TED2013
Eric Berlow and Sean Gourley: Mapping ideas worth spreading
Eric Berlow en Sean Gourley: Ideeën die het verspreiden waard zijn in kaart brengen
Filmed:
Readability: 4.3
1,131,373 views
Hoe zien 24.000 ideeën eruit? Ecoloog Eric Berlow en natuurkundige Sean Gourley passen algoritmen toe op het hele archief van TEDx Talks en nemen ons mee op een stimulerende visuele tour om te laten zien hoe ideeën wereldwijd verbonden zijn.
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 bioSean 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. 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 bioSean 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. Full bio
Double-click the English transcript below to play the video.
00:12
Eric Berlow: I'm an ecologist, and Sean's a physicist,
0
562
3061
Eric Berlow: Ik ben ecoloog
en Sean is natuurkundige.
en Sean is natuurkundige.
00:15
and we both study complex networks.
1
3623
2108
We bestuderen allebei
complexe netwerken.
complexe netwerken.
00:17
And we met a couple years ago when we discovered
2
5731
1835
We ontmoetten elkaar
een paar jaar geleden toen we ontdekten
een paar jaar geleden toen we ontdekten
00:19
that we had both given a short TED Talk
3
7566
2000
dat we allebei een korte TED Talk hadden gegeven
00:21
about the ecology of war,
4
9566
2303
over de ecologie van oorlog.
00:23
and we realized that we were connected
5
11869
1447
Toen realiseerden we ons dat we verbonden waren
00:25
by the ideas we shared before we ever met.
6
13316
2818
door de ideeën die we gedeeld hadden
voordat we elkaar ooit ontmoet hadden.
voordat we elkaar ooit ontmoet hadden.
00:28
And then we thought, you know, there are thousands
7
16134
1556
Toen bedachten we dat er duizenden
00:29
of other talks out there, especially TEDx Talks,
8
17690
2114
andere talks bestaan,
vooral TEDx Talks,
vooral TEDx Talks,
00:31
that are popping up all over the world.
9
19804
2211
die over de hele wereld verschijnen.
00:34
How are they connected,
10
22015
923
Hoe zijn die verbonden
00:34
and what does that global conversation look like?
11
22938
2010
en hoe ziet die wereldwijde
conversatie eruit?
conversatie eruit?
00:36
So Sean's going to tell you a little bit about how we did that.
12
24948
2810
Sean zal jullie iets vertellen
over hoe we dat gedaan hebben.
over hoe we dat gedaan hebben.
00:39
Sean Gourley: Exactly. So we took 24,000 TEDx Talks
13
27758
3767
Sean Gourley: Precies.
We namen 24.000 TEDx Talks
We namen 24.000 TEDx Talks
00:43
from around the world, 147 different countries,
14
31525
3046
van over de hele wereld,
uit 147 landen,
uit 147 landen,
00:46
and we took these talks and we wanted to find
15
34571
2123
en we wilden uitzoeken
00:48
the mathematical structures that underly
16
36694
2040
welke wiskundige structuren
ten grondslag liggen
ten grondslag liggen
00:50
the ideas behind them.
17
38734
1722
aan de ideeën achter deze talks.
00:52
And we wanted to do that so we could see how
18
40456
1370
Dat wilden we doen
om te kunnen zien
om te kunnen zien
00:53
they connected with each other.
19
41826
2053
hoe ze met elkaar verbonden waren.
00:55
And so, of course, if you're going to do this kind of stuff,
20
43879
1676
Als je zoiets gaat doen,
00:57
you need a lot of data.
21
45555
956
heb je veel gegevens nodig.
00:58
So the data that you've got is a great thing called YouTube,
22
46511
3686
De gegevens die je hebt,
zijn iets geweldigs dat YouTube heet.
zijn iets geweldigs dat YouTube heet.
01:02
and we can go down and basically pull
23
50197
1768
We kunnen alle beschikbare gegevens
uit YouTube halen,
uit YouTube halen,
01:03
all the open information from YouTube,
24
51965
2267
We kunnen alle beschikbare gegevens
uit YouTube halen,
uit YouTube halen,
01:06
all the comments, all the views, who's watching it,
25
54232
2349
alle commentaren, hoe vaak
en door wie wordt het bekeken,
en door wie wordt het bekeken,
01:08
where are they watching it, what are they saying in the comments.
