TEDNYC
Lux Narayan: What I learned from 2,000 obituaries
ลักซ์ นารายัน: สิ่งที่ผมได้เรียนรู้จากข่าวมรณะกรรม 2,000 ชิ้น
Filmed:
Readability: 4.4
1,705,669 views
ลักซ์ นารายันเริ่มต้นเช้าของวันด้วยไข่คนและคำถามที่ว่า "วันนี้มีใครตายบ้าง?" ทำไม? นารายันรวบรวมข้อมูลจากการวิเคราะห์ข่าวมรณะกรรมในหนังสือพิมพ์นิวยอร์กไทม์สจำนวน 2,000 ชิ้น ในระยะเวลา 20 เดือน เพื่อดูว่าความสำเร็จในช่วงชีวิตเป็นอย่างไร ที่นี่เขาได้แบ่งปันสิ่งที่ที่บุคคลที่ถูกทำให้เป็นอมตะด้วยบทความสอนเราเกี่ยวกับการใช้ชีวิตที่คุ้มค่า
Lux Narayan - Entrepreneur
Lux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. Full bio
Lux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. Full bio
Double-click the English transcript below to play the video.
00:12
Joseph Keller used to jog
around the Stanford campus,
around the Stanford campus,
0
879
4072
โจเซฟ เคลเลอร์ เคยวิ่งออกกำลังกาย
บริเวณรอบมหาวิทยาลัยสแตนฟอร์ด
บริเวณรอบมหาวิทยาลัยสแตนฟอร์ด
00:16
and he was struck by all the women
jogging there as well.
jogging there as well.
1
4975
4717
แล้วเขาก็เกิดความสนใจ
ผู้หญิงที่มาวิ่งที่นั่นด้วย
ผู้หญิงที่มาวิ่งที่นั่นด้วย
00:21
Why did their ponytails swing
from side to side like that?
from side to side like that?
2
9716
3589
เขาสงสัยว่าทำไมผมหางม้า
ถึงแกว่งจากซ้ายไปขวาแบบนั้น
ถึงแกว่งจากซ้ายไปขวาแบบนั้น
00:25
Being a mathematician,
he set out to understand why.
he set out to understand why.
3
13867
3138
ด้วยความที่เป็นนักคณิตศาสตร์
เขาจึงหาทางที่จะเข้าใจเหตุและผล
เขาจึงหาทางที่จะเข้าใจเหตุและผล
00:29
(Laughter)
4
17029
1151
(เสียงหัวเราะ)
00:30
Professor Keller was curious
about many things:
about many things:
5
18204
2306
อาจารย์เคลเลอร์มีความสงสัยในหลายสิ่ง:
00:32
why teapots dribble
6
20534
1967
ทำไมน้ำถึงหยดออกจากกา
00:34
or how earthworms wriggle.
7
22525
1830
หรือไส้เดือนเลื้อยคดเคี้ยวได้อย่างไร
00:36
Until a few months ago,
I hadn't heard of Joseph Keller.
I hadn't heard of Joseph Keller.
8
24847
3048
ผมไม่ได้ข่าวโจเซฟ เคลเลอร์
จนกระทั่งเมื่อหลายเดือนก่อน
จนกระทั่งเมื่อหลายเดือนก่อน
00:40
I read about him in the New York Times,
9
28581
2852
ผมอ่านเจอข่าวของเขา
บนหนังสือพิมพ์นิวยอร์กไทม์ส
บนหนังสือพิมพ์นิวยอร์กไทม์ส
00:43
in the obituaries.
10
31457
1432
หมวดข่าวมรณะกรรม
00:44
The Times had half a page
of editorial dedicated to him,
of editorial dedicated to him,
11
32913
3772
หนังสือพิมพ์ได้ตีพิมพ์
เรื่องราวของเขาถึงครึ่งหน้า
เรื่องราวของเขาถึงครึ่งหน้า
00:48
which you can imagine is premium space
for a newspaper of their stature.
for a newspaper of their stature.
12
36709
3922
ซึ่งคุณคงรู้ว่านั่นคือพื้นที่ข่าวที่มีค่ามาก
สำหรับหนังสือประสบความสำเร็จแบบนั้น
สำหรับหนังสือประสบความสำเร็จแบบนั้น
00:53
I read the obituaries almost every day.
