TEDNYC
Lux Narayan: What I learned from 2,000 obituaries
Lux Narayan: Czego nauczyłem się z 2000 nekrologów
Filmed:
Readability: 4.4
1,705,669 views
Lux Narayan rozpoczyna swój dzień od jajecznicy i pytania: „Ciekawe, kto dziś umarł?”. Dlaczego? Analizując 2000 nekrologów w New York Times przez 20 miesięcy, Narayan ustalił, w zaledwie kilku słowach, jak wyglądają osiągnięcia życia po śmierci. Dzieli się z nami jak ci unieśmiertelnieni w druku mogą nas nauczyć czym jest dobrze przeżyte życie.
Lux Narayan - Entrepreneur
Lux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. Full bio
Lux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. Full bio
Double-click the English transcript below to play the video.
00:12
Joseph Keller used to jog
around the Stanford campus,
around the Stanford campus,
0
879
4072
Joseph Keller miał zwyczaj biegać
dla zdrowia po kampusie Stanford
dla zdrowia po kampusie Stanford
00:16
and he was struck by all the women
jogging there as well.
jogging there as well.
1
4975
4717
i zauroczyły go kobiety,
które też tam biegały.
które też tam biegały.
00:21
Why did their ponytails swing
from side to side like that?
from side to side like that?
2
9716
3589
Dlaczego ich kitki kiwają się na boki?
00:25
Being a mathematician,
he set out to understand why.
he set out to understand why.
3
13867
3138
Będąc matematykiem,
postanowił to zrozumieć.
postanowił to zrozumieć.
00:29
(Laughter)
4
17029
1151
(Śmiech)
00:30
Professor Keller was curious
about many things:
about many things:
5
18204
2306
Profesora Kellera
interesowało wiele rzeczy:
interesowało wiele rzeczy:
00:32
why teapots dribble
6
20534
1967
dlaczego z imbryków kapie
00:34
or how earthworms wriggle.
7
22525
1830
albo jak porusza się dżdżownica.
00:36
Until a few months ago,
I hadn't heard of Joseph Keller.
I hadn't heard of Joseph Keller.
8
24847
3048
O Josephie Kellerze dowiedziałem się
kilka miesięcy temu.
kilka miesięcy temu.
00:40
I read about him in the New York Times,
9
28581
2852
Czytałem o nim w New York Timesie
00:43
in the obituaries.
10
31457
1432
w dziele nekrologów.
00:44
The Times had half a page
of editorial dedicated to him,
of editorial dedicated to him,
11
32913
3772
The Times poświęcił mu
połowę strony redakcyjnej
połowę strony redakcyjnej
00:48
which you can imagine is premium space
for a newspaper of their stature.
for a newspaper of their stature.
12
36709
3922
czyli, jak możecie sobie wyobrazić,
zaszczytne miejsce w gazecie tej klasy.
zaszczytne miejsce w gazecie tej klasy.
00:53
I read the obituaries almost every day.
13
41368
2342
Czytam nekrologi prawie codziennie.
00:56
My wife understandably thinks
I'm rather morbid
I'm rather morbid
14
44690
3022
Co zrozumiałe, moja żona uważa,
że to trochę makabryczne,
że to trochę makabryczne,
00:59
to begin my day with scrambled eggs
and a "Let's see who died today."
and a "Let's see who died today."
15
47736
4400
by zaczynać dzień od jajecznicy
i "Zobaczmy, kto tam dzisiaj zmarł".
i "Zobaczmy, kto tam dzisiaj zmarł".
01:04
(Laughter)
16
52160
1150
(Śmiech)
01:06
But if you think about it,
17
54025
1292
Ale jeśli o tym pomyślicie,
01:07
the front page of the newspaper
is usually bad news,
is usually bad news,
18
55341
3413
pierwsze strony gazet
to zwykle złe wieści,
to zwykle złe wieści,
01:10
and cues man's failures.
19
58778
1975
które opisują ludzkie niepowodzenia.
