TED2013
Eric Berlow and Sean Gourley: Mapping ideas worth spreading
อีริก เบอร์โล (Eric Berlow) และ ชอน กอร์ลี (Sean Gourley): การทำแผนที่ไอเดียที่คู่ควรกับการเผยแพร่
Filmed:
Readability: 4.3
1,131,373 views
ไอเดีย 24,000 เรื่องหน้าตาเป็นอย่างไร?
นักนิเวศวิทยา อีริก เบอร์โล และ นักฟิสิกส์ ชอน กอร์ลี ได้นำอัลกอริทึมคอมพิวเตอร์มาวิเคราะห์คลังการพูด TEDx Talks ที่ได้เก็บรวบรวมไว้ และพาเราไปสู่การเดินทางด้วยภาพที่ตื่นตาตื่นใจ เพื่อแสดงให้เห็นว่าแนวความคิดต่างๆ นั้นเชื่อมโยงถึงกันในระดับโลกได้อย่างไร
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
อีริก เบอร์โล: ผมเป็นนักนิเวศวิทยา และชอนเป็นนักฟิสิกส์
00:15
and we both study complex networks.
1
3623
2108
และเราทั้งสองคนศึกษาเรื่องเครือข่ายซับซ้อน
(complex networks)
(complex networks)
00:17
And we met a couple years ago when we discovered
2
5731
1835
เราพบกันเมื่อสองปีก่อน เมื่อเราได้ค้นพบ
00:19
that we had both given a short TED Talk
3
7566
2000
ว่าเราทั้งสองคน ได้เคยไปบรรยายสั้นๆที่ TED Talk
00:21
about the ecology of war,
4
9566
2303
เกี่ยวกับนิเวศวิทยาของสงคราม (ecology of war)
00:23
and we realized that we were connected
5
11869
1447
และเราก็ตระหนักว่า เราเชื่อมโยงกัน
00:25
by the ideas we shared before we ever met.
6
13316
2818
ด้วยความคิดที่ว่า เราได้เคยแบ่งปันความคิดกัน
มาก่อนที่เราจะพบกันเสียด้วยซํ้า
มาก่อนที่เราจะพบกันเสียด้วยซํ้า
00:28
And then we thought, you know, there are thousands
7
16134
1556
แล้วเราก็คิดว่า มีการพูดอื่นๆเป็นพันๆเรื่อง
00:29
of other talks out there, especially TEDx Talks,
8
17690
2114
ข้างนอกนั้น โดยเฉพาะที่ TEDx Talks
00:31
that are popping up all over the world.
9
19804
2211
ที่กำลังเกิดขึ้นทั่วโลก
00:34
How are they connected,
10
22015
923
การพูดเหล่านั้นมันเชื่อมโยงกันอย่างไร
00:34
and what does that global conversation look like?
11
22938
2010
และการพูดคุยกันในระดับโลกที่ว่านั้นนะ
มันเป็นอย่างไร
มันเป็นอย่างไร
00:36
So Sean's going to tell you a little bit about how we did that.
12
24948
2810
ชอนจึงกำลังจะบอกคุณนิดหน่อยว่า พวกเราได้ทำเรื่องนั้น
ไปแล้วอย่างไรบ้าง
ไปแล้วอย่างไรบ้าง
00:39
Sean Gourley: Exactly. So we took 24,000 TEDx Talks
13
27758
3767
ชอน กูเลย์: ถูกต้องครับ ดังนั้นเราได้เอาการพูด 24,000 ครั้ง
ที่ TEDx Talks
ที่ TEDx Talks
00:43
from around the world, 147 different countries,
14
31525
3046
จากทั่วโลกในประเทศต่างๆ 147 ประเทศ
00:46
and we took these talks and we wanted to find
15
34571
2123
เรานำการพูดเหล่านี้มา เราต้องการจะค้นหา
00:48
the mathematical structures that underly
16
36694
2040
โครงสร้างทางคณิตศาสตร์ ที่ซ่อนอยู่
00:50
the ideas behind them.
17
38734
1722
เบื้องหลังแนวความคิดเหล่านั้น
00:52
And we wanted to do that so we could see how
18
40456
1370
และเราต้องการทำสิ่งนี้ เพื่อให้เราสามารถเห็นได้ว่า
00:53
they connected with each other.
19
41826
2053
มันเชื่อมโยงซึ่งกันและกันอย่างไร
00:55
And so, of course, if you're going to do this kind of stuff,
20
43879
1676
ดังนั้น แน่นอนครับ ถ้าคุณจะทำงานพวกนี้
00:57
you need a lot of data.