13
41368
2342
ผมอ่านข่าวมรณะกรรมเกือบทุกวัน
00:56
My wife understandably thinks
I'm rather morbid
I'm rather morbid
14
44690
3022
ภรรยาผมคิดว่าผมคงผิดปกติ
00:59
to begin my day with scrambled eggs
and a "Let's see who died today."
and a "Let's see who died today."
15
47736
4400
ที่เริ่มต้นเช้าวันใหม่ ด้วยไข่คนและ
"ดูสิว่าใครตายบ้างวันนี้"
"ดูสิว่าใครตายบ้างวันนี้"
01:04
(Laughter)
16
52160
1150
(เสียงหัวเราะ)
01:06
But if you think about it,
17
54025
1292
แต่หากคุณลองคิดสักนิด
01:07
the front page of the newspaper
is usually bad news,
is usually bad news,
18
55341
3413
หน้าหนึ่งของหนังสือพิมพ์มักจะเป็นข่าวร้าย
01:10
and cues man's failures.
19
58778
1975
และความผิดพลาดล้มเหลวของคนอื่น
01:12
An instance where bad news
cues accomplishment
cues accomplishment
20
60777
2666
แต่ข่าวร้ายที่บอกเล่าเรื่องราวความสำเร็จ
01:15
is at the end of the paper,
in the obituaries.
in the obituaries.
21
63467
3235
อยู่หน้าสุดท้ายของหนังสือพิมพ์
ในหมวดข่าวมรณะกรรม
ในหมวดข่าวมรณะกรรม
01:19
In my day job,
22
67405
1364
งานประจำของผม
01:20
I run a company that focuses
on future insights
on future insights
23
68793
2476
ผมบริหารบริษัทที่พยากรณ์อนาคต
01:23
that marketers can derive
from past data --
from past data --
24
71293
2420
ซึ่งนักการตลาดมักได้มาจากการดูข้อมูลในอดีต
01:25
a kind of rearview-mirror analysis.
25
73737
2944
เหมือนการมองที่กระจกหลัง
01:29
And we began to think:
26
77092
1155
แล้วเราก็เริ่มคิดว่า
01:30
What if we held a rearview mirror
to obituaries from the New York Times?
to obituaries from the New York Times?
27
78271
5118
จะเกิดอะไรขึ้นถ้าเรามองที่กระจกหลัง
ไปที่ข่าวมรณะกรรมในนิวยอร์กไทมส์ล่ะ
ไปที่ข่าวมรณะกรรมในนิวยอร์กไทมส์ล่ะ
01:36
Were there lessons on how you could get
your obituary featured --
your obituary featured --
28
84514
3468
จะมีวิธีใดที่ทำให้ข่าวมรณะของคุณ
ได้ลงหนังสือพิมพ์
ได้ลงหนังสือพิมพ์
01:40
even if you aren't around to enjoy it?
29
88006
1977
แม้ว่าคุณจะไม่ได้อยู่อ่านมันหรือไม่
01:42
(Laughter)
30
90007
1484
(เสียงหัวเราะ)
01:43
Would this go better with scrambled eggs?
31
91515
2628
ถ้าเป็นอย่างนั้นแล้ว
มันพอจะเข้ากันกับไข่คนรึเปล่า
มันพอจะเข้ากันกับไข่คนรึเปล่า
01:46
(Laughter)
32
94167
1150
(เสียงหัวเราะ)
01:48
And so, we looked at the data.
33
96163
2998
พวกเราก็เลยศึกษาข้อมูล
01:51
2,000 editorial, non-paid obituaries
34
99869
4494
ข่าวมรณะกรรมที่ไม่เสียค่าใช้จ่าย
จำนวน 2,000 เรื่อง
จำนวน 2,000 เรื่อง
01:56
over a 20-month period
between 2015 and 2016.
between 2015 and 2016.
35
104387
3642
เป็นเวลา 20 เดือนระหว่างปีค.ศ.2015 กับ 2016
02:00
What did these 2,000 deaths --
rather, lives -- teach us?
rather, lives -- teach us?