01:12
An instance where bad news
cues accomplishment
cues accomplishment
20
60777
2666
Przypadki, kiedy złe wieści
mówią o dokonaniach,
mówią o dokonaniach,
01:15
is at the end of the paper,
in the obituaries.
in the obituaries.
21
63467
3235
są na końcu gazety, w nekrologach.
01:19
In my day job,
22
67405
1364
W mojej firmie skupiamy się
01:20
I run a company that focuses
on future insights
on future insights
23
68793
2476
na prognozowaniu trendów,
które sprzedawcy mogą
wyciągnąć z posiadanych danych.
wyciągnąć z posiadanych danych.
01:23
that marketers can derive
from past data --
from past data --
24
71293
2420
01:25
a kind of rearview-mirror analysis.
25
73737
2944
Jest to rodzaj analizy
przez wsteczne lusterko.
przez wsteczne lusterko.
01:29
And we began to think:
26
77092
1155
Pomyśleliśmy:
01:30
What if we held a rearview mirror
to obituaries from the New York Times?
to obituaries from the New York Times?
27
78271
5118
a gdyby przyłożyć to lusterko
do nekrologów w New York Timesie?
do nekrologów w New York Timesie?
01:36
Were there lessons on how you could get
your obituary featured --
your obituary featured --
28
84514
3468
Czy można się nauczyć, jak doprowadzić
do publikacji własnego nekrologu,
do publikacji własnego nekrologu,
01:40
even if you aren't around to enjoy it?
29
88006
1977
nawet jeśli się już nim nie nacieszymy?
01:42
(Laughter)
30
90007
1484
(Śmiech)
01:43
Would this go better with scrambled eggs?
31
91515
2628
Czy to lepiej pasuje do jajecznicy?
01:46
(Laughter)
32
94167
1150
(Śmiech)
01:48
And so, we looked at the data.
33
96163
2998
Przejrzeliśmy więc dane.
01:51
2,000 editorial, non-paid obituaries
34
99869
4494
Artykuły na 2000 słów, bezpłatne nekrologi
01:56
over a 20-month period
between 2015 and 2016.
between 2015 and 2016.
35
104387
3642
przez 20 miesięcy między 2015 do 2016.
02:00
What did these 2,000 deaths --
rather, lives -- teach us?
rather, lives -- teach us?
36
108053
4824
Czego uczą nas te 2000 śmierci,
a raczej te życia?
a raczej te życia?
02:04
Well, first we looked at words.
37
112901
2033
Po pierwsze patrzymy na słowa.
[Lee Kuan Yew, założyciel
i pierwszy premier Singapuru]
i pierwszy premier Singapuru]
02:06
This here is an obituary headline.
38
114958
1761
02:08
This one is of the amazing Lee Kuan Yew.
39
116743
2296
Nagłowek nekrologu.
To niesamowity Lee Kuan Yew.
02:11
If you remove the beginning and the end,
40
119063
2522
Jeśli usunąć początek i koniec,
02:13
you're left with a beautifully
worded descriptor
worded descriptor
41
121609
3334
zostanie pięknie sformułowany opis,
02:16
that tries to, in just a few words,
capture an achievement or a lifetime.
capture an achievement or a lifetime.
42
124967
4675
próbujący zwięźle ująć dokonania życia.
02:21
Just looking at these is fascinating.
43
129666
2161
Sam widok jest fascynujący.
Tu są przykłady sławnych ludzi,
którzy odeszli przez ostatnie dwa lata.
którzy odeszli przez ostatnie dwa lata.
02:24
Here are a few famous ones,
people who died in the last two years.
people who died in the last two years.
44
132301
3295
02:27
Try and guess who they are.
45
135620
1319
Zgadnijcie, o kim mowa.
02:28
[An Artist who Defied Genre]
46
136963
1440
[Artysta ignorujący gatunki]
02:30
That's Prince.
47
138427
1185
To Prince.