21
45555
956
คุณจำเป็นต้องมีข้อมูลมากๆ
00:58
So the data that you've got is a great thing called YouTube,
22
46511
3686
ดังนั้น ข้อมูลที่คุณได้มา จึงเป็นสิ่งที่ยิ่งใหญ่
ที่เรียกกันว่า YouTube
ที่เรียกกันว่า YouTube
01:02
and we can go down and basically pull
23
50197
1768
เราสามารถลงไป และก็แค่ไปดึงเอา
01:03
all the open information from YouTube,
24
51965
2267
ข้อมูลที่เปิดเผยทั้งหมดออกมาจาก YouTube
01:06
all the comments, all the views, who's watching it,
25
54232
2349
ข้อคิดเห็นทั้งหมด ผู้ทีเข้ามาดูทั้งหมด มีใครบ้าง
ที่กำลังดูมันอยู่
ที่กำลังดูมันอยู่
01:08
where are they watching it, what are they saying in the comments.
26
56581
2779
พวกเขาดูมันอยู่จากที่ไหน พวกเขาพูดอะไรบ้าง
ในข้อคิดเห็นเหล่านั้น
ในข้อคิดเห็นเหล่านั้น
01:11
But we can also pull up, using speech-to-text translation,
27
59360
3292
และเราก็ยังดึงประโยคคำพูดทั้งหมดขึ้นมาได้ด้วย
01:14
we can pull the entire transcript,
28
62652
2128
โดยใช้โปรแกรมแปลคำพูดเป็นข้อความ
01:16
and that works even for people with kind of funny accents like myself.
29
64780
2680
และมันก็ทำงานได้ แม้กับคนที่มีสำเนียงตลกๆ เช่นตัวผมเอง
01:19
So we can take their transcript
30
67460
2106
เราจึงเอาสำเนาข้อความของพวกเขา
01:21
and actually do some pretty cool things.
31
69566
2098
และทำบางสิ่งบางอย่างที่ดีๆได้จริงๆ
01:23
We can take natural language processing algorithms
32
71664
2160
เราเอาคำสั่งของการประมวลผลภาษาธรรมชาติ
(natural language processing algorithms)
(natural language processing algorithms)
01:25
to kind of read through with a computer, line by line,
33
73824
2629
โดยให้คอมพิวเตอร์อ่าน ข้อความทีละบรรทัด
01:28
extracting key concepts from this.
34
76453
2359
ดึงเอาแนวคิดหลักที่สำคัญๆออกมา
01:30
And we take those key concepts and they sort of form
35
78812
2525
แล้วเราก็เอาแนวคิดหลักเหล่านั้น
01:33
this mathematical structure of an idea.
36
81337
3565
มาทำเป็นโครงสร้างเชิงคณิตศาสตร์ของไอเดีย
01:36
And we call that the meme-ome.
37
84902
1757
และเราเรียกสิ่งนั้นว่า มีมโมม (meme-ome)
01:38
And the meme-ome, you know, quite simply,
38
86659
2151
และมีมโมมนั้นนะ พูดง่ายๆ
01:40
is the mathematics that underlies an idea,
39
88810
2426
ก็คือ คณิตศาสตร์ที่แฝงอยู่ในไอเดียหนึ่ง
01:43
and we can do some pretty interesting analysis with it,
40
91236
1932
และเราก็สามารถทำการวิเคราะห์
ที่น่าสนใจอย่างยิ่งบางอย่างกับมันได้
ที่น่าสนใจอย่างยิ่งบางอย่างกับมันได้
01:45
which I want to share with you now.
41
93168
1981
ซึ่งผมต้องการจะเล่าให้คุณฟัง
01:47
So each idea has its own meme-ome,
42
95149
2190
แต่ละไอเดีย ต่างก็มีมีมโมมของมันเอง
01:49
and each idea is unique with that,
43
97339
1951
และแต่ละไอเดียนั้น ก็มีลักษณะเฉพาะไม่เหมือนใคร
01:51
but of course, ideas, they borrow from each other,
44
99290
2488
แต่แน่นอนครับ ไอเดียเหล่านั้น ต่างก็หยิบยืมกันมา
01:53
they kind of steal sometimes,
45
101778
1184
แบบว่า บางครั้งก็ขโมยมา
01:54
and they certainly build on each other,
46
102962
1827
และแน่นอนว่า มันสร้างขึ้นมาจากกันและกัน
01:56
and we can go through mathematically
47
104789
1616
และเราสามารถประมวลผลทางคณิตศาสตร์
01:58
and take the meme-ome from one talk
48
106405
1840
และเอามีมโมมจากการพูดหนึ่งเรื่อง
02:00
and compare it to the meme-ome from every other talk,
49
108245
2454
มาเปรียบเทียบกับมีมโมมจากการพูดครั้งอื่นๆ
02:02
and if there's a similarity between the two of them,
50
110699
1973
และถ้ามีความเหมือนกันระหว่างการพูดทั้งสองนั้น
02:04
we can create a link and represent that as a graph,
51
112672
3250
เราก็สามารถสร้างการเชื่อมต่อนั้น และแสดงด้วยกราฟได้
02:07
just like Eric and I are connected.
