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 et Sean Gourley: Cartographier des idées qui méritent d'être partagées

Filmed:
1,131,373 views

À quoi ressemblent 24 000 idées ? L'écologiste Eric Berlow et le physicien Sean Gourley utilisent des algorithmes pour analyser la totalité des archives des conférences TEDx. Ils nous offrent une intéressante visite visuelle pour illustrer comment les idées se connectent mondialement.
- 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 ecologistécologiste, and Sean'sDe Sean a physicistphysicien,
0
562
3061
Eric Berlow : Je suis écologiste,
Sean est physicien,
00:15
and we bothtous les deux studyétude complexcomplexe networksréseaux.
1
3623
2108
et nous étudions les réseaux complexes.
00:17
And we metrencontré a couplecouple yearsannées agodepuis when we discovereddécouvert
2
5731
1835
Nous nous sommes rencontrés
il y a quelques années, après avoir découvert
00:19
that we had bothtous les deux givendonné a shortcourt TEDTED Talk
3
7566
2000
que nous avions tous deux
indépendamment parlé
00:21
about the ecologyécologie of warguerre,
4
9566
2303
de l'écologie de guerre
dans des conférences TED,
00:23
and we realizedréalisé that we were connectedconnecté
5
11869
1447
et nous avons réalisé
que nous étions reliés
00:25
by the ideasidées we sharedpartagé before we ever metrencontré.
6
13316
2818
par les idées que nous partagions
avant même de nous rencontrer.
00:28
And then we thought, you know, there are thousandsmilliers
7
16134
1556
Nous nous sommes dit :
il y a des milliers
00:29
of other talkspourparlers out there, especiallynotamment TEDxTEDx TalksPourparlers,
8
17690
2114
d'autres conférences,
notamment les TEDx,
00:31
that are poppingsauter up all over the worldmonde.
9
19804
2211
qui pullulent partout dans le monde.
00:34
How are they connectedconnecté,
10
22015
923
Comment sont-elles liées ?
00:34
and what does that globalglobal conversationconversation look like?
11
22938
2010
À quoi ressemble
cette conversation mondiale ?
00:36
So Sean'sDe Sean going to tell you a little bitbit about how we did that.
12
24948
2810
Sean va donc vous décrire comment
nous avons répondu à ces interrogations.
00:39
SeanSean GourleyGourley: ExactlyExactement. So we tooka pris 24,000 TEDxTEDx TalksPourparlers
13
27758
3767
Sean Gourley : Nous avons pris
24 000 conférences TEDx
00:43
from around the worldmonde, 147 differentdifférent countriesdes pays,
14
31525
3046
venant du monde entier : 147 pays.
00:46
and we tooka pris these talkspourparlers and we wanted to find
15
34571
2123
Nous avons pris ces conférences
00:48
the mathematicalmathématique structuresles structures that underlysous-tendent
16
36694
2040
et nous voulions trouver
les structures mathématiques
00:50
the ideasidées behindderrière them.
17
38734
1722
qui exprimaient les idées
qu'elles contenaient.
00:52
And we wanted to do that so we could see how
18
40456
1370
Nous voulions voir
de quelle manière ces idées
00:53
they connectedconnecté with eachchaque other.
19
41826
2053
étaient connectées entre elles.
00:55
And so, of coursecours, if you're going to do this kindgentil of stuffdes trucs,
20
43879
1676
Bien sûr, pour pouvoir réaliser
ce genre de chose,
00:57
you need a lot of dataLes données.
21
45555
956
il faut beaucoup de données.
00:58
So the dataLes données that you've got is a great thing calledappelé YouTubeYouTube,
22
46511
3686
Les données, on les trouve sur un engin génial
qui s'appelle YouTube,
01:02
and we can go down and basicallyen gros pulltirer
23
50197
1768
et on peut exploiter
toutes les informations qui s'y trouvent :
01:03
all the openouvrir informationinformation from YouTubeYouTube,
24
51965
2267
tous les commentaires,
le nombre de vues,
01:06
all the commentscommentaires, all the viewsvues, who'squi est watchingen train de regarder it,
25
54232
2349
savoir qui regarde les vidéos
d'où elles sont regardées,
01:08
where are they watchingen train de regarder it, what are they sayingen disant in the commentscommentaires.
26
56581
2779
et ce qu'il est dit
dans les commentaires.
