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 y Sean Gourley: Cartografiando las ideas que vale la pena difundir

Filmed:
1,131,373 views

¿Cómo son las 24.000 ideas? El ecologista Eric Berlow y el físico Sean Gourley aplican algoritmos para todo el archivo de TEDx para transportarnos a un viaje visual estimulante y mostrarnos cómo las ideas se conectan a nivel mundial.
- 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 ecologistecologista, and Sean'sSean a physicistfísico,
0
562
3061
Eric Berlow: yo soy ecologista y Sean es físico
00:15
and we bothambos studyestudiar complexcomplejo networksredes.
1
3623
2108
y los dos estudiamos sistemas complejos.
00:17
And we metreunió a couplePareja yearsaños agohace when we discovereddescubierto
2
5731
1835
Nos conocimos hace un par de años
al darnos cuenta
00:19
that we had bothambos givendado a shortcorto TEDTED Talk
3
7566
2000
de que ambos habíamos presentado
una charla corta para TED
00:21
about the ecologyecología of warguerra,
4
9566
2303
sobre la ecología de la guerra,
00:23
and we realizeddio cuenta that we were connectedconectado
5
11869
1447
y nos dimos cuenta de que estábamos conectados
00:25
by the ideasideas we sharedcompartido before we ever metreunió.
6
13316
2818
a través de las ideas que compartíamos
antes de conocernos.
00:28
And then we thought, you know, there are thousandsmiles
7
16134
1556
Y después pensamos, ya saben, hay miles
00:29
of other talksnegociaciones out there, especiallyespecialmente TEDxTEDx TalksNegociaciones,
8
17690
2114
de ponencias dando vueltas,
especialmente tipo TEDx Talks,
00:31
that are poppinghaciendo estallar up all over the worldmundo.
9
19804
2211
que surgen en todo el mundo.
00:34
How are they connectedconectado,
10
22015
923
¿Cómo se conectan esas charlas
00:34
and what does that globalglobal conversationconversacion look like?
11
22938
2010
y a qué es esa conversación mundial?
00:36
So Sean'sSean going to tell you a little bitpoco about how we did that.
12
24948
2810
Ahora Sean les contará un poco cómo logramos eso.
00:39
SeanSean GourleyGourley: ExactlyExactamente. So we tooktomó 24,000 TEDxTEDx TalksNegociaciones
13
27758
3767
Sean Gourley: Exacto.
Tomamos 24 000 TEDx Talks
00:43
from around the worldmundo, 147 differentdiferente countriespaíses,
14
31525
3046
de 147 países diferentes...
00:46
and we tooktomó these talksnegociaciones and we wanted to find
15
34571
2123
las tomamos e intentamos encontrar
00:48
the mathematicalmatemático structuresestructuras that underlybajo
16
36694
2040
las estructuras matemáticas que subyacen
00:50
the ideasideas behinddetrás them.
17
38734
1722
a las ideas detrás de ellas.
00:52
And we wanted to do that so we could see how
18
40456
1370
Queríamos hacer eso
para poder ver cómo
00:53
they connectedconectado with eachcada other.
19
41826
2053
están conectadas unas con otras.
00:55
And so, of coursecurso, if you're going to do this kindtipo of stuffcosas,
20
43879
1676
Y claro, para hacer algo de esta naturaleza,
00:57
you need a lot of datadatos.
21
45555
956
se necesita mucha información.
00:58
So the datadatos that you've got is a great thing calledllamado YouTubeYoutube,
22
46511
3686
La información que tienen está en algo grande
llamado YouTube
01:02
and we can go down and basicallybásicamente pullHalar
23
50197
1768
Allí podemos buscar y fundamentalmente extraer
01:03
all the openabierto informationinformación from YouTubeYoutube,
24
51965
2267
toda la información libre que aparece en YouTube:
01:06
all the commentscomentarios, all the viewspuntos de vista, who'squien es watchingacecho it,
25
54232
2349
los comentarios, las visitas, quiénes mira,
01:08
where are they watchingacecho it, what are they sayingdiciendo in the commentscomentarios.
26
56581
2779
dónde miran, qué dicen sus comentarios.