26
56581
2779
waar ze ernaar kijken en wat ze
erover zeggen in het commentaar.
erover zeggen in het commentaar.
01:11
But we can also pull up, using speech-to-text translation,
27
59360
3292
Maar we kunnen ook,
met spraakherkenningssoftware,
met spraakherkenningssoftware,
01:14
we can pull the entire transcript,
28
62652
2128
het hele transcript ophalen.
01:16
and that works even for people with kind of funny accents like myself.
29
64780
2680
Dat werkt zelfs voor mensen
met vreemde accenten zoals ik.
met vreemde accenten zoals ik.
01:19
So we can take their transcript
30
67460
2106
Dus kunnen we met die transcripten
01:21
and actually do some pretty cool things.
31
69566
2098
behoorlijk coole dingen doen.
01:23
We can take natural language processing algorithms
32
71664
2160
We kunnen met natuurlijke
taalverwerkingsalgoritmen
taalverwerkingsalgoritmen
01:25
to kind of read through with a computer, line by line,
33
73824
2629
regel voor regel met een computer
01:28
extracting key concepts from this.
34
76453
2359
de belangrijke concepten eruit halen.
01:30
And we take those key concepts and they sort of form
35
78812
2525
Die belangrijke concepten
vormen zoiets als
vormen zoiets als
01:33
this mathematical structure of an idea.
36
81337
3565
de mathematische structuur van een idee.
01:36
And we call that the meme-ome.
37
84902
1757
Dat noemen wij het meme-oom.
01:38
And the meme-ome, you know, quite simply,
38
86659
2151
Het meme-oom is gewoonweg
01:40
is the mathematics that underlies an idea,
39
88810
2426
de wiskunde die ten grondslag ligt
aan een idee
aan een idee
01:43
and we can do some pretty interesting analysis with it,
40
91236
1932
en daar kunnen we behoorlijk
interessante analyses op loslaten,
interessante analyses op loslaten,
01:45
which I want to share with you now.
41
93168
1981
die ik nu met jullie wil delen.
01:47
So each idea has its own meme-ome,
42
95149
2190
Ieder idee heeft dus zijn eigen meme-oom
01:49
and each idea is unique with that,
43
97339
1951
en ieder idee is daar uniek in,
01:51
but of course, ideas, they borrow from each other,
44
99290
2488
maar natuurlijk lenen ideeën van elkaar,
01:53
they kind of steal sometimes,
45
101778
1184
stelen soms een beetje,
01:54
and they certainly build on each other,
46
102962
1827
en bouwen zeker voort op elkaar.
01:56
and we can go through mathematically
47
104789
1616
We kunnen op wiskundige wijze
01:58
and take the meme-ome from one talk
48
106405
1840
het meme-oom van één talk doorlopen
02:00
and compare it to the meme-ome from every other talk,
49
108245
2454
en het vergelijken met het meme-oom
van alle andere talks
van alle andere talks
02:02
and if there's a similarity between the two of them,
50
110699
1973
en als ze op elkaar lijken,
02:04
we can create a link and represent that as a graph,
51
112672
3250
kunnen we een verbinding maken
en dat als een grafiek voorstellen,
en dat als een grafiek voorstellen,
02:07
just like Eric and I are connected.
52
115922
2394
net zoals Eric en ik verbonden zijn.
02:10
So that's theory, that's great.
53
118316
1394
Dat is dus de theorie,
dat is geweldig.
dat is geweldig.
02:11
Let's see how it works in actual practice.
54
119710
2526
Laten we eens kijken
hoe dat in de praktijk werkt.
hoe dat in de praktijk werkt.
02:14
So what we've got here now is the global footprint
55
122236
2788
Wat we hier nu hebben,
is de wereldwijde afdruk
is de wereldwijde afdruk
02:17
of all the TEDx Talks over the last four years
56
125024
2293
van alle TEDx Talks van de afgelopen vier jaar,
02:19
exploding out around the world
57
127317
1550
die wereldwijd explosief zijn toegenomen
02:20
from New York all the way down to little old New Zealand in the corner.
