TED2015
Manuel Lima: A visual history of human knowledge
Manuel Lima: Una storia visiva della conoscenza umana
Filmed:
Readability: 5.4
1,916,809 views
Come cresce la conoscenza? Talvolta inizia con uno spunto e cresce in tanti rami. L'esperto di infografica Manuel Lima esplora un migliaio di anni di storia della mappatura dei dati, dalle lingue alle dinastie, usando alberi delle informazioni. È una storia affascinante della visualizzazione, e uno sguardo al desiderio dell'umanità di mappare le conoscenze.
Manuel Lima - Data visualization researcher
Manuel Lima studies how information can be organized -- into elegant and beautiful diagrams that illustrate the many unexpected twists of big data. Full bio
Manuel Lima studies how information can be organized -- into elegant and beautiful diagrams that illustrate the many unexpected twists of big data. Full bio
Double-click the English transcript below to play the video.
00:13
Over the past 10 years,
0
1126
1295
Negli ultimi 10 anni,
00:14
I've been researching the way
people organize and visualize information.
people organize and visualize information.
1
2445
4569
ho studiato come la gente organizza
e visualizza le informazioni.
e visualizza le informazioni.
00:19
And I've noticed an interesting shift.
2
7786
2039
Ho notato un interessante spostamento.
00:22
For a long period of time,
3
10166
1720
Per un lungo periodo,
00:23
we believed in a natural ranking order
in the world around us,
in the world around us,
4
11910
4428
abbiamo creduto
in un ordinamento naturale
in un ordinamento naturale
del mondo che ci circonda,
00:28
also known as the great chain of being,
or "Scala naturae" in Latin,
or "Scala naturae" in Latin,
5
16362
4745
noto come grande catena dell'essere,
o 'Scala naturae' in latino,
o 'Scala naturae' in latino,
00:33
a top-down structure that normally starts
with God at the very top,
with God at the very top,
6
21131
4175
una struttura dall'alto in basso
che normalmente inizia con Dio in alto,
che normalmente inizia con Dio in alto,
00:37
followed by angels, noblemen,
7
25330
2405
seguito dagli angeli, dai nobili,
00:39
common people, animals, and so on.
8
27759
3013
la gente comune, gli animali e così via.
00:43
This idea was actually based
on Aristotle's ontology,
on Aristotle's ontology,
9
31999
4275
Questa idea si basava
sull'ontologia di Aristotele,
sull'ontologia di Aristotele,
00:48
which classified all things known to man
in a set of opposing categories,
in a set of opposing categories,
10
36298
4444
che classificava tutte le cose
note all'uomo
note all'uomo
in una serie di categorie opposte,
00:52
like the ones you see behind me.
11
40766
1722
come quelle che vedete dietro di me.
00:56
But over time, interestingly enough,
12
44687
2747
Ma nel tempo, stranamente,
00:59
this concept adopted
the branching schema of a tree
the branching schema of a tree
13
47458
4146
questo concetto ha adottato
lo schema ramificato di un albero
lo schema ramificato di un albero
01:03
in what became known
as the Porphyrian tree,
as the Porphyrian tree,
14
51628
2873
diventando il noto Albero di Porfirio,
01:06
also considered to be
the oldest tree of knowledge.
the oldest tree of knowledge.
15
54525
3642
considerato anche
il più antico albero della conoscenza.
il più antico albero della conoscenza.
01:11
The branching scheme
of the tree was, in fact,
of the tree was, in fact,
16
59238
2174
Il sistema ramificato di un albero
era, di fatto,
era, di fatto,
01:13
such a powerful metaphor
for conveying information
for conveying information
17
61436
2949
una metafora così forte
per trasmettere informazioni
per trasmettere informazioni
01:16
that it became, over time,
an important communication tool
an important communication tool
18
64409
3270
che è diventato, con il tempo,
un importante strumento di comunicazione
un importante strumento di comunicazione
01:19
to map a variety of systems of knowledge.
19
67703
2274
per mappare una varietà
di sistemi di conoscenza.
di sistemi di conoscenza.
01:22
We can see trees being used
to map morality,
to map morality,
20
70648
3083
Vediamo alberi usati
per mappare la moralità,
per mappare la moralità,
01:25
with the popular tree of virtues
and tree of vices,
and tree of vices,
21
73755
2849
con il popolare albero delle virtù
e albero dei vizi,
e albero dei vizi,
01:28
as you can see here, with these beautiful
illustrations from medieval Europe.
illustrations from medieval Europe.
22
76628
3792
come vedete qui, con queste belle
illustrazioni medievali europee.
illustrazioni medievali europee.
01:32
We can see trees being used
to map consanguinity,
to map consanguinity,
23
80825
3088
Vediamo alberi che vengono usati
per mappare la consanguineità,
per mappare la consanguineità,
01:35
the various blood ties between people.
24
83937
2244
il sangue che unisce le persone.