01:11
But we can alsoademás pullHalar up, usingutilizando speech-to-textdictado a texto translationtraducción,
27
59360
3292
Pero también podemos obtener,
a través de la traducción del texto oral al escrito,
01:14
we can pullHalar the entiretodo transcripttranscripción,
28
62652
2128
podemos obtener las transcripciones completas,
01:16
and that workstrabajos even for people with kindtipo of funnygracioso accentsacentos like myselfmí mismo.
29
64780
2680
y funciona, incluso con personas
con acentos extraños como el mío.
01:19
So we can take theirsu transcripttranscripción
30
67460
2106
Podemos obtener las transcripciones
01:21
and actuallyactualmente do some prettybonita coolguay things.
31
69566
2098
y en efecto, podemos hacer
cosas bastante ingeniosas con ellas.
01:23
We can take naturalnatural languageidioma processingtratamiento algorithmsAlgoritmos
32
71664
2160
Podemos tomar los procesos algorítmicos
de una lengua natural
01:25
to kindtipo of readleer throughmediante with a computercomputadora, linelínea by linelínea,
33
73824
2629
e intentar leer con una computadora,
renglón por renglón,
01:28
extractingextrayendo keyllave conceptsconceptos from this.
34
76453
2359
y extraer conceptos clave a partir de esto.
01:30
And we take those keyllave conceptsconceptos and they sortordenar of formformar
35
78812
2525
Entonces tomamos esos conceptos clave
y, en cierto modo, forman
01:33
this mathematicalmatemático structureestructura of an ideaidea.
36
81337
3565
esta estructura matemática de una idea.
01:36
And we call that the meme-omememe-ome.
37
84902
1757
Llamamos a eso meme-ome.
01:38
And the meme-omememe-ome, you know, quitebastante simplysimplemente,
38
86659
2151
El meme-ome es muy simple,
01:40
is the mathematicsmatemáticas that underliessubyacente an ideaidea,
39
88810
2426
es la matemática que sustenta a una idea.
01:43
and we can do some prettybonita interestinginteresante analysisanálisis with it,
40
91236
1932
Se pueden hacer análisis
bastante interesantes con esto,
01:45
whichcual I want to sharecompartir with you now.
41
93168
1981
y los quiero compartir con Uds. ahora.
01:47
So eachcada ideaidea has its ownpropio meme-omememe-ome,
42
95149
2190
Cada idea tiene su propio meme-ome,
01:49
and eachcada ideaidea is uniqueúnico with that,
43
97339
1951
y cada idea es única en eso.
01:51
but of coursecurso, ideasideas, they borrowpedir prestado from eachcada other,
44
99290
2488
Pero claro, las ideas se retroalimentan entre sí,
01:53
they kindtipo of stealrobar sometimesa veces,
45
101778
1184
es como si, a veces, se robaran entre ellas,
01:54
and they certainlyciertamente buildconstruir on eachcada other,
46
102962
1827
y, por supuesto, se construyen unas a otras.
01:56
and we can go throughmediante mathematicallymatemáticamente
47
104789
1616
Y podemos atravesarlas matemáticamente
01:58
and take the meme-omememe-ome from one talk
48
106405
1840
y sacar el meme-ome de una conferencia
02:00
and comparecomparar it to the meme-omememe-ome from everycada other talk,
49
108245
2454
y compararlo con el meme-ome
de cualquier otra conferencia;
02:02
and if there's a similaritysemejanza betweenEntre the two of them,
50
110699
1973
y si hay un parecido entre ellas,
02:04
we can createcrear a linkenlazar and representrepresentar that as a graphgrafico,
51
112672
3250
podemos crear una conexión
y representarla en un gráfico.
De la misma forma en que Eric y yo
estamos conectados
02:07
just like EricEric and I are connectedconectado.
52
115922
2394
Esa es la teoría, genial.
02:10
So that's theoryteoría, that's great.
53
118316
1394
Veamos cómo funciona con un ejemplo.
02:11
Let's see how it workstrabajos in actualreal practicepráctica.
54
119710
2526
Lo que tenemos acá es el diagrama global
02:14
So what we'venosotros tenemos got here now is the globalglobal footprinthuella
55
122236
2788
de todas las TEDx Talks de los últimos cuatro años
02:17
of all the TEDxTEDx TalksNegociaciones over the last fourlas cuatro yearsaños
56
125024
2293
expandiéndose por el mundo,
02:19
explodingexplotando out around the worldmundo
57
127317
1550
desde Nueva York hacia abajo hasta llegar a la pequeña
y antigua Nueva Zelanda en el otro extremo.