52
115922
2394
ก็เหมือนอย่างเช่นที่ อีริคและผมถูกเชื่อมต่อกัน
02:10
So that's theory, that's great.
53
118316
1394
นั่นคือทฤษฎีนะครับ เอาละ
02:11
Let's see how it works in actual practice.
54
119710
2526
เรามาดูกันว่า มันเอาใช้งานจริงได้อย่างไร
02:14
So what we've got here now is the global footprint
55
122236
2788
ที่เห็นอยู่นี้ คือแผนภาพแสดงตำแหน่งทั่วโลกของ
02:17
of all the TEDx Talks over the last four years
56
125024
2293
งาน TEDx ทั้งหมดตลอดเวลาสี่ปีที่ผ่านมา
02:19
exploding out around the world
57
127317
1550
ซึ่งแพร่หลายออกไปทั่วโลก
02:20
from New York all the way down to little old New Zealand in the corner.
58
128867
3329
จากนิวยอร์ค เรื่อยไปจนถึงนิวซีแลนด์ตรงมุมนั่น
02:24
And what we did on this is we analyzed the top 25 percent of these,
59
132196
3835
เราได้ทำการวิเคราะห์ 25 เปอร์เซ็นต์ของงานพูดเหล่านี้
02:28
and we started to see where the connections occurred,
60
136031
2534
และก็เริ่มเห็นแล้วว่า การเชื่อมโยงถึงกัน
เกิดขึ้นตรงไหน
เกิดขึ้นตรงไหน
02:30
where they connected with each other.
61
138565
1537
หรือพวกมันเชื่อมต่อกันและกันตรงไหนบ้าง
02:32
Cameron Russell talking about image and beauty
62
140102
1874
คาร์เมรอน รัสเซลล์ พูดถึงเรื่องของภาพพจน์
และความสวยงาม
และความสวยงาม
02:33
connected over into Europe.
63
141976
1575
ที่เชื่อมต่อกันข้ามไปสู่ยุโรป
02:35
We've got a bigger conversation about Israel and Palestine
64
143551
2412
มีการพูดคุยกันใหญ่กว่านั้น ในเรื่องอิสราเอล
กับปาเลสไตน์
กับปาเลสไตน์
02:37
radiating outwards from the Middle East.
65
145963
2255
แพร่กระจายออกมาจากตะวันออกกลาง
02:40
And we've got something a little broader
66
148218
1298
และเรามีบางอย่างที่กว้างกว่านั้นอีกเล็กน้อย
02:41
like big data with a truly global footprint
67
149516
2156
เช่นเรื่องบิ๊กดาต้า ซึ่งกลายเป็นปรากฎการณ์ระดับโลก
02:43
reminiscent of a conversation
68
151672
2179
มีการพูดคุยกันเรื่องนี้
02:45
that is happening everywhere.
69
153851
2016
เกิดขึ้นทั่วทุกหัวระแหง
02:47
So from this, we kind of run up against the limits
70
155867
2173
จากตรงนี้ ดูเหมือนว่าเราจะมาจนสุดทางของสิ่งที่เราทำได้
02:50
of what we can actually do with a geographic projection,
71
158040
2530
ในแง่ของการถ่ายทอดข้อมูลทางภูมิศาสตร์
02:52
but luckily, computer technology allows us to go out
72
160570
2052
แต่ยังโชคดี เทคโนโลยีคอมพิวเตอร์ช่วยให้เราสามารถ
02:54
into multidimensional space.
