TED2013
Eric Berlow and Sean Gourley: Mapping ideas worth spreading
Eric Berlow ve Sean Gourley: Yaymaya değer fikirleri haritalamak
Filmed:
Readability: 4.3
1,131,373 views
24.000 fikir neye benzer? Çevrebilimci Eric Berlow ve fizikçi Sean Gourley tüm TEDx Konuşmaları arşivine algoritmaları uygulayarak fikirlerin küresel boyutta birbiriyle ne derecede bağlantılı olduklarını göstermek için bizi etkileyici bir görsel gezintiye çıkartıyorlar.
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
Eric Berlow: Ben çevrebilimciyim, Sean da fizikçi.
00:15
and we both study complex networks.
1
3623
2108
ikimiz de karmaşık ağlar üzerine çalışıyoruz.
00:17
And we met a couple years ago when we discovered
2
5731
1835
Birkaç sene önce ikimiz de savaş ekolojisi
00:19
that we had both given a short TED Talk
3
7566
2000
üzerine kısa birer TED konuşması yaptığımız
00:21
about the ecology of war,
4
9566
2303
zaman tanıştık.
00:23
and we realized that we were connected
5
11869
1447
Tanışmadan önce paylaştığımız ortak fikirler aracılığıyla
00:25
by the ideas we shared before we ever met.
6
13316
2818
bağlantılı olduğumuzun farkına vardık.
00:28
And then we thought, you know, there are thousands
7
16134
1556
Daha sonra, sizin de bildiğiniz gibi, dünyanın her tarafında yapılan,
00:29
of other talks out there, especially TEDx Talks,
8
17690
2114
özellikle TEDx Konuşmaları başta olmak üzere binlerce
00:31
that are popping up all over the world.
9
19804
2211
konuşma var diye düşündük.
00:34
How are they connected,
10
22015
923
Bu konuşmalar birbirleriyle nasıl bağlantılı oluyor ve
00:34
and what does that global conversation look like?
11
22938
2010
bu küresel konuşma neye benziyor?
00:36
So Sean's going to tell you a little bit about how we did that.
12
24948
2810
İşte Sean şimdi size bunu nasıl yaptığımızdan biraz bahsedecek.
00:39
Sean Gourley: Exactly. So we took 24,000 TEDx Talks
13
27758
3767
Sean Gourley: Kesinlikle. Dünyanın her yerinden 147 farklı ülkeden
00:43
from around the world, 147 different countries,
14
31525
3046
24.000 TEDx Konuşmasını aldık.
00:46
and we took these talks and we wanted to find
15
34571
2123
Bu konuşmaları ele aldık, çünkü bunların
00:48
the mathematical structures that underly
16
36694
2040
altında yatan matematiksel yapıları
00:50
the ideas behind them.
17
38734
1722
bulmak istiyorduk.
00:52
And we wanted to do that so we could see how
18
40456
1370
Bu konuşmaların birbiriyle nasıl ilintili olduğunu
00:53
they connected with each other.
19
41826
2053
görebilmek için bunu yapmak istiyorduk.
00:55
And so, of course, if you're going to do this kind of stuff,
20
43879
1676
Tabii ki bu tarz şeyler yapacaksanız
00:57
you need a lot of data.
21
45555
956
bir sürü veriye ihtiyacınız var.
00:58
So the data that you've got is a great thing called YouTube,
22
46511
3686
Elinizdeki veri ise YouTube denen muhteşem şey.
01:02
and we can go down and basically pull
23
50197
1768
Bilgisayarın başına oturup temel olarak YouTube'daki tüm
01:03
all the open information from YouTube,
24
51965
2267
yorumlara, görüntülemelere, kimin izlediğine,
01:06
all the comments, all the views, who's watching it,
25
54232
2349
nerede izlediğine, ne yorum yaptığına dair
01:08
where are they watching it, what are they saying in the comments.
26
56581
2779
tüm açık bilgileri çekebiliyoruz.
01:11
But we can also pull up, using speech-to-text translation,
27
59360
3292
Ama tabii ki konuşmadan yazıya aktarımla çeviriyi kullanarak
01:14
we can pull the entire transcript,
28
62652
2128
tümünü yazıya dökebiliyoruz.
01:16
and that works even for people with kind of funny accents like myself.