02:20
from NewNuevo YorkYork all the way down to little oldantiguo NewNuevo ZealandZelanda in the corneresquina.
58
128867
3329
Lo que hicimos fue analizar el 25% más repetido
02:24
And what we did on this is we analyzedanalizado the topparte superior 25 percentpor ciento of these,
59
132196
3835
y observamos cómo sucedían las conexiones,
02:28
and we startedempezado to see where the connectionsconexiones occurredocurrió,
60
136031
2534
dónde las ideas se conectaban entre ellas.
Cameron Rusell que hablaba de la imagen y la belleza
02:30
where they connectedconectado with eachcada other.
61
138565
1537
conectó con Europa.
02:32
CameronCameron RussellRussell talkinghablando about imageimagen and beautybelleza
62
140102
1874
02:33
connectedconectado over into EuropeEuropa.
63
141976
1575
Encontramos más conversación sobre Israel y Palestina
02:35
We'veNosotros tenemos got a biggermás grande conversationconversacion about IsraelIsrael and PalestinePalestina
64
143551
2412
emitida desde Medio Oriente.
02:37
radiatingirradiando outwardshacia fuera from the MiddleMedio EastEste.
65
145963
2255
Y tenemos algo más amplio,
02:40
And we'venosotros tenemos got something a little broadermás amplio
66
148218
1298
mucha información con un verdadero diagrama global
02:41
like biggrande datadatos with a trulyverdaderamente globalglobal footprinthuella
67
149516
2156
que alude a una conversación
02:43
reminiscentrecordativo of a conversationconversacion
68
151672
2179
que se da en todas partes.
02:45
that is happeningsucediendo everywhereen todos lados.
69
153851
2016
Partiendo de esto, sobrepasamos los límites
02:47
So from this, we kindtipo of runcorrer up againsten contra the limitslímites
70
155867
2173
de lo que podemos hacer
con una proyección geográfica,
02:50
of what we can actuallyactualmente do with a geographicgeográfico projectionproyección,
71
158040
2530
pero por suerte, la tecnología informática nos permite
02:52
but luckilypor suerte, computercomputadora technologytecnología allowspermite us to go out
72
160570
2052
ir hacia un espacio multidimensional.
02:54
into multidimensionalmultidimensional spaceespacio.
73
162622
1546
Podemos tomar la proyección de nuestra red
02:56
So we can take in our networkred projectionproyección
74
164168
1875
y aplicarle conceptos físicos
02:58
and applyaplicar a physicsfísica enginemotor to this,
75
166043
1750
para que las conferencias similares se agrupen
02:59
and the similarsimilar talksnegociaciones kindtipo of smashaplastar togetherjuntos,
76
167793
1885
y las que son diferentes se separen,
03:01
and the differentdiferente onesunos flymosca apartaparte,
77
169678
2004
y el resultado es algo bastante lindo.
03:03
and what we're left with is something quitebastante beautifulhermosa.
78
171682
2072
EB: Bueno, quiero destacar que
cada núcleo es una conferencia,
03:05
EBEB: So I want to just pointpunto out here that everycada nodenodo is a talk,
79
173754
2957
están unidas si comparten ideas similares;
03:08
they're linkedvinculado if they sharecompartir similarsimilar ideasideas,
80
176711
2589
eso está hecho con una máquina que leyó
03:11
and that comesproviene from a machinemáquina readingleyendo
81
179300
2084
las transcripciones de todas las conferencias
03:13
of entiretodo talk transcriptstranscripciones,
82
181384
2067
y extrajo todos estos temas.
03:15
and then all these topicstemas that poppopular out,
83
183451
2231
No son de tags o de palabras claves.
03:17
they're not from tagsetiquetas and keywordspalabras clave.
84
185682
1790
Vienen del sistema de estructuras
03:19
They come from the networkred structureestructura
85
187472
1725
de ideas que están interconectadas.
03:21
of interconnectedinterconectado ideasideas. Keep going.