58
128867
3329
van New York helemaal naar dat oude,
vertrouwde Nieuw Zeeland in de hoek.
vertrouwde Nieuw Zeeland in de hoek.
02:24
And what we did on this is we analyzed the top 25 percent of these,
59
132196
3835
We hebben de top 25% daarvan geanalyseerd
02:28
and we started to see where the connections occurred,
60
136031
2534
en we begonnen te zien
waar de verbindingen optraden,
waar de verbindingen optraden,
02:30
where they connected with each other.
61
138565
1537
waar ze met elkaar verbonden waren.
02:32
Cameron Russell talking about image and beauty
62
140102
1874
Cameron Russells voordracht
over imago en schoonheid
over imago en schoonheid
02:33
connected over into Europe.
63
141976
1575
was verbonden met Europa.
02:35
We've got a bigger conversation about Israel and Palestine
64
143551
2412
We hebben een grotere conversatie
over Israël en Palestina
over Israël en Palestina
02:37
radiating outwards from the Middle East.
65
145963
2255
die uit het Midden Oosten straalt.
02:40
And we've got something a little broader
66
148218
1298
En we hebben een wat breder iets,
02:41
like big data with a truly global footprint
67
149516
2156
als 'big data',
met een werkelijk wereldwijde afdruk,
met een werkelijk wereldwijde afdruk,
02:43
reminiscent of a conversation
68
151672
2179
die lijkt op een conversatie
02:45
that is happening everywhere.
69
153851
2016
die overal plaatsvindt.
02:47
So from this, we kind of run up against the limits
70
155867
2173
Hiermee knallen we eigenlijk
een beetje tegen de limieten op
een beetje tegen de limieten op
02:50
of what we can actually do with a geographic projection,
71
158040
2530
van wat we met geografische projectie
kunnen doen
kunnen doen
02:52
but luckily, computer technology allows us to go out
72
160570
2052
maar computertechnologie
laat ons gelukkig uitwijken
laat ons gelukkig uitwijken
02:54
into multidimensional space.
73
162622
1546
naar multidimensionale ruimten.
02:56
So we can take in our network projection
74
164168
1875
Dus kunnen we
op onze netwerkprojectie
op onze netwerkprojectie
02:58
and apply a physics engine to this,
75
166043
1750
een natuurkundig programma
toepassen,
toepassen,
02:59
and the similar talks kind of smash together,
76
167793
1885
zodat de op elkaar lijkende talks
bijeen worden gekwakt
bijeen worden gekwakt
03:01
and the different ones fly apart,
77
169678
2004
en de verschillende uiteen vliegen,
03:03
and what we're left with is something quite beautiful.
78
171682
2072
waar we iets best moois
aan overhouden.
aan overhouden.
03:05
EB: So I want to just point out here that every node is a talk,
79
173754
2957
EB: Ik wil alleen even aangeven
dat alle knopen praatjes zijn,
dat alle knopen praatjes zijn,
03:08
they're linked if they share similar ideas,
80
176711
2589
die verbonden zijn als ze
vergelijkbare ideeën delen.
vergelijkbare ideeën delen.
03:11
and that comes from a machine reading
81
179300
2084
Dit komt uit automatisch gelezen
transcripten van hele talks,
transcripten van hele talks,
03:13
of entire talk transcripts,
82
181384
2067
Dit komt uit automatisch gelezen
transcripten van hele talks,
transcripten van hele talks,
03:15
and then all these topics that pop out,
83
183451
2231
zodat al die onderwerpen die ontstaan,
03:17
they're not from tags and keywords.
84
185682
1790
niet uit labels of sleutelwoorden komen,
03:19
They come from the network structure
85
187472
1725
maar uit de netwerkstructuur
03:21
of interconnected ideas. Keep going.
86
189197
2168
van onderling verbonden ideeën.
Ga verder.
Ga verder.