36
108053
4824
แล้วการตาย 2,000 คน--หรือพูดให้ถูก
ชีวิต--สอนอะไรกับเรา
ชีวิต--สอนอะไรกับเรา
02:04
Well, first we looked at words.
37
112901
2033
อย่างแรก เราดูที่ถ้อยคำ
02:06
This here is an obituary headline.
38
114958
1761
นี่คือพาดหัวข่าวมรณะกรรม
02:08
This one is of the amazing Lee Kuan Yew.
39
116743
2296
นี่คือข่าวของ ลี กวน ยู ผู้ยิ่งใหญ่
02:11
If you remove the beginning and the end,
40
119063
2522
หากคุณเอาส่วนต้นและส่วนท้ายออก
02:13
you're left with a beautifully
worded descriptor
worded descriptor
41
121609
3334
จะเหลือให้เห็นเพียงคำบรรยายที่สวยงาม
02:16
that tries to, in just a few words,
capture an achievement or a lifetime.
capture an achievement or a lifetime.
42
124967
4675
ที่พยายามจะบอกเล่า
ความสำเร็จในช่วงชีวิตด้วยคำไม่กี่คำ
ความสำเร็จในช่วงชีวิตด้วยคำไม่กี่คำ
02:21
Just looking at these is fascinating.
43
129666
2161
แค่ดูเพียงแค่นี่ก็น่าทึ่งแล้ว
02:24
Here are a few famous ones,
people who died in the last two years.
people who died in the last two years.
44
132301
3295
นี่เป็นข่าวคนดังเพียงไม่กี่คน
ที่เสียชีวิตสองปีที่ผ่านมา
ที่เสียชีวิตสองปีที่ผ่านมา
02:27
Try and guess who they are.
45
135620
1319
ลองเดาดูครับว่าพวกเขาคือใคร
02:28
[An Artist who Defied Genre]
46
136963
1440
[ศิลปินผู้ต่อต้านประเภทบทเพลง]
02:30
That's Prince.
47
138427
1185
นั่นคือ ปริ๊นซ์
02:32
[Titan of Boxing and the 20th Century]
48
140497
1837
[ยักษ์ใหญ่แห่งวงการมวยและศตวรรษที่ 20]
02:34
Oh, yes.
49
142358
1160
โอ ใช่ครับ
02:35
[Muhammad Ali]
50
143542
1224
[มูฮัมหมัด อาลี]
02:36
[Groundbreaking Architect]
51
144790
1546
[สถาปนิกผู้บุกเบิก]
02:38
Zaha Hadid.
52
146360
1251
ซาฮา ฮาดิด
02:40
So we took these descriptors
53
148843
1748
แล้วเราก็เอาคำบรรยายเหล่านี้
02:42
and did what's called
natural language processing,
natural language processing,
54
150615
2524
มาทำสิ่งที่เรียกว่าการประมวลภาษาธรรมชาติ
02:45
where you feed these into a program,
55
153163
1771
โดยการใส่คำพวกนี้ลงไปในโปรแกรม
02:46
it throws out the superfluous words --
56
154958
1865
มันจะตัดคำฟุ่มเฟือยออก
02:48
"the," "and," -- the kind of words
you can mime easily in "Charades," --
you can mime easily in "Charades," --
57
156847
4223
อย่าง "the" "and" คำประเภทที่ทายได้ง่าย ๆ
"ไม่ต้องมีเงื่อนไขทุกพยางค์"
"ไม่ต้องมีเงื่อนไขทุกพยางค์"
02:53
and leaves you with the most
significant words.
significant words.
58
161094
2193
และเหลือไว้เพียงคำที่สำคัญจริง ๆ
02:55
And we did it not just for these four,
59
163311
1821
เราไม่ได้ทำแค่ของสี่คนนี้นะครับ
02:57
but for all 2,000 descriptors.
60
165156
2519
เราทำกับตัวแทนที่บ่งชี้ 2,000 คน
02:59
And this is what it looks like.
61
167699
1743
และนี่คือสิ่งที่ปรากฏ
03:03
Film, theatre, music, dance
and of course, art, are huge.
and of course, art, are huge.
