TEDGlobal 2010
Eric Berlow: Simplifying complexity
Eric Berlow: Hogyan vezet egyszerűséghez az összetettség?
Filmed:
Readability: 4.8
1,361,116 views
Eric Berlow ökológust nem ejti kétségbe, ha összetett rendszerekkel találja magát szemközt. Tisztában van vele, hogy a több adat jobb és egyszerűbb megoldásokhoz vezethet. A jelentősebb problémakörök elemekre bontásával kapcsolatos tippek és trükkök illusztrálása érdekében az USA agyonbonyolított módon ábrázolt afganisztáni stratégiáját sűríti néhány alapvető pontba.
Eric Berlow - Ecologist
TED Senior Fellow Eric Berlow studies ecology and networks, exposing the interconnectedness of our ecosystems with climate change, government, corporations and more. Full bio
TED Senior Fellow Eric Berlow studies ecology and networks, exposing the interconnectedness of our ecosystems with climate change, government, corporations and more. Full bio
Double-click the English transcript below to play the video.
00:15
Do you ever feel completely overwhelmed
0
0
2000
Előfordul, hogy teljesen kétségbeesnek,
00:17
when you're faced with a complex problem?
1
2000
3000
amikor egy összetett problémával találkoznak?
00:20
Well, I hope to change that in less than three minutes.
2
5000
3000
Nos, remélem, hogy ezen kevesebb mint 3 perc alatt változtatni tudok.
00:23
So, I hope to convince you that complex
3
8000
2000
Remélem, hogy meggyőzőm Önöket:
00:25
doesn't always equal complicated.
4
10000
2000
az összetett nem mindig bonyolult.
00:27
So for me, a well-crafted baguette, fresh out of the oven,
5
12000
3000
Számomra egy friss, ügyesen megformált bagett
00:30
is complex,
6
15000
2000
összetett, viszont
00:32
but a curry onion green olive poppy cheese bread
7
17000
2000
a currys-hagymás-olívás-mákos-sajtos kenyér,
00:34
is complicated.
8
19000
3000
az bonyolult.
00:37
I'm an ecologist, and I study complexity. I love complexity.
9
22000
3000
Ökológus vagyok és az összetettséget tanulmányozom. Imádom is.
00:40
And I study that in the natural world, the interconnectedness of species.
10
25000
3000
Ezt vizsgálom a természetben, a fajok egymásra utaltságát.
00:43
So here's a food web,
11
28000
2000
Itt egy táplálékhálózat, vagyis azon fajok
00:45
or a map of feeding links between species
12
30000
2000
közötti táplálkozási kapcsolatok térképe,
00:47
that live in Alpine Lakes in the mountains of California.
13
32000
3000
amelyek Kalifornia magashegyi tavaiban élnek.
00:50
And this is what happens to that food web
14
35000
2000
És ez történik ezzel a táplálékhálózattal,
00:52
when it's stocked with non-native fish that never lived there before.
15
37000
2000
ha belekerül egy addig nem látott, nem őshonos halfajta.
00:54
All the grayed-out species disappear.
16
39000
2000
A kiszürkített fajok eltűnnek.
00:56
Some are actually on the brink of extinction.
17
41000
2000
Néhányuk valójában a kihalás szélén áll.
00:58
And lakes with fish have more mosquitos, even though they eat them.
18
43000
3000
És a halfajtával teli tavaknál annak ellenére több a szúnyog, hogy a halak ezzel táplálkoznak.
01:01
These effects were all unanticipated,
19
46000
2000
Nem láttuk előre a következményeket,
01:03
and yet we're discovering they're predictable.
20
48000
2000
most fedezzük fel, hogy kiszámíthatóak.
01:05
So I want to share with you a couple key insights
21
50000
2000
Néhány olyan kulcsfontosságú felismerést osztanék
01:07
about complexity we're learning from studying nature
22
52000
2000
meg Önökkel az összetettségről, amire a természet megfigyelésekor
01:09
that maybe are applicable to other problems.
23
54000
3000
lettünk figyelmesek és talán másutt is alkalmazhatóak.
