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: Mapas de Grandes Ideias

Filmed:
1,131,373 views

Qual será a aparência de 24 000 ideias? O ecologista Eric Berlow e o físico Sean Gourley aplicam algoritmos a todo o arquivo das palestras TEDx, conduzindo-nos através de uma viagem visual estimulante que nos mostra como as ideias se interligam a um nível global.
- 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 ecologistecologista, and Sean'sSean a physicistfísico,
0
562
3061
Eric Berlow: Sou ecologista, e o Sean é físico,
00:15
and we bothambos studyestude complexcomplexo networksredes.
1
3623
2108
e dedicamo-nos ambos ao estudo de sistemas complexos.
00:17
And we metconheceu a couplecasal yearsanos agoatrás when we discovereddescobriu
2
5731
1835
Encontrámo-nos há uns anos e descobrimos
00:19
that we had bothambos givendado a shortcurto TEDTED Talk
3
7566
2000
que ambos tínhamos dado uma palestra TED
00:21
about the ecologyecologia of warguerra,
4
9566
2303
sobre a ecologia da guerra
00:23
and we realizedpercebi that we were connectedconectado
5
11869
1447
e percebemos que estávamos ligados
00:25
by the ideasidéias we sharedcompartilhado before we ever metconheceu.
6
13316
2818
pelas ideias que já partilhávamos antes de nos conhecermos.
00:28
And then we thought, you know, there are thousandsmilhares
7
16134
1556
E depois pensámos nos milhares
00:29
of other talksfala out there, especiallyespecialmente TEDxTEDx TalksFala,
8
17690
2114
de outras palestras, especialmente as TED,
00:31
that are poppingestourando up all over the worldmundo.
9
19804
2211
que vão aparecendo em todo o mundo.
00:34
How are they connectedconectado,
10
22015
923
Que ligações existirão entre elas,
00:34
and what does that globalglobal conversationconversação look like?
11
22938
2010
como será essa conversa global?
00:36
So Sean'sSean going to tell you a little bitpouco about how we did that.
12
24948
2810
O Sean vai contar-vos um pouco do que fizemos.
00:39
SeanSean GourleyMartins: ExactlyExatamente. So we tooktomou 24,000 TEDxTEDx TalksFala
13
27758
3767
Sean Gourley: Exato.
Portanto, pegámos em 24 000 palestras TED
00:43
from around the worldmundo, 147 differentdiferente countriespaíses,
14
31525
3046
de todo o mundo, de 147 países,
00:46
and we tooktomou these talksfala and we wanted to find
15
34571
2123
e o que queríamos era descobrir
00:48
the mathematicalmatemático structuresestruturas that underlyUnderly
16
36694
2040
as estruturas matemáticas subjacentes
00:50
the ideasidéias behindatrás them.
17
38734
1722
às ideias nelas contidas.
00:52
And we wanted to do that so we could see how
18
40456
1370
O que queríamos era ver de que forma
00:53
they connectedconectado with eachcada other.
19
41826
2053
elas se relacionavam entre si.
00:55
And so, of coursecurso, if you're going to do this kindtipo of stuffcoisa,
20
43879
1676
Claro que, para fazer isso,
00:57
you need a lot of datadados.
21
45555
956
são necessários imensos dados.
00:58
So the datadados that you've got is a great thing calledchamado YouTubeYouTube,
22
46511
3686
Ora os dados estão numa coisa fantástica
chamada YouTube,
01:02
and we can go down and basicallybasicamente pullpuxar
23
50197
1768
e basicamente pode ir-se lá e
01:03
all the openaberto informationem formação from YouTubeYouTube,
24
51965
2267
tirar toda essa informação aberta,
01:06
all the commentscomentários, all the viewsvisualizações, who'squem é watchingassistindo it,
25
54232
2349
todos os comentários, os visitantes, quem vê o quê,
01:08
where are they watchingassistindo it, what are they sayingdizendo in the commentscomentários.
26
56581
2779
onde se encontra e o que diz nos comentários.
01:11
But we can alsoAlém disso pullpuxar up, usingusando speech-to-textSpeech-to-text translationtradução,
27
59360
3292
Mas também podemos usar tradução direta
do discurso oral para texto
01:14
we can pullpuxar the entireinteira transcripttranscrição,
28
62652
2128
e obter a transcrição integral,
01:16
and that workstrabalho even for people with kindtipo of funnyengraçado accentsacentos like myselfEu mesmo.