01:39
We can also see trees being used
to map genealogy,
to map genealogy,
25
87110
3096
Vediamo anche alberi usati
per mappare la genealogia,
per mappare la genealogia,
forse il più famoso archetipo
di rappresentazione di un albero.
di rappresentazione di un albero.
01:42
perhaps the most famous archetype
of the tree diagram.
of the tree diagram.
26
90230
2810
01:45
I think many of you in the audience
have probably seen family trees.
have probably seen family trees.
27
93064
3316
molti di voi tra il pubblico
avranno visto alberi genealogici.
avranno visto alberi genealogici.
01:48
Many of you probably even have
your own family trees drawn in such a way.
your own family trees drawn in such a way.
28
96404
3705
Molti di voi probabilmente
ce l'hanno anche disegnato così.
ce l'hanno anche disegnato così.
01:53
We can see trees even mapping
systems of law,
systems of law,
29
101158
2911
Ci sono anche alberi
che rappresentano sistemi legislativi,
che rappresentano sistemi legislativi,
01:56
the various decrees and rulings
of kings and rulers.
of kings and rulers.
30
104093
3851
i vari decreti e regole
di re e governanti.
di re e governanti.
02:01
And finally, of course,
also a very popular scientific metaphor,
also a very popular scientific metaphor,
31
109785
3758
Infine, naturalmente,
una metafora molto popolare anch'essa,
una metafora molto popolare anch'essa,
02:05
we can see trees being used
to map all species known to man.
to map all species known to man.
32
113567
3560
vediamo alberi usati per mappare
tutte le specie note all'uomo.
tutte le specie note all'uomo.
02:11
And trees ultimately became
such a powerful visual metaphor
such a powerful visual metaphor
33
119177
3906
Alla fine, gli alberi sono diventati
una metafora visiva così forte
una metafora visiva così forte
02:15
because in many ways,
they really embody this human desire
they really embody this human desire
34
123107
2868
perché in qualche modo,
incarnano il desiderio umano
incarnano il desiderio umano
02:17
for order, for balance,
for unity, for symmetry.
for unity, for symmetry.
35
125999
3036
di ordine, equilibrio, unità, simmetria.
02:21
However, nowadays we are really facing
new complex, intricate challenges
new complex, intricate challenges
36
129999
4323
Tuttavia, al giorno d'oggi
le sfide sono complesse e intricate
le sfide sono complesse e intricate
02:26
that cannot be understood by simply
employing a simple tree diagram.
employing a simple tree diagram.
37
134346
4190
e non possono essere capite
semplicemente usando
semplicemente usando
un semplice diagramma ad albero.
02:32
And a new metaphor is currently emerging,
38
140037
3242
Sta emergendo una nuova metafora,
02:35
and it's currently replacing the tree
39
143303
2150
e sta sostituendo l'albero
02:37
in visualizing various
systems of knowledge.
systems of knowledge.
40
145477
2563
nella visualizzazione
di diversi sistemi di conoscenza.
di diversi sistemi di conoscenza.
02:40
It's really providing us with a new lens
to understand the world around us.
to understand the world around us.
41
148064
4252
Ci sta fornendo una nuova lente
per capire il mondo che ci circonda.
per capire il mondo che ci circonda.
02:45
And this new metaphor
is the metaphor of the network.
is the metaphor of the network.
42
153495
3199
Questa nuova metafora
è la metafora della rete.
è la metafora della rete.
02:49
And we can see this shift
from trees into networks
from trees into networks
43
157511
3311
Possiamo vedere il passaggio
dagli alberi alle reti
dagli alberi alle reti
02:52
in many domains of knowledge.
44
160846
1640
in molti settori della conoscenza.
02:54
We can see this shift in the way
we try to understand the brain.
we try to understand the brain.
45
162510
4189
Possiamo vedere questo spostamento
nel modo di capire il cervello.
nel modo di capire il cervello.
03:00
While before, we used
to think of the brain
to think of the brain
46
168453
2038
Mentre prima pensavamo al cervello
03:02
as a modular, centralized organ,
47
170515
1991
come un organo modulare, centralizzato,
03:04
where a given area was responsible
for a set of actions and behaviors,
for a set of actions and behaviors,
48
172530
4038
in cui una data area era responsabile
di una serie di azioni e comportamenti,
di una serie di azioni e comportamenti,
03:08
the more we know about the brain,
49
176592
1739
più sappiamo del cervello,
03:10
the more we think of it
as a large music symphony,
as a large music symphony,
50
178355
3286
più lo vediamo
come una grande sinfonia,
come una grande sinfonia,
03:13
played by hundreds
and thousands of instruments.
and thousands of instruments.
51
181665
2610
suonata da centinaia
e migliaia di strumenti.
e migliaia di strumenti.
03:16
This is a beautiful snapshot
created by the Blue Brain Project,
created by the Blue Brain Project,
52
184299
3676
Questo è una bella immagine
creata da Blue Brain Project,
creata da Blue Brain Project,
03:19
where you can see 10,000 neurons
and 30 million connections.
and 30 million connections.