03:23
SG: Absolutely. So I got a little quick on that,
87
191365
2022
SG: Absoluut. Ik was een beetje snel,
03:25
but he's going to slow me down.
88
193387
1475
maar hij zal me afremmen.
03:26
We've got education connected to storytelling
89
194862
2034
Onderwijs is verbonden
met verhalen vertellen,
met verhalen vertellen,
03:28
triangulated next to social media.
90
196896
1643
en beide zijn verbonden
met sociale media.
met sociale media.
03:30
You've got, of course, the human brain right next to healthcare,
91
198539
2475
Natuurlijk ligt het menselijk brein
direct naast gezondheidszorg,
direct naast gezondheidszorg,
03:33
which you might expect,
92
201014
1386
wat je zou kunnen verwachten,
03:34
but also you've got video games, which is sort of adjacent,
93
202400
2395
maar aangrenzend zijn videogames,
wat daar ongeveer naast ligt,
wat daar ongeveer naast ligt,
03:36
as those two spaces interface with each other.
94
204795
2740
omdat die twee ruimten
verbindingen met elkaar delen.
verbindingen met elkaar delen.
03:39
But I want to take you into one cluster
95
207535
1535
Maar ik wil jullie meenemen
in een cluster
in een cluster
03:41
that's particularly important to me, and that's the environment.
96
209070
2868
die ik bijzonder belangrijk vind,
en dat is het milieu.
en dat is het milieu.
03:43
And I want to kind of zoom in on that
97
211938
1493
Daar wil ik in iets meer detail
naar kijken
naar kijken
03:45
and see if we can get a little more resolution.
98
213431
2363
en zien of we een iets betere
resolutie kunnen krijgen.
resolutie kunnen krijgen.
03:47
So as we go in here, what we start to see,
99
215794
2347
Dus als we hierin gaan,
zullen we beginnen te zien--
zullen we beginnen te zien--
03:50
apply the physics engine again,
100
218141
1504
pas het natuurkundige programma
weer toe--
weer toe--
03:51
we see what's one conversation
101
219645
1676
dan zien we dat één conversatie,
03:53
is actually composed of many smaller ones.
102
221321
2560
is opgebouwd
uit vele kleinere.
uit vele kleinere.
03:55
The structure starts to emerge
103
223881
1929
De structuur begint op te komen,
03:57
where we see a kind of fractal behavior
104
225810
2070
waar we een soort fractaalgedrag zien
03:59
of the words and the language that we use
105
227880
1619
van de woorden en de taal
die we gebruiken
die we gebruiken
04:01
to describe the things that are important to us
106
229499
1702
om dingen
die belangrijk voor ons zijn
die belangrijk voor ons zijn
04:03
all around this world.
107
231201
1433
overal in deze wereld
te beschrijven.
te beschrijven.
04:04
So you've got food economy and local food at the top,
108
232634
2332
Dus heb je voedseleconomie
en lokaal voedsel bovenaan,
en lokaal voedsel bovenaan,
04:06
you've got greenhouse gases, solar and nuclear waste.
109
234966
2719
net als broeikasgassen,
zonne-energie en kernafval.
zonne-energie en kernafval.
04:09
What you're getting is a range of smaller conversations,
110
237685
2631
Wat je krijgt, is een spectrum
van kleinere conversaties,
van kleinere conversaties,
04:12
each connected to each other through the ideas
111
240316
2301
elk verbonden met elkaar
via de ideeën
via de ideeën
04:14
and the language they share,
112
242617
1301
en de taal die ze delen,
04:15
creating a broader concept of the environment.
113
243918
2450
wat een breder concept
van het milieu creëert.
van het milieu creëert.
04:18
And of course, from here, we can go
114
246368
1532
Daarvandaan kunnen we
04:19
and zoom in and see, well, what are young people looking at?
115
247900
3534
inzoomen en bijvoorbeeld zien
waar jonge mensen naar kijken.
waar jonge mensen naar kijken.
04:23
And they're looking at energy technology and nuclear fusion.
116
251434
2345
Zij kijken naar energietechnologie
en kernfusie.
en kernfusie.