29
64780
2680
o que resulta bem até para pessoas com sotaques
meio esquisitos como eu.
01:19
So we can take theirdeles transcripttranscrição
30
67460
2106
Portanto, podemos pegar nas transcrições
01:21
and actuallyna realidade do some prettybonita coollegal things.
31
69566
2098
e fazer uma série de coisas giras.
01:23
We can take naturalnatural languagelíngua processingem processamento algorithmsalgoritmos
32
71664
2160
Podemos usar algoritmos de processamento
de linguagem
01:25
to kindtipo of readler throughatravés with a computercomputador, linelinha by linelinha,
33
73824
2629
para fazer uma espécie de leitura por computador,
linha a linha,
01:28
extractingextração de keychave conceptsconceitos from this.
34
76453
2359
e extrair conceitos-chave.
01:30
And we take those keychave conceptsconceitos and they sortordenar of formFormato
35
78812
2525
E depois pegamos nesses conceitos,
e eles formam uma espécie
01:33
this mathematicalmatemático structureestrutura of an ideaidéia.
36
81337
3565
de estrutura matemática de uma ideia.
01:36
And we call that the meme-omememe-ome.
37
84902
1757
A isso chamamos um meme-ome.
01:38
And the meme-omememe-ome, you know, quitebastante simplysimplesmente,
38
86659
2151
E sabem, o meme-ome não passa
01:40
is the mathematicsmatemática that underliessubjacente a an ideaidéia,
39
88810
2426
da matemática subjacente a uma ideia,
01:43
and we can do some prettybonita interestinginteressante analysisanálise with it,
40
91236
1932
e com ele podemos fazer algumas análises
bastante interessantes,
01:45
whichqual I want to sharecompartilhar with you now.
41
93168
1981
e é isso que vou partilhar convosco agora.
01:47
So eachcada ideaidéia has its ownpróprio meme-omememe-ome,
42
95149
2190
Então, cada ideia tem o seu meme-ome
01:49
and eachcada ideaidéia is uniqueúnico with that,
43
97339
1951
e nisso cada ideia é única,
01:51
but of coursecurso, ideasidéias, they borrowpedir emprestado from eachcada other,
44
99290
2488
mas claro que as ideias pedem emprestado
umas às outras,
01:53
they kindtipo of stealroubar sometimesas vezes,
45
101778
1184
às vezes como que roubam umas às outras
01:54
and they certainlyCertamente buildconstruir on eachcada other,
46
102962
1827
e sem dúvida que se constroem
umas a partir das outras.
01:56
and we can go throughatravés mathematicallymatematicamente
47
104789
1616
Assim, podemos extrair o meme-ome
matematicamente
01:58
and take the meme-omememe-ome from one talk
48
106405
1840
de uma palestra
02:00
and comparecomparar it to the meme-omememe-ome from everycada other talk,
49
108245
2454
e compará-lo com os meme-omes de todas as outras
02:02
and if there's a similaritysemelhança betweenentre the two of them,
50
110699
1973
e, se houver similaridades entre eles,
02:04
we can createcrio a linkligação and representrepresentar that as a graphgráfico,
51
112672
3250
podemos criar uma ligação e representá-la
num gráfico,
02:07
just like EricEric and I are connectedconectado.
52
115922
2394
tal como eu e o Eric estamos interligados.
02:10
So that's theoryteoria, that's great.
53
118316
1394
Isto é a teoria, ótimo.
02:11
Let's see how it workstrabalho in actualreal practiceprática.
54
119710
2526
Agora vamos ver como funciona na prática.
02:14
So what we'venós temos got here now is the globalglobal footprintpegada
55
122236
2788
Portanto, o que temos aqui é a pegada global
02:17
of all the TEDxTEDx TalksFala over the last fourquatro yearsanos
56
125024
2293
de todas as palestras TED dos útimos quatro anos
02:19
explodingexplodindo out around the worldmundo
57
127317
1550
a explodirem por todo o mundo
02:20
from NewNovo YorkYork all the way down to little oldvelho NewNovo ZealandZelândia in the cornercanto.
58
128867
3329
de Nova Iorque à pequena Nova Zelândia
ali no canto.