53
187999
4063
in cui si vedono 10 000 neuroni
e 30 milioni di connessioni.
e 30 milioni di connessioni.
03:24
And this is only mapping 10 percent
of a mammalian neocortex.
of a mammalian neocortex.
54
192736
3888
E questo mappa solo il 10 per cento
della neocorteccia dei mammiferi.
della neocorteccia dei mammiferi.
03:30
We can also see this shift in the way
we try to conceive of human knowledge.
we try to conceive of human knowledge.
55
198815
4160
Possiamo anche vedere lo spostamento
nel modo di concepire la conoscenza umana.
nel modo di concepire la conoscenza umana.
03:36
These are some remarkable trees
of knowledge, or trees of science,
of knowledge, or trees of science,
56
204062
3148
Questi sono straordinari
alberi della conoscenza o della scienza
alberi della conoscenza o della scienza
03:39
by Spanish scholar Ramon Llull.
57
207234
2221
dello studioso spagnolo Ramon Llull.
03:41
And Llull was actually the precursor,
58
209999
1810
Llull è stato il precursore,
03:43
the very first one who created
the metaphor of science as a tree,
the metaphor of science as a tree,
59
211833
3714
il primo a creare la metafora
della scienza come albero,
della scienza come albero,
03:47
a metaphor we use
every single day, when we say,
every single day, when we say,
60
215571
2968
una metafora che usiamo ogni giorno,
quando diciamo,
quando diciamo,
"La biologia è un ramo della scienza,"
03:50
"Biology is a branch of science,"
61
218563
1665
03:52
when we say,
62
220252
1153
quando diciamo,
"La genetica è un ramo della scienza."
03:53
"Genetics is a branch of science."
63
221429
1933
03:56
But perhaps the most beautiful of all
trees of knowledge, at least for me,
trees of knowledge, at least for me,
64
224283
3595
Ma forse il più bello di tutti
gli alberi della conoscenza, per me,
gli alberi della conoscenza, per me,
03:59
was created for the French encyclopedia
by Diderot and d'Alembert in 1751.
by Diderot and d'Alembert in 1751.
65
227902
4452
è stato creato da Diderot e D'Alembert
per l'Enciclopedia Francese nel 1751.
per l'Enciclopedia Francese nel 1751.
04:04
This was really the bastion
of the French Enlightenment,
of the French Enlightenment,
66
232378
2635
È stato realmente
il bastione dell'Illuminismo francese,
il bastione dell'Illuminismo francese,
04:07
and this gorgeous illustration
was featured as a table of contents
was featured as a table of contents
67
235037
3825
e questa meravigliosa illustrazione
è stata presentata come indice
è stata presentata come indice
04:10
for the encyclopedia.
68
238886
1571
per l'enciclopedia.
04:12
And it actually maps out
all domains of knowledge
all domains of knowledge
69
240481
4187
Mappa tutti i domini della conoscenza
04:16
as separate branches of a tree.
70
244692
2118
come rami distinti di un albero.
04:19
But knowledge is much more
intricate than this.
intricate than this.
71
247866
2333
Ma la conoscenza
è molto più intricata di così.
è molto più intricata di così.
04:22
These are two maps of Wikipedia
showing the inter-linkage of articles --
showing the inter-linkage of articles --
72
250794
4640
Queste sono due mappe di Wikipedia
che mostrano i collegamenti tra articoli --
che mostrano i collegamenti tra articoli --
04:27
related to history on the left,
and mathematics on the right.
and mathematics on the right.
73
255458
3890
per la storia sulla sinistra,
e per la matematica sulla destra.
e per la matematica sulla destra.
04:31
And I think by looking at these maps
74
259966
1739
Guardando queste mappe
04:33
and other ones that have been
created of Wikipedia --
created of Wikipedia --
75
261729
2544
e altre che sono state create
su Wikipedia --
su Wikipedia --
04:36
arguably one of the largest rhizomatic
structures ever created by man --
structures ever created by man --
76
264297
3392
verosimilmente una delle strutture a rizoma
più grandi mai create --
più grandi mai create --
04:39
we can really understand
how human knowledge is much more intricate
how human knowledge is much more intricate
77
267713
3822
possiamo veramente capire
come la conoscenza sia molto più intricata
come la conoscenza sia molto più intricata
04:43
and interdependent, just like a network.
78
271559
2436
e interdipendente,
proprio come una rete.
proprio come una rete.
04:47
We can also see this interesting shift
79
275455
2163
Vediamo anche
questo interessante spostamento
questo interessante spostamento
04:49
in the way we map
social ties between people.
social ties between people.
80
277642
2700
del modo di mappare
i legami sociali tra le persone.
i legami sociali tra le persone.
04:53
This is the typical organization chart.
81
281524
2295
Questo è il tipico organigramma.
