TEDGlobal 2010
Eric Berlow: Simplifying complexity
ئێریک بێرلۆو: چۆن ئاڵۆزی دەمانبات بەرەو سادەیی
Filmed:
Readability: 4.8
1,361,116 views
ئێریک بێرلۆوی ژینگەناس کاتێ سیستمێکی ئاڵۆز دەبینێت سەری لێ ناشێوێت. ئەو دەزانێت کە زانیاری زیاتر دەتوانێت بەرەو چارەسەری باشتر و سادەترت ببات. لە رێگەی دەرخستنی ئامۆژگاری و فێڵەکانی وردکردنەوەی کێشە گەورەکانەوە، وێنە زەبەلاحەکەی ستراتیجی ئەمریکا لە ئەفغانستان دەکات بە چەند بەشێکی کەمی سەرەتاییەوە.
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
ئایا هەرگیز هەستت کردووە نقوم بویت
00:17
when you're faced with a complex problem?
1
2000
3000
کاتێ روبەڕوی کێشەیەکی ئاڵۆز بویتەوە؟
00:20
Well, I hope to change that in less than three minutes.
2
5000
3000
باشە، هیوام وایە لە ماوەی کەمتر لە سێ خۆلەکدا ئەمە بگۆڕین
00:23
So, I hope to convince you that complex
3
8000
2000
هیوادارم قایلت بکەم بەوەی ئاڵۆز
00:25
doesn't always equal complicated.
4
10000
2000
هەمیشە مانای ئاڵۆسکاو ناگەیەنێت
00:27
So for me, a well-crafted baguette, fresh out of the oven,
5
12000
3000
بە لای منەوە، نانێکی باگێتی باش کە تازە لە فڕن دەرهێنرابێت
00:30
is complex,
6
15000
2000
شتێکی ئاڵۆزە
00:32
but a curry onion green olive poppy cheese bread
7
17000
2000
بەڵام نانێکی کاری و پیاز و زەیتونی سەوز و پەنیر
00:34
is complicated.
8
19000
3000
شتێکی ئاڵۆسکاوە.
00:37
I'm an ecologist, and I study complexity. I love complexity.
9
22000
3000
من کەسێکی ژینگەناسم و ئاڵۆزی دەخوێنم. من حەزم لە ئاڵۆزییە.
00:40
And I study that in the natural world, the interconnectedness of species.
10
25000
3000
و لێکۆڵینەوە لە ئاڵۆزییەکانی جیهانی سروشتیدا و لە پەیوەندییەکانی نێوان توخمەکاندا دەکەم.
00:43
So here's a food web,
11
28000
2000
ئەمە تۆڕی خۆراکە
00:45
or a map of feeding links between species
12
30000
2000
یاخود نەخشەی خۆراکی نێوان توخمەکان
00:47
that live in Alpine Lakes in the mountains of California.
13
32000
3000
کە لە دەریاچەکانی ئەلپاینی ناو چیاکانی کالیفۆرنیا دەژین.
00:50
And this is what happens to that food web
14
35000
2000
ئەو تۆڕی خۆراکەش بەم جۆرە دەگۆڕێت
00:52
when it's stocked with non-native fish that never lived there before.
15
37000
2000
کاتێ ماسییەکی بۆ زیاد بکرێ کە پێشتر لەو ژینگەیەدا نەبوبێت
00:54
All the grayed-out species disappear.
16
39000
2000
ئەو هەمو توخمە خۆڵەمێشییانە لەناودەچن
00:56
Some are actually on the brink of extinction.
17
41000
2000
هەندێکیان لە راستیدا لەسەر لێواری لەناوچونن.
00:58
And lakes with fish have more mosquitos, even though they eat them.
18
43000
3000
ئەو دەریاچانەی کە ماسییان هەیە مێشولەیان زۆرترە، هەرچەندە ماسییەکان دەیانخۆن.
01:01
These effects were all unanticipated,
19
46000
2000
ئەم کاریگەرییانە هەمویان نەزانراو بون.
01:03
and yet we're discovering they're predictable.
20
48000
2000
بەڵام ئێستا بۆمان دەرکەوتووە کە پێشبینیکراون.
01:05
So I want to share with you a couple key insights
21
50000
2000
ئێستا دەمەوێ چەند تێگەیشتنێکی گرنگتان بدەمێ
01:07
about complexity we're learning from studying nature
22
52000
2000
سەبارەت بەو ئاڵۆزییەی لە ئێمە لە لێکۆڵینەوەی ژینگەدا فێری بوین
01:09
that maybe are applicable to other problems.
23
54000
3000
کە رەنگە بە سەر کێشەکانی تریش دا بچەسپێت.