01:11
But we can alsoaussi pulltirer up, usingen utilisant speech-to-textSpeech-to-text translationTraduction,
27
59360
3292
Mais on peut aussi analyser
tous les textes de conférences
01:14
we can pulltirer the entiretout transcriptrelevé de notes,
28
62652
2128
en utilisant les transcriptions,
01:16
and that workstravaux even for people with kindgentil of funnydrôle accentsAccents like myselfmoi même.
29
64780
2680
et ça marche aussi pour les gens
qui ont un accent bizarre comme moi !
01:19
So we can take theirleur transcriptrelevé de notes
30
67460
2106
Ainsi, on peut prendre le texte
01:21
and actuallyréellement do some prettyjoli coolcool things.
31
69566
2098
et faire des trucs plutôt chouette.
01:23
We can take naturalNaturel languagela langue processingEn traitement algorithmsalgorithmes
32
71664
2160
On peut utiliser des algorithmes
de traitement du langage naturel
01:25
to kindgentil of readlis throughpar with a computerordinateur, lineligne by lineligne,
33
73824
2629
pour qu'un ordinateur « lise » les données,
ligne par ligne,
01:28
extractingextraction de keyclé conceptsconcepts from this.
34
76453
2359
pour en extraire les concepts-clés.
01:30
And we take those keyclé conceptsconcepts and they sortTrier of formforme
35
78812
2525
Puis on prend ces concepts-clés,
qui en fait representent
01:33
this mathematicalmathématique structurestructure of an ideaidée.
36
81337
3565
une idée sous forme
de structure mathématique.
01:36
And we call that the meme-omememe-ome.
37
84902
1757
On appelle ça un « mème-ome ».
01:38
And the meme-omememe-ome, you know, quiteassez simplysimplement,
38
86659
2151
Ce « mème-ome »,
pour faire simple,
01:40
is the mathematicsmathématiques that underliesest à la base an ideaidée,
39
88810
2426
désigne l'interprétation
mathématique d'une idée,
01:43
and we can do some prettyjoli interestingintéressant analysisune analyse with it,
40
91236
1932
et on peut faire des analyses
très intéressantes avec ça,
01:45
whichlequel I want to sharepartager with you now.
41
93168
1981
et j'aimerais les partager
avec vous aujourd'hui.
01:47
So eachchaque ideaidée has its ownposséder meme-omememe-ome,
42
95149
2190
Donc chaque idée
a son propre « mème-ome »,
01:49
and eachchaque ideaidée is uniqueunique with that,
43
97339
1951
chaque idée est unique,
01:51
but of coursecours, ideasidées, they borrowemprunter from eachchaque other,
44
99290
2488
mais bien sûr, les idées,
s'inspirent les unes des autres
01:53
they kindgentil of stealvoler sometimesparfois,
45
101778
1184
parfois même elles puisent
les unes des autres,
01:54
and they certainlycertainement buildconstruire on eachchaque other,
46
102962
1827
et puis elles s'appuient évidement
les unes sur les autres.
01:56
and we can go throughpar mathematicallymathématiquement
47
104789
1616
Ainsi, on peut faire
une analyse mathématique,
01:58
and take the meme-omememe-ome from one talk
48
106405
1840
prendre le « mème-ome »
d'une conférence
02:00
and comparecomparer it to the meme-omememe-ome from everychaque other talk,
49
108245
2454
et le comparer aux « mème-ome »
de toutes les autres conférences,
02:02
and if there's a similaritysimilitude betweenentre the two of them,
50
110699
1973
et s'il y a une similarité
avec une autre conférence,
02:04
we can createcréer a linklien and representreprésenter that as a graphgraphique,
51
112672
3250
on peut créer un lien
et illustrer ça sur un graphique,
02:07
just like EricEric and I are connectedconnecté.
52
115922
2394
et c'est sur ce même principe
qu'Eric et moi sommes reliés.
02:10
So that's theorythéorie, that's great.
53
118316
1394
C'est la théorie, c'est formidable.
02:11
Let's see how it workstravaux in actualréel practiceentraine toi.
54
119710
2526
Voyons comment ça marche en pratique.