Suppongo molti di voi abbiano visto
un grafico di questo tipo,
un grafico di questo tipo,
04:55
I'm assuming many of you have seen
a similar chart as well,
a similar chart as well,
82
283843
2794
04:58
in your own corporations, or others.
83
286661
1746
nelle vostre aziende o altrove.
05:00
It's a top-down structure
84
288431
1485
È una struttura dall'alto verso il basso
05:01
that normally starts
with the CEO at the very top,
with the CEO at the very top,
85
289940
2861
che normalmente parte con l'AD in cima,
05:04
and where you can drill down all the way
to the individual workmen on the bottom.
to the individual workmen on the bottom.
86
292825
3960
e in cui si scende
fino al singolo operaio in basso.
fino al singolo operaio in basso.
05:09
But humans sometimes are, well, actually,
all humans are unique in their own way,
all humans are unique in their own way,
87
297634
4848
Ma tutti gli esseri umani
sono unici a modo loro,
sono unici a modo loro,
05:14
and sometimes you really don't play well
under this really rigid structure.
under this really rigid structure.
88
302506
4698
e talvolta questa struttura rigida
non funziona.
non funziona.
05:20
I think the Internet is really changing
this paradigm quite a lot.
this paradigm quite a lot.
89
308711
3110
Credo che Internet
stia cambiando parecchio il paradigma.
stia cambiando parecchio il paradigma.
05:23
This is a fantastic map
of online social collaboration
of online social collaboration
90
311845
3365
Questa è una mappa fantastica
della collaborazione sociale online
della collaborazione sociale online
05:27
between Perl developers.
91
315234
1629
tra sviluppatori di Perl.
05:28
Perl is a famous programming language,
92
316887
2088
Perl è un famoso
linguaggio di programmazione,
linguaggio di programmazione,
05:30
and here, you can see
how different programmers
how different programmers
93
318999
2723
e qui, vedete come diversi programmatori
05:33
are actually exchanging files,
and working together on a given project.
and working together on a given project.
94
321746
3827
scambiano file,
e lavorano insieme su un dato progetto.
e lavorano insieme su un dato progetto.
05:37
And here, you can notice that this is
a completely decentralized process --
a completely decentralized process --
95
325597
4178
Qui, notate come il processo
sia totalmente decentralizzato --
sia totalmente decentralizzato --
05:41
there's no leader in this organization,
96
329799
2156
non ci sono leader
in questa organizzazione,
in questa organizzazione,
05:43
it's a network.
97
331979
1157
è una rete.
05:46
We can also see this interesting shift
when we look at terrorism.
when we look at terrorism.
98
334337
4705
Possiamo anche vedere
questo interessante cambiamento
questo interessante cambiamento
nel terrorismo.
05:51
One of the main challenges
of understanding terrorism nowadays
of understanding terrorism nowadays
99
339613
3104
Una della più grandi sfide
nella comprensione del terrorismo
nella comprensione del terrorismo
05:54
is that we are dealing with
decentralized, independent cells,
decentralized, independent cells,
100
342741
3730
è l'avere a che fare
con cellule indipendenti, decentralizzate,
con cellule indipendenti, decentralizzate,
05:58
where there's no leader
leading the whole process.
leading the whole process.
101
346495
2822
in cui non c'è un leader
che guida l'intero processo.
che guida l'intero processo.
06:02
And here, you can actually see
how visualization is being used.
how visualization is being used.
102
350518
3298
E qui, vedete come viene usata
la visualizzazione.
la visualizzazione.
Il diagramma che vedete dietro di me
06:05
The diagram that you see behind me
103
353840
1657
06:07
shows all the terrorists involved
in the Madrid attack in 2004.
in the Madrid attack in 2004.
104
355521
3818
mostra tutti i terroristi coinvolti
nell'attacco a Madrid nel 2004.
nell'attacco a Madrid nel 2004.
06:11
And what they did here is,
they actually segmented the network
they actually segmented the network
105
359942
2927
Quello che hanno fatto qui
è segmentare la rete
è segmentare la rete
06:14
into three different years,
106
362893
1499
in tre anni diversi,
06:16
represented by the vertical layers
that you see behind me.
that you see behind me.
107
364416
3042
rappresentato da strati verticali
che vedete dietro di me.
che vedete dietro di me.
06:19
And the blue lines tie together
108
367482
1969
La linea blu lega
06:21
the people that were present
in that network year after year.
in that network year after year.
109
369475
3618
le persone presenti
in quella rete anno dopo anno.
in quella rete anno dopo anno.
06:25
So even though there's no leader per se,
110
373117
2028
Quindi, anche se non c'è un vero leader,
06:27
these people are probably the most
influential ones in that organization,
influential ones in that organization,
111
375169
3635
queste persone sono probabilmente
le più influenti dell'organizzazione,
le più influenti dell'organizzazione,
quelle che sanno di più del passato
06:30
the ones that know more about the past,
112
378828
2008
e dei futuri piani e obiettivi
di questa particolare cellula.
di questa particolare cellula.