01:13
First is the simple power of good visualization tools
24
58000
2000
یەکەمیان بریتییە کە توانا سادەکەی ئامێرە باشەکانی بینین
01:15
to help untangle complexity
25
60000
2000
کە یارمەتیمان دەدەن ئاڵۆزییەکە رون بکەینەوە
01:17
and just encourage you to ask questions you didn't think of before.
26
62000
3000
و هانت دەدەن ئەو پرسیارانە بکەیت کە پێشتر نەتکردون
01:20
For example, you could plot the flow of carbon
27
65000
3000
بۆ نمونە، دەتوانیت بەرنامەی زیادکردنی کاربۆن دابنێیت
01:23
through corporate supply chains in a corporate ecosystem,
28
68000
3000
لە رێگەی زنجیرەی دابینکردنەکانی ناو ژینگەکەوە
01:26
or the interconnections of habitat patches
29
71000
2000
یاخود پەیوەندیییە ناوەکییەکانی ناو یەکەی ژینگەکانی
01:28
for endangered species in Yosemite National Park.
30
73000
3000
ئەو رەگەزانەی لەژێر مەترسی لەناوچوندان لە پارکی نەتەوەیی یۆسمیت دا.
01:31
The next thing is that if you want to predict
31
76000
2000
دوای ئەوە ئەگەر بتەوێت پێشبینی ئەوە بکەیت
01:33
the effect of one species on another,
32
78000
2000
کە کاریگەریی رەگەزێک چیە لەسەر رەگەزێکی تر
01:35
if you focus only on that link,
33
80000
2000
تەنیا ئەگەر تەرکیز بکەیتە سەر ئەو پەیوەندییە
01:37
and then you black box the rest,
34
82000
2000
و پاشان هەمو ئەوانی تر بشاریتەوە
01:39
it's actually less predictable
35
84000
2000
ئەوە لە راستیدا کەمتر پێشبینیکراوە
01:41
than if you step back, consider the entire system -- all the species, all the links --
36
86000
3000
وەک لەوەی بگەڕێیتەوە بۆ دواوە، و هەمو سیستمەکە لەبەرچاو بگریت - واتە هەمو رەگەزەکان و هەمو پەیوەندییەکان
01:44
and from that place,
37
89000
2000
و لەو جێگایەوە
01:46
hone in on the sphere of influence that matters most.
38
91000
2000
بایەخەکە لەسەر ئەو بازنەی کاریگەرییە دەبێت کە لە هەموی گرنگترە.
01:48
And we're discovering, with our research,
39
93000
2000
ئێمەش لە رێگەی لێکۆڵینەوەکانمان بۆمان دەرکەوتووە
01:50
that's often very local to the node you care about
40
95000
2000
کە زۆر جار نزیک لەو خاڵەوە کە بایەخی پێ دەدەیت
01:52
within one or two degrees.
41
97000
2000
لە ماوەی نێوان یەک یان دو پلە.
01:54
So the more you step back, embrace complexity,
42
99000
2000
کەواتە تا زیاتر بگەڕێیتەوە دواوە، ئاڵۆزی لە ئامێز بگریت
01:56
the better chance you have of finding simple answers,
43
101000
2000
هەلی زیاتر هەیە کە وەڵامە سادەکان بدۆزیتەوە
01:58
and it's often different than the simple answer that you started with.
44
103000
3000
کە هەمیشە لەو وەڵامە سادەیە جیاوازە کە بەوە دەستت پێ کردبو.
02:02
So let's switch gears and look at a really complex problem
45
107000
3000
با تەماشای کێشەیەکی زۆر ئاڵۆز بکەین
02:05
courtesy of the U.S. government.
46
110000
3000
لە رێگەی حکومەتی ئەمریکاوە
02:08
This is a diagram of the U.S. counterinsurgency strategy in Afghanistan.
47
113000
3000
ئەمە نەخشەی ستراتیجی روبەڕوبەنەوەی یاخیبونی ئەمریکایە لە ئەفغانستان
02:11
It was front page of the New York Times a couple months ago.
48
116000
3000
ئەمە چەند مانگێک لەمەوبەر لە لاپەڕەی یەکەمی نیویۆرک تایمزدا بو
02:14
Instantly ridiculed by the media
49
119000
2000
دەستبەجێ راگەیاندنەکان گاڵتەیان پێ کرد
02:16
for being so crazy complicated.
50
121000
2000
بەوەی کە بە شێوەیەکی شێتانە ئاڵۆزە.
02:18
And the stated goal was to increase popular support
51
123000
2000
و ئامانجەکە وەک باسکرابو بریتی بو لە زیادکردنی پشتگیری جەماوەری
02:20
for the Afghan government.
52
125000
2000
بۆ حکومەتی ئەفغانستان.
02:22
Clearly a complex problem,
53
127000
2000
ئاشکرایە کە کێشەیەکی ئاڵۆزە
02:24
but is it complicated?