02:14
So what we'venous avons got here now is the globalglobal footprintempreinte
55
122236
2788
Donc ici, nous avons l'empreinte mondiale
02:17
of all the TEDxTEDx TalksPourparlers over the last fourquatre yearsannées
56
125024
2293
de toutes les conférences TEDx
02:19
explodingexploser out around the worldmonde
57
127317
1550
des 4 dernières années
02:20
from NewNouveau YorkYork all the way down to little oldvieux NewNouveau ZealandZélande in the cornercoin.
58
128867
3329
de New York jusqu'à la Nouvelle-Zélande
en bas à droite.
02:24
And what we did on this is we analyzedanalysé the topHaut 25 percentpour cent of these,
59
132196
3835
Nous avons donc analysé
le top de 25 % des conférences,
02:28
and we startedcommencé to see where the connectionsles liaisons occurredeu lieu,
60
136031
2534
et nous avons commencé
à chercher où étaient les connections,
02:30
where they connectedconnecté with eachchaque other.
61
138565
1537
où elles se connectaient entre elles.
02:32
CameronCameron RussellRussell talkingparlant about imageimage and beautybeauté
62
140102
1874
Cameron Russell
qui parle d'image et de beauté
02:33
connectedconnecté over into EuropeL’Europe.
63
141976
1575
est connecté à l'Europe.
02:35
We'veNous avons got a biggerplus gros conversationconversation about IsraelIsraël and PalestinePalestine
64
143551
2412
Nous avons une conversation plus étendue
sur l'Israël et la Palestine
02:37
radiatingrayonnant outwardsà l’extérieur from the MiddleMoyen EastEast.
65
145963
2255
rayonnant vers l'extérieur
à partir du Moyen-Orient.
02:40
And we'venous avons got something a little broaderplus large
66
148218
1298
Et nous avons quelque chose
d'un peu plus large
02:41
like biggros dataLes données with a trulyvraiment globalglobal footprintempreinte
67
149516
2156
comme les données volumineuses
avec une empreinte véritablement mondiale
02:43
reminiscentréminiscence of a conversationconversation
68
151672
2179
qui évoque une conversation
02:45
that is happeningévénement everywherepartout.
69
153851
2016
qui se passe partout dans le monde.
02:47
So from this, we kindgentil of runcourir up againstcontre the limitslimites
70
155867
2173
Donc sur cette base,
on se heurte un peu aux limites
02:50
of what we can actuallyréellement do with a geographicgéographique projectionprojection,
71
158040
2530
de ce qu'on peut faire
avec une projection géographique,
02:52
but luckilyHeureusement, computerordinateur technologyLa technologie allowspermet us to go out
72
160570
2052
mais heureusement,
la technologie informatique permet
02:54
into multidimensionalmultidimensionnelle spaceespace.
73
162622
1546
d'utiliser un espace multidimensionnel.
02:56
So we can take in our networkréseau projectionprojection
74
164168
1875
Ainsi nous pouvons prendre
notre projection de réseau
02:58
and applyappliquer a physicsla physique enginemoteur to this,
75
166043
1750
et trier les conférences par l’intermédiaire
d'un moteur physique,
02:59
and the similarsimilaire talkspourparlers kindgentil of smashSmash togetherensemble,
76
167793
1885
qui fait en sorte de regrouper
les conférences qui sont similaires
03:01
and the differentdifférent onesceux flymouche apartune part,
77
169678
2004
et d’écarter celles qui diffèrent,
03:03
and what we're left with is something quiteassez beautifulbeau.
78
171682
2072
et on obtient quelque chose d'assez beau.
03:05
EBEB: So I want to just pointpoint out here that everychaque nodenœud is a talk,
79
173754
2957
EB : Alors, je veux juste souligner ici
que chaque nœud est une conférence,
03:08
they're linkedlié if they sharepartager similarsimilaire ideasidées,
80
176711
2589
et qu'elles sont reliées si elles partagent
des idées similaires.
03:11
and that comesvient from a machinemachine readingen train de lire
81
179300
2084
Ceci est déterminé
par une lecture informatique
03:13
of entiretout talk transcriptsrelevés de notes,
82
181384
2067
des transcriptions des conférences,
03:15
and then all these topicsles sujets that poppop out,
83
183451
2231
et toutes ces thématiques
qui apparaissent
03:17
they're not from tagsTags and keywordsMots-clés.
84
185682
1790
ne surgissent pas des mots-clés.
03:19
They come from the networkréseau structurestructure
85
187472
1725
Elle proviennent
de la structure du réseau
03:21
of interconnectedinterconnecté ideasidées. Keep going.