73
162622
1546
วิเคราะห์ข้อมูลในหลากหลายมิติได้
02:56
So we can take in our network projection
74
164168
1875
เราจึงสามารถเอาภาพสองมิติของเครือข่ายของเรามา
02:58
and apply a physics engine to this,
75
166043
1750
และนำกลไกทางฟิสิกส์มาประยุกต์ใช้กับมัน
02:59
and the similar talks kind of smash together,
76
167793
1885
การพูดที่คล้ายคลึงกัน ก็ดูเหมือนกับพุ่งมาประทะกัน
03:01
and the different ones fly apart,
77
169678
2004
และอันที่แตกต่างออกไปก็จะแยกตัวออกไป
03:03
and what we're left with is something quite beautiful.
78
171682
2072
สิ่งที่เราได้ เป็นอะไรบางอย่างทีงดงามมากทีเดียว
03:05
EB: So I want to just point out here that every node is a talk,
79
173754
2957
อีริค: ผมอยากชี้ให้เห็นตรงนี้ว่า
ทุกๆ จุดนั้นแทนการพูดแต่ละครั้ง
ทุกๆ จุดนั้นแทนการพูดแต่ละครั้ง
03:08
they're linked if they share similar ideas,
80
176711
2589
พวกมันถูกเชื่อมกันไว้ ถ้ามีไอเดียที่คล้ายคลึงกัน
03:11
and that comes from a machine reading
81
179300
2084
และสิ่งนั้นมาจากการอ่านของเครื่อง
03:13
of entire talk transcripts,
82
181384
2067
ของบทสำเนาการพูดทั้งหมด
03:15
and then all these topics that pop out,
83
183451
2231
แล้วหัวเรื่องเหล่านี้ทั้งหมดที่ผุดขึ้นมานั้น
03:17
they're not from tags and keywords.
84
185682
1790
ไม่ได้มาจากแถบป้าย (tag) หรือ คำหลัก (keyword)
03:19
They come from the network structure
85
187472
1725
แต่มาจากโครงสร้างของเครือข่าย
03:21
of interconnected ideas. Keep going.
86
189197
2168
ของแนวความคิดที่เชื่อมโยงกัน พูดต่อครับ
03:23
SG: Absolutely. So I got a little quick on that,
87
191365
2022
ชอน: แน่นอนที่สุดครับ ผมพูดเร็วไปหน่อยตรงจุดนั้น
03:25
but he's going to slow me down.
88
193387
1475
แต่เขาก็จะให้ผมพูดช้าลง
03:26
We've got education connected to storytelling
89
194862
2034
เราพบว่า การศึกษา มีความเชื่อมโยงกับ การเล่าเรื่อง
03:28
triangulated next to social media.
90
196896
1643
และถูกโยงเป็นสามเส้า เข้ากับสื่อสังคมออนไลน์
03:30
You've got, of course, the human brain right next to healthcare,
91
198539
2475
แน่นอนครับ เรื่องของสมองมนุษย์
อยู่ใกล้เคียงกับการดูแลสุขภาพ
อยู่ใกล้เคียงกับการดูแลสุขภาพ
03:33
which you might expect,
92
201014
1386
ซึ่งคุณอาจจะคาดไว้อยู่แล้ว
03:34
but also you've got video games, which is sort of adjacent,
93
202400
2395
แต่คุณก็ยังมีเรื่องวีดิโอเกม อยู่ข้างๆ กับ
03:36
as those two spaces interface with each other.
94
204795
2740
จุดคาบเกี่ยวกับทั้งสองเรื่องนั้นด้วย
03:39
But I want to take you into one cluster
95
207535
1535
แต่ผมต้องการจะพาคุณเข้าไปในกลุ่มๆหนึ่ง
03:41
that's particularly important to me, and that's the environment.
96
209070
2868
ที่สำคัญเป็นพิเศษสำหรับผม และนั่นก็คือสิ่งแวดล้อม
03:43
And I want to kind of zoom in on that
97
211938
1493
ผมต้องการ แบบว่า ซูมเข้าไปดูใกล้ๆในเรื่องนั้น
03:45
and see if we can get a little more resolution.
98
213431
2363
และดูว่า เราจะเห็นรายละเอียดมากขึ้นหรือเปล่า
03:47
So as we go in here, what we start to see,
99
215794
2347
ดังนั้น เมื่อเราเข้ามาตรงนี่ สิ่งที่เราเริ่มต้นจะเห็น
03:50
apply the physics engine again,
100
218141
1504
โดยนำกลไกทางฟิสิกส์มาประยุกต์ใช้อีกครั้ง
03:51
we see what's one conversation
101
219645
1676
เราก็จะเห็นว่า การพูดในแต่ละครั้งนั้น
03:53
is actually composed of many smaller ones.
