
292
830000
3000
50 éve egy csoportba tett bennünket, Argentínát és Mozambikot,
14:18
and says that Mozambique did worse.
293
833000
2000
és azt mondja, hogy Mozambik rosszul teljesített.
14:21
We have to know a little more about the world.
294
836000
2000
Kicsivel többet kell tudnunk a világról.
14:23
I have a neighbor who knows 200 types of wine.
295
838000
3000
Van egy szomszédom, aki 200 féle bort ismer.
14:26
He knows everything.
296
841000
1000
Tud mindent.
14:27
He knows the name of the grape, the temperature and everything.
297
842000
2000
Tudja a szőlőfajták nevét, a hőfokokat, mindent.
14:29
I only know two types of wine -- red and white.
298
844000
3000
Én összesen két fajta bort ismerek: a vöröset meg a fehéret.
14:32
(Laughter)
299
847000
2000
(Nevetés)
14:34
But my neighbor only knows two types of countries --
300
849000
2000
De a szomszédom csak kétféle országot ismer:
14:36
industrialized and developing.
301
851000
2000
a fejlettet és fejlődőt.
14:38
And I know 200, I know about the small data.
302
853000
3000
És én ismerek kétszázat, ismerem a részleteket is.
14:41
But you can do that.
303
856000
1000
De bárki ismerheti.
14:42
(Applause)
304
857000
5000
(Taps)
14:47
But I have to get serious. And how do you get serious?
305
862000
2000
De több komolyságra van szükségem. És hogyan lehetnék komolyabb?
14:49
You make a PowerPoint, you know?
306
864000
2000
Megnyitok egy PowerPointot, tudják.
14:51
(Laughter)
307
866000
5000
(Nevetés)
14:56
Homage to the Office package, no?
308
871000
2000
Hódolat az office csomagnak, nemde?
15:00
What is this, what is this, what am I telling?
309
875000
2000
Mi ez? Mi ez? Mit magyarázok?
15:02
I'm telling you that there are many dimensions of development.
310
877000
3000
Azt mondom, hogy a fejlődésnek sok dimenziója van.
15:05
Everyone wants your pet thing.
311
880000
2000
Mindenki a saját szempontjait nézi.
15:07
If you are in the corporate sector, you love micro-credit.
312
882000
3000
Ha a vállalati szektorban vagyunk, szeretjük a mikro-hitelt.
15:10
If you are fighting in a non-governmental organization,
313
885000
2000
Ha valaki egy civil szervezetben harcol,
15:12
you love equity between gender.
314
887000
3000
akkor a nemek közötti egyenlőség a kedvence.
15:15
Or if you are a teacher, you'll love UNESCO, and so on.
315
890000
2000
Vagy ha valaki tanár, imádja az UNESCO-t és így tovább.
15:17
On the global level, we have to have more than our own thing.
316
892000
2000
Globális szinten, többre kell figyelnünk, mint csak a saját szempontjaink.
15:19
We need everything.
317
894000
2000
Mindenre szükségünk van.
15:21
All these things are important for development,
318
896000
2000
Ezek közül minden fontos a fejlődés szempontjából.
15:23
especially when you just get out of poverty
319
898000
2000
Különösen akkor, ha éppen kifelé jövünk a szegénységből
15:25
and you should go towards welfare.
320
900000
3000
és a jólét felé kell igyekeznünk.
15:28
Now, what we need to think about
321
903000
2000
Most, amire gondolnunk kell,
15:30
is, what is a goal for development,
322
905000
3000
nem más, mint hogy mi a célja,
15:33
and what are the means for development?
323
908000
1000
és mik a legszükségesebb erőforrásai a fejlődésnek?
15:34
Let me first grade what are the most important means.
324
909000
3000
Engedjék meg, hogy a legfontosabbakat értékeljem.
15:38
Economic growth to me, as a public-health professor,
325
913000
2000
Nekem, egészségüggyel foglalkozó professzornak,
15:40
is the most important thing for development
326
915000
4000
a gazdasági fejlődés a legfontosabb,
15:44
because it explains 80 percent of survival.
