ABOUT THE SPEAKERS
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.

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.

 

 

More profile about the speaker
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.

More profile about the speaker
Sean Gourley | Speaker | TED.com
TED2013

Eric Berlow and Sean Gourley: Mapping ideas worth spreading

Eric Berlow und Sean Gourley: Kartieren verbreitungswürdiger Ideen

Filmed:
1,131,373 views

Wie sehen 24.000 Ideen aus? Der Ökologe Eric Berlow und der Physiker Sean Gourley wenden Algorithmen auf das ganze Archiv an TEDx-Talks an, nehmen uns mit auf eine anregende visuelle Reise und zeigen uns, wie Ideen weltweit vernetzt sind.
- Ecologist
TED Senior Fellow Eric Berlow studies ecology and networks, exposing the interconnectedness of our ecosystems with climate change, government, corporations and more. Full bio - 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
EricEric BerlowBerlow: I'm an ecologistÖkologe, and Sean'sSeans a physicistPhysiker,
0
562
3061
Eric Berlow: Ich bin Ökologe
und Sean ist ein Physiker
00:15
and we bothbeide studyStudie complexKomplex networksNetzwerke.
1
3623
2108
und wir erforschen beide komplexe Netzwerke.
00:17
And we metgetroffen a couplePaar yearsJahre agovor when we discoveredentdeckt
2
5731
1835
Vor ein paar Jahren trafen wir uns,
als wir herausfanden,
00:19
that we had bothbeide givengegeben a shortkurz TEDTED Talk
3
7566
2000
dass wir beide einen kurzen TED-Talk
00:21
about the ecologyÖkologie of warKrieg,
4
9566
2303
über die Ökologie des Krieges gehalten hatten
00:23
and we realizedrealisiert that we were connectedin Verbindung gebracht
5
11869
1447
und bemerkten, dass wir durch unsere
gemeinsamen Ideen verbunden waren,
00:25
by the ideasIdeen we sharedgeteilt before we ever metgetroffen.
6
13316
2818
bevor wir uns überhaupt getroffen hatten.
00:28
And then we thought, you know, there are thousandsTausende
7
16134
1556
Wir dachten uns, es gibt tausende
00:29
of other talksGespräche out there, especiallyinsbesondere TEDxTEDx TalksGespräche,
8
17690
2114
anderer Vorträge, besonders TEDx-Talks,
00:31
that are poppingknallen up all over the worldWelt.
9
19804
2211
die auf der ganzen Welt aus dem Boden sprießen.
00:34
How are they connectedin Verbindung gebracht,
10
22015
923
Wie sind sie vernetzt
00:34
and what does that globalglobal conversationKonversation look like?
11
22938
2010
und wie schaut dieser globale Dialog aus?
00:36
So Sean'sSeans going to tell you a little bitBit about how we did that.
12
24948
2810
Sean wird Ihnen also etwas darüber erzählen,
wie wir das gemacht haben.
00:39
SeanSean GourleyGourley: ExactlyGenau. So we tookdauerte 24,000 TEDxTEDx TalksGespräche
13
27758
3767
Sean Gourley: Genau.
Wir haben also 24.000 TEDx-Talks
00:43
from around the worldWelt, 147 differentanders countriesLänder,
14
31525
3046
aus aller Welt genommen, 147 verschiedene Länder,
00:46
and we tookdauerte these talksGespräche and we wanted to find
15
34571
2123
wir haben diese Vorträge genommen und wollten
00:48
the mathematicalmathematisch structuresStrukturen that underlyzugrunde
16
36694
2040
die mathematischen Strukturen herausfinden,
00:50
the ideasIdeen behindhinter them.
17
38734
1722
die den dazugehörigen Ideen zugrunde liegen.
00:52
And we wanted to do that so we could see how
18
40456
1370
Wir wollten das tun, um zu erkennen,
00:53
they connectedin Verbindung gebracht with eachjede einzelne other.
19
41826
2053
wie sie miteinander verbunden sind.
00:55
And so, of courseKurs, if you're going to do this kindArt of stuffSachen,