06:32
and the future plans and goals
of this particular cell.
of this particular cell.
113
380860
2877
06:37
We can also see this shift
from trees into networks
from trees into networks
114
385232
3006
Possiamo anche vedere
questo passaggio dagli alberi alle reti
questo passaggio dagli alberi alle reti
06:40
in the way we classify
and organize species.
and organize species.
115
388262
2991
nel modo di classificare
e organizzare le specie.
e organizzare le specie.
06:45
The image on the right
is the only illustration
is the only illustration
116
393245
2829
L'immagine sulla destra
è l'unica illustrazione
è l'unica illustrazione
06:48
that Darwin included
in "The Origin of Species,"
in "The Origin of Species,"
117
396098
3112
che Darwin ha incluso
ne "L'Origine delle Specie",
ne "L'Origine delle Specie",
06:51
which Darwin called the "Tree of Life."
118
399234
2261
che Darwin chiamava "Albero della Vita".
06:54
There's actually a letter
from Darwin to the publisher,
from Darwin to the publisher,
119
402098
2885
C'è una lettera da Darwin all'editore,
06:57
expanding on the importance
of this particular diagram.
of this particular diagram.
120
405007
2656
che illustra l'importanza
di questo particolare diagramma.
di questo particolare diagramma.
06:59
It was critical for Darwin's
theory of evolution.
theory of evolution.
121
407687
2642
È stato importantissimo
per la teoria dell'evoluzione di Darwin.
per la teoria dell'evoluzione di Darwin.
07:03
But recently, scientists discovered
that overlaying this tree of life
that overlaying this tree of life
122
411408
3567
Di recente, gli scienziati
hanno scoperto
hanno scoperto
che a copertura
di questo albero della vita
di questo albero della vita
07:06
is a dense network of bacteria,
123
414999
2435
c'è una fitta rete di batteri,
07:09
and these bacteria
are actually tying together
are actually tying together
124
417458
2161
e questi batteri legano tra loro
07:11
species that were completely
separated before,
separated before,
125
419643
2172
specie prima completamente separate,
07:13
to what scientists are now calling
not the tree of life,
not the tree of life,
126
421839
3080
in quello che gli scienziati
chiamano non albero della vita,
chiamano non albero della vita,
07:16
but the web of life, the network of life.
127
424943
2856
ma ragnatela della vita,
rete della vita.
rete della vita.
07:21
And finally, we can really
see this shift, again,
see this shift, again,
128
429489
2514
Infine, vediamo di nuovo
questo spostamento,
questo spostamento,
07:24
when we look at ecosystems
around our planet.
around our planet.
129
432027
2424
osservando gli ecosistemi del pianeta.
07:27
No more do we have these simplified
predator-versus-prey diagrams
predator-versus-prey diagrams
130
435599
3166
Non ci sono più questi diagrammi
semplificati preda-contro-predatore
semplificati preda-contro-predatore
07:30
we have all learned at school.
131
438789
1447
che abbiamo tutti imparato a scuola.
07:33
This is a much more accurate
depiction of an ecosystem.
depiction of an ecosystem.
132
441201
2989
Questa è una descrizione
molto più accurata di un ecosistema.
molto più accurata di un ecosistema.
07:36
This is a diagram created
by Professor David Lavigne,
by Professor David Lavigne,
133
444214
2904
Questo è un diagramma creato
dal Professor David Lavigne,
dal Professor David Lavigne,
07:39
mapping close to 100 species
that interact with the codfish
that interact with the codfish
134
447142
3500
che mappa quasi 100 specie
che interagiscono con il merluzzo
che interagiscono con il merluzzo
07:42
off the coast of Newfoundland in Canada.
135
450666
2951
al largo delle coste
di Newfoundland in Canada.
di Newfoundland in Canada.
07:46
And I think here, we can really understand
the intricate and interdependent nature
the intricate and interdependent nature
136
454244
3937
Qui possiamo veramente capire
la natura intricata e interdipendente
la natura intricata e interdipendente
07:50
of most ecosystems
that abound on our planet.
that abound on our planet.
137
458205
2523
di molti ecosistemi
che abbondano sul nostro pianeta.
che abbondano sul nostro pianeta.
07:54
But even though recent,
this metaphor of the network,
this metaphor of the network,
138
462442
3644
Ma anche più recentemente,
questa metafora della rete,
questa metafora della rete,
07:58
is really already adopting
various shapes and forms,
various shapes and forms,
139
466110
3103
sta veramente adottando diverse forme,
e sta quasi diventando
una crescente tassonomia visiva.
una crescente tassonomia visiva.
08:01
and it's almost becoming
a growing visual taxonomy.
a growing visual taxonomy.
140
469237
2463
08:03
It's almost becoming
the syntax of a new language.
the syntax of a new language.
141
471724
2647
Sta quasi diventando la sintassi
di una nuova lingua.
di una nuova lingua.
08:06
And this is one aspect
that truly fascinates me.
that truly fascinates me.