86
189197
2168
SG: Exactamente.
Expliqué eso demasiado rápido
03:23
SGSG: AbsolutelyAbsolutamente. So I got a little quickrápido on that,
87
191365
2022
pero él me ayudará a ir más despacio.
03:25
but he's going to slowlento me down.
88
193387
1475
Tenemos la educación conectada
con la narración
03:26
We'veNosotros tenemos got educationeducación connectedconectado to storytellingcontar historias
89
194862
2034
trianguladas a la comunicación social.
03:28
triangulatedtriangulado nextsiguiente to socialsocial mediamedios de comunicación.
90
196896
1643
Y tenemos, por supuesto, el cerebro
junto al cuidado de la salud,
03:30
You've got, of coursecurso, the humanhumano braincerebro right nextsiguiente to healthcarecuidado de la salud,
91
198539
2475
lo que es predecible,
03:33
whichcual you mightpodría expectesperar,
92
201014
1386
pero también tenemos juegos allí,
que serían adyacentes
03:34
but alsoademás you've got videovídeo gamesjuegos, whichcual is sortordenar of adjacentadyacente,
93
202400
2395
ya que esos dos espacios
están interconectados.
03:36
as those two spacesespacios interfaceinterfaz with eachcada other.
94
204795
2740
Pero quiero que vean un conjunto
03:39
But I want to take you into one clusterracimo
95
207535
1535
que es especialmente importante para mí,
ese conjunto es el medio ambiente.
03:41
that's particularlyparticularmente importantimportante to me, and that's the environmentambiente.
96
209070
2868
Y ahora me quiero concentrar en ese conjunto
03:43
And I want to kindtipo of zoomenfocar in on that
97
211938
1493
y ver si podemos darle más resolución.
03:45
and see if we can get a little more resolutionresolución.
98
213431
2363
Mientras analizamos, lo que vemos,
03:47
So as we go in here, what we startcomienzo to see,
99
215794
2347
aplicando otra vez conceptos físicos,
03:50
applyaplicar the physicsfísica enginemotor again,
100
218141
1504
observamos que la conferencia
03:51
we see what's one conversationconversacion
101
219645
1676
está compuesta por otras
muchas conferencias más cortas.
03:53
is actuallyactualmente composedcompuesto of manymuchos smallermenor onesunos.
102
221321
2560
La estructura comienza a aparecer
03:55
The structureestructura startsempieza to emergesurgir
103
223881
1929
donde vemos
un comportamiento fractal
03:57
where we see a kindtipo of fractalfractal behaviorcomportamiento
104
225810
2070
de las palabras y
el lenguaje que usamos
03:59
of the wordspalabras and the languageidioma that we use
105
227880
1619
para describir las cosas
del mundo que nos rodea,
04:01
to describedescribir the things that are importantimportante to us
106
229499
1702
que son importantes para nosotros.
04:03
all around this worldmundo.
107
231201
1433
Tenemos la economía de los alimentos
y los alimentos locales entre las principales,
04:04
So you've got foodcomida economyeconomía and locallocal foodcomida at the topparte superior,
108
232634
2332
y tenemos gases de efecto invernadero
y residuos nucleares.
04:06
you've got greenhouseinvernadero gasesgases, solarsolar and nuclearnuclear wasteresiduos.
109
234966
2719
Lo que están viendo es una variedad de pequeñas charlas
04:09
What you're gettingconsiguiendo is a rangedistancia of smallermenor conversationsconversaciones,
110
237685
2631
conectadas entre sí a través de las ideas
04:12
eachcada connectedconectado to eachcada other throughmediante the ideasideas
111
240316
2301
y el lenguaje que comparten
04:14
and the languageidioma they sharecompartir,
112
242617
1301
creando así un concepto de medio ambiente más amplio.
04:15
creatingcreando a broadermás amplio conceptconcepto of the environmentambiente.
113
243918
2450
Y por supuesto, partimos de aquí
04:18
And of coursecurso, from here, we can go
114
246368
1532
y nos acercamos y vemos,
lo que miran esos jóvenes.
04:19
and zoomenfocar in and see, well, what are youngjoven people looking at?
115
247900
3534
Ven energía tecnológica
y fusión nuclear.
