TEDGlobal 2010
Steven Johnson: Where good ideas come from
Steven Johnson: Ahonnan a jó ötletek jönnek
Filmed:
Readability: 4
4,960,715 views
Az emberek gyakran tulajdonítják ötleteiket valami egyedi, "heuréka!" pillanatnak. Steven Johnson ezzel szemben megmutatja, ahogy a történelem másképp tudja. Lenyűgöző előadása elvezet minket London kávéházainak "cseppfolyós hálózatától", Darwin lassan érlelődő meglátásáig, napjaink nagy sebességű hálózatáig.
Steven Johnson - Writer
Steven Berlin Johnson examines the intersection of science, technology and personal experience. Full bio
Steven Berlin Johnson examines the intersection of science, technology and personal experience. Full bio
Double-click the English transcript below to play the video.
00:15
Just a few minutes ago, I took this picture
0
0
3000
Alig néhány perce készítettem ezt a felvételt
00:18
about 10 blocks from here.
1
3000
2000
kb. 10 háztömbnyire innen.
00:20
This is the Grand Cafe here in Oxford.
2
5000
3000
Ez a Grand Cafe, itt, Oxfordban.
00:23
I took this picture because this turns out to be
3
8000
3000
Azért készítettem, mert éppenséggel
00:26
the first coffeehouse to open
4
11000
2000
ez Anglia legelső kávéháza,
00:28
in England in 1650.
5
13000
2000
1650-ben nyílt meg.
00:30
That's its great claim to fame,
6
15000
2000
Ez elég ok rá, hogy híres legyen.
00:32
and I wanted to show it to you,
7
17000
2000
És meg akartam mutatni önöknek,
00:34
not because I want to give you the kind of Starbucks tour
8
19000
2000
nem azért, hogy a történelmi Anglia amolyan
00:36
of historic England,
9
21000
2000
Starbucks - körutját ajánljam önöknek,
00:38
but rather because
10
23000
2000
hanem sokkal inkább azért, mert
00:40
the English coffeehouse was crucial
11
25000
2000
az angol kávéházaknak döntő jelentősége volt
00:42
to the development and spread
12
27000
3000
az utóbbi 500 év egyik nagy szellemi mozgalmának,
00:45
of one of the great intellectual flowerings of the last 500 years,
13
30000
3000
a felvilágosodásnak
00:48
what we now call the Enlightenment.
14
33000
3000
kialakulásában és terjedésében.
00:51
And the coffeehouse played such a big role
15
36000
2000
Részben az itt fogyasztott ital volt az oka,
00:53
in the birth of the Enlightenment,
16
38000
2000
hogy ilyen jelentős szerepe volt a kávéházaknak
00:55
in part, because of what people were drinking there.
17
40000
2000
a felvilágosodás megszületésében.
00:57
Because, before the spread
18
42000
3000
Mert mielőtt a kávé és a tea
01:00
of coffee and tea through British culture,
19
45000
3000
elterjedt volna a brit kultúrában,
01:03
what people drank -- both elite and mass folks drank --
20
48000
3000
az emberek -- az elit és a tömegek egyaránt --
01:06
day-in and day-out, from dawn until dusk
21
51000
2000
reggeltől estig, nap mint nap
01:08
was alcohol.
22
53000
2000
alkoholt ittak.
01:10
Alcohol was the daytime beverage of choice.
23
55000
2000
Az alkohol volt a napi kedvenc ital.
01:12
You would drink a little beer with breakfast and have a little wine at lunch,
24
57000
3000
Ihattak kevéske sört a reggelihez, egy kis bort az ebédnél,
01:15
a little gin -- particularly around 1650 --
25
60000
3000
egy kevés gint -- különösen 1650 táján --
01:18
and top it off with a little beer and wine at the end of the day.
26
63000
2000
és mindehhez még a nap végén egy kis bort vagy sört.
01:20
That was the healthy choice -- right --
27
65000
2000
Ez volt az egészséges választás,
01:22
because the water wasn't safe to drink.
28
67000
2000
mert vizet inni nem volt biztonságos.
01:24
And so, effectively until the rise of the coffeehouse,
29
69000
3000
Így azután, amíg divatba nem jöttek a kávéházak,
01:27
you had an entire population
30
72000
2000
gyakorlatilag a teljes népesség
01:29
that was effectively drunk all day.
31
74000
3000
egész nap részeg volt.
01:32
And you can imagine what that would be like, right, in your own life --
32
77000
2000
Talán el tudják képzelni, milyen is lenne az --
01:34
and I know this is true of some of you --
33
79000
2000
és tudom, hogy van önök között olyan, akivel ez már megtörtént --
01:36
if you were drinking all day,
34
81000
3000
hogy valaki egész nap iszik,
01:39
and then you switched from a depressant to a stimulant in your life,
35
84000
3000
és a tompító hatású italokról áttér az élénkítőkre --
01:42
you would have better ideas.
36
87000
2000
attól bizonyára jobb ötletei támadnának.
01:44
You would be sharper and more alert.
37
89000
2000
Jobban fogna az agya és éberebb lenne.
01:46
And so it's not an accident that a great flowering of innovation happened
38
91000
3000
Nem véletlen tehát, hogy éppen akkora esik a nagy újítások időszaka,
01:49
as England switched to tea and coffee.
39
94000
3000
amikor Anglia áttér a teára és a kávéra.
01:52
But the other thing that makes the coffeehouse important
40
97000
3000
A másik dolog, ami a kávéházakat fontossá teszi,
01:55
is the architecture of the space.
41
100000
2000
a belső terük felépítése.
01:57
It was a space where people would get together
42
102000
2000
Ez egy olyan tér volt, ahol összegyűlhettek
01:59
from different backgrounds,
43
104000
2000
a különböző háttérrel, szaktudással rendelkező
02:01
different fields of expertise, and share.
44
106000
2000
emberek, és megoszthatták egymással gondolataikat.
02:03
It was a space, as Matt Ridley talked about, where ideas could have sex.
45
108000
3000
Olyan tér volt -- ahogyan Matt Ridley mondta -- , ahol az ötletek megtermékenyítették egymást.
02:06
This was their conjugal bed, in a sense --
46
111000
2000
Ez volt a hitvesi ágyuk, bizonyos értelemben.
02:08
ideas would get together there.
47
113000
2000
Az ötletek itt jöttek össze.
02:10
And an astonishing number of innovations from this period
48
115000
3000
Hihetetlen, hogy a korszak találmányai közül
02:13
have a coffeehouse somewhere in their story.
49
118000
3000
hánynak a történetében szerepel valahol egy kávéház.
02:16
I've been spending a lot of time thinking about coffeehouses
50
121000
3000
Az utóbbi 5 évben sokat gondolkozom
02:19
for the last five years,
51
124000
2000
a kávéházakon,
02:21
because I've been kind of on this quest
52
126000
2000
annak kapcsán,
02:23
to investigate this question
53
128000
2000
hogy azt tanulmányozom,
02:25
of where good ideas come from.
54
130000
2000
hogy honnan jönnek a jó ötletek.
02:27
What are the environments
55
132000
2000
Mi az a környezet,
02:29
that lead to unusual levels of innovation,
56
134000
3000
ami különösen kedvez az újításoknak,
02:32
unusual levels of creativity?
57
137000
3000
az kreativitás szokatlan szintjének?
02:35
What's the kind of environmental --
58
140000
2000
Miféle könyezet ez --
02:37
what is the space of creativity?
59
142000
2000
mi az alkotókészség tere?
02:39
And what I've done is
60
144000
2000
És megvizsgáltam mindkét környezetet,
02:41
I've looked at both environments like the coffeehouse;
61
146000
2000
az olyat is, mint a kávéház,
02:43
I've looked at media environments, like the world wide web,
62
148000
2000
és a média-környezetet is, mint a világháló,
02:45
that have been extraordinarily innovative;
63
150000
2000
ami különösen kedvez az újszerű gondolatoknak.
02:47
I've gone back to the history of the first cities;
64
152000
3000
Visszamentem az első nagyvárosok történetéig,
02:50
I've even gone to biological environments,
65
155000
2000
sőt, még olyan biológiai környezeteket is megvizsgáltam,
02:52
like coral reefs and rainforests,
66
157000
2000
mint a korallzátonyok vagy az esőerdők,
02:54
that involve unusual levels of biological innovation;
67
159000
3000
ahol a biológiai megújulás mértéke szokatlanul nagy;
02:57
and what I've been looking for is shared patterns,
68
162000
3000
valami közös mintát kerestem ezekben,
03:00
kind of signature behavior that shows up
69
165000
2000
a viselkedésnek valami olyan nyomát, ami
03:02
again and again in all of these environments.
70
167000
3000
újra és újra felbukkan mindezekben a környezetekeben.
03:05
Are there recurring patterns that we can learn from,
71
170000
3000
Vannak-e vajon ismétlődő minták, amikből tanulhatunk,
03:08
that we can take and kind of apply to our own lives,
72
173000
2000
amiket elleshetünk és alkalmazhatunk a saját életünkben,
03:10
or our own organizations,
73
175000
2000
intézményeinkban vagy környezetünkben,
03:12
or our own environments to make them more creative and innovative?
74
177000
2000
hogy kreatívabbak, újítóbbak legyünk?
03:14
And I think I've found a few.
75
179000
2000
Azt hiszem, hogy találtam néhányat.
03:16
But what you have to do to make sense of this
76
181000
3000
De ahhoz, hogy ez értelmes legyen,
03:19
and to really understand these principles
77
184000
2000
és valóban megértsük ezeket az elveket,
03:21
is you have to do away
78
186000
2000
fel kell hagynunk
03:23
with a lot of the way in which our conventional metaphors and language
79
188000
3000
megszokott hasonlatainkkal
03:26
steers us towards
80
191000
2000
és nyelvezetünkkel
03:28
certain concepts of idea-creation.
81
193000
2000
az ötletek létrejöttének leírása tekintetében..
03:30
We have this very rich vocabulary
82
195000
2000
Nagyon gazdag a szókészletünk
03:32
to describe moments of inspiration.
83
197000
2000
az ihlet pillanatának leírására.
03:34
We have the kind of the flash of insight,
84
199000
3000
Van az éleslátás szikrája,
03:37
the stroke of insight,
85
202000
2000
a felvillanása,
03:39
we have epiphanies, we have "eureka!" moments,
86
204000
3000
vannak nagy felismerések, vannak a "heuréka" pillanatok,
03:42
we have the lightbulb moments, right?
87
207000
2000
vannak a megvilágosodás pillanatai, igaz?
03:44
All of these concepts,
88
209000
2000
Mindezek a fogalmak,
03:46
as kind of rhetorically florid as they are,
89
211000
3000
mint afféle retorikailag felcicomázott dolgok
03:49
share this basic assumption,
90
214000
2000
osztoznak abban a feltevésben,
03:51
which is that an idea is a single thing,
91
216000
3000
hogy az ötlet valami egyedülálló dolog,
03:54
it's something that happens often
92
219000
2000
ami többnyire valami csodálatos,
03:56
in a wonderful illuminating moment.
93
221000
3000
ihletett pillanatban születik meg.
03:59
But in fact, what I would argue and what you really need to kind of begin with
94
224000
3000
Pedig valójában, én itt épp azt akarom bizonygatni, és valami ilyesmivel kell kezdenünk,
04:02
is this idea that an idea is a network
95
227000
3000
hogy egy ötlet, az elemi szinten
04:05
on the most elemental level.
96
230000
2000
egy hálózat.
04:07
I mean, this is what is happening inside your brain.
97
232000
2000
Úgy értem, hogy az, ami az agyunkban történik.
04:09
An idea -- a new idea -- is a new network of neurons
98
234000
3000
Egy ötlet, egy új ötlet az egymással szinkronba kerülő
04:12
firing in sync with each other inside your brain.
99
237000
3000
neuronok egy új hálózata az agyunkban.
04:15
It's a new configuration that has never formed before.
100
240000
3000
Egy olyan konfiguráció, ami soha korábban nem jött még létre.
04:18
And the question is: how do you get your brain into environments
101
243000
3000
A kérdés az, hogy hogyan juttatjuk az agyunk olyan környezetbe,
04:21
where these new networks are going to be more likely to form?
102
246000
3000
ahol ez az új hálózat nagy valószínűséggel létrejön?
04:24
And it turns out that, in fact, the kind of network patterns of the outside world
103
249000
3000
És valóban, az derül ki, hogy a külső világ hálózati mintái
04:27
mimic a lot of the network patterns
104
252000
2000
nagy mértékben utánozzák az emberi agy
04:29
of the internal world of the human brain.
105
254000
3000
belső világának hálózatát.
04:32
So the metaphor I'd like the use
106
257000
2000
Egy, szinte mai, nagy ötlet történetét
04:34
I can take
107
259000
2000
veszem hasonlatként,
04:36
from a story of a great idea that's quite recent --
108
261000
3000
jóval későbbről való,
04:39
a lot more recent than the 1650s.
109
264000
3000
mint az 1650-es évek.
04:43
A wonderful guy named Timothy Prestero,
110
268000
2000
Egy nagyszerű fickónak, akinek a neve Timothy Prestero,
04:45
who has a company called ... an organization called Design That Matters.
111
270000
3000
van egy cége, aminek a neve ... egy szervezet, aminek a neve: "Design that Matters".
04:48
They decided to tackle this really pressing problem
112
273000
3000
Elhatározták, hogy foglalkozni fognak a gyermekhalandóság
04:53
of, you know, the terrible problems we have with infant mortality rates
113
278000
2000
alakulásával a fejlődő országokban,
04:55
in the developing world.
114
280000
2000
ami valóban nagyon súlyos probléma.
04:57
One of the things that's very frustrating about this is that we know,
115
282000
3000
Nagyon frusztráló ezzel kapcsolatban, hogy tudjuk,
05:00
by getting modern neonatal incubators
116
285000
3000
hogy azzal, hogy valahol
05:03
into any context,
117
288000
2000
elhelyezünk korszerű inkubátorokat,
05:05
if we can keep premature babies warm, basically -- it's very simple --
118
290000
3000
hogy ha a koraszülött babákat melegen tudjuk tartani, -- ez nagyon egyszerű --
05:08
we can halve infant mortality rates in those environments.
119
293000
3000
úgy ott lényegében a felére csökkenthetjük a gyerekhalandóságot.
05:11
So, the technology is there.
120
296000
2000
A technológia tehát megvan.
05:13
These are standard in all the industrialized worlds.
121
298000
3000
Használatos az egész fejlett világban.
05:16
The problem is, if you buy a $40,000 incubator,
122
301000
3000
Az a gond, hogy ha veszünk egy 40 000 dolláros inkubátort,
05:19
and you send it off
123
304000
2000
és elküldjük
05:21
to a mid-sized village in Africa,
124
306000
2000
egy közepes méretű afrikai faluba,
05:23
it will work great for a year or two years,
125
308000
2000
nagyszerűen működik egy vagy két évig,
05:25
and then something will go wrong and it will break,
126
310000
3000
és akkor valami elromlik benne, valami meghibásodik,
05:28
and it will remain broken forever,
127
313000
2000
és már örökre használhatatlan marad,
05:30
because you don't have a whole system of spare parts,
128
315000
3000
mert nem áll rendelkezésre egy teljes tartalékalkatrész-készlet hozzá,
05:33
and you don't have the on-the-ground expertise
129
318000
2000
és nincsen meg helyben a szakértelem
05:35
to fix this $40,000 piece of equipment.
130
320000
2000
a 40 000 dolláros berendezés a javítására.
05:37
And so you end up having this problem where you spend all this money
131
322000
2000
És a végén ott tartunk, hogy elköltöttük az összes pénzt
05:39
getting aid and all these advanced electronics to these countries,
132
324000
3000
segélyre és fejlett technológiára ezeknek az országoknak,
05:42
and then it ends up being useless.
133
327000
2000
és végül haszontalan az egész.
05:44
So what Prestero and his team decided to do
134
329000
2000
Amit tehát Prestero és csapata elhatározott,
05:46
is to look around and see: what are the abundant resources
135
331000
3000
hogy körülnéznek, hogy milyen bőséges források vannak
05:49
in these developing world contexts?
136
334000
2000
ezekben a fejlődő országokban.
05:51
And what they noticed was they don't have a lot of DVRs,
137
336000
3000
Azt találták, hogy nincs sok videokamerájuk,
05:54
they don't have a lot of microwaves,
138
339000
2000
nincs sok mikrohullámú sütőjük,
05:56
but they seem to do a pretty good job of keeping their cars on the road.
139
341000
3000
de úgy tűnik, egész ügyesek abban, hogy a kocsijukat működőképesen tartsák.
05:59
There's a Toyota Forerunner
140
344000
2000
Ezeken a helyeken mindenütt van az utcán
06:01
on the street in all these places.
141
346000
2000
egy Toyota 4Runner.
06:03
They seem to have the expertise to keep cars working.
142
348000
3000
Úgy tűnik, hogy fel vannak készülve arra, hogy ezeket a kocsikat üzemben tartsák.
06:06
So they started to think,
143
351000
2000
Elkezdtek hát azon gondolkozni,
06:08
"Could we build a neonatal incubator
144
353000
2000
hogy vajon tudnának-e építeni
06:10
that's built entirely out of automobile parts?"
145
355000
3000
inkubátort csak autóalkatrészekből?
06:13
And this is what they ended up coming with.
146
358000
2000
És végül arra jutottak, hogy ezzel jönnek elő.
06:15
It's called a "neonurture device."
147
360000
2000
Csecsemőinkubátornak nevezik.
06:17
From the outside, it looks like a normal little thing
148
362000
2000
Külsőre olyan, mint azok a készülékek,
06:19
you'd find in a modern, Western hospital.
149
364000
2000
amilyeneket modern nyugati kórházakban látni.
06:21
In the inside, it's all car parts.
150
366000
2000
Valójában csupa autóalkatrészből áll.
06:23
It's got a fan, it's got headlights for warmth,
151
368000
2000
Van benne ventillátor, van fényszóró a melegítéshez,
06:25
it's got door chimes for alarm --
152
370000
2000
van benne ajtócsengő riasztáshoz.
06:27
it runs off a car battery.
153
372000
2000
Gépkocsi-akkumulátor működteti.
06:29
And so all you need is the spare parts from your Toyota
154
374000
2000
Így hát nincs másra szükségünk, mint Toyota tartalékalkatrészekre,
06:31
and the ability to fix a headlight,
155
376000
2000
és hogy meg tudjunk javítani egy fényszórót,
06:33
and you can repair this thing.
156
378000
2000
és akkor megjavíthatjuk ezt a készüléket.
06:35
Now, that's a great idea, but what I'd like to say is that, in fact,
157
380000
3000
Nos, ez nagy ötlet, de amit valóban mondani szeretem volna, hogy
06:38
this is a great metaphor for the way that ideas happen.
158
383000
2000
ez az eset ragyogó hasonlat arra is, hogy hogyan merülnek fel az ötletek.
06:40
We like to think our breakthrough ideas, you know,
159
385000
2000
Hasonlóképp gondolunk a korszakalkotó ötleteinkre,
06:42
are like that $40,000, brand new incubator,
160
387000
2000
mint egy 40 000 dolláros vandonatúj inkubátorra,
06:44
state-of-the-art technology,
161
389000
2000
a legújabb technológiára, de az esetek többségében
06:46
but more often than not, they're cobbled together
162
391000
2000
az egész csak össze van lapátolva azokból a szedett- vedett
06:48
from whatever parts that happen to be around nearby.
163
393000
2000
alkatrészekből, amelyek épp a kezünk ügyébe akadnak.
06:50
We take ideas from other people,
164
395000
2000
Vesszük más emberek ötleteit,
06:52
from people we've learned from, from people we run into in the coffee shop,
165
397000
3000
azokét, akiktől tanultunk, azokét, akikkel összefutottunk a kávéházban,
06:55
and we stitch them together into new forms and we create something new.
166
400000
3000
összeférceljük új formában, és létrehozunk valami egészen újat.
06:58
That's really where innovation happens.
167
403000
3000
Valójában így lesznek a találmányok.
07:01
And that means that we have to change some of our models
168
406000
2000
És ez azt jelenti, hogy valamit változtatnunk kell,
07:03
of what innovation and deep thinking really looks like, right.
169
408000
3000
az újítás és az alkotó gondolkodás modelljén, igaz?
07:06
I mean, this is one vision of it.
170
411000
2000
Úgy értem, hogy ez csupán egy lehetőség, ahogyan látjuk.
07:08
Another is Newton and the apple, when Newton was at Cambridge.
171
413000
3000
A másik Newton és az alma, Newton Cambridge-ben.
07:11
This is a statue from Oxford.
172
416000
2000
Ez egy szobor Oxfordból.
07:13
You know, you're sitting there thinking a deep thought,
173
418000
2000
Képzeljék el, hogy itt üldögélnek, mélyen elgondolkozva,
07:15
and the apple falls from the tree, and you have the theory of gravity.
174
420000
3000
és egy alma lehull a fáról, és megvan a tömegvonzás törvénye.
07:18
In fact, the spaces that have historically led to innovation
175
423000
3000
Valóban, azok a terek, amelyek történetileg újításhoz vezettek,
07:21
tend to look like this, right.
176
426000
2000
valahogy így néztek ki.
07:23
This is Hogarth's famous painting of a kind of political dinner at a tavern,
177
428000
3000
Ez Hogarth híres festménye valami politikai vacsoráról egy tavernában,
07:26
but this is what the coffee shops looked like back then.
178
431000
3000
de ezen jól látni, hogyan néztek ki a kávéházak akkoriban.
07:29
This is the kind of chaotic environment
179
434000
2000
Ez az a fajta zűrzavaros környezet,
07:31
where ideas were likely to come together,
180
436000
2000
ahol könnyen összejönnek az ötletek,
07:33
where people were likely to have
181
438000
2000
ahol az eltérő környezetből jövő emberek könnyen bonyolódnak
07:35
new, interesting, unpredictable collisions -- people from different backgrounds.
182
440000
3000
új, érdekes, kiszámíthatatlan vitákba.
07:38
So, if we're trying to build organizations that are more innovative,
183
443000
2000
Így ha valami nagyon innovatív szervezetet akarunk létrehozni,
07:40
we have to build spaces that -- strangely enough -- look a little bit more like this.
184
445000
3000
akkor olyan tereket kell kialakítanunk amik -- elég furcsa módon -- valahogy így néznek inkább ki.
07:43
This is what your office should look like,
185
448000
2000
Ez, hogy hogyan kéne kinézni az irodánknak,
07:45
is part of my message here.
186
450000
2000
része a mondandómnak.
07:47
And one of the problems with this is that
187
452000
2000
És ezzel az az egyik a probléma,
07:49
people are actually -- when you research this field --
188
454000
3000
hogy ha ezt a területet kutatjuk, hogy az emberek tényleg,
07:52
people are notoriously unreliable,
189
457000
2000
az emberek közismerten megbízhatatlanok,
07:54
when they actually kind of self-report
190
459000
2000
amikor arról számolnak be,
07:56
on where they have their own good ideas,
191
461000
2000
hogy honnan szedték a jó ötleteiket,
07:58
or their history of their best ideas.
192
463000
2000
vagy elmesélik legjobb ötleteik történetét.
08:00
And a few years ago, a wonderful researcher named Kevin Dunbar
193
465000
3000
Néhány éve egy csodálatos kutató, Kevin Dunbar
08:03
decided to go around
194
468000
2000
elhatározta, hogy a végére jár,
08:05
and basically do the Big Brother approach
195
470000
2000
és amolyan "nagy testvér" módjára
08:07
to figuring out where good ideas come from.
196
472000
2000
kideríti, honnan jönnek a jó ötletek.
08:09
He went to a bunch of science labs around the world
197
474000
3000
Végigjárta a világ egy csomó kutatóintézetét
08:12
and videotaped everyone
198
477000
2000
és videót készített mindenkiről,
08:14
as they were doing every little bit of their job.
199
479000
2000
amint a munkája legapróbb mozzanatát is végzi.
08:16
So when they were sitting in front of the microscope,
200
481000
2000
Így például, amint ül a mikrosztkópja előtt,
08:18
when they were talking to their colleague at the water cooler, and all these things.
201
483000
2000
amikor a beszélget a kollégákkal a vízhűtőnél, stb.
08:20
And he recorded all of these conversations
202
485000
2000
Rögzítette valamennyi beszélgetést
08:22
and tried to figure out where the most important ideas,
203
487000
2000
és megpróbálta kideríteni, hogy hol születnek
08:24
where they happened.
204
489000
2000
a legfontosabb ötletek.
08:26
And when we think about the classic image of the scientist in the lab,
205
491000
3000
És hagyományosan úgy képzelünk el egy tudóst a laboratóriumban,
08:29
we have this image -- you know, they're pouring over the microscope,
206
494000
3000
az a képünk van róla -- tudják, hogy a mikroszkópba bámul,
08:32
and they see something in the tissue sample.
207
497000
2000
és néz valamit egy szövetmintán.
08:34
And "oh, eureka," they've got the idea.
208
499000
3000
És, "heuréka!", már megis van az ötlet.
08:37
What happened actually when Dunbar kind of looked at the tape
209
502000
3000
És az történt, hogy amikor Dunbar megnézte a szalagokat,
08:40
is that, in fact, almost all of the important breakthrough ideas
210
505000
3000
kiderült, hogy a valóságban azok a fontos, áttörő ötletek
08:43
did not happen alone in the lab, in front of the microscope.
211
508000
3000
nem a labor magányában, a mikroszkóp előtt születtek.
08:46
They happened at the conference table
212
511000
2000
Azok a kerekasztal körül születtek
08:48
at the weekly lab meeting,
213
513000
2000
a heti munkaértekezleten,
08:50
when everybody got together and shared their kind of latest data and findings,
214
515000
3000
amikor mindenki jelen volt és megosztották egymással a legújabb adataikat és eredményeiket,
08:53
oftentimes when people shared the mistakes they were having,
215
518000
2000
sokszor akkor, amikor megbeszélték a tévedéseiket, amikbe belefutottak,
08:55
the error, the noise in the signal they were discovering.
216
520000
3000
a hibákat, a jeleken lévő zajokat, amiket felfedeztek.
08:58
And something about that environment --
217
523000
3000
És még valamit arról környezetről --
09:01
and I've started calling it the "liquid network,"
218
526000
2000
úgy kezdtem nevezni, hogy "folyékony hálózat,"
09:03
where you have lots of different ideas that are together,
219
528000
3000
ahol a sok különféle ötlet találkozik,
09:06
different backgrounds, different interests,
220
531000
2000
ahol különböző hátterek, érdekek
09:08
jostling with each other, bouncing off each other --
221
533000
2000
ütköznek, visszaverődnek egymásról --
09:10
that environment is, in fact,
222
535000
2000
ez az a környezet ami valójában,
09:12
the environment that leads to innovation.
223
537000
2000
az újításokhoz vezet.
09:14
The other problem that people have
224
539000
2000
A másik probléma az emberekkel,
09:16
is they like to condense their stories of innovation down
225
541000
2000
hogy szeretik az újításuk történetét belezsúfolni,
09:18
to kind of shorter time frames.
226
543000
2000
valami rövidebb időkeretbe.
09:20
So they want to tell the story of the "eureka!" moment.
227
545000
3000
Így valami "heuréka!" pillanatról akarnak beszámolni.
09:23
They want to say, "There I was, I was standing there
228
548000
2000
Valami ilyet akarnak mondani: "Itt álltam éppen,
09:25
and I had it all suddenly clear in my head."
229
550000
2000
és akkor hirtelen minden világos lett".
09:27
But in fact, if you go back and look at the historical record,
230
552000
3000
Pedig valójában, ha visszanézzük a feljegyzéseket a történtekről,
09:30
it turns out that a lot of important ideas
231
555000
3000
az derül ki, hogy egy csomó fontos ötletnek
09:33
have very long incubation periods --
232
558000
3000
nagyon hosszú a lappangási ideje.
09:36
I call this the "slow hunch."
233
561000
2000
Úgy nevezem ezt, hogy "lassú előérzet."
09:38
We've heard a lot recently
234
563000
2000
Sokat hallottunk mostanában
09:40
about hunch and instinct
235
565000
2000
előérzetről és ösztönről
09:42
and blink-like sudden moments of clarity,
236
567000
3000
és felvillanásszerű hirtelen megvilágosodásról,
09:45
but in fact, a lot of great ideas
237
570000
2000
de valójában a nagy ötletek többsége
09:47
linger on, sometimes for decades,
238
572000
2000
lassan érik be, néha évtizedekig,
09:49
in the back of people's minds.
239
574000
2000
valahol az ember agyának valamelyik zugában.
09:51
They have a feeling that there's an interesting problem,
240
576000
2000
Azt érzi az ember, hogy ez érdekes probléma,
09:53
but they don't quite have the tools yet to discover them.
241
578000
3000
épp csak nincs még meg a megfelelő eszköz hozzá, hogy felfedezze.
09:56
They spend all this time working on certain problems,
242
581000
3000
Az egész időt alatt bizonyos problémákon dolgozik,
09:59
but there's another thing lingering there
243
584000
2000
de van egy másik sóvár gondolata,
10:01
that they're interested in, but they can't quite solve.
244
586000
2000
ami érdekli, de nem tudja megoldani.
10:03
Darwin is a great example of this.
245
588000
2000
Darwin nagyszerű példa erre.
10:05
Darwin himself, in his autobiography,
246
590000
2000
Maga Darwin úgy írja le az önéletrajzában, hogy
10:07
tells the story of coming up with the idea
247
592000
2000
hogyan támadt benne a gondolat a
10:09
for natural selection
248
594000
2000
a természetes kiválasztódásról,
10:11
as a classic "eureka!" moment.
249
596000
2000
mint egy klasszikus "heuréka!" pillanatot.
10:13
He's in his study,
250
598000
2000
Ül a dolgozószobájában,
10:15
it's October of 1838,
251
600000
2000
1838 októbere van,
10:17
and he's reading Malthus, actually, on population.
252
602000
2000
és Malthus-t olvassa a népességről.
10:19
And all of a sudden,
253
604000
2000
És hirtelenjében beugrik neki
10:21
the basic algorithm of natural selection kind of pops into his head
254
606000
3000
a természetes kiválasztódás alapalgoritmusa,
10:24
and he says, "Ah, at last, I had a theory with which to work."
255
609000
3000
és azt mondja, "Óh, végre van egy elméletem, amivel dolgozhatok."
10:27
That's in his autobiography.
256
612000
2000
Ez van az önéletrajzában.
10:29
About a decade or two ago,
257
614000
2000
Egy vagy két évtizeddel ezelőtt,
10:31
a wonderful scholar named Howard Gruber went back
258
616000
2000
Howard Gruber, egy csodálatos kutató fogta magát és
10:33
and looked at Darwin's notebooks from this period.
259
618000
3000
utánanézett ennek Darwin ebből az időszakából származó jegyzeteiben.
10:36
And Darwin kept these copious notebooks
260
621000
2000
Darwinnak voltak a terjengős jegyzetei,
10:38
where he wrote down every little idea he had, every little hunch.
261
623000
3000
ahol minden egyes kis ötletét, minden egyes megérzését leírta.
10:41
And what Gruber found was
262
626000
2000
És Gruber azt találta, hogy
10:43
that Darwin had the full theory of natural selection
263
628000
3000
Darwin teljes elmélete a természetes kiválasztódásról
10:46
for months and months and months
264
631000
2000
hosszú, hosszú hónapok óta kész volt már
10:48
before he had his alleged epiphany,
265
633000
2000
az előtt az állítólagos, Matthus-olvasás közbeni,
10:50
reading Malthus in October of 1838.
266
635000
3000
1838-as felismerés előtt.
10:53
There are passages where you can read it,
267
638000
2000
Vannak bekezdések a nagy felismerés
10:55
and you think you're reading from a Darwin textbook,
268
640000
3000
előtti időszakból, ahol már olvashatjuk,
10:58
from the period before he has this epiphany.
269
643000
3000
és azt gondolnánk, hogy egy Darwin-tankönyvből való.
11:01
And so what you realize is that Darwin, in a sense,
270
646000
2000
Így felismerjük, hogy bizonyos értelemben Darwinnak
11:03
had the idea, he had the concept,
271
648000
2000
már kész volt az ötlete, megvolt a koncepciója,
11:05
but was unable of fully thinking it yet.
272
650000
3000
de még nem volt képes teljesen végiggondolni azt.
11:08
And that is actually how great ideas often happen;
273
653000
3000
És valóban ez történik gyakran a nagy ötletekkel,
11:11
they fade into view over long periods of time.
274
656000
2000
hosszú időn keresztül a távoli ködbe vesznek.
11:13
Now the challenge for all of us is:
275
658000
2000
Most mindannyiunk számára ez kihívás:
11:15
how do you create environments
276
660000
2000
hogyan lehet olyan környezetet létrehozni,
11:17
that allow these ideas to have this kind of long half-life, right?
277
662000
2000
ami megfelelő az ötletek hosszan lappangó életének, igaz?
11:19
It's hard to go to your boss and say,
278
664000
2000
Aligha lehet odamenni a főnökhöz, és azt mondani,
11:21
"I have an excellent idea for our organization.
279
666000
2000
"Van egy remek ötletem a cég számára,
11:23
It will be useful in 2020.
280
668000
3000
2020-ben nagyon jól jön majd.
11:26
Could you just give me some time to do that?"
281
671000
2000
Kaphatok rá egy kis időt?"
11:28
Now a couple of companies -- like Google --
282
673000
2000
Manapság néhány cégnél, mint mondjuk a Google,
11:30
they have innovation time off, 20 percent time,
283
675000
2000
van újításokra fordítható idő, olyan 20 százaléknyi,
11:32
where, in a sense, those are hunch-cultivating mechanisms in an organization.
284
677000
3000
ami, amolyan megérzés-érlelő tevékenységre használható.
11:35
But that's a key thing.
285
680000
3000
De ez egy lényeges dolog.
11:38
And the other thing is to allow those hunches
286
683000
2000
És a másik, hogy engedni kell, hogy ezeket a megérzéseket
11:40
to connect with other people's hunches; that's what often happens.
287
685000
3000
össze lehessen kapcsolni más emberek megérzéseivel, ahogyan az gyakran történik is.
11:43
You have half of an idea, somebody else has the other half,
288
688000
2000
Van egy fél ötletünk, és valaki másnál megvan a másik fél,
11:45
and if you're in the right environment,
289
690000
2000
és egy megfelelő környezetben
11:47
they turn into something larger than the sum of their parts.
290
692000
2000
ezek együtt többet érnek, mint külön a kettő összege.
11:49
So, in a sense,
291
694000
2000
Szóval, gyakran beszélünk úgy
11:51
we often talk about the value
292
696000
2000
a szellemi tulajdon védelméről,
11:53
of protecting intellectual property,
293
698000
2000
mint értékről,
11:55
you know, building barricades,
294
700000
2000
tudják, védősáncokat emelünk,
11:57
having secretive R&D labs, patenting everything that we have,
295
702000
3000
vannak titkos kutató-fejlesztő laboratóriumaink, levédetünk mindent, amink van,
12:00
so that those ideas will remain valuable,
296
705000
3000
így az ötletek értékesek maradnak, és ez
12:03
and people will be incentivized to come up with more ideas,
297
708000
2000
ösztönözi az embereket, hogy újabb öteletekkel jöjjenek elő,
12:05
and the culture will be more innovative.
298
710000
3000
és a kultúra ösztönzőbb lesz az újítások számára.
12:08
But I think there's a case to be made
299
713000
2000
De úgy gondolom, az is védhető,
12:10
that we should spend at least as much time, if not more,
300
715000
3000
hogy legalább annyi időt, ha nem többet fordítsunk arra,
12:13
valuing the premise of connecting ideas
301
718000
2000
hogy ne csupán megvédjük az ötleteket, hanem
12:15
and not just protecting them.
302
720000
2000
értékesnek tekintsük az összekapcsolásuk lehetőségét is.
12:17
And I'll leave you with this story,
303
722000
2000
Végezetül egy tanulságos történet,
12:19
which I think captures a lot of these values,
304
724000
3000
ami ezekből az értékekből többet is magában foglal,
12:22
and it's just wonderful kind of tale of innovation
305
727000
2000
és egy amolyan csodálatos mese az újításról,
12:24
and how it happens in unlikely ways.
306
729000
3000
ami a véletleneken múlik.
12:27
It's October of 1957,
307
732000
3000
1957 októbere van,
12:30
and Sputnik has just launched,
308
735000
2000
a szputnyikot épp most lőtték föl;
12:32
and we're in Laurel Maryland,
309
737000
2000
Laurel Maryland-ben vagyunk,
12:34
at the applied physics lab
310
739000
2000
a John Hopkins Egyetemhez tartozó
12:36
associated with Johns Hopkins University.
311
741000
2000
alkalmazott fizikai laboratóriumban.
12:38
And it's Monday morning,
312
743000
2000
Hétfő reggel van,
12:40
and the news has just broken about this satellite
313
745000
2000
épp az imént jelentették be az adást megszakítva
12:42
that's now orbiting the planet.
314
747000
3000
a műhold pályára állítását.
12:45
And of course, this is nerd heaven, right?
315
750000
2000
Ez persze maga a paradicsom az őrült fizikusoknak.
12:47
There are all these physics geeks who are there thinking,
316
752000
2000
Ezek a megszállottak így vélekednek:
12:49
"Oh my gosh! This is incredible. I can't believe this has happened."
317
754000
3000
."A mindenit! Elképesztő!. Nem hiszem el, hogy megtörténhetett."
12:52
And two of them,
318
757000
2000
És ketten közülük,
12:54
two 20-something researchers at the APL
319
759000
2000
két huszonéves kutató az APL-től
12:56
are there at the cafeteria table
320
761000
2000
ül a kávézóasztalánál.
12:58
having an informal conversation with a bunch of their colleagues.
321
763000
3000
fecsegnek valamiről pár kollegájukkal.
13:01
And these two guys are named Guier and Weiffenbach.
322
766000
3000
Ez a két fickó Guier és Weiffenbach.
13:04
And they start talking, and one of them says,
323
769000
2000
És elkezdenek beszélgetni, és egyikük ezt mondja,
13:06
"Hey, has anybody tried to listen for this thing?
324
771000
2000
"Hé, megpróbálta valaki meghallgatni ezt a micsodát?
13:08
There's this, you know, man-made satellite up there in outer space
325
773000
3000
Tudjátok, van a világűrben ez a mesterséges hold
13:11
that's obviously broadcasting some kind of signal.
326
776000
2000
ami nyilvánvalóan közvetít valamilyen jelet.
13:13
We could probably hear it, if we tune in."
327
778000
3000
Talán hallhatjuk, ha ráállunk a frekvenciájára."
13:16
And so they ask around to a couple of their colleagues,
328
781000
2000
És végigkérdezik néhány kollégájukat,
13:18
and everybody's like, "No, I hadn't thought of doing that.
329
783000
2000
és mindenki így reagál: "Nem, nem is gondoltam erre.
13:20
That's an interesting idea."
330
785000
2000
Érdekes ötlet."
13:22
And it turns out Weiffenbach is kind of an expert
331
787000
3000
És kiderült, hogy Weiffenbach ért valamicskét
13:25
in microwave reception,
332
790000
2000
a mikrohullámú vételhez,
13:27
and he's got a little antennae set up
333
792000
2000
és van neki egy antenna-készlete
13:29
with an amplifier in his office.
334
794000
2000
egy erősítővel az irodájában.
13:31
And so Guier and Weiffenbach go back to Weiffenbach's office,
335
796000
2000
Guier és Weiffenbach visszamegy hát Weiffenbach irodájába,
13:33
and they start kind of noodling around -- hacking, as we might call it now.
336
798000
3000
és kezdenek vacakolni vele -- meghackkelik, ahogyan ma mondanánk.
13:36
And after a couple of hours, they actually start picking up the signal,
337
801000
3000
És néhány óra után valóban kezdik fogni a jeleket,
13:39
because the Soviets made Sputnik
338
804000
2000
mert a szovjetek úgy csinálták a szputnyikot,
13:41
very easy to track.
339
806000
2000
hogy könnyen nyomonkövethető legyen.
13:43
It was right at 20 MHz, so you could pick it up really easily,
340
808000
3000
20 MHz -en adott, így könnyen lehetett fogni,
13:46
because they were afraid that people would think it was a hoax, basically.
341
811000
2000
mert attól féltek, hogy azt gondolják majd az emberek, hogy átverés az egész.
13:48
So they made it really easy to find it.
342
813000
2000
Úgy csinálták hát, hogy könnyű legyen megtalálni.
13:50
So these two guys are sitting there listening to this signal,
343
815000
3000
Ez a két fickó tehát ott ült és hallgatta a jeleket,
13:53
and people start kind of coming into the office and saying,
344
818000
2000
az emberek meg kezdtek beszivárogni az irodába és ilyeneket mondani,
13:55
"Wow, that's pretty cool. Can I hear? Wow, that's great."
345
820000
3000
"Nahát, ez tök jó. Meghallgathatom? Óh, remek."
13:58
And before long, they think, "Well jeez, this is kind of historic.
346
823000
3000
És egy idő után azt mondták, "Hát ez fantasztikus, ez történelem.
14:01
We may be the first people in the United States to be listening to this.
347
826000
2000
Valószínűleg mi vagyunk az elsők az Egyesült Államokban, akik ezt hallgatják.
14:03
We should record it."
348
828000
2000
Rögzíteni kéne."
14:05
And so they bring in this big, clunky analog tape recorder
349
830000
2000
És akkor hozták azt a nagy böhöm analóg magnót,
14:07
and they start recording these little bleep, bleeps.
350
832000
3000
és elkezdték rögzíteni azt a csipogást.
14:10
And they start writing the kind of date stamp, time stamps
351
835000
3000
És elkezdtek lejegyezni valami dátum- és időbélyeg jellegű dolgot
14:13
for each little bleep that they record.
352
838000
3000
minden egyes csipogáshoz.
14:16
And they they start thinking, "Well gosh, you know, we're noticing
353
841000
2000
És kezdték azt gondolni. "Kutyafáját, tudjátok, valami apró
14:18
small little frequency variations here.
354
843000
3000
frekvencia-eltérést észleltünk itt.
14:21
We could probably calculate the speed
355
846000
3000
Talán ki tudjuk számolni a sebességet,
14:24
that the satellite is traveling,
356
849000
2000
amivel a műhold mozog,
14:26
if we do a little basic math here
357
851000
2000
ha valami kis elemi számításokat végzünk
14:28
using the Doppler effect."
358
853000
2000
a Doppler-hatást figyelembe véve.
14:30
And then they played around with it a little bit more,
359
855000
2000
És még egy kicsit vacakoltak vele,
14:32
and they talked to a couple of their colleagues
360
857000
2000
és beszélgettek néhány kollégájukkal,
14:34
who had other kind of specialties.
361
859000
2000
akik más területen dolgoztak.
14:36
And they said, "Jeez, you know,
362
861000
2000
Azok azt mondták, "Hinnye, tudjátok,
14:38
we think we could actually take a look at the slope of the Doppler effect
363
863000
2000
úgy gondoljuk, tényleg kéne egy pillantást vetni a Doppler-hatás meredekségére,
14:40
to figure out the points at which
364
865000
2000
hogy meghatározzuk azt a pontot, amelyikben
14:42
the satellite is closest to our antennae
365
867000
2000
a műhold a legközelebb van az antennánkhoz,
14:44
and the points at which it's farthest away.
366
869000
2000
és azt, amelyikben a legtávolabb.
14:46
That's pretty cool."
367
871000
2000
Nagyon klassz."
14:48
And eventually, they get permission --
368
873000
2000
És valóban, kaptak rá engedélyt,
14:50
this is all a little side project that hadn't been officially part of their job description.
369
875000
3000
ez egy amolyan mellékkutatás, ami nem része a hivatalos munkájuknak.
14:53
They get permission to use the new, you know, UNIVAC computer
370
878000
3000
Megkapták az engedélyt, hogy használhassák az új UNIVAC számítógépet,
14:56
that takes up an entire room that they'd just gotten at the APL.
371
881000
3000
tudják, ami egy teljes szobát megtöltött, ezt épp akkoriban kapták az APL-nál.
14:59
They run some more of the numbers, and at the end of about three or four weeks,
372
884000
3000
Lefuttatnak néhány további adatsort, és a három vagy négy hétre rá
15:02
turns out they have mapped the exact trajectory
373
887000
3000
kiderül, hogy a műhold teljes Föld körüli
15:05
of this satellite around the Earth,
374
890000
2000
pályáját feltérképezték,
15:07
just from listening to this one little signal,
375
892000
2000
csupán a vett jelek alapján,
15:09
going off on this little side hunch that they'd been inspired to do
376
894000
3000
kiindulva abból a pillanatnyi ötletből, ami reggelizés
15:12
over lunch one morning.
377
897000
3000
közben támadt bennük.
15:15
A couple weeks later their boss, Frank McClure,
378
900000
3000
Pár héttel később főnökük, Frank McClure,
15:18
pulls them into the room and says,
379
903000
2000
behívja őket a szobájába és azt mondja,
15:20
"Hey, you guys, I have to ask you something
380
905000
2000
"Hé, gyerekek, szeretnék kérdezni tőletek
15:22
about that project you were working on.
381
907000
2000
valamit azzal a projekttel kapcsolatban, amin dolgoztatok.
15:24
You've figured out an unknown location
382
909000
2000
Meghatároztátok a Föld körül keringő
15:26
of a satellite orbiting the planet
383
911000
3000
műhold helyzetét
15:29
from a known location on the ground.
384
914000
2000
a Föld egy ismert pontja alapján.
15:31
Could you go the other way?
385
916000
2000
Meg tudnátok ezt csinálni fordítva is?
15:33
Could you figure out an unknown location on the ground,
386
918000
2000
Meg tudnátok határozni a földfelszín egy pontját
15:35
if you knew the location of the satellite?"
387
920000
3000
ha ismernétek a műhold helyét?"
15:38
And they thought about it and they said,
388
923000
2000
Ezen elgondolkodtak, és azt mondták:
15:40
"Well, I guess maybe you could. Let's run the numbers here."
389
925000
3000
"Igen, esetleg tudnánk. Nézzük, mi jön ki így az adatokból!"
15:43
So they went back, and they thought about it.
390
928000
2000
Visszamentek hát, és gondolkodtak rajta.
15:45
And they came back and said, "Actually, it'll be easier."
391
930000
2000
És visszajöttek azzal, hogy: "Sőt, még, egyszerűbb is lesz."
15:47
And he said, "Oh, that's great.
392
932000
2000
A főnök azt mondta "Óh, az remek."
15:49
Because see, I have these new nuclear submarines
393
934000
3000
Mert hogy vannak ezek az új atom-tengeralattjárók,
15:52
that I'm building.
394
937000
2000
amiket építek.
15:54
And it's really hard to figure out how to get your missile
395
939000
3000
És tényleg nehéz meghatározni, hogy hogyan kell kilőni úgy a
15:57
so that it will land right on top of Moscow,
396
942000
2000
rakétát, hogy Moszkvában érjen célba,
15:59
if you don't know where the submarine is in the middle of the Pacific Ocean.
397
944000
3000
ha egyszer nem tudjuk, hogy hol a csudában van az a tengeralattjáró a Csendes-óceán közepén.
16:02
So we're thinking, we could throw up a bunch of satellites
398
947000
3000
Így most azon gondolkozunk, hogy fellőhetnénk egy sereg műholdat,
16:05
and use it to track our submarines
399
950000
3000
és arra használnánk, hogy kövessük a tengeralattjáróinkat
16:08
and figure out their location in the middle of the ocean.
400
953000
2000
és kiszámítsuk a pozíciójukat az óceán közepén.
16:10
Could you work on that problem?"
401
955000
2000
Tudnátok foglalkozni a problémával?
16:12
And that's how GPS was born.
402
957000
3000
És így született meg a GPS.
16:15
30 years later,
403
960000
2000
És 30 évvel később
16:17
Ronald Reagan actually opened it up and made it an open platform
404
962000
3000
Ronald Reagan feloldotta a titkosságát, feltette egy nyilvános platformra,
16:20
that anybody could kind of build upon
405
965000
2000
amit bárki használhat,
16:22
and anybody could come along and build new technology
406
967000
3000
amire bárki ráépíthet új technológiát,
16:25
that would create and innovate
407
970000
2000
létrehozhat és hozzáfejleszthet
16:27
on top of this open platform,
408
972000
2000
a nyilvános platformhoz,
16:29
left it open for anyone to do
409
974000
2000
és meghagyja nyilvánosnak mindenki számára,
16:31
pretty much anything they wanted with it.
410
976000
2000
hogy csináljon vele bármit, amit csak akar.
16:33
And now, I guarantee you
411
978000
2000
És most, biztos vagyok benne,
16:35
certainly half of this room, if not more,
412
980000
2000
hogy azoknak, akik itt ülnek, legalább a felének
16:37
has a device sitting in their pocket right now
413
982000
2000
ott lapul a zsebében egy kis készülék,
16:39
that is talking to one of these satellites in outer space.
414
984000
3000
ami ezekkel a világűrben lévő műholdakkal társalog.
16:42
And I bet you one of you, if not more,
415
987000
3000
És lefogadnám, hogy legalább egy valaki, de lehet, hogy többen is,
16:45
has used said device and said satellite system
416
990000
3000
használta már az említett készüléket és az említett műholdas rendszert,
16:48
to locate a nearby coffeehouse somewhere in the last --
417
993000
3000
hogy keressen a közelben valahol egy kávéházat az utóbbi --
16:51
(Laughter)
418
996000
2000
(Nevetés)
16:53
in the last day or last week, right?
419
998000
3000
legutóbbi napokban vagy héten, igaz?
16:56
(Applause)
420
1001000
3000
(Taps)
16:59
And that, I think,
421
1004000
2000
És, azt gondolom,
17:01
is a great case study, a great lesson
422
1006000
3000
ez egy remek esettanulmány, ragyogó tanulság
17:04
in the power, the marvelous, kind of unplanned
423
1009000
2000
a nyílt innovációs rendszerekben rejlő és felszabaduló
17:06
emergent, unpredictable power
424
1011000
3000
csodálatos, sosem gondolt,
17:09
of open innovative systems.
425
1014000
2000
előre nem látható lehetőségről.
17:11
When you build them right, they will be led to completely new directions
426
1016000
2000
Ha ezeket megfelően alakítjuk ki, akkor ezek egészen új irányba vezetnek,
17:13
that the creators never even dreamed of.
427
1018000
2000
olyanokba, amelyekről a létrehozója még csak nem is álmodott.
17:15
I mean, here you have these guys
428
1020000
2000
Úgy értem, itt vannak ezek a fickók,
17:17
who basically thought they were just following this hunch,
429
1022000
2000
akik csupán azt gondolták, hogy a megérzésüket követik,
17:19
this little passion that had developed,
430
1024000
2000
és ez a hobbijuk odáig fejlődött,
17:21
then they thought they were fighting the Cold War,
431
1026000
2000
hogy azután azt hitték, hogy a hidegháborút vívják,
17:23
and then it turns out they're just helping somebody
432
1028000
2000
és végül úgy alakult, hogy épp most segítenek valakinek
17:25
find a soy latte.
433
1030000
2000
találni végre egy jó csésze kávét.
17:27
(Laughter)
434
1032000
2000
(Nevetés)
17:29
That is how innovation happens.
435
1034000
2000
Hát így születnek az találmányok.
17:31
Chance favors the connected mind.
436
1036000
2000
A véletlen kedveli az egymáshoz kapcsolódó elméket.
17:33
Thank you very much.
437
1038000
2000
Nagyon köszönöm.
17:35
(Applause)
438
1040000
3000
(Taps)
ABOUT THE SPEAKER
Steven Johnson - WriterSteven Berlin Johnson examines the intersection of science, technology and personal experience.
Why you should listen
Steven Johnson is a leading light of today's interdisciplinary and collaborative approach to innovation. His writings have influenced everything from cutting-edge ideas in urban planning to the battle against 21st-century terrorism. Johnson was chosen by Prospect magazine as one of the top ten brains of the digital future, and The Wall Street Journal calls him "one of the most persuasive advocates for the role of collaboration in innovation."
Johnson's work on the history of innovation inspired the Emmy-nominated six-part series on PBS, "How We Got To Now with Steven Johnson," which aired in the fall of 2014. The book version of How We Got To Now was a finalist for the PEN/E.O. Wilson Literary Science Writing Award. His new book, Wonderland: How Play Made the Modern World, revolves around the creative power of play and delight: ideas and innovations that set into motion many momentous changes in science, technology, politics and society.
Johnson is also the author of the bestselling Where Good Ideas Come From: The Natural History of Innovation, one of his many books celebrating progress and innovation. Others include The Invention of Air and The Ghost Map. Everything Bad Is Good For You, one of the most discussed books of 2005, argued that the increasing complexity of modern media is training us to think in more complex ways. Emergence and Future Perfect explore the power of bottom-up intelligence in both nature and contemporary society.
An innovator himself, Johnson has co-created three influential sites: the pioneering online magazine FEED, the Webby-Award-winning community site, Plastic.com, and the hyperlocal media site outside.in, which was acquired by AOL in 2011.
Johnson is a regular contributor to WIRED magazine, as well as the New York Times, The Wall Street Journal and many other periodicals. He has appeared on many high-profile television programs, including "The Charlie Rose Show," "The Daily Show with Jon Stewart" and "The NewsHour with Jim Lehrer."
Steven Johnson | Speaker | TED.com