142
474395
2633
Questo è un aspetto
che mi affascina veramente.
che mi affascina veramente.
08:09
And these are actually
15 different typologies
15 different typologies
143
477678
2533
Queste sono 15 tipologie diverse
08:12
I've been collecting over time,
144
480235
2135
che ho raccolto nel tempo,
08:14
and it really shows the immense
visual diversity of this new metaphor.
visual diversity of this new metaphor.
145
482394
4022
e mostra veramente l'immensa
diversità visiva di questa nuova metafora.
diversità visiva di questa nuova metafora.
08:19
And here is an example.
146
487001
1222
Ecco un esempio.
08:20
On the very top band,
you have radial convergence,
you have radial convergence,
147
488818
3933
Nella fascia in alto,
vedete la convergenza radiale,
vedete la convergenza radiale,
08:24
a visualization model that has become
really popular over the last five years.
really popular over the last five years.
148
492775
3939
un modello di visualizzazione
molto popolare negli ultimi cinque anni.
molto popolare negli ultimi cinque anni.
08:29
At the top left, the very first project
is a gene network,
is a gene network,
149
497198
4354
In alto a sinistra, il primo progetto
è una rete di geni,
è una rete di geni,
08:33
followed by a network
of IP addresses -- machines, servers --
of IP addresses -- machines, servers --
150
501576
4009
seguito da da una rete di indirizzi IP,
macchine, server,
macchine, server,
08:37
followed by a network of Facebook friends.
151
505609
2972
seguito da una rete di amici di Facebook.
08:41
You probably couldn't find
more disparate topics,
more disparate topics,
152
509240
2508
Non potrebbero essere
argomenti più diversi,
argomenti più diversi,
08:43
yet they are using the same metaphor,
the same visual model,
the same visual model,
153
511772
3794
eppure usano la stessa metafora,
lo stesso modello visivo,
lo stesso modello visivo,
08:47
to map the never-ending complexities
of its own subject.
of its own subject.
154
515590
3606
per mappare le infinite complessità
del proprio oggetto.
del proprio oggetto.
08:52
And here are a few more examples
of the many I've been collecting,
of the many I've been collecting,
155
520545
3124
Ecco qualche altro esempio
tra quelli che ho raccolto,
tra quelli che ho raccolto,
08:55
of this growing visual
taxonomy of networks.
taxonomy of networks.
156
523693
2738
di queste crescenti
tassonomie visive di reti.
tassonomie visive di reti.
09:00
But networks are not just
a scientific metaphor.
a scientific metaphor.
157
528248
2865
Ma le reti non sono solo
metafore scientifiche.
metafore scientifiche.
09:04
As designers, researchers, and scientists
try to map a variety of complex systems,
try to map a variety of complex systems,
158
532192
5541
Designer, ricercatori e scienziati
cercano di mappare
cercano di mappare
una varietà di sistemi complessi,
09:09
they are in many ways influencing
traditional art fields,
traditional art fields,
159
537757
2813
influenzando così
settori artistici tradizionali,
settori artistici tradizionali,
09:12
like painting and sculpture,
160
540594
1402
come la pittura e la scultura,
09:14
and influencing many different artists.
161
542020
1993
e influenzano tanti artisti diversi.
09:16
And perhaps because networks have
this huge aesthetical force to them --
this huge aesthetical force to them --
162
544718
4042
E forse perché le reti hanno
questa enorme forza estetica --
questa enorme forza estetica --
09:20
they're immensely gorgeous --
163
548784
1958
sono meravigliose --
09:22
they are really becoming a cultural meme,
164
550766
2056
stanno diventando un meme culturale,
09:24
and driving a new art movement,
which I've called "networkism."
which I've called "networkism."
165
552846
4325
e portano a un nuovo movimento artistico,
che ho chiamato "Networkism".
che ho chiamato "Networkism".
09:30
And we can see this influence
in this movement in a variety of ways.
in this movement in a variety of ways.
166
558544
3208
Vediamo l'influenza
in questo movimento in molti modi.
in questo movimento in molti modi.
Questo è uno dei tanti esempi,
09:33
This is just one of many examples,
167
561776
1793
09:35
where you can see this influence
from science into art.
from science into art.
168
563593
2725
in cui vedete questa influenza
dalla scienza all'arte.
dalla scienza all'arte.
09:38
The example on your left side
is IP-mapping,
is IP-mapping,
169
566342
2871
L'esempio sulla sinistra
è la mappatura degli indirizzi IP,
è la mappatura degli indirizzi IP,
09:41
a computer-generated map of IP addresses;
again -- servers, machines.
again -- servers, machines.
170
569237
3659
una mappa degli indirizzi IP
generata dal computer; server, macchine.
generata dal computer; server, macchine.