04:23
And they're looking at energyenergía technologytecnología and nuclearnuclear fusionfusión.
116
251434
2345
Y esto es lo importante
04:25
This is theirsu kindtipo of resonanceresonancia
117
253779
1674
de las conferencias sobre medio ambiente.
04:27
for the conversationconversacion around the environmentambiente.
118
255453
2406
Si dividimos la información de acuerdo a los géneros,
04:29
If we splitdivisión alonga lo largo gendergénero lineslíneas,
119
257859
1899
podemos observar que
las mujeres están muy preocupadas
04:31
we can see femaleshembras resonatingresonante heavilyfuertemente
120
259758
1987
por la economía alimenticia,
pero también hay esperanza y optimismo.
04:33
with foodcomida economyeconomía, but alsoademás out there in hopeesperanza and optimismoptimismo.
121
261745
3645
Bueno, hay muchas cosas interesante
que podemos hacer con esto.
04:37
And so there's a lot of excitingemocionante stuffcosas we can do here,
122
265390
2482
Y ahora dejo que Eric siga con el resto.
04:39
and I'll throwlanzar to EricEric for the nextsiguiente partparte.
123
267872
1762
EB: Si, lo que quiero decir,
lo que quiero destacar
04:41
EBEB: Yeah, I mean, just to pointpunto out here,
124
269634
1602
es que no se puede obtener esta perspectiva
04:43
you cannotno poder get this kindtipo of perspectiveperspectiva
125
271236
1538
de un simple tag de YouTube.
04:44
from a simplesencillo tagetiqueta searchbuscar on YouTubeYoutube.
126
272774
3360
Veamos ahora la conversación global en su totalidad,
04:48
Let's now zoomenfocar back out to the entiretodo globalglobal conversationconversacion
127
276134
4188
dejemos el medio ambiente
y observemos todas las charlas juntas.
04:52
out of environmentambiente, and look at all the talksnegociaciones togetherjuntos.
128
280322
2534
En general, cuando nos encontramos
con esta cantidad de contenidos,
04:54
Now oftena menudo, when we're facedenfrentado with this amountcantidad of contentcontenido,
129
282856
2927
hacemos ciertas cosas para simplificarlos.
04:57
we do a couplePareja of things to simplifysimplificar it.
130
285783
2431
Tal vez pensamos "bien,
05:00
We mightpodría just say, well,
131
288214
1314
¿cuáles son las charlas más importantes que hay?"
05:01
what are the mostmás popularpopular talksnegociaciones out there?
132
289528
2829
Y algunas salen a la luz.
05:04
And a fewpocos risesubir to the surfacesuperficie.
133
292357
1397
Hay una charla sobre la gratitud.
05:05
There's a talk about gratitudegratitud.
134
293754
1828
Hay otra sobre cuidado personal y nutrición.
05:07
There's anotherotro one about personalpersonal healthsalud and nutritionnutrición.
135
295582
3344
Y por supuesto, tiene que haber una sobre pornografía ¿no?
05:10
And of coursecurso, there's got to be one about pornpornografía, right?
136
298926
2929
Y entonces pensamos... a ver... gratitud...
esa fue el año pasado.
05:13
And so then we mightpodría say, well, gratitudegratitud, that was last yearaño.
137
301855
3234
¿Y ahora que está de moda?
¿Qué charla es la más popular?
05:17
What's trendingtendencias now? What's the popularpopular talk now?
138
305089
2522
Y observamos que el tema de moda,
de acuerdo a las tendencias,
05:19
And we can see that the newnuevo, emergingemergentes, topparte superior trendingtendencias topictema
139
307611
3321
es la privacidad digital.
05:22
is about digitaldigital privacyintimidad.
140
310932
2666
Esto es genial.
Simplifica las cosas.
05:25
So this is great. It simplifiessimplifica things.
141
313598
1693
Pero hay muchísimo contenido creativo
05:27
But there's so much creativecreativo contentcontenido
142
315291
1827
que está enterrado en el fondo.
05:29
that's just buriedenterrado at the bottomfondo.
143
317118
1921
Y eso lo odio.
¿Cómo hacer para que este contenido que puede ser
05:31
And I hateodio that. How do we bubbleburbuja stuffcosas up to the surfacesuperficie
144
319039
3318
creativo e interesante salga a la superficie?