29
64780
2680
Bu benim gibi komik aksanı olan insanlar için bile işe yarayabiliyor.
01:19
So we can take their transcript
30
67460
2106
Sonra yazı dökümünü alabiliyoruz,
01:21
and actually do some pretty cool things.
31
69566
2098
aslında baya havalı şeyler yapıyoruz.
01:23
We can take natural language processing algorithms
32
71664
2160
Doğal lisan işleme algoritmaları ile,
01:25
to kind of read through with a computer, line by line,
33
73824
2629
- baştan sona, satır satır okuma yapabilen bir tür bilgisayar -
01:28
extracting key concepts from this.
34
76453
2359
anahtar kavramları ortaya çıkarıyoruz.
01:30
And we take those key concepts and they sort of form
35
78812
2525
Aldığımız bu anahtar kavramlar
01:33
this mathematical structure of an idea.
36
81337
3565
bir fikrin matematiksel yapısını oluşturuyor.
01:36
And we call that the meme-ome.
37
84902
1757
Buna meme-ome diyoruz.
01:38
And the meme-ome, you know, quite simply,
38
86659
2151
Basitçe, bildiğiniz meme-ome
01:40
is the mathematics that underlies an idea,
39
88810
2426
bir fikrin altında yatan matematiğe denir
01:43
and we can do some pretty interesting analysis with it,
40
91236
1932
ve bunlar ile ilginç bazı çözümlemeler yapabiliyoruz.
01:45
which I want to share with you now.
41
93168
1981
Şimdi sizinle bunları paylaşmak istiyorum.
01:47
So each idea has its own meme-ome,
42
95149
2190
Her fikir için bir meme-ome vardır ve bu
01:49
and each idea is unique with that,
43
97339
1951
her fikrin kendine özgüdür.
01:51
but of course, ideas, they borrow from each other,
44
99290
2488
Ama, tabii ki, fikirler birbirinden ödünç alırlar.
01:53
they kind of steal sometimes,
45
101778
1184
Hatta bazen çalarlar bile.
01:54
and they certainly build on each other,
46
102962
1827
Ama kesin olarak birbiri üzerine inşa edilirler
01:56
and we can go through mathematically
47
104789
1616
ve biz bunu matematiksel olarak inceleyebiliriz.
01:58
and take the meme-ome from one talk
48
106405
1840
Mesela, bir konuşmadan bir meme-ome alıp
02:00
and compare it to the meme-ome from every other talk,
49
108245
2454
onu diğer tüm konuşmalardaki meme-ome'larla karşılaştırabiliriz.
02:02
and if there's a similarity between the two of them,
50
110699
1973
Eğer ikisi arasında bir benzerlik varsa,
02:04
we can create a link and represent that as a graph,
51
112672
3250
arada bir bağlantı oluşturabilir ve bunu da bir grafik olarak gösterebiliriz.
02:07
just like Eric and I are connected.
52
115922
2394
tıpkı Eric ve benim kurduğumuz bağlantı gibi.
02:10
So that's theory, that's great.
53
118316
1394
Yani teori bu ve müthiş bir şey.
02:11
Let's see how it works in actual practice.
54
119710
2526
Pratikte nasıl işlediğine bir bakalım.
02:14
So what we've got here now is the global footprint
55
122236
2788
Burada, elimizde şuan New York'dan
02:17
of all the TEDx Talks over the last four years
56
125024
2293
ta Yeni Zellanda'ya kadar son dört yılda
02:19
exploding out around the world
57
127317
1550
dünyanın her yerinde yapılan
02:20
from New York all the way down to little old New Zealand in the corner.
58
128867
3329
TEDx Konuşmalarının iz düşümleri var.
02:24
And what we did on this is we analyzed the top 25 percent of these,
59
132196
3835
Yaptığımız şey, bunların en iyi yüzde 25'ini çözümlemek,
02:28
and we started to see where the connections occurred,
60
136031
2534
bağlantıların nerelerde olduğunu ve
02:30
where they connected with each other.
61
138565
1537
birbirleriyle nasıl ilişkilendirildiklerini anlamaya başlamak oldu.
02:32
Cameron Russell talking about image and beauty
62
140102
1874
Görüntü ve güzellik hakkında konuşan Cameron Russell
02:33
connected over into Europe.