54
129000
2000
بەڵام ئایا ئالۆسکاوە؟
02:26
Well, when I saw this in the front page of the Times,
55
131000
2000
کاتێ کە ئەمەم لەسەر لاپەڕەی یەکەمی تایمز بینی
02:28
I thought, "Great. Finally something I can relate to.
56
133000
2000
وتم "زۆر باشە، دواجار شتێکم بینی کە بتوانم پەیوەندی پێوە ببەستم
02:30
I can sink my teeth into this."
57
135000
2000
دەتوانم خۆمی پێوە سەرقاڵ بکەم."
02:32
So let's do it. So here we go for the first time ever,
58
137000
3000
باشە با دەست پێ بکەین. کەواتە بۆ یەکەمجار با دەستپێبکەین
02:35
a world premiere view of this spaghetti diagram as an ordered network.
59
140000
3000
یەکەم تێگەیشتنی جیهان لەسەر نەخشەی سپاگێتی وەک تۆڕێکی رێکخراو
02:38
The circled node is the one we're trying to influence --
60
143000
2000
ئەو خاڵەی بازنەی بە دەوردا کێشراوە ئەوەیە کە ئێمە هەوڵ دەدەین کاری تێ بکەین -
02:40
popular support for the government.
61
145000
2000
واتە پشتگیری جەماوەری بۆ حکومەت.
02:42
And so now we can look one degrees, two degrees,
62
147000
2000
ئێستاش دەتوانین تەماشای بکەین، پلەیەک، دو پلە
02:44
three degrees away from that node
63
149000
2000
و تا سێ پلە لە خاڵەکە دور بکەوینەوە
02:46
and eliminate three-quarters of the diagram outside that sphere of influence.
64
151000
3000
و سێ بەشی نەخشەکە دەسڕینەوە کە دەکەوێتە دەرەوەی بازنەی کاریگەرییەکەوە
02:49
Within that sphere,
65
154000
2000
لەناو ئەو بازنەیەدا
02:51
most of those nodes are not actionable, like the harshness of the terrain,
66
156000
3000
زۆربەی ئەو خاڵانە کاریان لەسەر ناکرێت، بۆ نمونە نەگونجاوی زەوی ناوچەکە
02:54
and a very small minority are actual military actions.
67
159000
3000
و تەنیا بەشێکی زۆر کەمی لە کردەوەی سەربازی پێکهاتووە.
02:57
Most are non-violent and they fall into two broad categories:
68
162000
3000
زۆربەیان ناتوندوتیژن و بە گشتی دابەش دەکرێن بۆ دو جۆر:
03:01
active engagement with ethnic rivalries and religious beliefs
69
166000
3000
بەشداری چالاکانە لە کێبڕکێی رەگەزی و بیروباوەڕی ئایینی
03:04
and fair, transparent economic development
70
169000
2000
و گەشەیەکی رەوا و ئاشکرای ئابوری
03:06
and provisioning of services.
71
171000
2000
و دابینکردنی خزمەتگوزارییەکان
03:08
I don't know about this, but this is what I can decipher from this diagram
72
173000
3000
من نازانم ئەمە چیە، بەڵام دەتوانم ئەمە لە نەخشەکە تێ بگەم
03:11
in 24 seconds.
73
176000
2000
لە ماوەی ٢٤ چرکەدا.
03:13
When you see a diagram like this, I don't want you to be afraid.
74
178000
2000
کاتێ تۆ نەخشەیەکی لەم جۆرە دەبینیت، دەمەوێت نەترسیت
03:15
I want you to be excited. I want you to be relieved.
75
180000
3000
دەمەوێت خۆشحاڵ بیت. دەمەوێت ئاسودە بیت.
03:18
Because simple answers may emerge.
76
183000
2000
چونکە رەنگە وەڵامی سادە دەربکەون.
03:20
We're discovering in nature that simplicity often lies
77
185000
2000
ئێمە لە سروشتەوە فێری ئەوە بوین کە زۆر جار سادەیی
03:22
on the other side of complexity.
78
187000
2000
دیوەکەی تری ئاڵۆزی پێکدەهێنێت.
03:24
So for any problem, the more you can zoom out and embrace complexity,
79
189000
3000
کەواتە بۆ هەمو کێشەیەک، تا زیاتر بگەڕێیتەوە بۆ دواوە و ئاڵۆزی قبوڵ بکەیت
03:27
the better chance you have of zooming in
80
192000
2000
هەلێکی باشترت دەبێت بۆ دوبارە نزیکبونەوە
03:29
on the simple details that matter most.
81
194000
2000
بۆ ناو ئەو وردەکارییە سادانە کە زۆرترین گرنگییان هەیە.
03:31
Thank you.
82
196000
2000
سوپاس
03:33
(Applause)
83
198000
3000
-چەپڵە
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