05:34
that's maybe really creativecreativo and interestinginteresante?
145
322357
2458
Bueno, podemos utilizar
el sistema de estructura de ideas
05:36
Well, we can go back to the networkred structureestructura of ideasideas
146
324815
2931
para lograrlo.
05:39
to do that.
147
327746
1430
Recuerden que este sistema de estructuras
05:41
RememberRecuerda, it's that networkred structureestructura
148
329176
2114
crea estos temas emergentes,
05:43
that is creatingcreando these emergentemergente topicstemas,
149
331290
2268
y supongamos que toma dos
05:45
and let's say we could take two of them,
150
333558
1515
como por ejemplo ciudades y genética...
y digamos ... bueno... ¿ hay alguna charla
05:47
like citiesciudades and geneticsgenética, and say, well, are there any talksnegociaciones
151
335073
3047
que de manera creativa fusiona
estas dos disciplinas tan diferentes?
05:50
that creativelycreativamente bridgepuente these two really differentdiferente disciplinesdisciplinas.
152
338120
2569
Y eso es... Básicamente, este tipo de remix creativo
05:52
And that's -- EssentiallyEsencialmente, this kindtipo of creativecreativo remixremix
153
340689
2275
es una de las características
distintivas de la innovación.
05:54
is one of the hallmarkssellos distintivos of innovationinnovación.
154
342964
1840
Hay una charla de Jessica Green
05:56
Well here'saquí está one by JessicaJessica GreenVerde
155
344804
1606
sobre la ecología de la microbiología de los edificios.
05:58
about the microbialmicrobiano ecologyecología of buildingsedificios.
156
346410
2379
Esto define literalmente un nuevo campo.
06:00
It's literallyliteralmente definingdefiniendo a newnuevo fieldcampo.
157
348789
2010
Y podemos volver sobre esos temas y pensar, ok,
06:02
And we could go back to those topicstemas and say, well,
158
350799
2103
¿qué charlas son las más importantes
para esas conferencias?
06:04
what talksnegociaciones are centralcentral to those conversationsconversaciones?
159
352902
2768
En la categoría ciudades, una de las más importantes
06:07
In the citiesciudades clusterracimo, one of the mostmás centralcentral
160
355670
1690
era la de Mitch Joachim sobre ciudades ecológicas.
06:09
was one by MitchMitch JoachimJoachim about ecologicalecológico citiesciudades,
161
357360
3952
En la categoría genética,
06:13
and in the geneticsgenética clusterracimo,
162
361312
1720
encontramos una charla sobre biología sintética de Craig Venter.
06:15
we have a talk about syntheticsintético biologybiología by CraigCraig VenterVenter.
163
363032
3193
Todas estas charlas conectan
muchas charlas diferentes dentro de su disciplina.
06:18
These are talksnegociaciones that are linkingenlace manymuchos talksnegociaciones withindentro theirsu disciplinedisciplina.
164
366225
3353
Podemos tomar la dirección opuesta y pensar
06:21
We could go the other directiondirección and say, well,
165
369578
1843
¿cuáles son las charlas que sintetizan
06:23
what are talksnegociaciones that are broadlyen general synthesizingsintetizando
166
371421
2272
muchos campos diferentes?
06:25
a lot of differentdiferente kindsclases of fieldscampos.
167
373693
1448
Usamos un medidor de diversidad ecológica
para responder esa pregunta.
06:27
We used a measuremedida of ecologicalecológico diversitydiversidad to get this.
168
375141
2533
Como la charla de Steven Pinker
sobre la historia de la violencia...
06:29
Like, a talk by StevenSteven PinkerPinker on the historyhistoria of violenceviolencia,
169
377674
2736
muy sintética.
06:32
very syntheticsintético.
170
380410
1180
Y también existen charlas que son muy originales.
06:33
And then, of coursecurso, there are talksnegociaciones that are so uniqueúnico
171
381590
2078
Parecen flotar en el espacio,
en sus propios lugares especiales,
06:35
they're kindtipo of out in the stratosphereestratosfera, in theirsu ownpropio specialespecial placelugar,
172
383668
3090
las llamamos el Índice de Colleen Flanagan.