63
141976
1575
Avrupa'dan bağlanmış.
02:35
We've got a bigger conversation about Israel and Palestine
64
143551
2412
Filistin ve İsrail hakkında Ortadoğu'dan gelen
02:37
radiating outwards from the Middle East.
65
145963
2255
daha büyük bir konuşmamız da var.
02:40
And we've got something a little broader
66
148218
1298
Elimizde biraz daha büyük,
02:41
like big data with a truly global footprint
67
149516
2156
her yerde yapılan bir konuşmanın
02:43
reminiscent of a conversation
68
151672
2179
gerçek anlamda küresel bir ayak izini anımsatmış
02:45
that is happening everywhere.
69
153851
2016
olan bir konuşma var.
02:47
So from this, we kind of run up against the limits
70
155867
2173
Yani bundan yola çıkarak, coğrafi izdüşümle
02:50
of what we can actually do with a geographic projection,
71
158040
2530
yapabileceğimiz şeylerin sınırlarını zorluyoruz.
02:52
but luckily, computer technology allows us to go out
72
160570
2052
Şansımıza, bilgisayar teknolojisi çok boyutlu boşluğa
02:54
into multidimensional space.
73
162622
1546
açılmamıza olanak sağlıyor.
02:56
So we can take in our network projection
74
164168
1875
Biz de ağ izdüşümünü alıyoruz ve
02:58
and apply a physics engine to this,
75
166043
1750
buna bir fizik motoru uyguluyoruz.
02:59
and the similar talks kind of smash together,
76
167793
1885
Bu şekilde benzer konuşmalar eşleşirken
03:01
and the different ones fly apart,
77
169678
2004
farklı olanları da ayrılıyor.
03:03
and what we're left with is something quite beautiful.
78
171682
2072
Aldığımız netice ise oldukça güzel.
03:05
EB: So I want to just point out here that every node is a talk,
79
173754
2957
EB: Burada göstermek istediğim şey, her düğüm bir konuşma.
03:08
they're linked if they share similar ideas,
80
176711
2589
Benzer fikirleri paylaşıyorlarsa, bağlanıyorlar.
03:11
and that comes from a machine reading
81
179300
2084
Bunu yapan, tüm konuşmaların
03:13
of entire talk transcripts,
82
181384
2067
yazıya dökülmüş halini okuyabilen bir makine.
03:15
and then all these topics that pop out,
83
183451
2231
Sonra, tüm bu ortaya çıkan konular,
03:17
they're not from tags and keywords.
84
185682
1790
etiketlerden veya kilit kelimelerden değiller.
03:19
They come from the network structure
85
187472
1725
Birbiriyle bağlı fikirlerin
03:21
of interconnected ideas. Keep going.
86
189197
2168
ağ yapısından geliyorlar. Sen devam et.
03:23
SG: Absolutely. So I got a little quick on that,
87
191365
2022
SG: Kesinlikle. Onu hızlı geçecektim,
03:25
but he's going to slow me down.
88
193387
1475
ama bu beni yavaşlatacak.
03:26
We've got education connected to storytelling
89
194862
2034
Sosyal medyanın hemen yanında,
03:28
triangulated next to social media.
90
196896
1643
üçgensel yapıda hikayeciliğe bağlı eğitim var.
03:30
You've got, of course, the human brain right next to healthcare,
91
198539
2475
Tabii ki, sağlık hizmetinin hemen yanında insan beyni var.
03:33
which you might expect,
92
201014
1386
Aynen beklediğiniz gibi.
03:34
but also you've got video games, which is sort of adjacent,
93
202400
2395
Ama iki boşluk birbiriyle bağlandığından
03:36
as those two spaces interface with each other.
94
204795
2740
hemen bitişikte video oyunları da var.
03:39
But I want to take you into one cluster
95
207535
1535
Ama benim için özellikle önemli olan bir kümeyi
03:41
that's particularly important to me, and that's the environment.
96
209070
2868
size göstermek istiyorum. Bu küme çevre.
03:43
And I want to kind of zoom in on that
97
211938
1493
Buraya biraz daha yakından bakmak ve
03:45
and see if we can get a little more resolution.
98
213431
2363
çözünürlüğü biraz daha netleştirmek istiyorum.