20
43879
1676
Wenn man solche Dinge machen möchte,
00:57
you need a lot of dataDaten.
21
45555
956
braucht man große Datenmengen.
00:58
So the dataDaten that you've got is a great thing callednamens YouTubeYouTube,
22
46511
3686
Die vorhanden Daten ist
dieses tolle Ding namens YouTube.
01:02
and we can go down and basicallyGrundsätzlich gilt pullziehen
23
50197
1768
Wir können im Grunde in die Tiefe gehen und
01:03
all the openöffnen informationInformation from YouTubeYouTube,
24
51965
2267
alle freien Inhalte aus YouTube beziehen,
01:06
all the commentsBemerkungen, all the viewsAnsichten, who'swer ist watchingAufpassen it,
25
54232
2349
alle Kommentare, alle Besuche,
wer sie ansieht,
01:08
where are they watchingAufpassen it, what are they sayingSprichwort in the commentsBemerkungen.
26
56581
2779
wo sie sie ansehen und was
in den Kommentaren gesagt wird.
01:11
But we can alsoebenfalls pullziehen up, usingmit speech-to-textSprache zu text translationÜbersetzung,
27
59360
3292
Mithilfe von Sprache-Text-Übertragung
01:14
we can pullziehen the entireganz transcriptTranskript,
28
62652
2128
können wir aber auch
die ganze Abschrift heranziehen,
01:16
and that worksWerke even for people with kindArt of funnykomisch accentsAkzente like myselfmich selber.
29
64780
2680
und das funktioniert selbst bei Leuten
mit etwas komischem Akzent, wie mir.
01:19
So we can take theirihr transcriptTranskript
30
67460
2106
Wir können also ihre Abschriften erfassen
01:21
and actuallytatsächlich do some prettyziemlich coolcool things.
31
69566
2098
und einige ziemlich tolle Sachen damit machen.
01:23
We can take naturalnatürlich languageSprache processingwird bearbeitet algorithmsAlgorithmen
32
71664
2160
Durch Algorithmen zur Verarbeitung
von natürlicher Sprache
01:25
to kindArt of readlesen throughdurch with a computerComputer, lineLinie by lineLinie,
33
73824
2629
können wir mit einem Computer
Zeile für Zeile durchlesen
01:28
extractingExtrahieren von keySchlüssel conceptsKonzepte from this.
34
76453
2359
und die wesentlichen Konzepte herausarbeiten.
01:30
And we take those keySchlüssel conceptsKonzepte and they sortSortieren of formbilden
35
78812
2525
Diese Konzepte bilden gemeinsam
01:33
this mathematicalmathematisch structureStruktur of an ideaIdee.
36
81337
3565
diese mathematische Struktur einer Idee.
01:36
And we call that the meme-omeMeme-ome.
37
84902
1757
Und das nennen wir das Meme-Ome.
01:38
And the meme-omeMeme-ome, you know, quiteganz simplyeinfach,
38
86659
2151
Das Meme-Ome ist ganz einfach
01:40
is the mathematicsMathematik that underlieszugrunde liegt an ideaIdee,
39
88810
2426
die Mathematik, die einer Idee zugrunde liegt
01:43
and we can do some prettyziemlich interestinginteressant analysisAnalyse with it,
40
91236
1932
und damit lassen sich ziemlich
interesante Analysen durchführen,
01:45
whichwelche I want to shareAktie with you now.
41
93168
1981
die ich nun mit Ihnen teilen möchte.
01:47
So eachjede einzelne ideaIdee has its ownbesitzen meme-omeMeme-ome,
42
95149
2190
Jede Idee hat also ihr Meme-Ome
01:49
and eachjede einzelne ideaIdee is uniqueeinzigartig with that,
43
97339
1951
und damit ist jede Idee einzigartig,
01:51
but of courseKurs, ideasIdeen, they borrowleihen from eachjede einzelne other,
44
99290
2488
aber natürlich leihen sie sich voneinander,
01:53
they kindArt of stealstehlen sometimesmanchmal,
45
101778
1184
manchmal klauen sie gewissermaßen
01:54
and they certainlybestimmt buildbauen on eachjede einzelne other,
46
102962
1827
und sicherlich bauen sie aufeinander auf.
01:56
