TED2006
Hans Rosling: The best stats you've ever seen
Thuyết trình của Hans Rosling về thống kê dữ liệu
Filmed:
Readability: 3.6
14,386,844 views
Bạn đã bao giờ thấy dữ liệu được trình bày theo cách này? Với kỹ năng thuyết trình đầy kịch tính, dồn dập của một bình luận viên thể thao, chuyên gia về thống kê dữ liệu Hans Rosling đã phơi bày sự thật về cái mà người ta gọi là "thế giới đang phát triển".
Hans Rosling - Global health expert; data visionary
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus. Full bio
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus. Full bio
Double-click the English transcript below to play the video.
00:25
About 10 years ago, I took on the task to teach global development
0
0
4000
Cách đây 10 năm, tôi nhận nhiệm vụ giảng dậy môn phát triển toàn cầu
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
cho các sinh viên đại học của Thụy Điển. Lúc đó tôi đã trải qua
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
20 năm học tập tại các học viện của Châu Phi để nghiên cứu về nạn đói
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
ở Châu Phi, do đó tôi đã tin rằng mình biết được chút ít về thế giới này.
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
Và tôi bắt đầu giảng dậy ở trường Đại học Y của chúng ta, Viện Karolinska,
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
với khóa học đại học có tên gọi Sức Khỏe Toàn Cầu. Thế nhưng khi bạn có được
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
cơ hội, bạn bắt đầu lo lắng. Tôi đã nghĩ, những sinh viên
00:53
coming to us actually have the highest grade you can get
7
28000
3000
này thực tế đã đạt điểm cao nhất mà người ta có thể đạt
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
trong hệ thống Đại học của Thụy Điển, nên họ có thể biết mọi thứ mà
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
tôi định dậy cho họ. Do vậy tôi đã tiến hành một bài kiểm tra đầu khóa.
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
Và một trong những câu hỏi mà tôi đã học được rất nhiều từ đó là câu này:
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
"Nước nào có tỉ tệ tử vong ở trẻ em cao nhất trong năm cặp nước sau?"
01:10
And I put them together, so that in each pair of country,
12
45000
4000
Và tôi nhóm các nước vào với nhau vừa khéo để trong mỗi cặp nước sẽ có
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
một nước có tỉ lệ trẻ tử vong gấp đôi nước kia. Điều này có nghĩa là
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
sự chênh lệch là rất lớn, giúp tránh được sai xót của thống kê
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
Tôi sẽ không kiểm tra các bạn ngay tại đây, nhưng đó là nước Thổ Nhĩ Kỹ
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
với tỉ lệ cao nhất ở đây, cao hơn Ba Lan, Nga, Pakistan và Nam Phi
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
Và đây cũng là kết quả trả lời của các sinh viên Thụy Điển. Tôi làm vậy để
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
xác định "miền tin cậy", và nó khá là hẹp, do đó tôi rất vui,
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
tất nhiên: trong 5 câu hỏi thì có 1.8 câu trả lời đúng. Có nghĩa là
01:41
there was a place for a professor of international health --
20
76000
3000
có chỗ cho vị giáo sư môn sức khỏe quốc tế --
01:44
(Laughter) and for my course.
21
79000
2000
(Cười) và cho môn học của tôi.
01:46
But one late night, when I was compiling the report
22
81000
4000
Nhưng vào một đêm, đã muộn khi tôi đang chỉnh sửa bản báo cáo
01:50
I really realized my discovery. I have shown
23
85000
4000
tôi thực sự có một khám phá. Những bản báo cáo cho thấy
01:54
that Swedish top students know statistically significantly less
24
89000
5000
những sinh viên hàng đầu của Thụy Điển hiểu biết về thống kê thế giới còn kém hơn
01:59
about the world than the chimpanzees.
25
94000
2000
cả loài khỉ.
02:01
(Laughter)
26
96000
2000
(Cười).
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
Bởi loài khỉ sẽ làm đúng một nửa nếu tôi đưa cho chúng
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
hai quả chuối có đề Sri Lanka và Thổ Nhĩ Kì. Chúng sẽ làm đúng một nửa.
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
Nhưng các sinh viên lại không đạt được kết quả đó. Vấn đề đối với tôi không phải là sự thiếu hiểu biết:
02:14
it was preconceived ideas.
30
109000
3000
mà là những hiểu biết đã được định trước.