01:13
First is the simple power of good visualization tools
24
58000
2000
Az első a jó vizualizációs eszközök haszna
01:15
to help untangle complexity
25
60000
2000
az összetettség feloldásában és
01:17
and just encourage you to ask questions you didn't think of before.
26
62000
3000
olyan kérdések feltevésében, amire előzőleg nem gondoltunk.
01:20
For example, you could plot the flow of carbon
27
65000
3000
Például felismerhető lesz, hogyan áramlik a szén
01:23
through corporate supply chains in a corporate ecosystem,
28
68000
3000
a vállalati ökoszisztémán belül az ottani ellátórendszerben,
01:26
or the interconnections of habitat patches
29
71000
2000
vagy a veszélyeztetett fajok előhelyeinek
01:28
for endangered species in Yosemite National Park.
30
73000
3000
kölcsönhatásai a Yosemite Nemzeti Park területén.
01:31
The next thing is that if you want to predict
31
76000
2000
A következő, hogyha meg akarjuk jósolni
01:33
the effect of one species on another,
32
78000
2000
egy faj másikra gyakorolt hatását és kizárólag
01:35
if you focus only on that link,
33
80000
2000
erre a kapcsoltra összepontosítunk
01:37
and then you black box the rest,
34
82000
2000
a többi kérdést figyelmen kívül hagyva,
01:39
it's actually less predictable
35
84000
2000
akkor kevésbé kiszámítható a dolog,
01:41
than if you step back, consider the entire system -- all the species, all the links --
36
86000
3000
mintha a teljes rendszert figyelembe vennénk -- minden fajt és kapcsolatot --
01:44
and from that place,
37
89000
2000
és ebből a pozíciónkból aztán arra a
01:46
hone in on the sphere of influence that matters most.
38
91000
2000
befolyási övezetre közelítenénk rá, ami a legfontosabb.
01:48
And we're discovering, with our research,
39
93000
2000
A kutatásaink arra a felfedezésre vezettek,
01:50
that's often very local to the node you care about
40
95000
2000
hogy gyakran a vizsgálat csomópontjához közel,
01:52
within one or two degrees.
41
97000
2000
egy-két rétegen belül lesz a megoldás.
01:54
So the more you step back, embrace complexity,
42
99000
2000
Ezért minél inkább hátralépünk és befogadjuk az összetettséget,
01:56
the better chance you have of finding simple answers,
43
101000
2000
annál jobb lesz az esélyünk, hogy egyszerű választ találunk,
01:58
and it's often different than the simple answer that you started with.
44
103000
3000
és ez gyakran különbözni fog a kiindulópontul szolgáló egyszerű választól.
02:02
So let's switch gears and look at a really complex problem
45
107000
3000
Kapcsoljunk magasabb fokozatba és nézzünk egy valóban összetett problémát
02:05
courtesy of the U.S. government.
46
110000
3000
az USA kormányának jóvoltából.
02:08
This is a diagram of the U.S. counterinsurgency strategy in Afghanistan.
47
113000
3000
A diagram az USA afganisztáni felkelőellenes stratégiáját ábrázolja.
02:11
It was front page of the New York Times a couple months ago.
48
116000
3000
Néhány hónapja a New York Times címlapján volt --
02:14
Instantly ridiculed by the media
49
119000
2000
a média azonnal nevetség tárgyává tette,
02:16
for being so crazy complicated.
50
121000
2000
amiért ennyire veszettül túlbonyolították.
02:18
And the stated goal was to increase popular support
51
123000
2000
És az állítólagos cél az volt, hogy növeljék
02:20
for the Afghan government.
52
125000
2000
az afgán kormány támogatottságát a nép körében.
02:22
Clearly a complex problem,
53
127000
2000
Világos, hogy összetett probléma,
02:24
but is it complicated?
54
129000
2000
de bonyolult is?
02:26
Well, when I saw this in the front page of the Times,
55
131000
2000
Nos, amikor megláttam a Times címlapján, arra gondoltam:
02:28
I thought, "Great. Finally something I can relate to.
56
133000
2000
"Nagyszerű. Végre valami, amihez hozzá tudok szólni."
02:30
I can sink my teeth into this."
57
135000
2000
Ebbe belemélyeszthetem a fogaimat."