02:24
And what we did on this is we analyzedanalisado the toptopo 25 percentpor cento of these,
59
132196
3835
O que fizemos foi analisar 25%
das palestras de topo
02:28
and we startedcomeçado to see where the connectionsconexões occurredocorreu,
60
136031
2534
e começámos a verificar onde ocorriam as ligações,
02:30
where they connectedconectado with eachcada other.
61
138565
1537
onde é que se ligavam umas às outras.
02:32
CameronCameron RussellRussell talkingfalando about imageimagem and beautybeleza
62
140102
1874
A palestra de Cameron Russell sobre
a imagem e a beleza
02:33
connectedconectado over into EuropeEuropa.
63
141976
1575
tinha ligações em toda a Europa.
02:35
We'veTemos got a biggerMaior conversationconversação about IsraelIsrael and PalestinePalestina
64
143551
2412
Depois, havia uma outra conversa bem maior
acerca de Israel e da Palestina
02:37
radiatingirradiando outwardspara o exterior from the MiddleMédio EastLeste.
65
145963
2255
que irradiava desde o Médio Oriente.
02:40
And we'venós temos got something a little broadermais amplo
66
148218
1298
E obtivemos algo mais lato,
02:41
like biggrande datadados with a trulyverdadeiramente globalglobal footprintpegada
67
149516
2156
uma espécie de grande conjunto de dados com uma verdadeira pegada global,
02:43
reminiscentuma reminiscência of a conversationconversação
68
151672
2179
evocando uma conversa
02:45
that is happeningacontecendo everywhereem toda parte.
69
153851
2016
que se está a estabelecer em todo o lado.
02:47
So from this, we kindtipo of runcorre up againstcontra the limitslimites
70
155867
2173
A partir daí, debatemo-nos com
02:50
of what we can actuallyna realidade do with a geographicgeográfico projectionprojeção,
71
158040
2530
o que podemos realmente fazer com
uma projeção geográfica,
02:52
but luckilyfelizmente, computercomputador technologytecnologia allowspermite us to go out
72
160570
2052
mas, felizmente, a tecnologia informática permite-nos
02:54
into multidimensionalmultidimensionais spaceespaço.
73
162622
1546
chegar ao espaço multidimensional.
02:56
So we can take in our networkrede projectionprojeção
74
164168
1875
Assim, pegámos na nossa projeção em rede
02:58
and applyAplique a physicsfísica enginemotor to this,
75
166043
1750
e aplicámos-lhe um sistema de física,
02:59
and the similarsemelhante talksfala kindtipo of smashSmash togetherjuntos,
76
167793
1885
e as palestras semelhantes agruparam-se
como que em colisão,
03:01
and the differentdiferente onesuns flymosca apartseparados,
77
169678
2004
enquanto as diferentes se afastaram,
03:03
and what we're left with is something quitebastante beautifulbonita.
78
171682
2072
e chegámos a isto, que é algo bastante bonito.
03:05
EBEB: So I want to just pointponto out here that everycada nodenó de is a talk,
79
173754
2957
EB: Só quero salientar que cada um dos nós
é uma palestra,
03:08
they're linkedligado if they sharecompartilhar similarsemelhante ideasidéias,
80
176711
2589
que estão interligados se partilharem
ideias semelhantes
03:11
and that comesvem from a machinemáquina readingleitura
81
179300
2084
e que isto decorre da leitura mecânica
03:13
of entireinteira talk transcriptstranscrições,
82
181384
2067
das transcrições integrais de palestras;
03:15
and then all these topicstópicos that poppop out,
83
183451
2231
e que os tópicos que saltam à vista
03:17
they're not from tagsEtiquetas and keywordsPalavras-chave.
84
185682
1790
não são nem "tags" nem palavras-chaves.
03:19
They come from the networkrede structureestrutura
85
187472
1725
Eles decorrem da estrutura em rede
03:21
of interconnectedinterligado ideasidéias. Keep going.
86
189197
2168
de ideias interligadas. Continua.
03:23
SGSG: AbsolutelyAbsolutamente. So I got a little quickrápido on that,
87
191365
2022
SG: Claro. Apressei-me um bocado,
03:25
but he's going to slowlento me down.
88
193387
1475
mas ele faz-me abrandar.