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
Tôi cũng thực hiện thêm một nghiên cứu "trái phép" cho các giáo sư của viện Karolinska
02:21
(Laughter)
32
116000
1000
(Cười)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
-- nghiên cứu đã nhận giải Nobel Y học,
02:24
and they are on par with the chimpanzee there.
34
119000
2000
và họ cũng cùng tầm với loài khỉ.
02:26
(Laughter)
35
121000
3000
(Cười).
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
Đây chính là lúc tôi nhận ra rằng cần phải trao đổi và truyền đạt,
02:33
because the data of what's happening in the world
37
128000
3000
vì dữ liệu về những sự kiện xảy tra trên thế giới
02:36
and the child health of every country is very well aware.
38
131000
3000
và sức khỏe của trẻ em của mỗi nước được quan tâm rất lớn.
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
Chúng tôi đã làm một phần mềm chương trình hiển thị như thế này: mỗi quả bóng ở đây là một nước.
02:44
This country over here is China. This is India.
40
139000
6000
Nước này là Trung Quốc. Đây là Ấn Độ
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
Độ lớn của quả bóng cho biết dân số, và ở trục này tôi đề tỉ lệ sinh.
02:56
Because my students, what they said
42
151000
3000
Bởi vì những sinh viên của tôi, những điều họ nói
02:59
when they looked upon the world, and I asked them,
43
154000
2000
khi họ nhìn lên bản đồ thế giới, và khi tôi đã hỏi họ,
03:01
"What do you really think about the world?"
44
156000
2000
"Các bạn thực sự nghĩ gì về thế giới?"
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
Và, tôi lần đầu khám phá ra quyển sách giáo khoa là Tintin, hầu hết là vậy.
03:07
(Laughter)
46
162000
1000
(Cười)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
Và họ nói, "Thế giới là "Chúng ta" và "Họ"
03:11
And we is Western world and them is Third World."
48
166000
3000
Và chúng ta là thế giới Phương Tây còn họ là thế giới Thứ ba."
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
"Vậy theo ý bạn thế giới Phương Tây là gì?" Tôi hỏi.
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
"Đó là thế giới với tuổi thọ cao và gia đình nhỏ, còn thế giới Thứ ba có tuổi thọ thấp và gia đình lớn."
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
Vì thế, đây là những gì tôi trình bày. Tôi đề tỉ lệ sinh ở đây: số trẻ em trên một phụ nữ,
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
một, hai, ba, bốn, đến tám trẻ em trên một phụ nữ.
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
Họ có thống kê rất tốt từ năm 1962 -- 1960 về độ lớn của các gia đình trên thế giới.
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
Khoảng sai xót là rất hẹp. Ở đây tôi đề Tuổi thọ trung bình,
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
từ 30 tuổi ở một vài nước đến khoảng 70 tuổi,
03:45
And 1962, there was really a group of countries here
56
200000
3000
Vào năm 1962, thực sự đã có một nhóm các nước tại đây.
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
là những nước công nghiệp phát triển, và họ có gia đình nhỏ và tuổi thọ cao.
03:53
And these were the developing countries:
58
208000
2000
Và những nước này là những nước đang phát triển:
03:55
they had large families and they had relatively short lives.
59
210000
3000
họ có gia đình lớn và tuổi thọ tương đối ngắn.
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
Bây giờ là những gì đã xảy ra kể từ 1962? Chúng ta muốn tìm hiểu sự thay đổi.
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
Liệu các sinh viên có nói đúng? Vẫn còn có hai loại nước chăng"
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
Hay là những nước đang phát triển đã giảm độ lớn của gia định và sống đến mức này?
04:09
Or have they got longer lives and live up there?
63
224000
2000
Hay là họ có tuổi thọ cao hơn và sống đến mức kia?
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
Hãy xem. Chúng ta ngừng lại ở năm đó. Đây là những thống kê của Liên hợp quốc
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
hiện vẫn còn giá trị. Bắt đầu. Bạn có nhìn rõ không?
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
Đó chính là Trung Quốc, phát triển theo mức tăng về sức khỏe.
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
Tất cả những nước Mỹ Latin có màu xanh đi theo hướng giảm độ lớn của các gia đình.
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
Những nước màu vàng là các nước A rập,
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
và họ có các gia đình lớn hơn, nhưng họ -- không, họ có tuổi thọ cao hơn, và không phải gia đình lớn hơn.