09:45
And on your right side,
171
573253
1205
Sulla destra,
09:46
you have "Transient Structures
and Unstable Networks" by Sharon Molloy,
and Unstable Networks" by Sharon Molloy,
172
574482
4618
vedete "Transient Structures
and Unstable Networks" di Sharon Molloy,
and Unstable Networks" di Sharon Molloy,
09:51
using oil and enamel on canvas.
173
579124
2094
che usa olio e smalto su tela.
09:53
And here are a few more
paintings by Sharon Molloy,
paintings by Sharon Molloy,
174
581870
3105
Qui vedete altri dipinti di Sharon Molloy,
09:56
some gorgeous, intricate paintings.
175
584999
1932
dipinti meravigliosi e intricati.
10:00
And here's another example
of that interesting cross-pollination
of that interesting cross-pollination
176
588375
3306
Ecco un altro esempio
di questa impollinazione incrociata
di questa impollinazione incrociata
10:03
between science and art.
177
591705
1404
tra scienza e arte.
10:05
On your left side,
you have "Operation Smile."
you have "Operation Smile."
178
593475
2665
Alla vostra sinistra,
avete "Operation Smile."
avete "Operation Smile."
10:08
It is a computer-generated map
of a social network.
of a social network.
179
596164
2889
È una mappa di un social network
generata al computer.
generata al computer.
10:11
And on your right side,
you have "Field 4," by Emma McNally,
you have "Field 4," by Emma McNally,
180
599077
3726
Alla vostra destra,
avete "Field 4", di Emma McNally,
avete "Field 4", di Emma McNally,
10:14
using only graphite on paper.
181
602827
2086
che usa solo carboncino su carta.
10:17
Emma McNally is one of the main
leaders of this movement,
leaders of this movement,
182
605374
3517
Emma McNally è una delle leader
di questo movimento,
di questo movimento,
10:20
and she creates these striking,
imaginary landscapes,
imaginary landscapes,
183
608915
2569
e crea questi impressionanti
paesaggi immaginari,
paesaggi immaginari,
10:23
where you can really notice the influence
from traditional network visualization.
from traditional network visualization.
184
611508
4665
in cui si nota veramente l'influenza
della visualizzazione tradizionale a rete.
della visualizzazione tradizionale a rete.
10:30
But networkism doesn't happen
only in two dimensions.
only in two dimensions.
185
618324
3007
Ma il networkism
non è solo in due dimensioni.
non è solo in due dimensioni.
10:33
This is perhaps
one of my favorite projects
one of my favorite projects
186
621355
2278
Questo è forse il mio progetto preferito
10:35
of this new movement.
187
623657
1405
di questo nuovo movimento.
10:37
And I think the title really
says it all -- it's called:
says it all -- it's called:
188
625086
2634
E credo che il titolo dica tutto --
si intitola:
si intitola:
10:39
"Galaxies Forming Along Filaments,
189
627744
2167
"Galassie che si formano lungo i Filamenti,
10:41
Like Droplets Along the Strands
of a Spider's Web."
of a Spider's Web."
190
629935
3332
Come Gocce Lungo i Fili di una Ragnatela."
10:46
And I just find this particular project
to be immensely powerful.
to be immensely powerful.
191
634616
3080
Trovo questo progetto
straordinariamente potente.
straordinariamente potente.
10:49
It was created by Tomás Saraceno,
192
637720
1960
È stato creato da Tomás Saraceno,
10:51
and he occupies these large spaces,
193
639704
2698
e occupa questi grandi spazi,
10:54
creates these massive installations
using only elastic ropes.
using only elastic ropes.
194
642426
3342
crea queste enormi installazioni
usando solo corde elastiche.
usando solo corde elastiche.
10:57
As you actually navigate that space
and bounce along those elastic ropes,
and bounce along those elastic ropes,
195
645792
3817
Navigando questo spazio
e rimbalzando lungo queste corde elastiche,
e rimbalzando lungo queste corde elastiche,
11:01
the entire network kind of shifts,
almost like a real organic network would.
almost like a real organic network would.
196
649633
4575
l'intera rete si sposta,
quasi come una vera rete organica.
quasi come una vera rete organica.
11:07
And here's yet another example
197
655414
2032
Ecco un altro esempio
11:09
of networkism taken
to a whole different level.
to a whole different level.
198
657470
2389
di networkism portato a tutt'altro livello.
11:12
This was created
by Japanese artist Chiharu Shiota
by Japanese artist Chiharu Shiota
199
660303
3213
È stato creato
dall'artista giapponese Chirahu Shiota
dall'artista giapponese Chirahu Shiota
11:15
in a piece called "In Silence."
200
663540
1755
in un pezzo intitolato "In Silenzio".
11:17
And Chiharu, like Tomás Saraceno,
fills these rooms with this dense network,
fills these rooms with this dense network,
201
665834
5355
E Chiharu, come Tomás Saraceno,
riempie queste stanze di una fitta rete,
riempie queste stanze di una fitta rete,
11:23
this dense web of elastic ropes
and black wool and thread,
and black wool and thread,
202
671213
3762
questa fitta rete
di corde elastiche e lana nera,
di corde elastiche e lana nera,
11:26
sometimes including objects,
as you can see here,
as you can see here,
203
674999
2759
talvolta includendo oggetti,
come vedete qui,
come vedete qui,
11:29
sometimes even including people,
in many of her installations.
in many of her installations.