04:25
This is their kind of resonance
117
253779
1674
Zo weerklinkt als het ware
04:27
for the conversation around the environment.
118
255453
2406
hun conversatie rond het milieu.
04:29
If we split along gender lines,
119
257859
1899
Als we een verdeling maken naar geslacht,
04:31
we can see females resonating heavily
120
259758
1987
zien we vrouwen duidelijk naar voren komen
04:33
with food economy, but also out there in hope and optimism.
121
261745
3645
bij voedseleconomie, maar ook
daarginds, bij hoop en optimisme.
daarginds, bij hoop en optimisme.
04:37
And so there's a lot of exciting stuff we can do here,
122
265390
2482
Dus er zijn een boel spannende dingen
die we hier kunnen doen.
die we hier kunnen doen.
04:39
and I'll throw to Eric for the next part.
123
267872
1762
Voor het volgende stuk
geef ik het over aan Eric.
geef ik het over aan Eric.
04:41
EB: Yeah, I mean, just to point out here,
124
269634
1602
EB: Ja, om nog even
duidelijk te maken,
duidelijk te maken,
04:43
you cannot get this kind of perspective
125
271236
1538
je kunt zo'n perspectief
niet krijgen
niet krijgen
04:44
from a simple tag search on YouTube.
126
272774
3360
van een gewone label-zoekopdracht
op YouTube.
op YouTube.
04:48
Let's now zoom back out to the entire global conversation
127
276134
4188
Laten we nu weer uitzoomen
naar de wereldwijde conversatie
naar de wereldwijde conversatie
04:52
out of environment, and look at all the talks together.
128
280322
2534
uit het milieu en kijken naar alle praatjes bij elkaar.
04:54
Now often, when we're faced with this amount of content,
129
282856
2927
Als we zulke grote hoeveelheden
inhoud tegenkomen,
inhoud tegenkomen,
04:57
we do a couple of things to simplify it.
130
285783
2431
doen we vaak een paar dingen
om het te vereenvoudigen.
om het te vereenvoudigen.
05:00
We might just say, well,
131
288214
1314
We kunnen gewoon zeggen,
05:01
what are the most popular talks out there?
132
289528
2829
wat zijn de meest populaire talks
die er zijn?
die er zijn?
05:04
And a few rise to the surface.
133
292357
1397
Dan komen er een paar naar boven.
05:05
There's a talk about gratitude.
134
293754
1828
Er is een talk over dankbaarheid.
05:07
There's another one about personal health and nutrition.
135
295582
3344
Een andere over persoonlijke
gezondheid en voeding.
gezondheid en voeding.
05:10
And of course, there's got to be one about porn, right?
136
298926
2929
En natuurlijk moet er eentje
over porno gaan, niet?
over porno gaan, niet?
05:13
And so then we might say, well, gratitude, that was last year.
137
301855
3234
Dus zouden we dan kunnen zeggen:
dankbaarheid, dat was vorig jaar.
dankbaarheid, dat was vorig jaar.
05:17
What's trending now? What's the popular talk now?
138
305089
2522
Wat is er nu 'trending'?
Wat is de populaire talk nu?
Wat is de populaire talk nu?
05:19
And we can see that the new, emerging, top trending topic
139
307611
3321
We kunnen zien dat het nieuwe,
opkomende, 'top-trending' onderwerp
opkomende, 'top-trending' onderwerp
05:22
is about digital privacy.
140
310932
2666
digitale privacy is.
05:25
So this is great. It simplifies things.
141
313598
1693
Dus dit is geweldig.
Het maakt de zaken makkelijker.
Het maakt de zaken makkelijker.
05:27
But there's so much creative content
142
315291
1827
Maar er is zo veel creatieve inhoud
05:29
that's just buried at the bottom.
143
317118
1921
onderaan begraven.
05:31
And I hate that. How do we bubble stuff up to the surface
144
319039
3318
Dat haat ik.
Hoe laten we iets bovendrijven
Hoe laten we iets bovendrijven
05:34
that's maybe really creative and interesting?
145
322357
2458
dat misschien wel heel creatief
en interessant is?
en interessant is?