and we can go throughdurch mathematicallymathematisch
47
104789
1616
Wir können sie mathematisch durchlaufen
01:58
and take the meme-omeMeme-ome from one talk
48
106405
1840
und das Meme-One eines Vortrages
02:00
and comparevergleichen it to the meme-omeMeme-ome from everyjeden other talk,
49
108245
2454
mit dem jedes anderen Vortrages vergleichen
02:02
and if there's a similarityÄhnlichkeit betweenzwischen the two of them,
50
110699
1973
und wenn zwischen zweien eine Ähnlichkeit besteht,
02:04
we can createerstellen a linkVerknüpfung and representvertreten that as a graphGraph,
51
112672
3250
können wir einen Querverweis schaffen
und diesen als Graphen darstellen,
02:07
just like EricEric and I are connectedin Verbindung gebracht.
52
115922
2394
genauso wie Eric und ich verbunden sind.
02:10
So that's theoryTheorie, that's great.
53
118316
1394
Das ist also die Theorie, das ist großartig.
02:11
Let's see how it worksWerke in actualtatsächlich practicetrainieren.
54
119710
2526
Lassen Sie uns betrachten,
wie das in der Praxis aussieht.
02:14
So what we'vewir haben got here now is the globalglobal footprintFußabdruck
55
122236
2788
Das hier ist der globale Fußabdruck
02:17
of all the TEDxTEDx TalksGespräche over the last fourvier yearsJahre
56
125024
2293
aller TEDx-Talks der letzten 4 Jahre,
02:19
explodingexplodierend out around the worldWelt
57
127317
1550
die auf der ganzen Welt entstehen,
02:20
from NewNeu YorkYork all the way down to little oldalt NewNeu ZealandZealand in the cornerEcke.
58
128867
3329
von New York bis zum kleinen Neuseeland
hier in der Ecke.
02:24
And what we did on this is we analyzedanalysiert the topoben 25 percentProzent of these,
59
132196
3835
Wir haben hier die oberen 25% analysiert
02:28
and we startedhat angefangen to see where the connectionsVerbindungen occurredaufgetreten,
60
136031
2534
und begannen zu sehen,
wo die Verbindungen entstanden,
02:30
where they connectedin Verbindung gebracht with eachjede einzelne other.
61
138565
1537
wo sie miteinander verbunden waren.
02:32
CameronCameron RussellRussell talkingim Gespräch about imageBild and beautySchönheit
62
140102
1874
Cameron Russell,
die über Image und Schönheit spricht,
02:33
connectedin Verbindung gebracht over into EuropeEuropa.
63
141976
1575
verbindet nach Europa.
02:35
We'veWir haben got a biggergrößer conversationKonversation about IsraelIsrael and PalestinePalästina
64
143551
2412
Wie haben eine größere Unterhaltung
über Israel und Palästina,
02:37
radiatingstrahlende outwardsnach außen from the MiddleMitte EastOsten.
65
145963
2255
die von Mittleren Osten ausgeht.
02:40
And we'vewir haben got something a little broaderbreiter
66
148218
1298
Und wir haben etwas allgemeineres,
02:41
like biggroß dataDaten with a trulywirklich globalglobal footprintFußabdruck
67
149516
2156
wie Big Data, mit einem wirklich
globalen Fußabdruck,
02:43
reminiscenterinnert of a conversationKonversation
68
151672
2179
der von einem Dialog zeugt,
02:45
that is happeningHappening everywhereüberall.
69
153851
2016
der überall passiert.
02:47
So from this, we kindArt of runLauf up againstgegen the limitsGrenzen
70
155867
2173
Damit stoßen wir irgendwie an die Grenzen dessen,
02:50
of what we can actuallytatsächlich do with a geographicgeografisch projectionProjektion,
71
158040
2530
was wir mit einer geografischen Projektion schaffen.
02:52
but luckilyGlücklicherweise, computerComputer technologyTechnologie allowserlaubt us to go out
72
160570
2052
Glücklicherweise aber, erlauben es uns
die Computerwissenschaften,
02:54
into multidimensionalmehrdimensionale spacePlatz.