03:47
So as we go in here, what we start to see,
99
215794
2347
Yani buraya girdiğimizde, görmeye başladığımız şey,
03:50
apply the physics engine again,
100
218141
1504
fizik motorunu bir daha uygularsak,
03:51
we see what's one conversation
101
219645
1676
herhangi bir konuşmanın aslında
03:53
is actually composed of many smaller ones.
102
221321
2560
birçok küçük konuşmadan oluştuğunu görürüz.
03:55
The structure starts to emerge
103
223881
1929
Yapı ortaya çıkmaya başladı.
03:57
where we see a kind of fractal behavior
104
225810
2070
Dünyanın her yerinde
03:59
of the words and the language that we use
105
227880
1619
bizim için önemli olan şeyleri anlatırken
04:01
to describe the things that are important to us
106
229499
1702
kullandığımız dilin ve kelimelerin bir çeşit kesirsel
04:03
all around this world.
107
231201
1433
davranışını görebiliyoruz.
04:04
So you've got food economy and local food at the top,
108
232634
2332
Zirvede gıda ekonomisi ve yerel gıda var,
04:06
you've got greenhouse gases, solar and nuclear waste.
109
234966
2719
sera gazları, güneşsel ve nükleer atıklar var.
04:09
What you're getting is a range of smaller conversations,
110
237685
2631
Elde ettiğiniz, her biri paylaştıkları dil ve
04:12
each connected to each other through the ideas
111
240316
2301
fikirler yoluyla birbirine bağlı,
04:14
and the language they share,
112
242617
1301
daha geniş bir çevre kavramı oluşturan
04:15
creating a broader concept of the environment.
113
243918
2450
çeşitli daha küçük konuşmalar.
04:18
And of course, from here, we can go
114
246368
1532
Tabiki, buradan şöyle
04:19
and zoom in and see, well, what are young people looking at?
115
247900
3534
yakınlaşabilir ve gençlerin neye baktığını görebilirsiniz.
04:23
And they're looking at energy technology and nuclear fusion.
116
251434
2345
Gençler enerji teknolojisi ve nükleer füzyona bakıyorlar.
04:25
This is their kind of resonance
117
253779
1674
Bu çevre hakkındaki konuşmalar için
04:27
for the conversation around the environment.
118
255453
2406
onların sesinin yankısı.
04:29
If we split along gender lines,
119
257859
1899
Eğer cinsiyet hatlarını bölersek,
04:31
we can see females resonating heavily
120
259758
1987
kadınların daha çok yiyecek ekonomisi,
04:33
with food economy, but also out there in hope and optimism.
121
261745
3645
umut ve iyimserlikte yankı bulduklarını görebiliriz.
04:37
And so there's a lot of exciting stuff we can do here,
122
265390
2482
Yani burada yapabileceğimiz bir sürü heyecan verici şey var.
04:39
and I'll throw to Eric for the next part.
123
267872
1762
Bir sonraki kısmı Eric'e havale ediyorum.
04:41
EB: Yeah, I mean, just to point out here,
124
269634
1602
EB: Evet, yani, söylemem gereken,
04:43
you cannot get this kind of perspective
125
271236
1538
bu tür bir bakış açısını
04:44
from a simple tag search on YouTube.
126
272774
3360
YouTube'da basit bir etiket aramasından elde edemezsiniz.
04:48
Let's now zoom back out to the entire global conversation
127
276134
4188
Şimdi çevrenin de dışına çıkıp tüm küresel konuşmalara geri
04:52
out of environment, and look at all the talks together.
128
280322
2534
dönelim ve konuşmalara birlikte bakalım.
04:54
Now often, when we're faced with this amount of content,
129
282856
2927
Sıklıkla bu miktarda içerikle karşı karşıya kaldığımızda,
04:57
we do a couple of things to simplify it.
130
285783
2431
onu basitleştirmek için birkaç şey yaparız.
05:00
We might just say, well,
131
288214
1314
Mesela, en çok tutulan konuşmalar
05:01
what are the most popular talks out there?
132
289528
2829
hangileridir diyebiliriz.
05:04
And a few rise to the surface.
133
292357
1397
Sonra birkaçı yüzeye çıkar.
05:05
There's a talk about gratitude.
134
293754
1828
Minnettarlıkla alakalı bir konuşma var.
05:07
There's another one about personal health and nutrition.