102
221321
2560
แท้จริงประกอบด้วย เรื่องที่เล็กๆ หลายๆ เรื่อง
03:55
The structure starts to emerge
103
223881
1929
โครงสร้างจึงเริ่มที่จะโผล่ขึ้นมาให้เห็น
03:57
where we see a kind of fractal behavior
104
225810
2070
ให้เราเห็นพฤติกรรมจากสูตรคณิตศาสตร์ชนิดหนึ่ง
03:59
of the words and the language that we use
105
227880
1619
ของคำและภาษาที่เราใช้กัน
04:01
to describe the things that are important to us
106
229499
1702
เพื่ออธิบายสิ่งต่างๆที่สำคัญต่อพวกเรา
04:03
all around this world.
107
231201
1433
รอบๆ โลกใบนี้
04:04
So you've got food economy and local food at the top,
108
232634
2332
เราจะเห็นเศรษฐศาสตร์อาหารและอาหารท้องถิ่น
อยู่ด้านบนสุด
อยู่ด้านบนสุด
04:06
you've got greenhouse gases, solar and nuclear waste.
109
234966
2719
ตามด้วยเรื่องแก๊สเรือนกระจก
ของเสียจากแสงอาทิตย์และนิวเคลียร์
ของเสียจากแสงอาทิตย์และนิวเคลียร์
04:09
What you're getting is a range of smaller conversations,
110
237685
2631
สิ่งที่คุณกำลังเห็นอยู่ ก็คือกลุ่มหัวข้อย่อยๆ
04:12
each connected to each other through the ideas
111
240316
2301
ซึ่งแต่ละเรื่องเชื่อมโยงซึ่งกันและกัน ผ่านทางไอเดีย
04:14
and the language they share,
112
242617
1301
และภาษาที่พวกเขาใช้ร่วมกัน
04:15
creating a broader concept of the environment.
113
243918
2450
สร้างเป็นแนวคิดที่กว้างมากขึ้น เกี่ยวกับภาวะสิ่งแวดล้อม
04:18
And of course, from here, we can go
114
246368
1532
และแน่นอนครับ จากที่นี่ เราสามารถขยายเข้าไป
04:19
and zoom in and see, well, what are young people looking at?
115
247900
3534
ซูมภาพให้เห็นชัดขึ้นว่า คนหนุ่มสาวกำลังสนใจอะไรอยู่ตอนนี้
04:23
And they're looking at energy technology and nuclear fusion.
116
251434
2345
พวกเขากำลังสนใจเทคโนโลยีพลังงานและนิวเคลียร์ฟิวชั่น
04:25
This is their kind of resonance
117
253779
1674
นี่คือสิ่งที่กระตุ้นความสนใจของพวกเขา
04:27
for the conversation around the environment.
118
255453
2406
ในการสนทนาเกี่ยวกับภาวะแวดล้อม
04:29
If we split along gender lines,
119
257859
1899
ถ้าเราจะแยกหัวข้อโดยใช้เพศเป็นปัจจัย
04:31
we can see females resonating heavily
120
259758
1987
เราก็เห็นได้ว่าผู้หญิงส่งเสียงดังหนักแน่น
04:33
with food economy, but also out there in hope and optimism.
121
261745
3645
ไม่เพียงแต่เรื่องเศรษฐศาสตร์อาหาร แต่ยังรวมถึง
ความหวังและการมองโลกในแง่ดีด้วย
ความหวังและการมองโลกในแง่ดีด้วย
04:37
And so there's a lot of exciting stuff we can do here,
122
265390
2482
จะเห็นได้ว่า มีเรื่องน่าตื่นเต้นที่เราสามารถทำได้หลายอย่าง
04:39
and I'll throw to Eric for the next part.
123
267872
1762
และตอนจากนี้ไป ผมจะส่งเรื่องให้อีริกพูด
04:41
EB: Yeah, I mean, just to point out here,
124
269634
1602
อีริก: ใช่ครับ ผมหมายถึง แค่เพียงชี้ให้เห็นตรงนี้ว่า
04:43
you cannot get this kind of perspective
125
271236
1538
คุณไม่สามารถได้มุมมองแบบนี้
04:44
from a simple tag search on YouTube.
126
272774
3360
จากการค้นหาด้วยแถบป้ายง่ายๆ ใน YouTube
04:48
Let's now zoom back out to the entire global conversation
127
276134
4188
ตอนนี้ เรามาย้อนกลับไปดู
ภาพรวมการสนทนาทั้งหมดในระดับโลก
ภาพรวมการสนทนาทั้งหมดในระดับโลก
04:52
out of environment, and look at all the talks together.