06:38
and we call that the ColleenMuchacha FlanaganFlanagan indexíndice.
173
386758
2514
Por si no conocen a Colleen, ella es una artista.
06:41
And if you don't know ColleenMuchacha, she's an artistartista,
174
389272
3034
Le pregunté, "bien ¿a qué se parece
06:44
and I askedpreguntó her, "Well, what's it like out there
175
392306
1543
la estratosfera del espacio de nuestras ideas?"
06:45
in the stratosphereestratosfera of our ideaidea spaceespacio?"
176
393849
1672
Y se supone que se parece al tocino.
06:47
And apparentlyaparentemente it smellsolores like bacontocino.
177
395521
3255
Yo no podría saberlo.
06:50
I wouldn'tno lo haría know.
178
398776
1791
Por eso utilizamos sistemas de diseños
06:52
So we're usingutilizando these networkred motifsmotivos
179
400567
2248
para encontrar charlas que son originales,
06:54
to find talksnegociaciones that are uniqueúnico,
180
402815
1186
charlas que de manera creativa simplifican
muchos campos diferentes.
06:56
onesunos that are creativelycreativamente synthesizingsintetizando a lot of differentdiferente fieldscampos,
181
404001
2710
Algunos son centrales para el tema,
06:58
onesunos that are centralcentral to theirsu topictema,
182
406711
1659
otros son muy creativos
y conectan campos dispares.
07:00
and onesunos that are really creativelycreativamente bridgingpuente disparatedispar fieldscampos.
183
408370
3374
¿Se entiende?
Nunca habríamos encontrado esas charlas con nuestra obsesión
07:03
Okay? We never would have foundencontró those with our obsessionobsesión
184
411744
2102
por saber qué está de moda en la actualidad.
07:05
with what's trendingtendencias now.
185
413846
2313
Todo esto proviene de la arquitectura de la complejidad
07:08
And all of this comesproviene from the architecturearquitectura of complexitycomplejidad,
186
416159
2886
o de los modelos de cómo se conectan las cosas.
07:11
or the patternspatrones of how things are connectedconectado.
187
419045
2960
SG: Exactamente.
07:14
SGSG: So that's exactlyexactamente right.
188
422005
1625
Estamos en un mundo
07:15
We'veNosotros tenemos got ourselvesNosotros mismos in a worldmundo
189
423630
2479
que es extremadamente complejo
07:18
that's massivelymacizamente complexcomplejo,
190
426109
2044
y hemos utilizado algoritmos para depurarlo
07:20
and we'venosotros tenemos been usingutilizando algorithmsAlgoritmos to kindtipo of filterfiltrar it down
191
428153
2867
y navegar a través de él.
07:23
so we can navigatenavegar throughmediante it.
192
431020
1786
Y esos algoritmos,
aparte de ser bastante útiles,
07:24
And those algorithmsAlgoritmos, whilstmientras que beingsiendo kindtipo of usefulútil,
193
432806
2338
son muy, muy estrechos y podemos mejorarlos
07:27
are alsoademás very, very narrowestrecho, and we can do better than that,
194
435144
3476
porque nos damos cuenta de que
su complejidad no se da al azar.
07:30
because we can realizedarse cuenta de that theirsu complexitycomplejidad is not randomaleatorio.
195
438620
2566
Tienen estructura matemática
07:33
It has mathematicalmatemático structureestructura,
196
441186
1954
y la podemos utilizar
07:35
and we can use that mathematicalmatemático structureestructura
197
443140
1803
para explorar cosas como el mundo de las ideas
07:36
to go and exploreexplorar things like the worldmundo of ideasideas
198
444943
2214
y saber sobre lo que se habla
y sobre lo que no se habla,
07:39
to see what's beingsiendo said, to see what's not beingsiendo said,
199
447157
3000
y para ser más humanos
07:42
and to be a little bitpoco more humanhumano
200
450157
1407
y, con suerte, ser un poquito más inteligentes.
07:43
and, hopefullyOjalá, a little smartermás inteligente.
201
451564
1867
Gracias.
07:45
Thank you.
202
453431
966
(Aplausos)
07:46
(ApplauseAplausos)
203
454397
4220
Translated by Aldana Audisio
Reviewed by Nora Lacrouts

▲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