327
919000
2000
ez magyarázza a túlélés 80 százalékát.
15:47
Governance. To have a government which functions --
328
922000
3000
Kormányzat. Legyen egy működő kormány --
15:50
that's what brought California out of the misery of 1850.
329
925000
4000
ez hozta ki Kaliforniát a tragédiából 1850-ben.
15:54
It was the government that made law function finally.
330
929000
3000
Ez a kormány volt az, amely végre működésbe hozta a jogot.
15:58
Education, human resources are important.
331
933000
2000
Az oktatás, a humán erőforrás szintén fontos.
16:00
Health is also important, but not that much as a mean.
332
935000
4000
Az egészség szintén fontos, de nem annyira, mint eszköz.
16:04
Environment is important.
333
939000
2000
A környezet fontos.
16:06
Human rights is also important, but it just gets one cross.
334
941000
2000
Az emberi jogok szintén fontosak, de csak egy keresztet adok nekik.
16:08
Now what about goals? Where are we going toward?
335
943000
3000
Most nézzük, mik a célok? Mi felé tartunk?
16:11
We are not interested in money.
336
946000
2000
Nem érdeklődünk a pénz iránt.
16:13
Money is not a goal.
337
948000
1000
A pénz nem cél.
16:14
It's the best mean, but I give it zero as a goal.
338
949000
3000
A legjobb erőforrás, de mint célnak, nullát adok neki.
16:18
Governance, well it's fun to vote in a little thing,
339
953000
3000
Kormányzat, nos, szavazáskor vicces,
16:21
but it's not a goal.
340
956000
2000
de egyébként nem annyira.
16:23
And going to school, that's not a goal, it's a mean.
341
958000
4000
És iskolába járni, nos ez nem cél, inkább erőforrás.
16:27
Health I give two points. I mean it's nice to be healthy
342
962000
2000
Az egészségnek, két pontot adok. Egészségesnek lenni jó,
16:29
-- at my age especially -- you can stand here, you're healthy.
343
964000
2000
különösen az én koromban, itt állhatok, egészségesen.
16:31
And that's good, it gets two plusses.
344
966000
2000
És ez jó, kap két pluszt.
16:33
Environment is very, very crucial.
345
968000
2000
A környezet nagyon nagyon kritikus.
16:35
There's nothing for the grandkid if you don't save up.
346
970000
2000
Semmi sem marad az unokáknak, ha nem vigyázunk.
16:37
But where are the important goals?
347
972000
2000
De hol vannak a fontos célok?
16:39
Of course, it's human rights.
348
974000
2000
Természetesen ezek az emberi jogok.
16:41
Human rights is the goal,
349
976000
2000
Az emberi jogok megszerzése cél,
16:43
but it's not that strong of a mean for achieving development.
350
978000
3000
de nem erős erőforrás a fejlődés eléréséhez.
16:47
And culture. Culture is the most important thing, I would say,
351
982000
4000
És kultúra. A kultúra a legfontosabb, azt mondanám.
16:51
because that's what brings joy to life.
352
986000
2000
Mert ez az, ami örömet hoz az életbe.
16:53
That's the value of living.
353
988000
2000
Ettől értékes az élet.
16:55
So the seemingly impossible is possible.
354
990000
3000
Tehát a látszatra lehetetlen valójában lehetséges.
16:58
Even African countries can achieve this.
355
993000
2000
Még az afrikai országok is elérhetik mindezt.
17:01
And I've shown you the shot where the seemingly impossible is possible.
356
996000
6000
Megmutattam képeken, hogy a látszólag lehetetlen valójában lehetséges.
17:07
And remember, please remember my main message,
357
1002000
4000
És emlékezzenek, kérem, emlékezzenek az üzenetemre,
17:11
which is this: the seemingly impossible is possible.
358
1006000
3000
ami nem más, mint hogy a látszatra lehetetlen, valójában lehetséges.
17:14
We can have a good world.
359
1009000
2000
Egy jó világban élhetünk.