128
280322
2534
ออกจากเรื่องภาวะสิ่งแวดล้อม และมาดูที่การพูด
รวมกันทั้งหมด
รวมกันทั้งหมด
04:54
Now often, when we're faced with this amount of content,
129
282856
2927
บ่อยครั้งที่เมื่อเราต้องเจอเผชิญกับปริมาณข้อมูลขนาดนี้
04:57
we do a couple of things to simplify it.
130
285783
2431
เรามักจะทำอะไรบางอย่างให้มันง่ายขึ้น
05:00
We might just say, well,
131
288214
1314
เราอาจจะแค่อยากรู้ว่า
05:01
what are the most popular talks out there?
132
289528
2829
การพูดเรื่องไหนที่เป็นที่นิยมมากที่สุด
05:04
And a few rise to the surface.
133
292357
1397
และก็จะมีสองสามเรื่องที่โผล่ขึ้นมา
05:05
There's a talk about gratitude.
134
293754
1828
มีการพูดเกี่ยวกับความรู้สึกขอบคุณ
05:07
There's another one about personal health and nutrition.
135
295582
3344
มีอีกเรื่องหนึ่งคือ เกี่ยวกับสุขภาพส่วนตัว และโภชนาการ
05:10
And of course, there's got to be one about porn, right?
136
298926
2929
และแน่นอนครับ ก็มีเรื่องเกี่ยวกับภาพโป๊ ถูกมั้ยครับ
05:13
And so then we might say, well, gratitude, that was last year.
137
301855
3234
เราจึงอาจจะพูดได้ว่า ความรู้สึกขอบคุณ นั่นมันเมื่อปีที่แล้ว
05:17
What's trending now? What's the popular talk now?
138
305089
2522
แนวโน้มในปัจจุบันคืออะไรละครับ อะไรเป็นการพูดที่นิยม
ที่สุดในปัจจุบัน
ที่สุดในปัจจุบัน
05:19
And we can see that the new, emerging, top trending topic
139
307611
3321
และเราก็จะเห็นได้ว่า หัวเรื่องใหม่ กำลังโผล่ขึ้นมา
มีแนวโน้มสูงสุด
มีแนวโน้มสูงสุด
05:22
is about digital privacy.
140
310932
2666
ก็คือ ความเป็นส่วนตัวในโลกดิจิตอล
05:25
So this is great. It simplifies things.
141
313598
1693
เอาละครับ นี่ทำให้สิ่งต่างๆง่ายขึ้น
05:27
But there's so much creative content
142
315291
1827
แต่ก็มีเนื้อหาเชิงสร้างสรรค์อีกมากเหลือเกิน
05:29
that's just buried at the bottom.
143
317118
1921
ที่แค่ถูกฝังอยู่ข้างใต้
05:31
And I hate that. How do we bubble stuff up to the surface
144
319039
3318
นั่นไม่ดีเลย เราจะต้องทำให้เรื่องพวกนั้นลอยเด่นขึ้นมา
05:34
that's maybe really creative and interesting?
145
322357
2458
เรื่องที่อาจจะสร้างสรรค์ และน่าสนใจอย่างแท้จริง
05:36
Well, we can go back to the network structure of ideas
146
324815
2931
เราสามารถย้อนกลับไปดูโครงสร้างเครือข่ายของไอเดีย
05:39
to do that.
147
327746
1430
เพื่อค้นหาไอเดียเหล่านั้น
05:41
Remember, it's that network structure
148
329176
2114
จำได้ไหมครับว่า โครงสร้างเครือข่ายนั่นเอง
05:43
that is creating these emergent topics,
149
331290
2268
ที่เป็นตัวสร้างหัวข้อน่าสนใจใหม่ๆ ขึ้น
05:45
and let's say we could take two of them,
150
333558
1515
เอาเป็นว่า เราจะเอาสองเรื่องในพวกนั้น
05:47
like cities and genetics, and say, well, are there any talks
151
335073
3047
เช่น เรื่องเมืองใหญ่ และพันธุศาสตร์ และลองดูว่า
มีการพูดเรื่องไหนบ้างไหม
มีการพูดเรื่องไหนบ้างไหม
05:50
that creatively bridge these two really different disciplines.
152
338120
2569
ที่เชื่อมโยงสาขาวิชาที่แตกต่างกันนี้
เข้าด้วยกันได้อย่างสร้างสรรค์ หรือไม่
เข้าด้วยกันได้อย่างสร้างสรรค์ หรือไม่
05:52
And that's -- Essentially, this kind of creative remix
153
340689
2275
และนั่นคือ การผสมผสานอย่างสร้างสรรค์
05:54
is one of the hallmarks of innovation.