86
189197
2168
des idées interconnectées.
Continue.
03:23
SGSG: AbsolutelyAbsolument. So I got a little quickrapide on that,
87
191365
2022
SG: Absolument. J'ai survolé ce point
un peu trop rapidement
03:25
but he's going to slowlent me down.
88
193387
1475
mais il est là pour me ralentir.
03:26
We'veNous avons got educationéducation connectedconnecté to storytellingnarration
89
194862
2034
On voit que l'éducation est connectée
à la narration d'histoires
03:28
triangulatedtriangulées nextprochain to socialsocial mediamédias.
90
196896
1643
triangulées avec les médias sociaux.
03:30
You've got, of coursecours, the humanHumain braincerveau right nextprochain to healthcaresoins de santé,
91
198539
2475
On a, bien sûr, le cerveau humain,
juste à côté de la santé,
03:33
whichlequel you mightpourrait expectattendre,
92
201014
1386
ce dont on aurait pu se douter,
03:34
but alsoaussi you've got videovidéo gamesJeux, whichlequel is sortTrier of adjacentadjacent,
93
202400
2395
mais on a aussi les jeux vidéo,
qui sont à côté,
03:36
as those two spacesles espaces interfaceinterface with eachchaque other.
94
204795
2740
car ces deux espaces
communiquent entre eux.
03:39
But I want to take you into one clustergrappe
95
207535
1535
Mais je veux vous emmener
dans une grappe
03:41
that's particularlyparticulièrement importantimportant to me, and that's the environmentenvironnement.
96
209070
2868
qui m'importe particulièrement
qui est l'environnement.
03:43
And I want to kindgentil of zoomZoom in on that
97
211938
1493
Et je veux zoomer là-dessus
03:45
and see if we can get a little more resolutionrésolution.
98
213431
2363
et voir si on peut obtenir
une plus grande résolution.
03:47
So as we go in here, what we startdébut to see,
99
215794
2347
En fait, ce dont on s'aperçoit,
03:50
applyappliquer the physicsla physique enginemoteur again,
100
218141
1504
en appliquant ce moteur physique,
03:51
we see what's one conversationconversation
101
219645
1676
c'est qu'une conversation
03:53
is actuallyréellement composedcomposé of manybeaucoup smallerplus petit onesceux.
102
221321
2560
se compose en réalité
de plusieurs petites conversations.
03:55
The structurestructure startsdéparts to emergeémerger
103
223881
1929
La structure commence à émerger,
03:57
where we see a kindgentil of fractalfractale behaviorcomportement
104
225810
2070
et on voit un comportement fractal
03:59
of the wordsmots and the languagela langue that we use
105
227880
1619
des mots et du langage que l'on utilise
04:01
to describedécrire the things that are importantimportant to us
106
229499
1702
pour décrire les choses
qui sont importantes pour nous
04:03
all around this worldmonde.
107
231201
1433
tout autour du monde.
04:04
So you've got foodaliments economyéconomie and locallocal foodaliments at the topHaut,
108
232634
2332
On a l'économie alimentaire
et la nourriture locale en haut,
04:06
you've got greenhouseserre gasesdes gaz, solarsolaire and nuclearnucléaire wastedéchets.
109
234966
2719
les gaz à effet de serre, le solaire
et les déchets nucléaires.
04:09
What you're gettingobtenir is a rangegamme of smallerplus petit conversationsconversations,
110
237685
2631
Ce qu'on obtient est une gamme
de petites conversations,
04:12
eachchaque connectedconnecté to eachchaque other throughpar the ideasidées
111
240316
2301
chacune reliées aux autres
à travers les idées
04:14
and the languagela langue they sharepartager,
112
242617
1301
et la langue qu'elles partagent,
04:15
creatingcréer a broaderplus large conceptconcept of the environmentenvironnement.
113
243918
2450
créant un concept
plus large de l'environnement.
04:18
And of coursecours, from here, we can go
114
246368
1532
Et bien sûr, à partir d'ici
on peut zoomer
04:19
and zoomZoom in and see, well, what are youngJeune people looking at?
115
247900
3534
et voir, et bien,
que regardent les jeunes ?
04:23
And they're looking at energyénergie technologyLa technologie and nuclearnucléaire fusionla fusion.
116
251434
2345
Ils s'intéressent aux technologies de l'énergie
et à la fusion nucléaire.