62
171004
4827
หนัง โรงละคร ดนตรี เต้นรำ
และแน่นอนมี ศิลปะ เป็นคำที่มีเยอะที่สุด
และแน่นอนมี ศิลปะ เป็นคำที่มีเยอะที่สุด
03:08
Over 40 percent.
63
176485
1946
มากกว่าร้อยละ 40
03:10
You have to wonder
why in so many societies
why in so many societies
64
178455
2528
คุณต้องสงสัยว่าทำไมในหลาย ๆ สังคม
03:13
we insist that our kids pursue
engineering or medicine or business or law
engineering or medicine or business or law
65
181007
4435
เราถึงยืนกรานให้ลูก ๆ ของเราเรียนวิศวกรรม
หรือแพทย์ หรือบริหารธุรกิจ หรือกฎหมาย
หรือแพทย์ หรือบริหารธุรกิจ หรือกฎหมาย
03:17
to be construed as successful.
66
185466
1587
เพื่อให้ดูเหมือนว่าประสบความสำเร็จ
03:19
And while we're talking profession,
67
187871
1693
ขณะที่เราพูดถึงอาชีพ
03:21
let's look at age --
68
189588
1151
ลองมาดูอายุกันดีกว่า
03:22
the average age at which
they achieved things.
they achieved things.
69
190763
2510
อายุเฉลี่ยที่พวกเขาประสบความสำเร็จ
03:25
That number is 37.
70
193297
1846
คืออายุ 37 ปี
03:28
What that means is,
you've got to wait 37 years ...
you've got to wait 37 years ...
71
196274
3656
นั่นหมายความว่า คุณต้องรอถึง 37 ปี
03:31
before your first significant achievement
that you're remembered for --
that you're remembered for --
72
199954
3395
คุณถึงจะประสบความสำเร็จและเป็นที่จดจำ
03:35
on average --
73
203373
1151
โดยเฉลี่ย--
03:36
44 years later, when you
die at the age of 81 --
die at the age of 81 --
74
204548
2478
44 ปีต่อมา เมื่อคุณเสียชีวิตตอนอายุ 81 ปี
03:39
on average.
75
207050
1168
โดยเฉลี่ย
03:40
(Laughter)
76
208242
1001
(เสียงหัวเราะ)
03:41
Talk about having to be patient.
77
209267
1684
พูดถึงเรื่องนี้ต้องมีความอดทน
03:42
(Laughter)
78
210975
1057
(เสียงหัวเราะ)
03:44
Of course, it varies by profession.
79
212056
2089
แน่นอนครับ มันขึ้นอยู่กับอาชีพ
03:46
If you're a sports star,
80
214566
1193
หากคุณเป็นนักกีฬาชื่อดัง
03:47
you'll probably hit
your stride in your 20s.
your stride in your 20s.
81
215783
2127
คุณอาจขึ้นถึงจุดสูงสุดในอาชีพ
ตอนช่วงอายุ 20 ปี
ตอนช่วงอายุ 20 ปี
03:49
And if you're in your 40s like me,
82
217934
2645
และหากคุณอยู่ในช่วงอายุ 40 ปีอย่างผม
03:52
you can join the fun world of politics.
83
220603
1991
คุณจะสามารถเข้าสู่โลกการเมืองที่น่าภิรมย์
03:54
(Laughter)
84
222618
1056
(เสียงหัวเราะ)
03:55
Politicians do their first and sometimes
only commendable act in their mid-40s.
only commendable act in their mid-40s.
85
223698
3915
นักการเมืองสร้างผลงานชิ้นแรกและบางครั้ง
ก็เพียงกฎหมายที่ควรยกย่องในช่วงอายุกลาง 40
ก็เพียงกฎหมายที่ควรยกย่องในช่วงอายุกลาง 40
03:59
(Laughter)
86
227637
1257
(เสียงหัวเราะ)
04:00
If you're wondering what "others" are,
87
228918
1937
หากคุณสงสัยว่า "แล้วคนอื่นๆ" ล่ะ
04:02
here are some examples.