135
295582
3344
Kişisel sağlık ve beslenme ile alakalı başka bir tane var.
05:10
And of course, there's got to be one about porn, right?
136
298926
2929
Tabii ki, porno ile ilgili de bir tane olmalı, değil mi?
05:13
And so then we might say, well, gratitude, that was last year.
137
301855
3234
Sonra, minnettarlık geçen seneydi diyebiliriz.
05:17
What's trending now? What's the popular talk now?
138
305089
2522
Şimdi ne tutuluyor? Şimdi en revaçta olan konuşma ne?
05:19
And we can see that the new, emerging, top trending topic
139
307611
3321
Yeni yeni tutulmaya başlayan konuşmanın
05:22
is about digital privacy.
140
310932
2666
dijital mahremiyet hakkında olduğunu görebiliriz.
05:25
So this is great. It simplifies things.
141
313598
1693
Bu muhteşem. İşleri kolaylaştırıyor.
05:27
But there's so much creative content
142
315291
1827
Ama dipte gömülen
05:29
that's just buried at the bottom.
143
317118
1921
çok fazla orijinal içerik var.
05:31
And I hate that. How do we bubble stuff up to the surface
144
319039
3318
Bundan nefret ediyorum. Çok orijinal ve ilgi çekici şeyleri
05:34
that's maybe really creative and interesting?
145
322357
2458
nasıl su yüzüne çıkartabiliriz?
05:36
Well, we can go back to the network structure of ideas
146
324815
2931
Bunu yapmak için fikirlerin ağ yapısına geri
05:39
to do that.
147
327746
1430
dönmemiz lazım.
05:41
Remember, it's that network structure
148
329176
2114
Unutmayın, ortaya çıkan bu konuları
05:43
that is creating these emergent topics,
149
331290
2268
oluşturan bu ağ yapısı ve
05:45
and let's say we could take two of them,
150
333558
1515
diyelim ki şehirler ve genetik gibi
05:47
like cities and genetics, and say, well, are there any talks
151
335073
3047
iki tanesini alabiliyoruz ve acaba, bu iki gerçekten farklı disiplini
05:50
that creatively bridge these two really different disciplines.
152
338120
2569
orijinal bir biçimde birbirine bağlayan hiç konuşma var mı?
05:52
And that's -- Essentially, this kind of creative remix
153
340689
2275
Aslında, bu çeşit orijinal karışımlar
05:54
is one of the hallmarks of innovation.
154
342964
1840
yeniliğin köşe taşlarından biridir.
05:56
Well here's one by Jessica Green
155
344804
1606
Burada binaların mikrobik ekolojisi
05:58
about the microbial ecology of buildings.
156
346410
2379
hakkında Jessica Green tarafından yapılmış bir konuşma var.
06:00
It's literally defining a new field.
157
348789
2010
Gerçekten yeni bir alanı tanımlıyor.
06:02
And we could go back to those topics and say, well,
158
350799
2103
Tabi bu konu başlıklarına geri dönüp bu küçük konuşmalara
06:04
what talks are central to those conversations?
159
352902
2768
hangi kapsamlı konuşmaların merkez teşkil ettiğini söyleyebiliriz.
06:07
In the cities cluster, one of the most central
160
355670
1690
Şehirler kümesinde en merkezde olanlardan birisi
06:09
was one by Mitch Joachim about ecological cities,
161
357360
3952
ekolojik şehirler hakkında Mitch Joachim tarafından yapılan konuşma.
06:13
and in the genetics cluster,
162
361312
1720
Genetik kümesinde ise,
06:15
we have a talk about synthetic biology by Craig Venter.
163
363032
3193
Craig Venter tarafından yapılmış sentetik biyoloji hakkında bir konuşma var.
06:18
These are talks that are linking many talks within their discipline.
164
366225
3353
Bunlar kendi disiplinlerinde birçok konuşmayı bağlayan konuşmalar.
06:21
We could go the other direction and say, well,
165
369578
1843
Bu kez diğer yöne gidip
06:23
what are talks that are broadly synthesizing
166
371421
2272
birçok farklı alanı sentezleyen konuşmaların
06:25
a lot of different kinds of fields.
167
373693
1448
hangileri olduğunu söyleyebiliriz.
06:27
We used a measure of ecological diversity to get this.