04:25
This is theirleur kindgentil of resonancerésonance
117
253779
1674
C'est ce à quoi ils s'intéressent
04:27
for the conversationconversation around the environmentenvironnement.
118
255453
2406
dans les conversations qui tournent
autour de la thématique de l'environnement.
04:29
If we splitDivisé alongle long de genderle genre lineslignes,
119
257859
1899
Si nous séparons selon le sexe,
04:31
we can see femalesfemelles resonatingrésonance heavilyfortement
120
259758
1987
nous pouvons voir que les femmes
s'intéressent fortement
04:33
with foodaliments economyéconomie, but alsoaussi out there in hopeespérer and optimismoptimisme.
121
261745
3645
à l'économie alimentaire,
mais aussi à l'espoir et à l'optimisme.
04:37
And so there's a lot of excitingpassionnant stuffdes trucs we can do here,
122
265390
2482
Et donc on peut faire
des tas de choses passionnantes,
04:39
and I'll throwjeter to EricEric for the nextprochain partpartie.
123
267872
1762
et je vais laisser la parole à Eric
pour la prochaine partie.
04:41
EBEB: Yeah, I mean, just to pointpoint out here,
124
269634
1602
EB : Oui, je voudrais d'abord souligner
04:43
you cannotne peux pas get this kindgentil of perspectivela perspective
125
271236
1538
qu'on ne peut pas obtenir
ce genre de perspective
04:44
from a simplesimple tagbalise searchchercher on YouTubeYouTube.
126
272774
3360
par une simple recherche
de mots-clés sur YouTube.
04:48
Let's now zoomZoom back out to the entiretout globalglobal conversationconversation
127
276134
4188
Faisons maintenant un zoom arrière
sur la totalité des conversations
04:52
out of environmentenvironnement, and look at all the talkspourparlers togetherensemble.
128
280322
2534
et regardons l'ensemble
des conférences.
04:54
Now oftensouvent, when we're facedface à with this amountmontant of contentcontenu,
129
282856
2927
Souvent, lorsqu'on est confronté
à cette quantité de contenu,
04:57
we do a couplecouple of things to simplifysimplifier it.
130
285783
2431
on fait quelques opérations
pour simplifier.
05:00
We mightpourrait just say, well,
131
288214
1314
Nous pourrions dire,
et bien,
05:01
what are the mostles plus popularpopulaire talkspourparlers out there?
132
289528
2829
quelles sont les conférences
les plus populaires ?
05:04
And a fewpeu riseaugmenter to the surfacesurface.
133
292357
1397
Et quelques-unes remontent à la surface.
05:05
There's a talk about gratitudeReconnaissance.
134
293754
1828
Il y a une conférence
à propos de la gratitude.
05:07
There's anotherun autre one about personalpersonnel healthsanté and nutritionnutrition.
135
295582
3344
Il y en a une autre
sur la santé et la nutrition.
05:10
And of coursecours, there's got to be one about pornporno, right?
136
298926
2929
Et bien sûr,
il y en a une sur le porno !
05:13
And so then we mightpourrait say, well, gratitudeReconnaissance, that was last yearan.
137
301855
3234
Et alors, nous pourrions dire :
la gratitude, c'était l'an dernier.
05:17
What's trendingune tendance now? What's the popularpopulaire talk now?
138
305089
2522
Qu'est-ce qui est en vogue ?
Qu'est-ce qui est populaire en ce moment ?
05:19
And we can see that the newNouveau, emergingémergent, topHaut trendingune tendance topicsujet
139
307611
3321
Et nous pouvons voir que
le nouveau thème le plus en vogue
05:22
is about digitalnumérique privacyvie privée.
140
310932
2666
est celui de l'intimité numérique.
05:25
So this is great. It simplifiessimplifie things.
141
313598
1693
Donc c'est très bien.
Ça simplifie les choses.
05:27
But there's so much creativeCréatif contentcontenu
142
315291
1827
Mais en même temps,
il y a tellement de contenu créatif
05:29
that's just buriedenterré at the bottombas.
143
317118
1921
que l'on néglige
quand on procède de cette manière.
05:31
And I hatehaine that. How do we bubblebulle stuffdes trucs up to the surfacesurface
144
319039
3318
Et je déteste ça.
Comment faire émerger les choses
05:34
that's maybe really creativeCréatif and interestingintéressant?