02:32
[Titan of Boxing and the 20th Century]
48
140497
1837
[Tytan boksu i XX wieku]
02:34
Oh, yes.
49
142358
1160
O tak.
02:35
[Muhammad Ali]
50
143542
1224
[Muhammad Ali]
02:36
[Groundbreaking Architect]
51
144790
1546
[Prekursor architektury]
02:38
Zaha Hadid.
52
146360
1251
Zaha Hadid.
02:40
So we took these descriptors
53
148843
1748
Wzięliśmy te kluczowe słowa
02:42
and did what's called
natural language processing,
natural language processing,
54
150615
2524
i zastosowaliśmy przetworzenie
języka naturalnego.
języka naturalnego.
02:45
where you feed these into a program,
55
153163
1771
Wprowadzasz to do programu,
02:46
it throws out the superfluous words --
56
154958
1865
a on odrzuca zbyteczne słowa,
02:48
"the," "and," -- the kind of words
you can mime easily in "Charades," --
you can mime easily in "Charades," --
57
156847
4223
jak spójniki, które tak łatwo
zobrazować w kalamburach,
zobrazować w kalamburach,
02:53
and leaves you with the most
significant words.
significant words.
58
161094
2193
i zostawia najwięcej znaczące słowa.
Zrobiliśmy to nie tylko dla tych kilku,
02:55
And we did it not just for these four,
59
163311
1821
02:57
but for all 2,000 descriptors.
60
165156
2519
ale dla wszystkich 2000 opisów.
02:59
And this is what it looks like.
61
167699
1743
Oto jak to wygląda.
03:03
Film, theatre, music, dance
and of course, art, are huge.
and of course, art, are huge.
62
171004
4827
Film, teatr, muzyka, taniec
i oczywiście sztuka dominują.
i oczywiście sztuka dominują.
03:08
Over 40 percent.
63
176485
1946
Mają ponad 40 procent.
03:10
You have to wonder
why in so many societies
why in so many societies
64
178455
2528
Czy to nie dziwne,
że w tak wielu społeczeństwach
że w tak wielu społeczeństwach
03:13
we insist that our kids pursue
engineering or medicine or business or law
engineering or medicine or business or law
65
181007
4435
upieramy się, że tylko kariera
w inżynierii, medycynie lub prawie
w inżynierii, medycynie lub prawie
przyniesie naszym dzieciom sukces.
03:17
to be construed as successful.
66
185466
1587
03:19
And while we're talking profession,
67
187871
1693
A skoro mowa o zawodzie,
03:21
let's look at age --
68
189588
1151
spójrzmy na wiek.
03:22
the average age at which
they achieved things.
they achieved things.
69
190763
2510
Średnia wieku osiągnięcia sukcesu
03:25
That number is 37.
70
193297
1846
to 37 lat.
03:28
What that means is,
you've got to wait 37 years ...
you've got to wait 37 years ...
71
196274
3656
A to znaczy, że trzeba czekać 37 lat
03:31
before your first significant achievement
that you're remembered for --
that you're remembered for --
72
199954
3395
na pierwsze istotne osiągnięcie,
za które zostaniemy zapamiętani,
za które zostaniemy zapamiętani,
03:35
on average --
73
203373
1151
średnio,
03:36
44 years later, when you
die at the age of 81 --
die at the age of 81 --
74
204548
2478
44 lata później,
po śmierci w wieku 81 lat...
po śmierci w wieku 81 lat...
03:39
on average.
75
207050
1168
średnio.
03:40
(Laughter)
76
208242
1001
(Śmiech)
03:41
Talk about having to be patient.
77
209267
1684
Trzeba być cierpliwym.
03:42
(Laughter)
78
210975
1057
(Śmiech)
03:44
Of course, it varies by profession.
79
212056
2089
Oczywiście, wiele zależy od profesji.
03:46
If you're a sports star,
80
214566
1193
Jeśli jesteś sportowcem,
03:47
you'll probably hit
your stride in your 20s.
your stride in your 20s.