17:16
I showed you the shots, I proved it in the PowerPoint,
360
1011000
3000
Megmutattam a képeket, bebizonyítottam a PowerPointban
17:19
and I think I will convince you also by culture.
361
1014000
6000
és úgy gondolom, meggyőzöm önöket a kultúra által.
17:25
(Laughter)
362
1020000
4000
(Nevetés)
17:29
(Applause)
363
1024000
1000
(Taps)
17:30
Bring me my sword!
364
1025000
2000
Hozzátok ide a kardomat!
17:36
Sword swallowing is from ancient India.
365
1031000
5000
A kardnyelés…. az ősi Indiából származik.
17:41
It's a cultural expression that for thousands of years
366
1036000
5000
Ez egy kulturális kifejezés, mely évezredeken át
17:46
has inspired human beings to think beyond the obvious.
367
1041000
6000
inspirálta arra az embereket, hogy gondolkodjanak a nyilvánvalón túl.
17:52
(Laughter)
368
1047000
2000
(Nevetés)
17:54
And I will now prove to you that the seemingly impossible is possible
369
1049000
5000
És most, be fogom bizonyítani önöknek a látszólag lehetetlen valójában lehetséges,
17:59
by taking this piece of steel -- solid steel --
370
1054000
3000
fogom ezt a darab acélt, -- tömör acélt --
18:03
this is the army bayonet from the Swedish Army, 1850,
371
1058000
3000
ez egy svéd hadseregből származó bajonett, 1850-ből,
18:06
in the last year we had war.
372
1061000
2000
amikor utoljára háborúztunk.
18:09
And it's all solid steel -- you can hear here.
373
1064000
3000
És ez egy tömör acél, - hallhatják itt.
18:12
And I'm going to take this blade of steel,
374
1067000
6000
És fogom ezt a pengét és letolom a torkomon,
18:18
and push it down through my body of blood and flesh,
375
1073000
5000
a hús-vér testemen keresztül,
18:23
and prove to you that the seemingly impossible is possible.
376
1078000
4000
hogy bebizonyítsam önöknek a látszólag lehetetlen valójában lehetséges.
18:28
Can I request a moment of absolute silence?
377
1083000
4000
Kérnék egy perc teljes csendet.
18:43
(Applause)
378
1098000
22000
(Taps)
ABOUT THE SPEAKER
Hans Rosling - Global health expert; data visionaryIn Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus.
Why you should listen
Even the most worldly and well-traveled among us have had their perspectives shifted by Hans Rosling. A professor of global health at Sweden's Karolinska Institute, his work focused on dispelling common myths about the so-called developing world, which (as he pointed out) is no longer worlds away from the West. In fact, most of the Third World is on the same trajectory toward health and prosperity, and many countries are moving twice as fast as the west did.
What set Rosling apart wasn't just his apt observations of broad social and economic trends, but the stunning way he presented them. Guaranteed: You've never seen data presented like this. A presentation that tracks global health and poverty trends should be, in a word: boring. But in Rosling's hands, data sings. Trends come to life. And the big picture — usually hazy at best — snaps into sharp focus.
Rosling's presentations were grounded in solid statistics (often drawn from United Nations and World Bank data), illustrated by the visualization software he developed. The animations transform development statistics into moving bubbles and flowing curves that make global trends clear, intuitive and even playful. During his legendary presentations, Rosling took this one step farther, narrating the animations with a sportscaster's flair.
Rosling developed the breakthrough software behind his visualizations through his nonprofit Gapminder, founded with his son and daughter-in-law. The free software — which can be loaded with any data — was purchased by Google in March 2007. (Rosling met the Google founders at TED.)
Rosling began his wide-ranging career as a physician, spending many years in rural Africa tracking a rare paralytic disease (which he named konzo) and discovering its cause: hunger and badly processed cassava. He co-founded Médecins sans Frontièrs (Doctors without Borders) Sweden, wrote a textbook on global health, and as a professor at the Karolinska Institut in Stockholm initiated key international research collaborations. He's also personally argued with many heads of state, including Fidel Castro.
Hans Rosling passed away in February 2017. He is greatly missed.
Hans Rosling | Speaker | TED.com