73
162622
1546
uns in den multidimensionalen Raum zu begeben.
02:56
So we can take in our networkNetzwerk projectionProjektion
74
164168
1875
Wir können also unsere Projektion
des Netzwerks heranziehen
02:58
and applysich bewerben a physicsPhysik engineMotor to this,
75
166043
1750
und darauf eine Physik-Engine anwenden,
02:59
and the similarähnlich talksGespräche kindArt of smashSmash togetherzusammen,
76
167793
1885
und die ähnlichen Vorträge kollidieren miteinander,
03:01
and the differentanders onesEinsen flyFliege apartein Teil,
77
169678
2004
die unterschiedlichen fliegen auseinander
03:03
and what we're left with is something quiteganz beautifulschön.
78
171682
2072
und das Ergebnis ist etwas ziemlich Schönes.
03:05
EBEB: So I want to just pointPunkt out here that everyjeden nodeKnoten is a talk,
79
173754
2957
EB: Ich möchte nur darauf hinweisen,
dass jeder Knotenpunkt ein Vortrag ist.
03:08
they're linkedverknüpft if they shareAktie similarähnlich ideasIdeen,
80
176711
2589
Sie sind verbunden, wenn sie
ähnliche Ideen miteinander teilen,
03:11
and that comeskommt from a machineMaschine readingLesen
81
179300
2084
das entsteht indem eine Maschine
03:13
of entireganz talk transcriptsTranskripte,
82
181384
2067
die gesamten Abschriften durchliest.
03:15
and then all these topicsThemen that popPop out,
83
183451
2231
Und all diese Themen, die herausspringen,
03:17
they're not from tagsTags and keywordsSchlüsselwörter.
84
185682
1790
kommen nicht von Tags oder Stichworten.
03:19
They come from the networkNetzwerk structureStruktur
85
187472
1725
Sie kommen aus der Netzstruktur
03:21
of interconnectedverbunden ideasIdeen. Keep going.
86
189197
2168
miteinander verbundener Ideen.
Macht bitte weiter so.
03:23
SGSG: AbsolutelyAbsolut. So I got a little quickschnell on that,
87
191365
2022
SG: Ganz genau.
Ich war ein bisschen schnell damit,
03:25
but he's going to slowlangsam me down.
88
193387
1475
aber er bremst mich schon.
03:26
We'veWir haben got educationBildung connectedin Verbindung gebracht to storytellingGeschichten erzählen
89
194862
2034
Bildung ist verbunden mit Geschichtenerzählen,
03:28
triangulatedtrianguliert nextNächster to socialSozial mediaMedien.
90
196896
1643
im Dreieck mit sozialen Medien
03:30
You've got, of courseKurs, the humanMensch brainGehirn right nextNächster to healthcareGesundheitswesen,
91
198539
2475
Natürlich haben wir das menschliche Gehirn
direkt neben der Gesundheitsversorgung,
03:33
whichwelche you mightMacht expecterwarten von,
92
201014
1386
was Sie vielleicht erwartet haben,
03:34
but alsoebenfalls you've got videoVideo gamesSpiele, whichwelche is sortSortieren of adjacentbenachbart,
93
202400
2395
wir haben aber auch Videospiele in der Nähe,
03:36
as those two spacesLeerzeichen interfaceSchnittstelle with eachjede einzelne other.
94
204795
2740
da die beiden Bereiche
sich miteinander kurzschließen.
03:39
But I want to take you into one clusterCluster
95
207535
1535
Ich möchte Sie aber in einen Cluster mitnehmen,
03:41
that's particularlyinsbesondere importantwichtig to me, and that's the environmentUmwelt.
96
209070
2868
der mir besonders wichtig ist
und das ist die Umwelt.
03:43
And I want to kindArt of zoomZoomen in on that
97
211938
1493
Und ich möchte näher heranzoomen
03:45
and see if we can get a little more resolutionAuflösung.
98
213431
2363
und schauen, ob wir noch
eine höhere Auflösung bekommen.
03:47
So as we go in here, what we startAnfang to see,
99
215794
2347
Wenn wir uns hier annähern, sehen wir,
03:50
applysich bewerben the physicsPhysik engineMotor again,