81
215783
2127
najlepsze wyniki osiągniesz
koło dwudziestki.
koło dwudziestki.
03:49
And if you're in your 40s like me,
82
217934
2645
A kiedy masz około czterdziestki, jak ja,
03:52
you can join the fun world of politics.
83
220603
1991
możesz wejść w zabawny świat polityki.
03:54
(Laughter)
84
222618
1056
(Śmiech)
03:55
Politicians do their first and sometimes
only commendable act in their mid-40s.
only commendable act in their mid-40s.
85
223698
3915
Politycy czynią pierwszy, bywa że jedyny,
chwalebny czyn po czterdziestce.
chwalebny czyn po czterdziestce.
03:59
(Laughter)
86
227637
1257
(Śmiech)
Jeśli się zastanawiacie, kim są ci "inni",
04:00
If you're wondering what "others" are,
87
228918
1937
oto przykłady.
04:02
here are some examples.
88
230879
1476
[Porzucił naukę dla voodoo]
04:04
Isn't it fascinating, the things people do
89
232821
2116
[Krawiec dziewięciu prezydentów]
Czego też ludzie nie robią,
04:06
and the things they're remembered for?
90
234961
1882
i co się im pamięta.
04:08
(Laughter)
91
236867
1752
[Pionierka rozrywki topless]
(Śmiech)
04:12
Our curiosity was in overdrive,
92
240136
1844
Nasza ciekawość buzowała,
04:14
and we desired to analyze
more than just a descriptor.
more than just a descriptor.
93
242004
3788
chcieliśmy analizować
coś więcej niż kluczowe słowa.
coś więcej niż kluczowe słowa.
04:18
So, we ingested the entire
first paragraph of all 2,000 obituaries,
first paragraph of all 2,000 obituaries,
94
246998
4946
Opracowaliśmy pierwsze
akapity wszystkich 2000 nekrologów,
akapity wszystkich 2000 nekrologów,
04:23
but we did this separately
for two groups of people:
for two groups of people:
95
251968
2774
ale zrobiliśmy to oddzielnie
dla dwóch różnych grup:
dla dwóch różnych grup:
04:26
people that are famous
and people that are not famous.
and people that are not famous.
96
254766
2777
ludzi sławnych i zwykłych ludzi.
04:29
Famous people -- Prince,
Ali, Zaha Hadid --
Ali, Zaha Hadid --
97
257567
2689
Sławni ludzie: Prince, Ali, Zaha Hadid.
Mało znane osoby to Jocelyn Cooper,
04:32
people who are not famous
are people like Jocelyn Cooper,
are people like Jocelyn Cooper,
98
260280
4235
[Utorowała drogę
pierwszej czarnej kongresmence]
pierwszej czarnej kongresmence]
wielebny Curry,
04:36
Reverend Curry
99
264539
1154
[reżyserią pomagał inwalidom]
04:37
or Lorna Kelly.
100
265717
1169
czy Lorna Kelly.
[porzuciła aukcje, by pomóc biednym]
04:38
I'm willing to bet you haven't heard
of most of their names.
of most of their names.
101
266910
3188
Raczej ich nie znacie.
04:42
Amazing people, fantastic achievements,
but they're not famous.
but they're not famous.
102
270122
3812
Wspaniali ludzie, fantastyczne dokonania,
ale nie są sławni.
04:46
So what if we analyze
these two groups separately --
these two groups separately --
103
274720
2788
A gdyby przeanalizować ich oddzielnie,
04:49
the famous and the non-famous?
104
277532
1525
sławnych i nieznanych.
04:51
What might that tell us?
105
279081
1419
Co to nam mówi?
04:52
Take a look.
106
280524
1240
Zobaczcie.
04:56
Two things leap out at me.
107
284556
1469
Wyróżniają się dwie rzeczy.
04:58
First:
108
286569
1170
Po pierwsze:
05:00
"John."
109
288106
1198
"John".