145
322357
2458
qui sont peut-être
vraiment créatives et intéressantes ?
05:36
Well, we can go back to the networkréseau structurestructure of ideasidées
146
324815
2931
Eh bien, nous pouvons revenir
à la structure du réseau d'idées
05:39
to do that.
147
327746
1430
pour faire ça.
05:41
RememberN’oubliez pas, it's that networkréseau structurestructure
148
329176
2114
N'oubliez pas :
c'est cette structure en réseau
05:43
that is creatingcréer these emergentEmergent topicsles sujets,
149
331290
2268
qui crée ces thématiques émergentes.
05:45
and let's say we could take two of them,
150
333558
1515
Supposant qu'on souhaite
choisir deux d'entre elles,
05:47
like citiesvilles and geneticsla génétique, and say, well, are there any talkspourparlers
151
335073
3047
comme les villes et la génétique
et voir s'il existe des conférences
05:50
that creativelycréativement bridgepont these two really differentdifférent disciplinesdisciplines.
152
338120
2569
qui combinent ces deux disciplines
très différentes, de façon créative ?
05:52
And that's -- EssentiallyEssentiellement, this kindgentil of creativeCréatif remixremix
153
340689
2275
Et c'est ce genre de mélange créatif
05:54
is one of the hallmarkspoinçons of innovationinnovation.
154
342964
1840
qui est l'une des marques de fabrique
de l'innovation.
05:56
Well here'svoici one by JessicaJessica GreenVert
155
344804
1606
Et bien en voici une presentée
par Jessica Green
05:58
about the microbialmicrobienne ecologyécologie of buildingsbâtiments.
156
346410
2379
sur l'écologie microbienne des bâtiments.
06:00
It's literallyLittéralement definingdéfinir a newNouveau fieldchamp.
157
348789
2010
Elle traite littéralement
d'un nouveau domaine.
06:02
And we could go back to those topicsles sujets and say, well,
158
350799
2103
Et nous pourrions revenir
à ces thématiques et se demander :
06:04
what talkspourparlers are centralcentral to those conversationsconversations?
159
352902
2768
quelles sont les conférences centrales
de ces conversations ?
06:07
In the citiesvilles clustergrappe, one of the mostles plus centralcentral
160
355670
1690
Dans la grappe sur les villes,
une des plus centrales
06:09
was one by MitchMitch JoachimJoachim about ecologicalécologique citiesvilles,
161
357360
3952
est celle de Mitch Joachim
sur les villes écologiques,
06:13
and in the geneticsla génétique clustergrappe,
162
361312
1720
et dans la grappe sur la génétique,
06:15
we have a talk about syntheticsynthétique biologyla biologie by CraigCraig VenterVirginie.
163
363032
3193
on a une conférence sur la biologie synthétique
présentée par Craig Venter.
06:18
These are talkspourparlers that are linkingmise en relation manybeaucoup talkspourparlers withindans theirleur disciplinela discipline.
164
366225
3353
Ce sont des conférences qui lient
de nombreuses autres au sein de leur discipline.
06:21
We could go the other directiondirection and say, well,
165
369578
1843
On pourrait à l'opposé se demander
06:23
what are talkspourparlers that are broadlylargement synthesizingsynthétiser
166
371421
2272
quelles sont les conférences
qui font la synthèse
06:25
a lot of differentdifférent kindssortes of fieldsdes champs.
167
373693
1448
de nombreux types de domaines différents.
06:27
We used a measuremesure of ecologicalécologique diversityla diversité to get this.
168
375141
2533
Nous avons utilisé une mesure
de la diversité écologique pour obtenir cela.
06:29
Like, a talk by StevenSteven PinkerPinker on the historyhistoire of violencela violence,
169
377674
2736
Par exemple, une conférence présentée par
Steven Pinker sur l'histoire de la violence,
06:32
very syntheticsynthétique.
170
380410
1180
est très synthétique.
06:33
And then, of coursecours, there are talkspourparlers that are so uniqueunique
171
381590
2078
Et puis, bien sûr, il y a des conférences
qui sont si uniques, qu'on a l'impression
06:35
they're kindgentil of out in the stratospherestratosphère, in theirleur ownposséder specialspécial placeendroit,
172
383668
3090
qu'elles se trouvent dans la stratosphère,
dans leur propre endroit spécial,
06:38
and we call that the ColleenColleen FlanaganFlanagan indexindice.