100
218141
1504
– wir wenden wieder die Physik-Engine an –
03:51
we see what's one conversationKonversation
101
219645
1676
erkennen wir, dass eine Unterhaltung
03:53
is actuallytatsächlich composedverfasst of manyviele smallerkleiner onesEinsen.
102
221321
2560
eigentlich aus vielen kleineren besteht.
03:55
The structureStruktur startsbeginnt to emergeentstehen
103
223881
1929
Ihre Struktur tritt in Erscheinung,
03:57
where we see a kindArt of fractalFraktal behaviorVerhalten
104
225810
2070
wodurch wir ein fraktales Verhalten
03:59
of the wordsWörter and the languageSprache that we use
105
227880
1619
der Wörter und der Sprache beobachten,
die wir tagtäglich verwenden,
04:01
to describebeschreiben the things that are importantwichtig to us
106
229499
1702
um die Dinge zu beschreiben,
die uns wichtig sind,
04:03
all around this worldWelt.
107
231201
1433
auf der ganzen Welt.
04:04
So you've got foodLebensmittel economyWirtschaft and locallokal foodLebensmittel at the topoben,
108
232634
2332
Oben haben wir also Lebensmittelwirtschaft
und regionale Lebensmittel,
04:06
you've got greenhouseGewächshaus gasesGase, solarSolar- and nuclearKern wasteAbfall.
109
234966
2719
Treibhausgase, Solarenergie und Atommüll.
04:09
What you're gettingbekommen is a rangeAngebot of smallerkleiner conversationsGespräche,
110
237685
2631
Wir erhalten eine Reihe kleinerer Unterhaltungen,
04:12
eachjede einzelne connectedin Verbindung gebracht to eachjede einzelne other throughdurch the ideasIdeen
111
240316
2301
die untereinander durch ihre gemeinsamen Ideen
04:14
and the languageSprache they shareAktie,
112
242617
1301
und ihre Sprache verbunden sind
04:15
creatingErstellen a broaderbreiter conceptKonzept of the environmentUmwelt.
113
243918
2450
und so eine vielseitigere Auffassung
der Umwelt schaffen.
04:18
And of courseKurs, from here, we can go
114
246368
1532
Von hier aus, können wir natürlich
04:19
and zoomZoomen in and see, well, what are youngjung people looking at?
115
247900
3534
hineinzoomen und herausfinden,
wofür interessieren sich junge Leute.
04:23
And they're looking at energyEnergie technologyTechnologie and nuclearKern fusionVerschmelzung.
116
251434
2345
Und Sie interessieren sich für
Energietechnologie und Kernfusion.
04:25
This is theirihr kindArt of resonanceResonanz
117
253779
1674
Das ist ihre eigene Resonanz
04:27
for the conversationKonversation around the environmentUmwelt.
118
255453
2406
zu der Unterhaltung rund um die Umwelt.
04:29
If we splitTeilt alongeine lange genderGeschlecht linesLinien,
119
257859
1899
Wenn wir nach Geschlechtern trennen,
04:31
we can see femalesWeibchen resonatingResonanz heavilyschwer
120
259758
1987
sehen wir, dass Lebensmittelwirtschaft
04:33
with foodLebensmittel economyWirtschaft, but alsoebenfalls out there in hopeHoffnung and optimismOptimismus.
121
261745
3645
bei Frauen starken Widerhall findet,
aber auch Hoffnung und Optimismus.
04:37
And so there's a lot of excitingaufregend stuffSachen we can do here,
122
265390
2482
Es gibt also eine Menge aufregender Dinge,
die wir hier machen können
04:39
and I'll throwwerfen to EricEric for the nextNächster partTeil.
123
267872
1762
und ich übergebe für den nächsten Teil an Eric.
04:41
EBEB: Yeah, I mean, just to pointPunkt out here,
124
269634
1602
EB: Ja, ich möchte nur darauf hinweisen,
04:43
you cannotnicht können get this kindArt of perspectivePerspektive
125
271236
1538
dass man diese Blickweise
04:44
from a simpleeinfach tagTag searchSuche on YouTubeYouTube.
126
272774
3360
nicht durch eine einfache Stichwortsuche