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
Các nước châu Phi có màu xanh. Họ vẫn ở nguyên vị trí.
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
Đây là Ấn Độ. Indonesia cũng phát triển rất nhanh.
04:36
(Laughter)
72
251000
1000
(Cười).
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
Và vào những năm 80, các bạn thấy Bangladesh vẫn ở trong nhóm các nước châu Phi này.
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
Nhưng giờ đây, Bangladesh -- đó là sự kì diệu vào những năm 80:
04:43
the imams start to promote family planning.
75
258000
3000
Các lãnh tụ hồi giáo bắt đầu cổ động kế hoạch hóa gia đình
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
Họ tiến được đến góc kia. Và vào những năm 90, chúng ta có thảm họa dịch HIV
04:51
that takes down the life expectancy of the African countries
77
266000
3000
và nó kéo tuổi thọ trung bình của các nước châu Phi
04:54
and all the rest of them move up into the corner,
78
269000
4000
trong khi tất cả các nước còn lại tiến vào góc
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
thể hiện tuổi thọ cao hơn và gia đình nhỏ hơn, và chúng ta có một thế giới hòan toàn mới.
05:02
(Applause)
80
277000
13000
(Vỗ tay).
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
Giờ tôi sẽ so sánh trực tiếp giữa nước Mỹ và Việt Nam.
05:20
1964: America had small families and long life;
82
295000
5000
Năm 1964: Mỹ có gia đình nhỏ và tuổi thọ cao;
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
Việt Nam có gia đình lớn và tuổi thọ ngắn. Và đây là những gì đã xảy ra:
05:29
the data during the war indicate that even with all the death,
84
304000
6000
số liệu cho thấy trong cuộc chiến tranh chỉ ra rằng kể cả bao gồm số liệu tử vong,
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
tuổi thọ trung bình vẫn được cải thiện. Đến cuối năm,
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
kế hoạch hóa gia đình được thực hiện ở Việt Nam và họ bắt đầu có gia đình nhỏ hơn.
05:41
And the United States up there is getting for longer life,
87
316000
3000
Và nước Mỹ ở tít trên kia đang có tuổi thọ cao hơn,
05:44
keeping family size. And in the '80s now,
88
319000
3000
trong khi vẫn giữ quy mô gia đình. Và đến năm 80,
05:47
they give up communist planning and they go for market economy,
89
322000
3000
Việt Nam từ bỏ chế độ cộng sản, đi vào kinh tế thị trường,
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
và họ đã phát triển nhanh hơn cuộc sống xã hội. Đến ngày hôm nay, chúng ta thấy
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
ở tuổi thọ trung bình và quy mô gia đình ở
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
Việt Nam năm 2003, bằng với Mỹ năm 1974 ở cuối chiến tranh.
06:06
I think we all -- if we don't look in the data --
93
341000
4000
Tôi cho rằng, tất cả chúng ta - nếu không nhìn vào các số liệu --
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
chúng ta đều đánh giá thấp sự thay đổi to lớn của Châu Á, đó là
06:14
in social change before we saw the economical change.
95
349000
4000
thay đổi xã hội trước khi chúng ta thấy thay đổi về kinh tế.
06:18
Let's move over to another way here in which we could display
96
353000
5000
Giờ hãy chuyển sang một cách thể hiện khác, thể hiện
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
phân phối thu nhập của thế giới. Đây là phân phối thu thập của thế giới trên đầu người.
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
1 Đô la, 10 Đô la hoặc 100 Đô la một ngày.
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
Không còn khoảng cách giữa người giầu và người nghèo. Điều đó chỉ là hoang đường.
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
Có một đoạn gồ nhỏ ở đây. Nhưng chỗ nào cũng có con người.
06:44
And if we look where the income ends up -- the income --
101
379000
4000
Và nếu chúng ta theo dõi nơi -- thu nhập --
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
đây là 100% thu nhập hàng năm của thế giới. Những nước giàu nhất chiếm 20%
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
nhưng thu nhập của họ chiếm 74%. Và những nước nghèo nhất cũng chiếm 20%,
07:01
they take about two percent. And this shows that the concept
104
396000
5000
và thu nhập của họ chiếm 2%. Điều này cho thấy khái niệm
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
các nước đang phát triển đang cực kì nghi ngại. Chúng ta nghĩ đến trợ cấp, chẳng hạn như
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
những người ở đây trợ cấp cho những người ở đây. Nhưng ở khoảng giữa,
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
chúng ta có phần lớn dân số thế giới, và họ có 24% thu nhập thế giới.