173
386758
2514
et on appelle ça
l'index Colleen Flanagan.
06:41
And if you don't know ColleenColleen, she's an artistartiste,
174
389272
3034
Et si vous ne connaissez pas Colleen,
et bien c'est une artiste,
06:44
and I askeda demandé her, "Well, what's it like out there
175
392306
1543
à qui j'ai d'ailleurs demandé,
« C'est comment là-bas
06:45
in the stratospherestratosphère of our ideaidée spaceespace?"
176
393849
1672
dans la stratosphère
de notre espace d'idée ? »
06:47
And apparentlyApparemment it smellsodeurs like baconBacon.
177
395521
3255
Et apparemment, ça sent le bacon.
06:50
I wouldn'tne serait pas know.
178
398776
1791
Apparemment.
06:52
So we're usingen utilisant these networkréseau motifsmotifs
179
400567
2248
Ainsi, nous utilisons
ces motifs de réseau
06:54
to find talkspourparlers that are uniqueunique,
180
402815
1186
pour trouver des conférences
qui sont uniques,
06:56
onesceux that are creativelycréativement synthesizingsynthétiser a lot of differentdifférent fieldsdes champs,
181
404001
2710
celles qui sont une synthèse créative
de nombreux domaines différents,
06:58
onesceux that are centralcentral to theirleur topicsujet,
182
406711
1659
celles qui sont centrales
pour leur thématique,
07:00
and onesceux that are really creativelycréativement bridgingpontage disparatedisparate fieldsdes champs.
183
408370
3374
et celles qui combinent
des domaines disparates de façon créative.
07:03
Okay? We never would have founda trouvé those with our obsessionobsession
184
411744
2102
Nous ne les aurions jamais trouvé
avec notre obsession
07:05
with what's trendingune tendance now.
185
413846
2313
de la nouveauté.
07:08
And all of this comesvient from the architecturearchitecture of complexitycomplexité,
186
416159
2886
Et tout cela vient
de l'architecture de la complexité,
07:11
or the patternsmodèles of how things are connectedconnecté.
187
419045
2960
ou de la façon dont les choses sont liées.
07:14
SGSG: So that's exactlyexactement right.
188
422005
1625
SG : Donc, c'est exactement ça.
07:15
We'veNous avons got ourselvesnous-mêmes in a worldmonde
189
423630
2479
Nous sommes dans un monde
07:18
that's massivelymassivement complexcomplexe,
190
426109
2044
qui est extrêmement complexe,
07:20
and we'venous avons been usingen utilisant algorithmsalgorithmes to kindgentil of filterfiltre it down
191
428153
2867
et nous avons utilisé des algorithmes
pour le simplifier
07:23
so we can navigatenaviguer throughpar it.
192
431020
1786
pour pouvoir y naviguer.
07:24
And those algorithmsalgorithmes, whilsttandis que beingétant kindgentil of usefulutile,
193
432806
2338
Ces algorithmes, tout en étant utile,
07:27
are alsoaussi very, very narrowétroit, and we can do better than that,
194
435144
3476
sont également très, très limités,
et nous pouvons faire mieux que cela,
07:30
because we can realizeprendre conscience de that theirleur complexitycomplexité is not randomau hasard.
195
438620
2566
parce qu'on peut se rendre compte
que cette complexité n'est pas aléatoire.
07:33
It has mathematicalmathématique structurestructure,
196
441186
1954
Elle a une structure mathématique,
07:35
and we can use that mathematicalmathématique structurestructure
197
443140
1803
et nous pouvons utiliser
cette structure mathématique
07:36
to go and exploreexplorer things like the worldmonde of ideasidées
198
444943
2214
pour explorer des choses
comme le monde des idées
07:39
to see what's beingétant said, to see what's not beingétant said,
199
447157
3000
pour voir ce qui est dit,
ce qui n'est pas dit,
07:42
and to be a little bitbit more humanHumain
200
450157
1407
et pour être un peu plus humain
07:43
and, hopefullyj'espère, a little smarterplus intelligent.
201
451564
1867
et, je l'espère,
un peu plus intelligent.
07:45
Thank you.
202
453431
966
Merci.
07:46
(ApplauseApplaudissements)
203
454397
4220
(Applaudissements)
Translated by laurent chabanne

▲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