88
230879
1476
นี่คือตัวอย่าง
04:04
Isn't it fascinating, the things people do
89
232821
2116
ไม่น่าทึ่งหรือครับ สิ่งที่ที่ผู้คนทำ
04:06
and the things they're remembered for?
90
234961
1882
และสิ่งที่ทำให้พวกเขาได้รับการจดจำ
04:08
(Laughter)
91
236867
1752
(เสียงหัวเราะ)
04:12
Our curiosity was in overdrive,
92
240136
1844
ความสงสัยของเรามากเกินจะห้ามใจได้
04:14
and we desired to analyze
more than just a descriptor.
more than just a descriptor.
93
242004
3788
และเราอยากจะวิเคราะห์มากกว่าแค่คำบรรยาย
04:18
So, we ingested the entire
first paragraph of all 2,000 obituaries,
first paragraph of all 2,000 obituaries,
94
246998
4946
เราเลยใส่ข้อมูลย่อหน้าแรกทั้งหมด
ของข่าวมรณะกรรมทั้ง 2,000 ชิ้น
ของข่าวมรณะกรรมทั้ง 2,000 ชิ้น
04:23
but we did this separately
for two groups of people:
for two groups of people:
95
251968
2774
โดยที่แบ่งคนออกเป็นสองกลุ่ม
04:26
people that are famous
and people that are not famous.
and people that are not famous.
96
254766
2777
นั่นคือ กลุ่มคนดังกับกลุ่มคนไม่ดัง
04:29
Famous people -- Prince,
Ali, Zaha Hadid --
Ali, Zaha Hadid --
97
257567
2689
คนดังอย่าง ปริ้นซ์ อาลี ซาฮา ฮาดิด
04:32
people who are not famous
are people like Jocelyn Cooper,
are people like Jocelyn Cooper,
98
260280
4235
คนไม่ดังก็อย่างเช่น จอยซ์ลิน คูเปอร์
04:36
Reverend Curry
99
264539
1154
บาทหลวงเคอร์รี่
04:37
or Lorna Kelly.
100
265717
1169
หรือ ลอร์น่า เคลลี่
04:38
I'm willing to bet you haven't heard
of most of their names.
of most of their names.
101
266910
3188
ผมกล้าท้าพนันเลยว่า
คุณไม่เคยได้ยินชื่อคนเหล่านี้
คุณไม่เคยได้ยินชื่อคนเหล่านี้
04:42
Amazing people, fantastic achievements,
but they're not famous.
but they're not famous.
102
270122
3812
บุคคลแสนวิเศษประสบความสำเร็จ
อย่างน่าอัศจรรย์ แต่ไม่โด่งดัง
อย่างน่าอัศจรรย์ แต่ไม่โด่งดัง
04:46
So what if we analyze
these two groups separately --
these two groups separately --
103
274720
2788
ดังนั้น ถ้าหากเราวิเคราะห์
คนสองกลุ่มนี้แยกกัน
คนสองกลุ่มนี้แยกกัน
04:49
the famous and the non-famous?
104
277532
1525
คนดังและไม่ดังละ
04:51
What might that tell us?
105
279081
1419
ข้อมูลที่ได้จะบอกอะไรกับเรา
04:52
Take a look.
106
280524
1240
เรามาดูกันครับ
04:56
Two things leap out at me.
107
284556
1469
มีสองอย่างสะดุดตาผมครับ
04:58
First:
108
286569
1170
อย่างแรก
05:00
"John."
109
288106
1198
"จอห์น"
05:01
(Laughter)
110
289328
1300
(เสียงหัวเราะ)
05:03
Anyone here named John
should thank your parents --
should thank your parents --
111
291914
3388
ใครก็ตามในที่นี้ที่ชื่อจอห์น
ควรขอบคุณพ่อแม่ของคุณ
ควรขอบคุณพ่อแม่ของคุณ
05:07
(Laughter)
112
295326
1329
(เสียงหัวเราะ)
05:08
and remind your kids to cut out
your obituary when you're gone.
your obituary when you're gone.