auf YouTube erhalten kann.
04:48
Let's now zoomZoomen back out to the entireganz globalglobal conversationKonversation
127
276134
4188
Wir zoomen jetzt heraus
auf die gesamte globale Unterhaltung,
04:52
out of environmentUmwelt, and look at all the talksGespräche togetherzusammen.
128
280322
2534
aus der Umwelt heraus, und sehen uns
die Gesamtheit der Vorträge an.
04:54
Now oftenhäufig, when we're facedkonfrontiert with this amountMenge of contentInhalt,
129
282856
2927
Bei einer solchen Menge an Inhalten
04:57
we do a couplePaar of things to simplifyvereinfachen it.
130
285783
2431
tun wir meistens ein paar Dinge,
um es einfacher zu gestalten.
05:00
We mightMacht just say, well,
131
288214
1314
Man könnte auch einfach sagen,
05:01
what are the mostdie meisten popularBeliebt talksGespräche out there?
132
289528
2829
welche sind die beliebtesten Vorträge?
05:04
And a fewwenige riseerhebt euch to the surfaceOberfläche.
133
292357
1397
Und einige treten zutage.
05:05
There's a talk about gratitudeDankbarkeit.
134
293754
1828
Da gibt es einen Vortrag über Dankbarkeit.
05:07
There's anotherein anderer one about personalpersönlich healthGesundheit and nutritionErnährung.
135
295582
3344
Ein anderer handelt von
individueller Gesundheit und Ernährung
05:10
And of courseKurs, there's got to be one about pornPorno, right?
136
298926
2929
Und selbstverständlich gehört einer
über Pornografie dazu, oder?
05:13
And so then we mightMacht say, well, gratitudeDankbarkeit, that was last yearJahr.
137
301855
3234
Dan könnten wir sagen,
Dankbarkeit, das war letztes Jahr.
05:17
What's trendingTrending now? What's the popularBeliebt talk now?
138
305089
2522
Was ist gerade im Trend?
Welcher Vortrag ist zurzeit beliebt?
05:19
And we can see that the newneu, emergingentstehenden, topoben trendingTrending topicThema
139
307611
3321
Und wir können erkennen,
dass das neue, aufstrebende Thema
05:22
is about digitaldigital privacyDatenschutz.
140
310932
2666
die digitale Privatsphäre ist.
05:25
So this is great. It simplifiesvereinfacht things.
141
313598
1693
Das ist großartig. Es vereinfacht die Dinge.
05:27
But there's so much creativekreativ contentInhalt
142
315291
1827
Aber so viel kreativer Inhalt
05:29
that's just buriedbegraben at the bottomBoden.
143
317118
1921
ist einfach ganz unten vergraben.
05:31
And I hateHass that. How do we bubbleBlase stuffSachen up to the surfaceOberfläche
144
319039
3318
Und ich hasse das. Wie bekommen wir
das Zeug an die Oberfläche,
05:34
that's maybe really creativekreativ and interestinginteressant?
145
322357
2458
das möglicherweise echt kreativ und interessant ist?
05:36
Well, we can go back to the networkNetzwerk structureStruktur of ideasIdeen
146
324815
2931
Wir können zur Netzstruktur
der Ideen zurückgehen,
05:39
to do that.
147
327746
1430
um das zu erreichen.
05:41
RememberDenken Sie daran, it's that networkNetzwerk structureStruktur
148
329176
2114
Erinnern Sie sich, jene Netzstruktur
05:43
that is creatingErstellen these emergentEmergent topicsThemen,
149
331290
2268
erzeugt diese aufstrebenden Themen
05:45
and let's say we could take two of them,
150
333558
1515
und angenommen wir könnten zwei davon nehmen,
05:47
like citiesStädte and geneticsGenetik, and say, well, are there any talksGespräche
151
335073
3047
z.B. Städte und Genetik, und schauen,
ob es irgendwelche Vorträge gibt,
05:50
that creativelykreativ bridgeBrücke these two really differentanders disciplinesDisziplinen.
152
338120
2569
die zwischen diesen zwei sehr unterschiedlichen Disziplinen eine Brücke schlagen.
05:52