05:36
Well, we can go back to the network structure of ideas
146
324815
2931
Daarvoor kunnen we teruggaan
naar de ideeën-netwerkstructuur.
naar de ideeën-netwerkstructuur.
05:39
to do that.
147
327746
1430
Daarvoor kunnen we teruggaan
naar de ideeën-netwerkstructuur.
naar de ideeën-netwerkstructuur.
05:41
Remember, it's that network structure
148
329176
2114
Bedenk dat het
die netwerkstructuur is,
die netwerkstructuur is,
05:43
that is creating these emergent topics,
149
331290
2268
die deze opkomende onderwerpen
creëert.
creëert.
05:45
and let's say we could take two of them,
150
333558
1515
Stel dat we er twee van
zouden kunnen nemen,
zouden kunnen nemen,
05:47
like cities and genetics, and say, well, are there any talks
151
335073
3047
zoals steden en genetica,
en zeggen: zijn er talks
en zeggen: zijn er talks
05:50
that creatively bridge these two really different disciplines.
152
338120
2569
die deze heel uiteenlopende
disciplines creatief overbruggen?
disciplines creatief overbruggen?
05:52
And that's -- Essentially, this kind of creative remix
153
340689
2275
In essentie is
zo'n soort creatieve bundeling
zo'n soort creatieve bundeling
05:54
is one of the hallmarks of innovation.
154
342964
1840
een van de kenmerken van innovatie.
05:56
Well here's one by Jessica Green
155
344804
1606
Hier is er één door Jessica Green
05:58
about the microbial ecology of buildings.
156
346410
2379
over de microbische ecologie
van gebouwen.
van gebouwen.
06:00
It's literally defining a new field.
157
348789
2010
Het definieert een nieuw veld.
06:02
And we could go back to those topics and say, well,
158
350799
2103
We zouden terug kunnen gaan
naar die onderwerpen en zeggen:
naar die onderwerpen en zeggen:
06:04
what talks are central to those conversations?
159
352902
2768
welke talks staan centraal
in die conversaties?
in die conversaties?
06:07
In the cities cluster, one of the most central
160
355670
1690
In het stedencluster,
is een van de meest centrale
is een van de meest centrale
06:09
was one by Mitch Joachim about ecological cities,
161
357360
3952
een talk door Mitch Joachim
over ecologische steden.
over ecologische steden.
06:13
and in the genetics cluster,
162
361312
1720
In het genetische cluster
06:15
we have a talk about synthetic biology by Craig Venter.
163
363032
3193
zien we een talk door Craig Venter
over synthetische biologie.
over synthetische biologie.
06:18
These are talks that are linking many talks within their discipline.
164
366225
3353
Dat zijn talks die veel talks
verbinden in hun discipline.
verbinden in hun discipline.
06:21
We could go the other direction and say, well,
165
369578
1843
We zouden de andere kant
op kunnen gaan en zeggen:
op kunnen gaan en zeggen:
06:23
what are talks that are broadly synthesizing
166
371421
2272
wat zijn talks
die een brede synthese maken
die een brede synthese maken
06:25
a lot of different kinds of fields.
167
373693
1448
van veel verschillende velden.
06:27
We used a measure of ecological diversity to get this.
168
375141
2533
Om dat te vinden, gebruikten we
een maat van ecologische diversiteit.
een maat van ecologische diversiteit.
06:29
Like, a talk by Steven Pinker on the history of violence,
169
377674
2736
Zoals een talk van Steven Pinker
over de geschiedenis van geweld,
over de geschiedenis van geweld,
06:32
very synthetic.
170
380410
1180
heel synthetisch.
06:33
And then, of course, there are talks that are so unique
171
381590
2078
En dan zijn er talks die zo uniek zijn,
06:35
they're kind of out in the stratosphere, in their own special place,
172
383668
3090
zo'n beetje in de stratosfeer,
op hun eigen speciale plekje.
op hun eigen speciale plekje.
06:38
and we call that the Colleen Flanagan index.
173
386758
2514
We noemen dat
de Colleen Flanagan index.
de Colleen Flanagan index.