113
296679
3082
และเตือนลูกหลานให้ตัดข่าวมรณะกรรมของคุณ
เก็บไว้เมื่อคุณตายด้วย
เก็บไว้เมื่อคุณตายด้วย
05:13
And second:
114
301061
1356
อย่างที่สอง
05:15
"help."
115
303849
1154
"ช่วยเหลือ"
05:18
We uncovered, many lessons
from lives well-led,
from lives well-led,
116
306524
3465
เราค้นพบ บทเรียนการใช้ชีวิตที่คุ้มค่า
ถึงหลายเรื่อง
ถึงหลายเรื่อง
05:22
and what those people immortalized
in print could teach us.
in print could teach us.
117
310013
2836
และสิ่งที่คนที่ไม่มีวันตาย
ในบทเรียนที่สอนเรา
ในบทเรียนที่สอนเรา
05:24
The exercise was a fascinating testament
to the kaleidoscope that is life,
to the kaleidoscope that is life,
118
312873
4738
กิจกรรมที่เป็นดั่งมรดกที่น่าทึ่ง
ที่สะท้อนให้เห็นชีวิต
ที่สะท้อนให้เห็นชีวิต
05:29
and even more fascinating
119
317635
2715
และที่น่าทึ่งไปกว่านั้นอีก
05:32
was the fact that the overwhelming
majority of obituaries
majority of obituaries
120
320374
3068
คือความจริงที่ว่าข่าวมรณะกรรมจำนวนมาก
05:35
featured people famous and non-famous,
121
323466
2998
เป็นทั้งข่าวของผู้ที่โด่งดังและไม่ดัง
05:38
who did seemingly extraordinary things.
122
326488
2433
ซึ่งได้ทำในสิ่งที่ยิ่งใหญ่กว่าธรรมดา
05:41
They made a positive dent
in the fabric of life.
in the fabric of life.
123
329574
3110
พวกเขาได้ทิ้งร่องรอยเชิงบวกในช่วงชีวิต
05:44
They helped.
124
332708
1237
พวกเขาช่วยเหลือผู้อื่น
05:46
So ask yourselves as you go
back to your daily lives:
back to your daily lives:
125
334772
2591
ให้ลองถามตนเองเมื่อกลับไปใช้ชีวิตประจำวัน
05:49
How am I using my talents to help society?
126
337387
2920
ว่าคุณกำลังใช้ความสามารถ
ช่วยเหลือสังคมอย่างไรบ้าง
ช่วยเหลือสังคมอย่างไรบ้าง
05:52
Because the most powerful lesson here is,
127
340331
2973
เพราะบทเรียนที่ทรงพลังในที่นี้คือ
05:55
if more people lived their lives
trying to be famous in death,
trying to be famous in death,
128
343328
4336
ถ้าคนจำนวนมากใช้ชีวิต
ด้วยความพยายามจะมีชื่อเสียงตอนตาย
ด้วยความพยายามจะมีชื่อเสียงตอนตาย
05:59
the world would be a much better place.
129
347688
2605
โลกนี้จะเป็นที่น่าอยู่มากกว่านี้ครับ
06:03
Thank you.
130
351062
1169
ขอบคุณครับ
06:04
(Applause)
131
352255
2848
(เสียงปรบมือ)
Translated by Dollaya Piumsuwan
ABOUT THE SPEAKER
Lux Narayan - EntrepreneurLux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy.
Why you should listen
Lakshmanan aka Lux Narayan mans the helm of Unmetric, a social media intelligence company that helps digital marketers, social media analysts, and content creators harness social signals to track and analyze competitive content and campaigns, and to create better content and campaigns of their own.
Prior to founding Unmetric, Narayan was a co-founder at Vembu Technologies, an online data backup company. He also helped found and volunteered at ShareMyCake, a non-profit started by his wife that focuses on encouraging children to use their birthdays to channel monetary support towards a cause of their choosing.
As Unmetric's CEO, he leads a team of 70 people distributed across the company's operations in Chennai and New York City.
Outside of work, he is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. He enjoys reading obituaries and other non-fiction and watching documentaries with bad ratings. Narayan makes time every year for trekking in the Himalayas or scuba diving in tropical waters, and once he learns to fly, he hopes to spend more time off land than on it.
Lux Narayan | Speaker | TED.com