168
375141
2533
Bunu elde etmek için ekolojik çeşitlilik ölçüsünü kullandık.
06:29
Like, a talk by Steven Pinker on the history of violence,
169
377674
2736
Steven Pinker'ın şiddetin tarihi hakkındaki
06:32
very synthetic.
170
380410
1180
çok sentetik konuşması gibi.
06:33
And then, of course, there are talks that are so unique
171
381590
2078
Sonra, benzersiz, kendine özgü konuşmalar da var.
06:35
they're kind of out in the stratosphere, in their own special place,
172
383668
3090
Bunlar sanki stratosferdeki kendi özel yerlerindeler.
06:38
and we call that the Colleen Flanagan index.
173
386758
2514
Buna Colleen Flanagan endeksi diyoruz.
06:41
And if you don't know Colleen, she's an artist,
174
389272
3034
Colleen'ı tanımıyorsanız, o bir sanatçı.
06:44
and I asked her, "Well, what's it like out there
175
392306
1543
Ona bir gün sordum: "Fikir evrenimizin
06:45
in the stratosphere of our idea space?"
176
393849
1672
stratosferinde olmak nasıl bir şey?" diye
06:47
And apparently it smells like bacon.
177
395521
3255
Açıkçası pastırma gibi kokuyor.
06:50
I wouldn't know.
178
398776
1791
Bilemezdim.
06:52
So we're using these network motifs
179
400567
2248
Yani bu ağ motiflerini;
06:54
to find talks that are unique,
180
402815
1186
orjinal bir biçimde bir sürü farklı alanı sentezleyen,
06:56
ones that are creatively synthesizing a lot of different fields,
181
404001
2710
kendi alanlarında merkezi yere sahip olan ve
06:58
ones that are central to their topic,
182
406711
1659
gerçekten ayrı alanlar arasında köprü kuran
07:00
and ones that are really creatively bridging disparate fields.
183
408370
3374
benzersiz konuşmaları bulmak için kullanıyoruz.
07:03
Okay? We never would have found those with our obsession
184
411744
2102
Tamam mı? Bu aralar neyin revaçta olduğu takıntısıyla
07:05
with what's trending now.
185
413846
2313
bunları asla bulamazdık.
07:08
And all of this comes from the architecture of complexity,
186
416159
2886
Bunların tamamı karmaşıklık mimarisinden
07:11
or the patterns of how things are connected.
187
419045
2960
ya da nesnelerin bağlanış modelinden gelir.
07:14
SG: So that's exactly right.
188
422005
1625
SG: Kesinlikle doğru.
07:15
We've got ourselves in a world
189
423630
2479
Müthiş karmaşık
07:18
that's massively complex,
190
426109
2044
bir dünyada bulunuyoruz ve
07:20
and we've been using algorithms to kind of filter it down
191
428153
2867
bunu bir çeşit filtrelemek için algoritmaları kullanıyoruz.
07:23
so we can navigate through it.
192
431020
1786
Böylece bazı şeyleri daha iyi anlayabiliyoruz.
07:24
And those algorithms, whilst being kind of useful,
193
432806
2338
Bu algoritmalar çok kullanışlı olmalarına rağmen,
07:27
are also very, very narrow, and we can do better than that,
194
435144
3476
aynı zamanda çok ama çok dardırlar ve bundan daha iyisini yapabiliriz.
07:30
because we can realize that their complexity is not random.
195
438620
2566
Çünkü karmaşıklıklarının rastgele olmadığını fark edebiliyoruz.
07:33
It has mathematical structure,
196
441186
1954
Matematiksel bir yapısı var ve
07:35
and we can use that mathematical structure
197
443140
1803
bu matematiksel yapıyı;
07:36
to go and explore things like the world of ideas
198
444943
2214
fikirlerin dünyası gibi şeyleri keşfetmek,
07:39
to see what's being said, to see what's not being said,
199
447157
3000
nelerin söylenip nelerin söylenmediğini görmek,
07:42
and to be a little bit more human
200
450157
1407
biraz daha fazla insan ve
07:43
and, hopefully, a little smarter.
201
451564
1867
biraz daha akıllı olmak için kullanabiliriz.
07:45
Thank you.
202
453431
966
Teşekkürler.
07:46
(Applause)
203
454397
4220
(Alkış)
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