And that's -- EssentiallyIm wesentlichen, this kindArt of creativekreativ remixRemix
153
340689
2275
Im Wesentlichen
ist diese Art kreativer Remix
05:54
is one of the hallmarksKennzeichen of innovationInnovation.
154
342964
1840
ein Gütesiegel für Innovation.
05:56
Well here'shier ist one by JessicaJessica GreenGrün
155
344804
1606
Hier ist einer von Jessica Green
05:58
about the microbialmikrobiell ecologyÖkologie of buildingsGebäude.
156
346410
2379
über die mikrobielle Ökologie von Gebäuden.
06:00
It's literallybuchstäblich definingDefinieren a newneu fieldFeld.
157
348789
2010
Er definiert buchstäblich ein neues Themenfeld.
06:02
And we could go back to those topicsThemen and say, well,
158
350799
2103
Und wir könnten zu jenen Themen
zurückgehen und fragen,
06:04
what talksGespräche are centralzentral to those conversationsGespräche?
159
352902
2768
welche Vorträge sind wesentlich
für jene Unterhaltungen?
06:07
In the citiesStädte clusterCluster, one of the mostdie meisten centralzentral
160
355670
1690
Im Städte-Cluster ist einer von Mitch Joachim
06:09
was one by MitchMitch JoachimJoachim about ecologicalökologisch citiesStädte,
161
357360
3952
über ökologische Städte einer der zentralsten.
06:13
and in the geneticsGenetik clusterCluster,
162
361312
1720
Und im Genetik-Cluster haben wir einen Vortrag
06:15
we have a talk about syntheticSynthetik biologyBiologie by CraigCraig VenterVenter.
163
363032
3193
über synthetische Biologie von Craig Venter.
06:18
These are talksGespräche that are linkingVerlinken manyviele talksGespräche withininnerhalb theirihr disciplineDisziplin.
164
366225
3353
Diese Vorträge koppeln viele andere
innerhalb ihrer Disziplin.
06:21
We could go the other directionRichtung and say, well,
165
369578
1843
Wir könnten es auch umdrehen und fragen,
06:23
what are talksGespräche that are broadlyim großen und ganzen synthesizingsynthetisierend
166
371421
2272
welche Vorträge verschmelzen weitgehend
06:25
a lot of differentanders kindsArten of fieldsFelder.
167
373693
1448
viele verschiedene Themenfelder.
06:27
We used a measuremessen of ecologicalökologisch diversityVielfalt to get this.
168
375141
2533
Wir haben ein Maß für ökologische Vielfalt verwendet,
um das zu herauszufinden.
06:29
Like, a talk by StevenSteven PinkerPinker on the historyGeschichte of violenceGewalt,
169
377674
2736
Zum Beispiel ein Vortrag von Steven Pinker
über die Geschichte der Gewalt,
06:32
very syntheticSynthetik.
170
380410
1180
sehr künstlich.
06:33
And then, of courseKurs, there are talksGespräche that are so uniqueeinzigartig
171
381590
2078
Dann gibt es natürlich Vorträge,
die so einzigartig sind,
06:35
they're kindArt of out in the stratosphereStratosphäre, in theirihr ownbesitzen specialbesondere placeOrt,
172
383668
3090
dass sie irgendwie oben in der Stratosphäre liegen,
an ihrem eigenen, besonderen Platz,
06:38
and we call that the ColleenColleen FlanaganFlanagan indexIndex.
173
386758
2514
und das nennen wir den Coolen-Flanagan-Index.
06:41
And if you don't know ColleenColleen, she's an artistKünstler,
174
389272
3034
Falls Sie Colleen nicht kennen,
sie ist eine Künstlerin,
06:44
and I askedaufgefordert her, "Well, what's it like out there
175
392306
1543
und ich habe sie gefragt: "Wie ist es da draußen
06:45
in the stratosphereStratosphäre of our ideaIdee spacePlatz?"
176
393849
1672
in der Stratosphäre unseres Ideenraums?"
06:47
And apparentlyanscheinend it smellsriecht like baconSpeck.
177
395521
3255
Und offenbar riecht es nach Speck.
06:50
I wouldn'twürde nicht know.
178
398776
1791
Keine Ahnung.
06:52