02:32
So let's do it. So here we go for the first time ever,
58
137000
3000
Vágjunk bele. Először a világon bemutatjuk ezt a
02:35
a world premiere view of this spaghetti diagram as an ordered network.
59
140000
3000
spagetti diagramot rendezett hálózat formájában.
02:38
The circled node is the one we're trying to influence --
60
143000
2000
A bekarikázott csomópontot igyekszünk befolyásolni --
02:40
popular support for the government.
61
145000
2000
a kormány támogatottsága.
02:42
And so now we can look one degrees, two degrees,
62
147000
2000
És most a csomópontból kiindulva távolodunk
02:44
three degrees away from that node
63
149000
2000
egy, kettő, három réteget,
02:46
and eliminate three-quarters of the diagram outside that sphere of influence.
64
151000
3000
és meg is szüntethetjük a diagram ¾-ét a befolyási övezeten kívül.
02:49
Within that sphere,
65
154000
2000
Az övezeten belül a csomópontok többsége
02:51
most of those nodes are not actionable, like the harshness of the terrain,
66
156000
3000
nem befolyásolható, mint a rossz terepviszonyok,
02:54
and a very small minority are actual military actions.
67
159000
3000
és csak egy egész kicsi rész katonai művelet.
02:57
Most are non-violent and they fall into two broad categories:
68
162000
3000
Többségük nem erőszakos jellegű és 2 fő kategóriába esnek:
03:01
active engagement with ethnic rivalries and religious beliefs
69
166000
3000
aktívan foglalkozni az etnikai és vallási ellentétekkel,
03:04
and fair, transparent economic development
70
169000
2000
és igazságos, átlátható gazdaságfejlesztést
03:06
and provisioning of services.
71
171000
2000
és szolgáltatásokat nyújtani.
03:08
I don't know about this, but this is what I can decipher from this diagram
72
173000
3000
Nem ismerem a helyzetet, de ezt olvasom ki a diagramból
03:11
in 24 seconds.
73
176000
2000
24 másodperc alatt.
03:13
When you see a diagram like this, I don't want you to be afraid.
74
178000
2000
Nem szabad megijedniük, ha ehhez hasonló diagramot látnak.
03:15
I want you to be excited. I want you to be relieved.
75
180000
3000
Szeretném, ha inkább izgatottak, majd megkönnyebbültek lennének.
03:18
Because simple answers may emerge.
76
183000
2000
Mert valószínűleg felbukkannak az egyszerű válaszok.
03:20
We're discovering in nature that simplicity often lies
77
185000
2000
A természet arra tanít minket, hogy az egyszerűség
03:22
on the other side of complexity.
78
187000
2000
gyakran csak az összetettség másik arca.
03:24
So for any problem, the more you can zoom out and embrace complexity,
79
189000
3000
Minden problémára igaz, hogy minél jobban hátra tudnak lépni és befogadni
03:27
the better chance you have of zooming in
80
192000
2000
a teljességet, annál könnyebb lesz újra azokra az egyszerű
03:29
on the simple details that matter most.
81
194000
2000
részletekre összpontosítani, amik leginkább lényegesek.
03:31
Thank you.
82
196000
2000
Köszönöm.
03:33
(Applause)
83
198000
3000
(Taps)
ABOUT THE SPEAKER
Eric Berlow - EcologistTED Senior Fellow Eric Berlow studies ecology and networks, exposing the interconnectedness of our ecosystems with climate change, government, corporations and more.
Why you should listen
Eric Berlow is an ecologist and network scientist who specializes in not specializing. A TED Senior Fellow, Berlow is recognized for his research on food webs and ecological networks and for creative approaches to complex problems. He was the founding director of the University of California's first environmental science center inside Yosemite National Park, where he continues to develop data-driven approaches to managing natural ecosystems.
In 2012 Berlow founded Vibrant Data Labs, which builds tools to use data for social good. Berlow's current projects range from helping spark an egalitarian personal data economy to protecting endangered amphibians in Yosemite to crowd-sourcing novel insights about human creativity. Berlow holds a Ph.D. from Oregon State University in marine ecology.
Eric Berlow | Speaker | TED.com