07:19
We heard it in other forms. And who are these?
108
414000
4000
Ta đã nghe về điều này ở nhiều phương thức khác. Đó là gì?
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
Những nước khác biệt là những nước nào? Tôi có thể cho các bạn thấy nước Châu Phi.
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
Đây là Châu Phi. 10% dân số thế giới, hầu hết sống trong nghèo đói.
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
Đây là OECD. Một nước giầu và là thành viên của Liên hợp quốc.
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
và họ ở đây bên mặt này. Có thể thấy sự trùng lấp giữa Châu Phi và OECD.
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
Còn đây là Mỹ Latin. Nó có tất cả mọi thứ trên thế giới này,
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
từ nghèo nhất cho đến giàu nhất, ở Mỹ Latin.
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
Và trên hết, chúng ta có thể đặt thêm Đông Âu, Đông Á,
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
và Nam Á. Và nó sẽ như thế nào nếu chúng ta quay trở về
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
khoảng năm 1970? Sẽ có một đoạn gồ hơn.
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
Và hầu hết những người sống trong nghèo đói tuyệt đối là người châu Á.
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
Vấn đề với thế giới là sự nghèo đói ở châu Á. Giờ nếu tôi để thế giới tiếp tục phát triển,
08:14
you will see that while population increase, there are
120
469000
3000
các bạn sẽ thấy trong khi dân số tăng lên,
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
có hàng trăm triệu người châu Á thoát khỏi nghèo đói và một số khác
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
lâm vào nghèo đói, và đây là khuôn mẫu mà chúng ta có ngày hôm nay.
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
Dự đoán tốt nhất từ Ngân hàng thế giới là điều này sẽ xảy ra,
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
và chúng ta sẽ không còn thế giới phân cách nữa. Chúng ta sẽ có phần lớn người dân nằm ở khoảng giữa
08:31
Of course it's a logarithmic scale here,
125
486000
2000
Tất nhiên đó là thang logarit,
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
nhưng khái niệm về nền kinh tế của chúng ta là sự tăng trưởng theo phần trăm. Chúng ta nhìn nó
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
như khả năng tăng phần trăm. Nếu tôi thay đổi cái này, và tôi dùng
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
GDP trên đầu người thay vì thu nhập gia đình, và tôi dùng
08:48
individual data into regional data of gross domestic product,
129
503000
6000
thống kê cá nhân vào thống kế vùng miền của tổng sản phẩm quốc nội,
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
và tôi lấy những vùng ở dưới này, với độ lớn của quả bóng thể hiện dân số
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
Và bạn có OECD ở đằng kia, và các nước bán Sahara Châu Phi ở đằng kia,
09:01
and we take off the Arab states there,
132
516000
3000
và ta bỏ các nước Ả rập đằng kia,
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
đến từ châu Phi và châu Á, và ta đặt riêng rẽ
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
và ta có thể nối dài trục này, và ta có thể thêm một chiều ở đây,
09:13
by adding the social values there, child survival.
135
528000
3000
bằng cách thêm các biến xã hội, tỉ lệ trẻ sống sót.
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
Giờ tôi đặt Tiền vào trục đó, và tôi có khả năng sống sót của trẻ em ở kia.
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
Ở một vài nước, 99.7% trẻ em sống qua năm tuổi;
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
ở các nước khác, chỉ 70%. Ở đây dường như có khoảng cách giữa
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
OECD, Mỹ Latin, Đông Âu, Đông Á,
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
Ả rập, Nam Á và Bán Sahara Châu Phi.
09:37
The linearity is very strong between child survival and money.
141
552000
5000
Quan hệ tuyến tính rất rõ rệt giữa tỉ lệ trẻ sống sót và tiền bạc.
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
Nhưng hãy đợi tôi phân chia các nước bán Sahara Châu Phi. Kia là sức khỏe, và sức khỏe tốt hơn thì ở cao hơn.
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
Tôi có thể ra đây và chia các nước bán Sahara Châu Phi.
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
Khi nó vỡ, độ lớn của quả bóng thể hiện độ lớn của dân số.
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
Sierra Leone ở phía dưới. Mauritus ở trên. Mauritius là nước đầu tiên
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
thoát khỏi hàng rào thuế quan và họ có thể bán đường.