So we're usingmit these networkNetzwerk motifsMotive
179
400567
2248
Wir verwenden also diese Netzwerkmotive,
06:54
to find talksGespräche that are uniqueeinzigartig,
180
402815
1186
um einzigartige Vorträge zu finden,
06:56
onesEinsen that are creativelykreativ synthesizingsynthetisierend a lot of differentanders fieldsFelder,
181
404001
2710
solche, die auf kreative Weise viele
verschiedene Felder miteinander verschmelzen,
06:58
onesEinsen that are centralzentral to theirihr topicThema,
182
406711
1659
solche, die wesentlich für ihr Thema sind,
07:00
and onesEinsen that are really creativelykreativ bridgingÜberbrückung disparatedisparat fieldsFelder.
183
408370
3374
und solche, die wirklich kreativ zwischen grundverschiedenen Feldern Brücken schlagen.
07:03
Okay? We never would have foundgefunden those with our obsessionObsession
184
411744
2102
Okay? Ohne unsere Besessenheit davon,
was jetzt gerade im Trend liegt,
07:05
with what's trendingTrending now.
185
413846
2313
hätten wir sie nie gefunden.
07:08
And all of this comeskommt from the architecturedie Architektur of complexityKomplexität,
186
416159
2886
Und das alles entsteht
aus der Architektur der Komplexität,
07:11
or the patternsMuster of how things are connectedin Verbindung gebracht.
187
419045
2960
oder den Mustern, wie die Dinge verbunden sind.
07:14
SGSG: So that's exactlygenau right.
188
422005
1625
SG: Das stimmt genau.
07:15
We'veWir haben got ourselvesuns selbst in a worldWelt
189
423630
2479
Wir finden uns wieder in einer Welt,
07:18
that's massivelymassiv complexKomplex,
190
426109
2044
die enorm komplex ist
07:20
and we'vewir haben been usingmit algorithmsAlgorithmen to kindArt of filterFilter it down
191
428153
2867
und bisher haben wir Algorithmen verwendet,
um sie einigermaßen herunterzufiltern,
07:23
so we can navigatenavigieren throughdurch it.
192
431020
1786
damit wir uns in ihr zurechtfinden.
07:24
And those algorithmsAlgorithmen, whilstwährend beingSein kindArt of usefulsinnvoll,
193
432806
2338
Und obgleich diese Algorithmen nützlich sind,
07:27
are alsoebenfalls very, very narroweng, and we can do better than that,
194
435144
3476
sind sie auch sehr, sehr beschränkt,
und das können wir besser,
07:30
because we can realizerealisieren that theirihr complexityKomplexität is not randomzufällig.
195
438620
2566
denn wir können uns dessen bewusst werden,
dass ihre Komplexität nicht beliebig ist.
07:33
It has mathematicalmathematisch structureStruktur,
196
441186
1954
Sie hat eine mathematische Struktur
07:35
and we can use that mathematicalmathematisch structureStruktur
197
443140
1803
die wir verwenden können,
07:36
to go and exploreerforschen things like the worldWelt of ideasIdeen
198
444943
2214
um Sachen, wie die Welt der Ideen, zu erkunden,
07:39
to see what's beingSein said, to see what's not beingSein said,
199
447157
3000
um zu sehen, was die Leute zu sagen haben,
und was sie nicht sagen
07:42
and to be a little bitBit more humanMensch
200
450157
1407
und um ein wenig menschlicher zu sein
07:43
and, hopefullyhoffentlich, a little smarterintelligenter.
201
451564
1867
und hoffentlich ein bisschen klüger.
07:45
Thank you.
202
453431
966
Vielen Dank.
07:46
(ApplauseApplaus)
203
454397
4220
(Beifall)

▲Back to top

ABOUT THE SPEAKERS
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.

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.

 

 

More profile about the speaker
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.

More profile about the speaker
Sean Gourley | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee