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 e Sean Gourley: Mappare idee che meritano di essere divulgate

Filmed:
1,131,373 views

Che aspetto hanno 24 000 idee? L'ecologista Eric Berlow e il fisico Sean Gourley applicano degli algoritmi all'intero archivio delle conferenze TEDx, accompagnandoci in una stimolante visita virtuale per mostrarci come le idee siano collegate in tutto il mondo.
- 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 ecologistecologo, and Sean'sDi Sean a physicistfisico,
0
562
3061
Eric Berlow: Sono un ecologista, e Sean un fisico,
00:15
and we bothentrambi studystudia complexcomplesso networksreti.
1
3623
2108
e tutti e due studiamo sistemi complessi.
00:17
And we metincontrato a couplecoppia yearsanni agofa when we discoveredscoperto
2
5731
1835
Ci siamo incontrati un paio di anni fa,
quando abbiamo scoperto
00:19
that we had bothentrambi givendato a shortcorto TEDTED Talk
3
7566
2000
che tutti e due avevamo tenuto
una breve conferenza TED
00:21
about the ecologyecologia of warguerra,
4
9566
2303
sull'ecologia della guerra,
00:23
and we realizedrealizzato that we were connectedcollegato
5
11869
1447
e ci siamo resi conto che eravamo uniti
00:25
by the ideasidee we shareddiviso before we ever metincontrato.
6
13316
2818
dalle idee che condividevamo
prima ancora di incontrarci.
00:28
And then we thought, you know, there are thousandsmigliaia
7
16134
1556
E poi abbiamo pensato,
ehi, ci sono migliaia
00:29
of other talkstrattativa out there, especiallyparticolarmente TEDxTEDx TalksColloqui,
8
17690
2114
di altre conferenze là fuori, soprattutto TEDx,
00:31
that are poppingpopping up all over the worldmondo.
9
19804
2211
che spuntano da un capo all'altro del mondo.
00:34
How are they connectedcollegato,
10
22015
923
Come sono collegate,
00:34
and what does that globalglobale conversationconversazione look like?
11
22938
2010
e che aspetto ha questa
conversazione globale?
00:36
So Sean'sDi Sean going to tell you a little bitpo about how we did that.
12
24948
2810
Ora Sean vi racconterà
un po' come abbiamo fatto.
00:39
SeanSean GourleyGourley: ExactlyEsattamente. So we tookha preso 24,000 TEDxTEDx TalksColloqui
13
27758
3767
Sean Gourley: Esatto. Quindi abbiamo
preso 24 000 conferenze
00:43
from around the worldmondo, 147 differentdiverso countriespaesi,
14
31525
3046
di tutto il mondo, 147 paesi,
00:46
and we tookha preso these talkstrattativa and we wanted to find
15
34571
2123
le abbiamo prese e volevamo scoprire
00:48
the mathematicalmatematico structuresstrutture that underlysottostanti
16
36694
2040
le strutture matematiche soggiacenti
00:50
the ideasidee behinddietro a them.
17
38734
1722
le idee che vi sono dietro le conferenze.
00:52
And we wanted to do that so we could see how
18
40456
1370
E volevamo farlo per capire come
00:53
they connectedcollegato with eachogni other.
19
41826
2053
entravano in connessione l'una con l'altra.
00:55
And so, of coursecorso, if you're going to do this kindgenere of stuffcose,
20
43879
1676
E così, ovvio, per fare
questo genere di cosa,
00:57
you need a lot of datadati.
21
45555
956
servono moltissimi dati.
00:58
So the datadati that you've got is a great thing calledchiamato YouTubeYouTube,
22
46511
3686
E i dati che avevamo sono una cosa grandiosa
che si chiama YouTube,
01:02
and we can go down and basicallyfondamentalmente pullTirare
23
50197
1768
possiamo collegarci e in pratica
01:03
all the openAperto informationinformazione from YouTubeYouTube,
24
51965
2267
prendere tutte le informazioni libere da YouTube,
01:06
all the commentsCommenti, all the viewsvisualizzazioni, who'schi è watchingGuardando it,
25
54232
2349
tutti i commenti, tutti i punti di vista,
chi li sta guardando,
01:08
where are they watchingGuardando it, what are they sayingdetto in the commentsCommenti.
26
56581
2779
dove li sta guardando,
cosa dicono nei commenti.
01:11
But we can alsoanche pullTirare up, usingutilizzando speech-to-textSpeech-to-text translationtraduzione,
27
59360
3292
Ma possiamo anche estrarre,
usando i sottotitoli automatici,
01:14
we can pullTirare the entireintero transcripttrascrizione,
28
62652
2128
la trascrizione intera,
01:16
and that workslavori even for people with kindgenere of funnydivertente accentsaccenti like myselfme stessa.
29
64780
2680
e funziona persino con gente
dall'accento buffo come me.
01:19
So we can take theirloro transcripttrascrizione
30
67460
2106
Così possiamo prendere la trascrizione
01:21
and actuallyin realtà do some prettybella coolfreddo things.
31
69566
2098
e fare delle cose davvero interessanti.
01:23
We can take naturalnaturale languageLingua processinglavorazione algorithmsalgoritmi
32
71664
2160
Possiamo prendere degli algoritmi
che processano le lingue naturali
01:25
to kindgenere of readleggere throughattraverso with a computercomputer, linelinea by linelinea,
33
73824
2629
per provare a leggere con un computer, riga per riga,
01:28
extractingestrazione keychiave conceptsconcetti from this.
34
76453
2359
estraendo i concetti chiave.
01:30
And we take those keychiave conceptsconcetti and they sortordinare of formmodulo
35
78812
2525
E prendiamo i concetti chiavi, che formano una specie
01:33
this mathematicalmatematico structurestruttura of an ideaidea.
36
81337
3565
di struttura matematica di un'idea.
01:36
And we call that the meme-omememe-ome.
37
84902
1757
Noi la chiamiamo meme-ome.
01:38
And the meme-omememe-ome, you know, quiteabbastanza simplysemplicemente,
38
86659
2151
E la meme-ome, sapete,
è piuttosto semplice,
01:40
is the mathematicsmatematica that underliesè alla base an ideaidea,
39
88810
2426
è la matematica alla base di un'idea,
01:43
and we can do some prettybella interestinginteressante analysisanalisi with it,
40
91236
1932
e possiamo farci delle analisi molto interessanti,
01:45
whichquale I want to shareCondividere with you now.
41
93168
1981
che voglio condividere con voi adesso.
01:47
So eachogni ideaidea has its ownproprio meme-omememe-ome,
42
95149
2190
Ogni idea ha la sua meme-ome,
01:49
and eachogni ideaidea is uniqueunico with that,
43
97339
1951
e ogni idea è unica,
01:51
but of coursecorso, ideasidee, they borrowprendere in prestito from eachogni other,
44
99290
2488
ma, ovvio, le idee prendono
a prestito qualcosa le une dalle altre,
01:53
they kindgenere of stealrubare sometimesa volte,
45
101778
1184
a volte quasi rubano,
01:54
and they certainlycertamente buildcostruire on eachogni other,
46
102962
1827
e di sicuro costruiscono l'una sull'altra.
01:56
and we can go throughattraverso mathematicallymatematicamente
47
104789
1616
Possiamo esaminarle matematicamente,
01:58
and take the meme-omememe-ome from one talk
48
106405
1840
prendere la meme-ome di una conferenza
02:00
and compareconfrontare it to the meme-omememe-ome from everyogni other talk,
49
108245
2454
e paragonarla alla meme-ome di ogni altra,
02:02
and if there's a similaritysomiglianza betweenfra the two of them,
50
110699
1973
e se c'è qualche somiglianza tra le due,
02:04
we can createcreare a linkcollegamento and representrappresentare that as a graphgrafico,
51
112672
3250
possiamo creare un collegamento
e rappresentarlo con un grafico,
02:07
just like EricEric and I are connectedcollegato.
52
115922
2394
proprio come siamo collegati Eric e io.
02:10
So that's theoryteoria, that's great.
53
118316
1394
Questa è la teoria,
ed è grandiosa.
02:11
Let's see how it workslavori in actualeffettivo practicepratica.
54
119710
2526
Vediamo come funziona all'atto pratico.
02:14
So what we'venoi abbiamo got here now is the globalglobale footprintorma
55
122236
2788
Quindi adesso abbiamo
l'impronta globale
02:17
of all the TEDxTEDx TalksColloqui over the last fourquattro yearsanni
56
125024
2293
di tutte i Discorsi TEDx degli ultimi quattro anni
02:19
explodingche esplode out around the worldmondo
57
127317
1550
distribuiti in tutto il mondo
02:20
from NewNuovo YorkYork all the way down to little oldvecchio NewNuovo ZealandZelanda in the cornerangolo.
58
128867
3329
da New York giù giù fino alla piccola
vecchia Nuova Zelanda lì nell'angolo.
02:24
And what we did on this is we analyzedanalizzato the topsuperiore 25 percentper cento of these,
59
132196
3835
Quel che facciamo è analizzare il primo 25%,
02:28
and we startediniziato to see where the connectionsconnessioni occurredsi è verificato,
60
136031
2534
e abbiamo iniziato a vedere
dove si trovavano le connessioni,
02:30
where they connectedcollegato with eachogni other.
61
138565
1537
dove si collegavano l'una all'altra.
02:32
CameronCameron RussellRussell talkingparlando about imageImmagine and beautybellezza
62
140102
1874
Cameron Russell che parla d'immagine e bellezza
02:33
connectedcollegato over into EuropeEuropa.
63
141976
1575
si collega a tutta Europa.
02:35
We'veAbbiamo got a biggerpiù grande conversationconversazione about IsraelIsraele and PalestinePalestina
64
143551
2412
Abbiamo una conversazione
più ampia su Israele e Palestina
02:37
radiatingche si irradia outwardsverso l'esterno from the MiddleMedio EastEast.
65
145963
2255
che si irradia dal Medio Oriente.
02:40
And we'venoi abbiamo got something a little broaderpiù ampia
66
148218
1298
E abbiamo qualcosa di un po' più generico
02:41
like biggrande datadati with a trulyveramente globalglobale footprintorma
67
149516
2156
come i grandi dati
con un'impronta davvero globale
02:43
reminiscentricorda of a conversationconversazione
68
151672
2179
che richiama una conversazione
02:45
that is happeningavvenimento everywhereovunque.
69
153851
2016
che sta accadendo ovunque.
02:47
So from this, we kindgenere of runcorrere up againstcontro the limitslimiti
70
155867
2173
A partire da qui,
ci ritroviamo in qualche modo davanti ai limiti
02:50
of what we can actuallyin realtà do with a geographicgeografico projectionproiezione,
71
158040
2530
di quel che possiamo fare
con una proiezione geografica,
02:52
but luckilyfortunatamente, computercomputer technologytecnologia allowsconsente us to go out
72
160570
2052
ma per fortuna la tecnologia
informatica ci permette di uscire
02:54
into multidimensionalmultidimensionali spacespazio.
73
162622
1546
nello spazio multidimensionale.
02:56
So we can take in our networkRete projectionproiezione
74
164168
1875
Quindi possiamo prendere la proiezione di sistema
02:58
and applyapplicare a physicsfisica enginemotore to this,
75
166043
1750
e applicare un motore fisico,
02:59
and the similarsimile talkstrattativa kindgenere of smashSmash togetherinsieme,
76
167793
1885
e le conferenze simili è come si fondessero assieme di colpo
03:01
and the differentdiverso onesquelli flyvolare aparta parte,
77
169678
2004
e quelle diverse si allontanassero.
03:03
and what we're left with is something quiteabbastanza beautifulbellissimo.
78
171682
2072
Quel che rimane è qualcosa di bellissimo.
03:05
EBEB: So I want to just pointpunto out here that everyogni nodenodo is a talk,
79
173754
2957
EB: Volevo precisare che ogni nodo è una conferenza,
03:08
they're linkedconnesso if they shareCondividere similarsimile ideasidee,
80
176711
2589
solo collegate se condividono idee simili,
03:11
and that comesviene from a machinemacchina readinglettura
81
179300
2084
e viene dalla lettura meccanica
03:13
of entireintero talk transcriptstrascrizioni,
82
181384
2067
delle trascrizioni complete,
03:15
and then all these topicstemi that poppop out,
83
183451
2231
e poi tutti gli argomenti che emergono,
03:17
they're not from tagsTag and keywordsParole chiavi.
84
185682
1790
non vengono da etichette e parole chiave.
03:19
They come from the networkRete structurestruttura
85
187472
1725
Vengono dalla struttura di rete
03:21
of interconnectedinterconnesso ideasidee. Keep going.
86
189197
2168
di idee interconnesse. Continua.
03:23
SGSG: AbsolutelyAssolutamente. So I got a little quickveloce on that,
87
191365
2022
SG: Certo. Avevo spiegato la cosa un po' di corsa,
03:25
but he's going to slowlento me down.
88
193387
1475
ma lui mi fa scalare le marce.
03:26
We'veAbbiamo got educationeducazione connectedcollegato to storytellingnarrativa
89
194862
2034
Abbiamo l'istruzione connessa alla narrazione
03:28
triangulatedtriangolate nextIl prossimo to socialsociale mediamedia.
90
196896
1643
in triangolo con i social media.
03:30
You've got, of coursecorso, the humanumano braincervello right nextIl prossimo to healthcareassistenza sanitaria,
91
198539
2475
Avete, ovviamente, il cervello umano accanto alla sanità,
03:33
whichquale you mightpotrebbe expectaspettarsi,
92
201014
1386
cosa prevedibile,
03:34
but alsoanche you've got videovideo gamesi giochi, whichquale is sortordinare of adjacentadiacente,
93
202400
2395
ma anche i videogiochi, che stanno lì vicino,
03:36
as those two spacesspazi interfaceinterfaccia with eachogni other.
94
204795
2740
e questi due spazi si parlano l'un l'altro.
03:39
But I want to take you into one clustergrappolo
95
207535
1535
Ma voglio portarvi a un cluster
03:41
that's particularlysoprattutto importantimportante to me, and that's the environmentambiente.
96
209070
2868
particolarmente importante per me,
ed è l'ambiente.
03:43
And I want to kindgenere of zoomzoom in on that
97
211938
1493
E voglio zoommare
03:45
and see if we can get a little more resolutionrisoluzione.
98
213431
2363
e vedere se riusciamo ad avere
una risoluzione migliore.
03:47
So as we go in here, what we startinizio to see,
99
215794
2347
Entrando, quel che cominciamo a vedere,
03:50
applyapplicare the physicsfisica enginemotore again,
100
218141
1504
di nuovo si riferisce al motore fisico,
03:51
we see what's one conversationconversazione
101
219645
1676
vediamo che una conversazione
03:53
is actuallyin realtà composedcomposto of manymolti smallerpiù piccola onesquelli.
102
221321
2560
in realtà è composta di tante più piccole.
03:55
The structurestruttura startsinizia to emergeemergere
103
223881
1929
La struttura comincia a emergere
03:57
where we see a kindgenere of fractalfrattale behaviorcomportamento
104
225810
2070
in cui vediamo una specie di comportamento frattale
03:59
of the wordsparole and the languageLingua that we use
105
227880
1619
delle parole e del linguaggio che usiamo
04:01
to describedescrivere the things that are importantimportante to us
106
229499
1702
per descrivere le cose importanti per noi
04:03
all around this worldmondo.
107
231201
1433
in tutto il mondo.
04:04
So you've got foodcibo economyeconomia and localLocale foodcibo at the topsuperiore,
108
232634
2332
Vedete l'economia alimentare
e i prodotti locali in cima,
04:06
you've got greenhouseserra gasesgas, solarsolare and nuclearnucleare wasterifiuto.
109
234966
2719
gas serra, inquinamento solare e nucleare.
04:09
What you're gettingottenere is a rangegamma of smallerpiù piccola conversationsconversazioni,
110
237685
2631
Quel che avete è una serie di conversazioni più piccole,
04:12
eachogni connectedcollegato to eachogni other throughattraverso the ideasidee
111
240316
2301
ciascuna collegata alle altre attraverso le idee
04:14
and the languageLingua they shareCondividere,
112
242617
1301
e il linguaggio che hanno in comune,
04:15
creatingla creazione di a broaderpiù ampia conceptconcetto of the environmentambiente.
113
243918
2450
creando un concetto più ampio di ambiente.
04:18
And of coursecorso, from here, we can go
114
246368
1532
E naturalmente, da qui, possiamo andare avanti
04:19
and zoomzoom in and see, well, what are younggiovane people looking at?
115
247900
3534
e zoommare e guardate, beh,
di cosa si occupano i giovani?
04:23
And they're looking at energyenergia technologytecnologia and nuclearnucleare fusionfusione.
116
251434
2345
Si occupano di tecnologie energetiche
e fusione nucleare.
04:25
This is theirloro kindgenere of resonancerisonanza
117
253779
1674
Questa è la loro risonanza particolare
04:27
for the conversationconversazione around the environmentambiente.
118
255453
2406
della conversazione sull'ambiente.
04:29
If we splitDiviso alonglungo genderGenere linesLinee,
119
257859
1899
Se dividiamo le linee di genere,
04:31
we can see femalesfemmine resonatingrisonante heavilypesantemente
120
259758
1987
vediamo il femminile che risuona molto forte
04:33
with foodcibo economyeconomia, but alsoanche out there in hopesperanza and optimismottimismo.
121
261745
3645
con l'economia alimentare,
ma anche là fuori con speranza e ottimismo.
04:37
And so there's a lot of excitingemozionante stuffcose we can do here,
122
265390
2482
Possiamo fare un sacco di cose pazzesche,
04:39
and I'll throwgettare to EricEric for the nextIl prossimo partparte.
123
267872
1762
e passo la palla a Eric per il seguito.
04:41
EBEB: Yeah, I mean, just to pointpunto out here,
124
269634
1602
EB: Sì, tanto per precisare,
04:43
you cannotnon può get this kindgenere of perspectiveprospettiva
125
271236
1538
non ottenete questo genere di prospettiva
04:44
from a simplesemplice tagProdotto Tag searchricerca on YouTubeYouTube.
126
272774
3360
con una semplice ricerca su YouTube.
04:48
Let's now zoomzoom back out to the entireintero globalglobale conversationconversazione
127
276134
4188
Torniamo a guardare tutta la conversazione globale
04:52
out of environmentambiente, and look at all the talkstrattativa togetherinsieme.
128
280322
2534
al di là dell'ambiente,
e consideriamo le conferenze nel loro insieme.
04:54
Now oftenspesso, when we're facedaffrontato with this amountquantità of contentsoddisfare,
129
282856
2927
Spesso, quando ci troviamo con così tanti contenuti,
04:57
we do a couplecoppia of things to simplifysemplificare it.
130
285783
2431
facciamo un paio di cose per semplificare.
05:00
We mightpotrebbe just say, well,
131
288214
1314
Potremmo dire,
05:01
what are the mostmaggior parte popularpopolare talkstrattativa out there?
132
289528
2829
quali sono le conferenze più popolari?
05:04
And a fewpochi risesalire to the surfacesuperficie.
133
292357
1397
E ne ermegono un paio.
05:05
There's a talk about gratitudegratitudine.
134
293754
1828
C'è una conferenza sulla gratitudine.
05:07
There's anotherun altro one about personalpersonale healthSalute and nutritionnutrizione.
135
295582
3344
Ce n'è un'altra sulla salute e alimentazione.
05:10
And of coursecorso, there's got to be one about pornporno, right?
136
298926
2929
E naturalmente, ce n'è di sicuro una sul porno, giusto?
05:13
And so then we mightpotrebbe say, well, gratitudegratitudine, that was last yearanno.
137
301855
3234
E potremmo dire che la gratitudine era l'anno scorso.
05:17
What's trendingTrend now? What's the popularpopolare talk now?
138
305089
2522
Cosa va adesso? Qual è la conversazione popolare ora?
05:19
And we can see that the newnuovo, emergingemergente, topsuperiore trendingTrend topicargomento
139
307611
3321
E possiamo vedere che il nuovo argomento
di punta che si fa strada
05:22
is about digitaldigitale privacysulla privacy.
140
310932
2666
è la privacy digitale.
05:25
So this is great. It simplifiessemplifica things.
141
313598
1693
Ed è fantastico. Semplifica le cose.
05:27
But there's so much creativecreativo contentsoddisfare
142
315291
1827
Ma c'è ancora tanto contenuto creativo
05:29
that's just buriedsepolto at the bottomparte inferiore.
143
317118
1921
che rimane sepolto sul fondo.
05:31
And I hateodiare that. How do we bubblebolla stuffcose up to the surfacesuperficie
144
319039
3318
E io detesto questa cosa.
Come facciamo affiorare le cose in superficie
05:34
that's maybe really creativecreativo and interestinginteressante?
145
322357
2458
cose magari davvero creative e interessanti?
05:36
Well, we can go back to the networkRete structurestruttura of ideasidee
146
324815
2931
Possiamo tornare alla struttura
di sistema delle idee
05:39
to do that.
147
327746
1430
per farlo.
05:41
RememberRicordate, it's that networkRete structurestruttura
148
329176
2114
Ricordate, è quella struttura di sistema
05:43
that is creatingla creazione di these emergentemergente topicstemi,
149
331290
2268
che crea gli argomenti emergenti,
05:45
and let's say we could take two of them,
150
333558
1515
e mettiamo di poterne prendere due,
05:47
like citiescittà and geneticsgenetica, and say, well, are there any talkstrattativa
151
335073
3047
come città e genetica, e poi, mettiamo che ci siano conferenze
05:50
that creativelycreativamente bridgeponte these two really differentdiverso disciplinesdiscipline.
152
338120
2569
che collegano in modo creativo
queste due discipline diversissime.
05:52
And that's -- EssentiallyEssenzialmente, this kindgenere of creativecreativo remixRemix
153
340689
2275
Ed è --
In definitiva, questo genere di rimescolamento creativo
05:54
is one of the hallmarkstratti distintivi of innovationinnovazione.
154
342964
1840
è uno dei marchi di fabbrica dell'innovazione.
05:56
Well here'secco one by JessicaJessica GreenVerde
155
344804
1606
C'è n'è una qui di Jessica Green
05:58
about the microbialmicrobica ecologyecologia of buildingsedifici.
156
346410
2379
sulla microbiologia delle costruzioni.
06:00
It's literallyletteralmente definingdefinizione a newnuovo fieldcampo.
157
348789
2010
Sta letteralmente definendo un campo nuovo.
06:02
And we could go back to those topicstemi and say, well,
158
350799
2103
E possiamo tornare a quelle conferenze e dire
06:04
what talkstrattativa are centralcentrale to those conversationsconversazioni?
159
352902
2768
quali sono centrali per questa conversazione?
06:07
In the citiescittà clustergrappolo, one of the mostmaggior parte centralcentrale
160
355670
1690
Nel cluster delle città,
una delle conferenze fondamentali
06:09
was one by MitchMitch JoachimJoachim about ecologicalecologico citiescittà,
161
357360
3952
è quella di Mitch Joachim sulle città ecologiche,
06:13
and in the geneticsgenetica clustergrappolo,
162
361312
1720
e nel cluster genetico,
06:15
we have a talk about syntheticsintetico biologybiologia by CraigCraig VenterVenter.
163
363032
3193
ne abbiamo una sulla biologia sintetica di Craig Venter.
06:18
These are talkstrattativa that are linkingcollegamento manymolti talkstrattativa withinentro theirloro disciplinedisciplina.
164
366225
3353
Sono conferenze che ne uniscono
molte altre all'interno della propria disciplina.
06:21
We could go the other directiondirezione and say, well,
165
369578
1843
Possiamo cambiare direzione e chiederci
06:23
what are talkstrattativa that are broadlyin linea di massima synthesizingsintesi
166
371421
2272
quali conferenze sintetizzano in generale
06:25
a lot of differentdiverso kindstipi of fieldsi campi.
167
373693
1448
molti campi di tipo diverso.
06:27
We used a measuremisurare of ecologicalecologico diversitydiversità to get this.
168
375141
2533
Abbiamo usato un'unità di misura
dell'ecodiversità per questo.
06:29
Like, a talk by StevenSteven PinkerPinker on the historystoria of violenceviolenza,
169
377674
2736
Tipo, una conferenza di Steven Pinker
sulla storia della violenza,
06:32
very syntheticsintetico.
170
380410
1180
molto sintetica.
06:33
And then, of coursecorso, there are talkstrattativa that are so uniqueunico
171
381590
2078
E poi, ovviamente, ci sono conferenze così uniche
06:35
they're kindgenere of out in the stratospherestratosfera, in theirloro ownproprio specialspeciale placeposto,
172
383668
3090
che sono perse nella stratosfera,
nel loro posto speciale,
06:38
and we call that the ColleenColleen FlanaganFlanagan indexindice.