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
Họ có thể bán sản phẩm dệt may với giá ngang bằng các nước châu Âu và Bắc Mĩ.
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
Có sự khác biệt lớn trong Châu Phi. Và Ghana nằm giữa ở đây.
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
Ở Sierra-Leone, trợ cấp nhân đạo,
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
Ở đây tại Uganda, trợ cấp phát triển. Ở đây, thời gian đầu tư, đằng kia,
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
là sự thư giãn trong giàu có. Đây là sự khác biệt rất lớn
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
trong lòng Châu Phi mà chúng ta ít khi gặp, đó là nó bằng tất cả mọi thứ.
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
Tôi có thể chia Đông Á ra ở đây. Ấn Độ là hình tròn lớn ở giữa.
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
Có chênh lệch rất lớn giữa Afghanistan và Sri Lanka.
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
Tôi có thể chia các nước Ả rập. Họ ra sao? Khí hậu giống nhau, văn hóa giống nhau,
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
tôn giáo giống nhau. Chênh lệch rất lớn. Kể cả giữa các nước làng giềng.
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
Yemen, nội chiến. Các tiểu vương quốc Ả rập thống nhất, tiền được phân chia và sử dụng hợp lý.
10:54
Not as the myth is. And that includes all the children of the foreign workers who are in the country.
158
629000
7000
Không phải như chuyện hoang đường. Và nó bao gồm tất cả trẻ em của người nước ngoài đang làm việc tại đây.
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
Thống kê thường hữu dụng hơn bạn nghĩ. Đa số mọi người cho rằng số liệu thường không tốt.
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
Thường có miền không tin cậy, nhưng chúng ta có thể thấy sự khác biệt ở đây:
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
Cam-pu-chia, Singapore. Sự khác biệt là rất lớn
11:11
than the weakness of the data. East Europe:
162
646000
3000
lớn hơn cả lỗi của số liệu. Tại Đông Âu:
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
Nền Kinh tế Xô viết trong một thời gian dài, nhưng họ sụp đổ sau mười năm
11:20
very, very differently. And there is Latin America.
164
655000
3000
một cách rất khác biệt. Và còn có Mỹ Latin.
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
Ngày nay, chúng ta không cần đến Cuba để tìm một đất nước mạnh ở Mỹ Latin.
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
Chile sẽ có tỉ lệ tử vong ở trẻ em thấp hơn Cuba trong vòng vài năm tới.
11:32
And here we have high-income countries in the OECD.
167
667000
3000
Và đây chúng ta có các nước thu nhập cao trong khối OECD.
11:35
And we get the whole pattern here of the world,
168
670000
4000
Và chúng ta có mẫu hình chung của thế giới,
11:39
which is more or less like this. And if we look at it,
169
674000
5000
thường sẽ giống như thế này. Và nếu chúng ta nghiên cứu nó,
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
nó trông như thế nào -- thế giới, vào năm 1960, bắt đầu thay đổi, 1960.
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
Đây là Mao Trạch Đông. Ông ấy đã mang lại sức khỏe cho Trung Quốc. Và sau đó ông mất.
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
Sau đó Đặng Tiểu Bình xuất hiện và mang lại tiền bạc cho Trung Quốc, và đưa họ trở lại chính trường.
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
Và chúng ta đã thấy các nước thay đổi theo các hướng khác nhau như thế nào,
12:02
so it's sort of difficult to get
174
697000
4000
do đó khá là khó để có
12:06
an example country which shows the pattern of the world.
175
701000
5000
một đất nước điển hình mà thể hiện hình mẫu của thế giới.
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
Tôi muốn đưa bạn quay lại khoảng năm 1960.
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
Tôi muốn so sánh Hàn Quốc, chính là nước này, với Brazil,
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
là nước này. Và tôi muốn so sánh Uganda,
12:32
which is there. And I can run it forward, like this.
179
727000
5000
ở đằng kia, và tôi có thể để nó chạy, như sau.
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
Và bạn có thể thấy Hàn Quốc đã tiến bộ rất nhanh,
12:46
whereas Brazil is much slower.
181
741000
3000
trong khi Brazil thì chậm hơn rất nhiều.
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
Và nếu ta quay lại lần nữa, ở đây, và ta đặt các đường vạch lên chúng, như thế này,
12:55
you can see again that the speed of development
183
750000
4000
các bạn có thể thấy lại tốc độ phát triển
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
là rất khác nhau, và các nước phát triển hầu như
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
ở cùng một mức với tiền bạc và sức khỏe, nhưng dường như bạn có thể thay đổi
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
nhanh hơn nhiều nếu bạn có sức khỏe trước hơn là bạn giàu có trước.