06:41
And if you don't know Colleen, she's an artist,
174
389272
3034
En als je Colleen niet kent,
zij is een artieste,
zij is een artieste,
06:44
and I asked her, "Well, what's it like out there
175
392306
1543
en ik vroeg haar: "Hoe is het daar
06:45
in the stratosphere of our idea space?"
176
393849
1672
in de stratosfeer
van onze ideeënruimte?"
van onze ideeënruimte?"
06:47
And apparently it smells like bacon.
177
395521
3255
Schijnbaar ruikt het naar spek.
06:50
I wouldn't know.
178
398776
1791
Ik zou het niet weten.
06:52
So we're using these network motifs
179
400567
2248
Dus we gebruiken
deze netwerkmotieven
deze netwerkmotieven
06:54
to find talks that are unique,
180
402815
1186
om talks te vinden die uniek zijn,
06:56
ones that are creatively synthesizing a lot of different fields,
181
404001
2710
andere die creatief een boel
verschillende velden synthetiseren,
verschillende velden synthetiseren,
06:58
ones that are central to their topic,
182
406711
1659
talks die centraal staan
in hun onderwerp,
in hun onderwerp,
07:00
and ones that are really creatively bridging disparate fields.
183
408370
3374
en talks die echt creatief
uiteenlopende velden overbruggen.
uiteenlopende velden overbruggen.
07:03
Okay? We never would have found those with our obsession
184
411744
2102
We zouden die nooit
hebben gevonden met onze obsessie
hebben gevonden met onze obsessie
07:05
with what's trending now.
185
413846
2313
voor wat nu 'trending' is.
07:08
And all of this comes from the architecture of complexity,
186
416159
2886
Dat komt allemaal voort
uit de architectuur van complexiteit,
uit de architectuur van complexiteit,
07:11
or the patterns of how things are connected.
187
419045
2960
of de patronen van
hoe dingen verbonden zijn.
hoe dingen verbonden zijn.
07:14
SG: So that's exactly right.
188
422005
1625
SG: Dat klopt precies.
07:15
We've got ourselves in a world
189
423630
2479
We hebben onszelf
in een wereld gebracht
in een wereld gebracht
07:18
that's massively complex,
190
426109
2044
die onwaarschijnlijk complex is.
07:20
and we've been using algorithms to kind of filter it down
191
428153
2867
We hebben algoritmen gebruikt
om het zo'n beetje uit te filteren
om het zo'n beetje uit te filteren
07:23
so we can navigate through it.
192
431020
1786
zodat we erdoor kunnen navigeren.
07:24
And those algorithms, whilst being kind of useful,
193
432806
2338
Die algoritmen zijn,
hoewel best bruikbaar,
hoewel best bruikbaar,
07:27
are also very, very narrow, and we can do better than that,
194
435144
3476
ook heel erg nauw.
Dat kunnen we verbeteren,
Dat kunnen we verbeteren,
07:30
because we can realize that their complexity is not random.
195
438620
2566
omdat we ons kunnen realiseren
dat hun complexiteit niet willekeurig is.
dat hun complexiteit niet willekeurig is.
07:33
It has mathematical structure,
196
441186
1954
Ze heeft mathematische structuur.
07:35
and we can use that mathematical structure
197
443140
1803
Die mathematische structuur
kunnen we gebruiken
kunnen we gebruiken
07:36
to go and explore things like the world of ideas
198
444943
2214
om zaken als de ideeënwereld
te gaan verkennen,
te gaan verkennen,
07:39
to see what's being said, to see what's not being said,
199
447157
3000
om te zien wat er wordt gezegd,
te zien wat er niet wordt gezegd,
te zien wat er niet wordt gezegd,
07:42
and to be a little bit more human
200
450157
1407
en om wat menselijker te zijn,
07:43
and, hopefully, a little smarter.
201
451564
1867
en hopelijk een beetje slimmer.
07:45
Thank you.
202
453431
966
Bedankt.
07:46
(Applause)
203
454397
4220
(Applaus)
ABOUT THE SPEAKERS
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
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.
Sean Gourley | Speaker | TED.com