204
677782
3022
talvolta includendo anche persone,
in molte delle sue installazioni.
in molte delle sue installazioni.
11:35
But networks are also
not just a new trend,
not just a new trend,
205
683374
2691
Ma le reti non solo sono anche
una tendenza,
una tendenza,
11:38
and it's too easy for us
to dismiss it as such.
to dismiss it as such.
206
686089
2364
ed è troppo facile ignorarle come tali.
11:41
Networks really embody
notions of decentralization,
notions of decentralization,
207
689029
3607
Le reti incarnano veramente
il concetto di decentralizzazione,
il concetto di decentralizzazione,
11:44
of interconnectedness, of interdependence.
208
692660
3134
o interconnessione, o interdipendenza.
11:48
And this new way of thinking is critical
209
696303
2476
Questo nuovo modo di pensare
è importante
è importante
11:50
for us to solve many of the complex
problems we are facing nowadays,
problems we are facing nowadays,
210
698803
3730
per aiutarci a risolvere molti problemi
complessi dei nostri giorni,
complessi dei nostri giorni,
11:54
from decoding the human brain,
211
702557
1841
dalla decodifica del cervello umano,
11:56
to understanding
the vast universe out there.
the vast universe out there.
212
704422
2403
alla comprensione dell'universo.
11:59
On your left side, you have a snapshot
of a neural network of a mouse --
of a neural network of a mouse --
213
707746
4489
Alla vostra sinistra, avete un'immagine
di una rete neurale di un topo --
di una rete neurale di un topo --
12:04
very similar to our own
at this particular scale.
at this particular scale.
214
712259
2420
molto simile alla nostra
su questa scala.
su questa scala.
12:07
And on your right side, you have
the Millennium Simulation.
the Millennium Simulation.
215
715500
2966
Alla vostra destra,
avete la Millenium Simulation.
avete la Millenium Simulation.
12:10
It was the largest
and most realistic simulation
and most realistic simulation
216
718490
2748
Era la più grande
e più realistica simulazoine
e più realistica simulazoine
12:13
of the growth of cosmic structure.
217
721262
1790
della crescita della struttura cosmica.
12:15
It was able to recreate the history
of 20 million galaxies
of 20 million galaxies
218
723490
4516
Era in grado di ricreare
la storia di 20 milioni di galassie
la storia di 20 milioni di galassie
12:20
in approximately 25 terabytes of output.
219
728030
3090
in circa 25 terabyte di output.
12:24
And coincidentally or not,
220
732081
1413
Simultaneamente o meno,
12:25
I just find this particular comparison
221
733518
1873
trovo questo particolare confronto
tra la scala più piccola
della conoscenza -- il cervello --
della conoscenza -- il cervello --
12:27
between the smallest scale
of knowledge -- the brain --
of knowledge -- the brain --
222
735415
2703
12:30
and the largest scale of knowledge --
the universe itself --
the universe itself --
223
738142
2829
e la più grande scala
di conoscenza -- l'universo stesso --
di conoscenza -- l'universo stesso --
12:32
to be really quite striking
and fascinating.
and fascinating.
224
740995
2277
essere veramente impressionante
e affascinante.
e affascinante.
12:35
Because as Bruce Mau once said,
225
743807
2634
Perché come ha detto una volta
Bruce Mau,
Bruce Mau,
12:38
"When everything is connected
to everything else,
to everything else,
226
746465
2412
"Quando tutto è connesso a tutto,
12:40
for better or for worse,
everything matters."
everything matters."
227
748901
2397
nel bene e nel male, tutto conta."
12:43
Thank you so much.
228
751322
1151
Grazie infinite.
(Applausi)
12:44
(Applause)
229
752497
3802
ABOUT THE SPEAKER
Manuel Lima - Data visualization researcherManuel Lima studies how information can be organized -- into elegant and beautiful diagrams that illustrate the many unexpected twists of big data.
Why you should listen
Data expert Manuel Lima approaches intimidatingly dry stacks of bits with the eye of a designer. His website, VisualComplexity, is an encyclopedic and visually stunning catalog of the myriad paths artists take to illuminate the shadowy corners of stockpiled information, whether it’s a taxonomy of rap names or tracking oil money.
Lima’s passion for data has also driven him to become a historian. In The Book of Trees, he digs to the 12th-century roots of the tree diagram, one of humanity’s most powerful and ancient tools for visually representing knowledge.
More profile about the speakerLima’s passion for data has also driven him to become a historian. In The Book of Trees, he digs to the 12th-century roots of the tree diagram, one of humanity’s most powerful and ancient tools for visually representing knowledge.
Manuel Lima | Speaker | TED.com