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
Và để chứng minh điều đó, bạn có thể dùng Các tiểu vương quốc Ả rập thống nhất.
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
Họ đến từ chỗ này, một đất nước giàu khoảng sản. Họ có được tất cả trữ lượng dầu,
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
tiền bạc, nhưng sức khỏe thì không mua được ở siêu thị.
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
bạn phải đầu tư vào sức khỏe. Phải đưa lũ trẻ đi học.
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
Bạn phải huấn luyện cán bộ y tế. Phải giáo dục nền dân số.
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
và Sheikh Sayed đã làm điều đó khá tốt.
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
Và mặc dù giá dầu giảm, ông đã đưa đất nước phát triển lên đến đây.
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
Vậy chúng ta đã có xu hướng chủ đạo chung của thế giới rõ rệt hơn,
13:43
where all countries tend to use their money
195
798000
2000
ở chỗ tất cả các nước thường sử dụng tiền bạc
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
tốt hơn cách họ sử dụng trong quá khứ. Bây giờ,
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
hãy nhìn vào số liệu trung bình của các nước. Và chúng đều như thế này.
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
Sẽ thật nguy hiểm nếu chúng ta sử dụng số liệu trung bình, bởi có rất nhiều sự
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
khác biệt trong các nước. Do vậy nếu tôi nhìn vào đây, chúng ta có thể thấy
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
Uganda ngày này ở chính điểm của Hàn Quốc năm 1960. Nếu tôi chia Uganda,
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
sẽ có một vài sự khác biệt trong Uganda. Đây là những điểm phân vị của Uganda.
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
Những người giàu nhất chiếm 20% ở Uganda ở đằng kia.
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
Những người nghèo nhất ở đằng kia. Nếu tôi chia nhỏ Nam Phi, nó sẽ trông như thế này.
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
Nếu tôi đi xuống và phân tích Niger, nơi từng có nạn đói khủng khiếp,
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
cuối cùng, trông nó sẽ thế này. Số 20% những người nghèo nhất của Niger nằm ở đây,
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
và 20% giàu nhất của Nam Phi ở kia,
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
và chúng ta sắp thảo luận về giải pháp cho Châu Phi.
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
Tất cả mọi thứ trên thế giới đều có ở Châu Phi. Và bạn không thể
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
thảo luận sự tiếp cập của thuốc chống HIV cho điểm phân vị trên kia
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
với cùng một cách cho dưới này. Sự phát triển của thế giới
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
hẳn đã bị văn cảnh hóa ở mức cao, và nó không có nghĩa khi so sánh ở
15:00
on regional level. We must be much more detailed.
212
875000
3000
mức khu vực. Chúng ta cần phải chi tiết hơn.
15:03
We find that students get very excited when they can use this.
213
878000
4000
Ta thấy rằng các sinh viên thường rất phấn khích khi họ có thể sử dụng được điều này.
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
Và ngày càng nhiều nhà hoạch định chính sách và khối hợp tác phát triển cũng mong được biết
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
thế giới đang thay đổi như thế nào. Bây giờ, sao chúng ta không sử dụng nơi này?
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
Sao không sử dụng những số liệu ta đang có? Chúng ta có số liệu của Liên Hợp Quốc,
15:20
in the national statistical agencies
217
895000
2000
ở các cục thống kê quốc gia
15:22
and in universities and other non-governmental organizations.
218
897000
4000
và ở các trường đại học và các tổ chức phi chính phủ khác.
15:26
Because the data is hidden down in the databases.
219
901000
2000
Bởi vì các số liệu bị giấu trong các cơ sở dữ liệu,
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
Và còn có công chúng, Internet, nhưng chúng ta vẫn chưa sử dụng một cách hiệu quả.
15:33
All that information we saw changing in the world
221
908000
3000
Tất cả những thông tin mà chúng ta thấy thay đổi trên thế giới
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
không bao gồm những số liệu được cấp vốn. Có một vài trang web
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
như thế này, bạn biết đấy, nhưng họ kiếm trác từ các cơ sở dữ liệu,
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
và người ta đặt giá cho chúng, đặt các mật khẩu ngớ ngẩn và các thống kê buồn tẻ.