154
342964
1840
และนั่นเป็นลักษณะเด่นอย่างหนึ่งของนวัตกรรม
05:56
Well here's one by Jessica Green
155
344804
1606
และมีการพูดครั้งหนึ่งโดย เจสสิกา กรีน (Jessica Green)
05:58
about the microbial ecology of buildings.
156
346410
2379
เกี่ยวกับนิเวศวิทยาเชิงจุลินทรีย์ของอาคาร
06:00
It's literally defining a new field.
157
348789
2010
มันถือเป็นการนิยามสาขาวิชาใหม่เลยทีเดียว
06:02
And we could go back to those topics and say, well,
158
350799
2103
และเราอาจกลับไปยังหัวเรื่องต่างๆเหล่านั้น
และตั้งคำถามว่า
และตั้งคำถามว่า
06:04
what talks are central to those conversations?
159
352902
2768
การพูดไหนเป็นศูนย์กลางสำคัญ ของการสนทนาเหล่านั้น
06:07
In the cities cluster, one of the most central
160
355670
1690
ในกลุ่มของเรื่องเมืองใหญ่ เรื่องสำคัญที่สุดเรื่องหนึ่ง
06:09
was one by Mitch Joachim about ecological cities,
161
357360
3952
คือ การพูดของ มิช โจชิม (Mitch Joachim) ซึ่งเกี่ยวกับ
เมืองใหญ่เชิงนิเวศวิทยา
เมืองใหญ่เชิงนิเวศวิทยา
06:13
and in the genetics cluster,
162
361312
1720
และในกลุ่มพันธุศาสตร์นั้น
06:15
we have a talk about synthetic biology by Craig Venter.
163
363032
3193
เรามีการพูดเกี่ยวกับชีววิทยาเชิงสังเคราะห์ โดย
เครก เวนเตอร์ (Craig Venter)
เครก เวนเตอร์ (Craig Venter)
06:18
These are talks that are linking many talks within their discipline.
164
366225
3353
เหล่านี้เป็นการพูดที่เชื่อมการพูดหลายๆเรื่อง
ในสาขาวิชาของมันเข้าด้วยกัน
ในสาขาวิชาของมันเข้าด้วยกัน
06:21
We could go the other direction and say, well,
165
369578
1843
เราอาจไปในทิศทางอื่นก็ได้ และพูดว่า
06:23
what are talks that are broadly synthesizing
166
371421
2272
อะไรเป็นการพูด ที่สังเคราะห์ออกมาอย่างกว้างๆ
06:25
a lot of different kinds of fields.
167
373693
1448
ถึงชนิดต่างๆมากมาย ของสาขาวิชาเหล่านั้น
06:27
We used a measure of ecological diversity to get this.
168
375141
2533
เราได้ใช้ความหลากหลายเชิงนิเวศวิทยาอย่างมาก
เพื่อให้ได้สิ่งนี้มา
เพื่อให้ได้สิ่งนี้มา
06:29
Like, a talk by Steven Pinker on the history of violence,
169
377674
2736
อย่างเช่น การพูดโดยสตีเวน พิ้งเคอร์ (Steven Pinker)
เรื่องประวัติของความรุนแรง
เรื่องประวัติของความรุนแรง
06:32
very synthetic.
170
380410
1180
ซึ่งสังเคราะห์เป็นอย่างมาก
06:33
And then, of course, there are talks that are so unique
171
381590
2078
แล้วก็มีการพูดที่มีลักษณะเฉพาะไม่เหมือนใคร
06:35
they're kind of out in the stratosphere, in their own special place,
172
383668
3090
เป็นการพูด แบบว่า หลุดจากวงโคจร หลุดโลกไปมีที่เฉพาะเองเลย
06:38
and we call that the Colleen Flanagan index.
173
386758
2514
และเราเรียกสิ่งนั้นว่า ดัชนีคอลลีน ฟลานากาน
(Colleen Flanagan index)
(Colleen Flanagan index)
06:41
And if you don't know Colleen, she's an artist,
174
389272
3034
และถ้าหากว่าคุณไม่รู้จัก คอลลีน แล้วละก็ เธอเป็นศิลปิน
06:44
and I asked her, "Well, what's it like out there
175
392306
1543
ผมถามเธอว่า "มันเป็นอย่างไรครับข้างนอกนั่น
06:45
in the stratosphere of our idea space?"