173
386758
2514
e le chiamiamo l'indice di Colleen Flanagan.
06:41
And if you don't know ColleenColleen, she's an artistartista,
174
389272
3034
E se non conoscete Colleen, è un'artista,
06:44
and I askedchiesto her, "Well, what's it like out there
175
392306
1543
e le ho chiesto, "Be', come si sta lì fuori
06:45
in the stratospherestratosfera of our ideaidea spacespazio?"
176
393849
1672
nella stratosfera del nostro spazio ideale?"
06:47
And apparentlyapparentemente it smellsodori like baconpancetta affumicata.
177
395521
3255
E a quanto pare sa di bacon.
06:50
I wouldn'tno know.
178
398776
1791
Non l'avrei mai detto.
06:52
So we're usingutilizzando these networkRete motifsmotivi
179
400567
2248
Quindi usiamo questi modelli di sistema
06:54
to find talkstrattativa that are uniqueunico,
180
402815
1186
per trovare conferenze uniche,
06:56
onesquelli that are creativelycreativamente synthesizingsintesi a lot of differentdiverso fieldsi campi,
181
404001
2710
quelle che sintetizzano in modo creativo
molti campi diversi,
06:58
onesquelli that are centralcentrale to theirloro topicargomento,
182
406711
1659
quelle che sono fondamentali
per il loro argomento,
07:00
and onesquelli that are really creativelycreativamente bridgingBridging disparatedisparato fieldsi campi.
183
408370
3374
e quelle che collegano in modo
molto creativo campi diversi.
07:03
Okay? We never would have foundtrovato those with our obsessionossessione
184
411744
2102
Ok? Non le avremmo mai trovate
con la nostra ossessione
07:05
with what's trendingTrend now.
185
413846
2313
per quello che va forte oggi.
07:08
And all of this comesviene from the architecturearchitettura of complexitycomplessità,
186
416159
2886
E tutto procede dall'architettura della complessità,
07:11
or the patternsmodelli of how things are connectedcollegato.
187
419045
2960
o gli schemi che collegano le cose.
07:14
SGSG: So that's exactlydi preciso right.
188
422005
1625
SG: È esattamente così.
07:15
We'veAbbiamo got ourselvesnoi stessi in a worldmondo
189
423630
2479
Ci siamo ritrovati in un mondo
07:18
that's massivelymassicciamente complexcomplesso,
190
426109
2044
che è decisamente complesso,
07:20
and we'venoi abbiamo been usingutilizzando algorithmsalgoritmi to kindgenere of filterfiltro it down
191
428153
2867
e abbiamo usato degli algoritmi
per cercare di filtrarlo
07:23
so we can navigatenavigare throughattraverso it.
192
431020
1786
per poterci navigare attraverso.
07:24
And those algorithmsalgoritmi, whilstmentre beingessere kindgenere of usefulutile,
193
432806
2338
E questi algoritmi, pur essendo piuttosto utili,
07:27
are alsoanche very, very narrowstretto, and we can do better than that,
194
435144
3476
sono anche molto, molto limitati,
e possiamo fare di meglio,
07:30
because we can realizerendersi conto that theirloro complexitycomplessità is not randomcasuale.
195
438620
2566
perché possiamo capire che la complessità non è casuale.
07:33
It has mathematicalmatematico structurestruttura,
196
441186
1954
Ha una struttura matematica,
07:35
and we can use that mathematicalmatematico structurestruttura
197
443140
1803
e possiamo usare quella struttura matematica
07:36
to go and exploreEsplorare things like the worldmondo of ideasidee
198
444943
2214
per esplorare cose come il mondo delle idee
07:39
to see what's beingessere said, to see what's not beingessere said,
199
447157
3000
per scoprire cosa viene detto,
cosa non viene detto,
07:42
and to be a little bitpo more humanumano
200
450157
1407
e per diventare un po' più umani
07:43
and, hopefullyfiduciosamente, a little smarterpiù intelligente.
201
451564
1867
e, si spera, un po' più intelligenti.
07:45
Thank you.
202
453431
966
Grazie.
07:46
(ApplauseApplausi)
203
454397
4220
(Applausi)
Translated by Mariafelicia Maione
Reviewed by Alessandra Tadiotto

▲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