15:51
(Laughter) (Applause)
225
926000
3000
(Cười). (Vỗ tay).
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
Và điều này sẽ không có tác dụng? Vậy ta cần gì? Chúng ta có các cơ sở dữ liệu.
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
Cái chúng ta cần không phải là một cơ sở dữ liệu mới. Ta đã có các công cụ thiết kế tuyệt vời,
16:02
and more and more are added up here. So we started
228
937000
3000
và ngày càng có nhiều hơn nữa các công cụ được thêm vào. Và ta bắt đầu
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
một cuộc khám phá phi lợi nhuận mà ta gọi là -- kết nối số liệu với thiết kế --
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
chúng ta gọi là Gapminder, từ bến xe điện ngầm London, khi họ cảnh báo bạn,
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
"chú ý khoảng cách đường rày". Do đó chúng tôi nghĩ Gapminder rất thích hợp.
16:16
And we started to write software which could link the data like this.
232
951000
4000
Và chúng tôi bắt đầu viết phần mềm có thể liên kết số liệu như thế này.
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
Và nó thực sự cũng không khó. Mất một vài năm, và chúng tôi đã sản xuất ra các hình ảnh sinh động.
16:26
You can take a data set and put it there.
234
961000
2000
Bạn có thể dùng một tập số liệu và đưa chúng vào đây.
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
Chúng tôi đang giải phóng số liệu của Liên hợp quốc, một vài tổ chức của Liên hợp quốc
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
và một vài nước cho phép đưa dữ liệu của đất nước họ ra thế giới,
16:37
but what we really need is, of course, a search function.
237
972000
3000
nhưng cái mà chúng tôi cần, tất nhiên, là chức năng tìm kiếm.
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
Một chức năng tìm kiếm nơi chúng ta có thể sao chép dữ liệu đến một format tìm kiếm được
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
và đưa ra thế giới. Và chúng ta nghe thấy gì xung quanh?
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
Tôi đã thực hiện môn Nhân sinh học từ các đơn vị số liệu chính. Mọi người đều nói,
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
"Điều đó là không thể. Không thể làm được. Thông tin của chúng ta quá khác biệt
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
và không thể được tìm kiếm như các thông tin khác.
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
Chúng ta không thể cung cấp số liệu miễn phí cho sinh viên và doanh nhân trên thế giới."
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Nhưng đó chính là điều ta muốn thấy, phải không?
17:08
The publicly-funded data is down here.
245
1003000
3000
Ta đã có các dữ liệu được cấp vốn hỗ trợ.
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
Và chúng ta muốn thông tin được nở rộ trên mạng.
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
Một trong những điểm thiết yếu là làm cho chúng có thể tìm kiếm được, và công chúng có thể dùng
17:19
the different design tool to animate it there.
248
1014000
2000
các cống cụ thiết kế khác nhau để minh họa nó.
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
Và tôi có một tin khá tốt cho các bạn. Tin tốt đó là ngài chủ tịch đương nhiệm
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
mới của Văn phòng thống kê Liên hợp quốc không cho rằng điều này là không thể.
17:30
He only says, "We can't do it."
251
1025000
2000
Ông ấy chỉ nói "Chúng ta không làm được."
17:32
(Laughter)
252
1027000
4000
(Cười).
17:36
And that's a quite clever guy, huh?
253
1031000
2000
Và ông ta quả là khôn khéo phải không?
17:38
(Laughter)
254
1033000
2000
(Cười).
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
Do đó chúng ta có thể chờ đón nhiều thay đổi trong số liệu những năm tới.
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
Chúng ta có thể nhìn vào phân phối thu nhập bằng những cách hoàn toàn mới.
17:48
This is the income distribution of China, 1970.
257
1043000
5000
Đây là phân phối thu nhập của Trung Quốc, 1970.
17:54
the income distribution of the United States, 1970.
258
1049000
5000
phân phối thu nhập của Mỹ năm 1970
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
Hầu như không có sự trùng lặp. Không có sự trùng lặp nào. Và điều gì đã xảy ra?
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
Trung Quốc đã phát triển, và không còn chỉ ngang bằng
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
mà còn đang ở mức này, cao hơn Mỹ.
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
Như một bóng ma, phải không?
18:14
(Laughter)
263
1069000
2000
(Cười).
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
Điều này khá đáng sợ. Nhưng tôi cho rằng việc có được những thông tin này rất quan trọng.