05:01
(Laughter)
110
289328
1300
(Śmiech)
05:03
Anyone here named John
should thank your parents --
should thank your parents --
111
291914
3388
Osoby o imieniu John
powinny podziękować rodzicom.
powinny podziękować rodzicom.
05:07
(Laughter)
112
295326
1329
(Śmiech)
05:08
and remind your kids to cut out
your obituary when you're gone.
your obituary when you're gone.
113
296679
3082
I przypomnijcie dzieciom,
żeby wycięły z gazety wasz nekrolog.
żeby wycięły z gazety wasz nekrolog.
05:13
And second:
114
301061
1356
Druga rzecz:
05:15
"help."
115
303849
1154
"pomoc"
05:18
We uncovered, many lessons
from lives well-led,
from lives well-led,
116
306524
3465
Odkryliśmy wiele lekcji dobrego życia
05:22
and what those people immortalized
in print could teach us.
in print could teach us.
117
310013
2836
i to, czego ludzie upamiętnieni
w druku mogli nas nauczyć.
w druku mogli nas nauczyć.
05:24
The exercise was a fascinating testament
to the kaleidoscope that is life,
to the kaleidoscope that is life,
118
312873
4738
Badanie było niesamowitym
świadectwem kalejdoskopu życia,
świadectwem kalejdoskopu życia,
05:29
and even more fascinating
119
317635
2715
a jeszcze bardziej fascynujący
05:32
was the fact that the overwhelming
majority of obituaries
majority of obituaries
120
320374
3068
jest fakt, że większość nekrologów
05:35
featured people famous and non-famous,
121
323466
2998
dotyczyła i sławnych i zwykłych ludzi,
05:38
who did seemingly extraordinary things.
122
326488
2433
którzy dokonywali rzeczy
pozornie niesamowitych.
pozornie niesamowitych.
05:41
They made a positive dent
in the fabric of life.
in the fabric of life.
123
329574
3110
Pozostawili ślad w materii życia.
05:44
They helped.
124
332708
1237
Pomagali.
05:46
So ask yourselves as you go
back to your daily lives:
back to your daily lives:
125
334772
2591
Zanim wrócicie do codziennych zadań,
zapytajcie siebie:
zapytajcie siebie:
05:49
How am I using my talents to help society?
126
337387
2920
czy używam swoich talentów,
by pomóc społeczeństwu?
by pomóc społeczeństwu?
05:52
Because the most powerful lesson here is,
127
340331
2973
Bo najważniejsza lekcja to ta,
05:55
if more people lived their lives
trying to be famous in death,
trying to be famous in death,
128
343328
4336
że im więcej ludzi żyłoby tak,
by pamiętano o nich po śmierci,
by pamiętano o nich po śmierci,
05:59
the world would be a much better place.
129
347688
2605
tym lepszy byłby świat.
06:03
Thank you.
130
351062
1169
Dziękuję.
06:04
(Applause)
131
352255
2848
(Brawa)
ABOUT THE SPEAKER
Lux Narayan - EntrepreneurLux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy.
Why you should listen
Lakshmanan aka Lux Narayan mans the helm of Unmetric, a social media intelligence company that helps digital marketers, social media analysts, and content creators harness social signals to track and analyze competitive content and campaigns, and to create better content and campaigns of their own.
Prior to founding Unmetric, Narayan was a co-founder at Vembu Technologies, an online data backup company. He also helped found and volunteered at ShareMyCake, a non-profit started by his wife that focuses on encouraging children to use their birthdays to channel monetary support towards a cause of their choosing.
As Unmetric's CEO, he leads a team of 70 people distributed across the company's operations in Chennai and New York City.
Outside of work, he is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. He enjoys reading obituaries and other non-fiction and watching documentaries with bad ratings. Narayan makes time every year for trekking in the Himalayas or scuba diving in tropical waters, and once he learns to fly, he hopes to spend more time off land than on it.
Lux Narayan | Speaker | TED.com