176
393849
1672
ในชั้นบรรยากาศหลุดโลกทางไอเดียของเราน่ะ"
06:47
And apparently it smells like bacon.
177
395521
3255
และเห็นชัดว่า มันเหมือนกำลังทำอะไรผิดอยู่นะ
06:50
I wouldn't know.
178
398776
1791
ผมก็ไม่ทราบได้
06:52
So we're using these network motifs
179
400567
2248
ดังนั้น เรากำลังใช้แบบแผนเครือข่ายเหล่านี้
06:54
to find talks that are unique,
180
402815
1186
เพื่อค้นหาการพูดที่มีลักษณะเฉพาะไม่เหมือนใคร
06:56
ones that are creatively synthesizing a lot of different fields,
181
404001
2710
การพูดที่สังเคราะห์สาขาวิชาต่างๆมากมาย
อย่างสร้างสรรค์
อย่างสร้างสรรค์
06:58
ones that are central to their topic,
182
406711
1659
การพูดที่เป็นศุูนย์กลางสำคัญของประเด็นนั้น
07:00
and ones that are really creatively bridging disparate fields.
183
408370
3374
และการพูดที่เชื่อมสาขาที่แตกต่างกัน
เข้าด้วยกันอย่างแท้จริง
เข้าด้วยกันอย่างแท้จริง
07:03
Okay? We never would have found those with our obsession
184
411744
2102
เราคงไม่เคยพบเรื่องที่เราสนใจเป็นอย่างมาก
07:05
with what's trending now.
185
413846
2313
มาสัมพันธ์กันกับเรื่องที่กำลังเป็นที่นิยมอยู่ขณะนี้
07:08
And all of this comes from the architecture of complexity,
186
416159
2886
และทั้งหมดนี้ มาจากสถาปัตยกรรมของความซับซ้อน
07:11
or the patterns of how things are connected.
187
419045
2960
หรือรูปแบบของวิธีทีสิ่งต่างๆถูกเชื่อมโยงกัน
07:14
SG: So that's exactly right.
188
422005
1625
ชอน: นั่นถูกเผงเลย
07:15
We've got ourselves in a world
189
423630
2479
เราพาตัวเราเองเข้าไปอยู่ในโลก
07:18
that's massively complex,
190
426109
2044
ที่มันซับซ้อนอย่างมโหฬาร
07:20
and we've been using algorithms to kind of filter it down
191
428153
2867
และเราใช้อัลกอริทึม ในการคัดกรองออกไป
07:23
so we can navigate through it.
192
431020
1786
เพื่อที่เราจะได้ค้นหาเส้นทางที่ต้องการได้
07:24
And those algorithms, whilst being kind of useful,
193
432806
2338
อัลกอริทึมเหล่านั้น ในขณะที่มันมีประโยชน์
07:27
are also very, very narrow, and we can do better than that,
194
435144
3476
แต่ก็ยังแคบมากมากอีกด้วย และเราสามารถทำได้ดีกว่านั้น
07:30
because we can realize that their complexity is not random.
195
438620
2566
เพราะเราตระหนักได้ว่า ความซับซ้อนของมันนั้น
ไม่ได้เป็นไปโดยบังเอิญ
ไม่ได้เป็นไปโดยบังเอิญ
07:33
It has mathematical structure,
196
441186
1954
มันมีโครงสร้างทางคณิตศาสตร์
07:35
and we can use that mathematical structure
197
443140
1803
และเราสามารถใช้โครงสร้างทางคณิตศาสตร์นั้น
07:36
to go and explore things like the world of ideas
198
444943
2214
ไปสำรวจสิ่งต่างๆ อย่างเช่น โลกของแนวความคิด
07:39
to see what's being said, to see what's not being said,
199
447157
3000
เพื่อให้เห็นว่า อะไรกำลังถูกพูดถึงอยู่
เพื่อให้เห็นว่า อะไรที่กำลังถูกละเลย
เพื่อให้เห็นว่า อะไรที่กำลังถูกละเลย
07:42
and to be a little bit more human
200
450157
1407
และเพื่อให้มีความเป็นมนุษย์ เพิ่มขึ้นอีกนิดหนึ่ง
07:43
and, hopefully, a little smarter.
201
451564
1867
และหวังได้ว่า จะฉลาดขึ้นอีกนิดหนึ่ง
07:45
Thank you.
202
453431
966
ขอบคุณครับ
07:46
(Applause)
203
454397
4220
(เสียงปรบมือ)
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