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
Chúng ta cần phải biết đến nó. Thay vì nhìn vào phần này,
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
tôi muốn kết thúc bằng cách trình bày số liệu những người sử dụng Internet,
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
Trong phần mềm này, chúng tôi tiếp cận khoảng 500 biến số từ các quốc gia một cách dễ dàng
18:42
It takes some time to change for this,
268
1097000
4000
Mất một khoảng thời gian để chúng tôi thay đổi nó
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
nhưng ở các trục, các bạn có thể dễ dàng lấy được bất kì biến số nào các bạn muốn.
18:51
And the thing would be to get up the databases free,
270
1106000
5000
Và vấn đề còn lại là tải cơ sở dữ liệu miễn phí lên,
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
thiết lập chế độ tìm kiếm, và sau đó chỉ với thêm một cái click chuột là có thể lấy dữ liệu về
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
dưới dạng hình ảnh, để có thể trình bày dễ hiểu
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
Bây giờ thì, các nhà thống kê lại không hài lòng, bởi vì họ nói rằng cách thức này
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
sẽ không trình bày được thực tế; thay vào đó họ cho rằng chúng ta cần có các phuơng thức thống kê và phân tích cụ thể.
19:16
But this is hypothesis-generating.
275
1131000
3000
Nhưng như thế câu chuyện sẽ lại trở thành việc tạo ra lý tuyết suông.
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
Tôi xin kết thúc với hình ảnh thế giới. Ở đó, mạng Internet sẽ nở rộ
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
Lượng người sử dụng Internet sẽ tăng lên như thế này. Phần này hiển thị GDP bình quân đầu người.
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
Và phần này hiển thị một loại công nghệ mới được giới thiệu, nhưng điều đáng ngạc nhiên là làm sao
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
nó có thể hòa hợp được với nền kinh tế của các nước. Đó là lý do tại sao chiếc máy tính 100 dollar
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
sẽ là rất quan trọng. Nhưng đó mới chỉ là một hướng đi tốt.
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
Như thể là thế giới trở nên phẳng hơn, phải không nào? Những quốc gia này
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
đang cố gắng cải thiện không chỉ nền kinh tế, và sẽ là rất thú vị nếu chúng ta
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
theo dõi xu hướng này trong năm tới, như tôi mong muốn các bạn sẽ làm
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
với dữ liệu đựoc cấp vốn hỗ trợ. Xin cảm ơn rất nhìều.
19:53
(Applause)
285
1168000
3000
(Vỗ tay).
ABOUT THE SPEAKER
Hans Rosling - Global health expert; data visionaryIn Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus.
Why you should listen
Even the most worldly and well-traveled among us have had their perspectives shifted by Hans Rosling. A professor of global health at Sweden's Karolinska Institute, his work focused on dispelling common myths about the so-called developing world, which (as he pointed out) is no longer worlds away from the West. In fact, most of the Third World is on the same trajectory toward health and prosperity, and many countries are moving twice as fast as the west did.
What set Rosling apart wasn't just his apt observations of broad social and economic trends, but the stunning way he presented them. Guaranteed: You've never seen data presented like this. A presentation that tracks global health and poverty trends should be, in a word: boring. But in Rosling's hands, data sings. Trends come to life. And the big picture — usually hazy at best — snaps into sharp focus.
Rosling's presentations were grounded in solid statistics (often drawn from United Nations and World Bank data), illustrated by the visualization software he developed. The animations transform development statistics into moving bubbles and flowing curves that make global trends clear, intuitive and even playful. During his legendary presentations, Rosling took this one step farther, narrating the animations with a sportscaster's flair.
Rosling developed the breakthrough software behind his visualizations through his nonprofit Gapminder, founded with his son and daughter-in-law. The free software — which can be loaded with any data — was purchased by Google in March 2007. (Rosling met the Google founders at TED.)
Rosling began his wide-ranging career as a physician, spending many years in rural Africa tracking a rare paralytic disease (which he named konzo) and discovering its cause: hunger and badly processed cassava. He co-founded Médecins sans Frontièrs (Doctors without Borders) Sweden, wrote a textbook on global health, and as a professor at the Karolinska Institut in Stockholm initiated key international research collaborations. He's also personally argued with many heads of state, including Fidel Castro.
Hans Rosling passed away in February 2017. He is greatly missed.
Hans Rosling | Speaker | TED.com