03:26
We'veTemos got educationEducação connectedconectado to storytellingnarrativa
89
194862
2034
Temos a educação ligada à narração de histórias
03:28
triangulatedtrianguladas nextPróximo to socialsocial mediameios de comunicação.
90
196896
1643
em triangulação junto dos "media" sociais.
03:30
You've got, of coursecurso, the humanhumano braincérebro right nextPróximo to healthcarecuidados de saúde,
91
198539
2475
Temos, como é óbvio, o cérebro humano
mesmo ao lado dos cuidados de saúde,
03:33
whichqual you mightpoderia expectEspero,
92
201014
1386
o que seria de esperar,
03:34
but alsoAlém disso you've got videovídeo gamesjogos, whichqual is sortordenar of adjacentadjacente,
93
202400
2395
mas também temos os jogos vídeo,
que são adjacentes,
03:36
as those two spacesespaços interfaceinterface with eachcada other.
94
204795
2740
dado que os dois espaços comunicam entre si.
03:39
But I want to take you into one clustergrupo
95
207535
1535
Mas quero mostrar-vos um conjunto
03:41
that's particularlyparticularmente importantimportante to me, and that's the environmentmeio Ambiente.
96
209070
2868
que me é particularmente caro, que é o do ambiente.
03:43
And I want to kindtipo of zoomzoom in on that
97
211938
1493
E quero fazer uma ampliação
03:45
and see if we can get a little more resolutionresolução.
98
213431
2363
e ver se conseguimos maior resolução.
03:47
So as we go in here, what we startcomeçar to see,
99
215794
2347
À medida que nos aproximamos,
o que começamos a ver,
03:50
applyAplique the physicsfísica enginemotor again,
100
218141
1504
aplicamos de novo o sistema de física,
03:51
we see what's one conversationconversação
101
219645
1676
vemos que há uma conversa
03:53
is actuallyna realidade composedcomposto of manymuitos smallermenor onesuns.
102
221321
2560
que é composta de muitas outras
de menor dimensão.
03:55
The structureestrutura startscomeça to emergeemergem
103
223881
1929
A estrutura começa a emergir
03:57
where we see a kindtipo of fractalfractal behaviorcomportamento
104
225810
2070
e vemos como que um comportamento fractal
03:59
of the wordspalavras and the languagelíngua that we use
105
227880
1619
das palavras e da linguagem que usamos
04:01
to describedescrever the things that are importantimportante to us
106
229499
1702
para descrever aquilo que achamos importantes
04:03
all around this worldmundo.
107
231201
1433
em todo o mundo.
04:04
So you've got foodComida economyeconomia and locallocal foodComida at the toptopo,
108
232634
2332
Assim, no topo, temos economia alimentar
e alimentação local,
04:06
you've got greenhouseestufa gasesgases, solarsolar and nuclearnuclear wastedesperdício.
109
234966
2719
temos gases de efeito de estufa, energia solar
e resíduos nucleares.
04:09
What you're gettingobtendo is a rangealcance of smallermenor conversationsconversas,
110
237685
2631
O que encontramos é uma variedade de
conversas de menor dimensão,
04:12
eachcada connectedconectado to eachcada other throughatravés the ideasidéias
111
240316
2301
ligadas umas às outras através das ideias
04:14
and the languagelíngua they sharecompartilhar,
112
242617
1301
e da linguagem que partilham entre si
04:15
creatingcriando a broadermais amplo conceptconceito of the environmentmeio Ambiente.
113
243918
2450
e assim criando um conceito mais abrangente
de ambiente.
04:18
And of coursecurso, from here, we can go
114
246368
1532
E a partir daqui, claro que podemos
04:19
and zoomzoom in and see, well, what are youngjovem people looking at?
115
247900
3534
ampliar para ver o que é que preocupa os jovens.
04:23
And they're looking at energyenergia technologytecnologia and nuclearnuclear fusionfusão.
116
251434
2345
E ver que eles falam de tecnologia energética
e de fusão nuclear.
04:25
This is theirdeles kindtipo of resonanceressonância
117
253779
1674
É esta a sua relevância
04:27
for the conversationconversação around the environmentmeio Ambiente.
118
255453
2406
no que diz respeito à conversa sobre o ambiente.
04:29
If we splitDividido alongao longo gendergênero lineslinhas,
119
257859
1899
Se fizermos a divisão por sexos,
04:31
we can see femalesfêmeas resonatingressonando heavilyfortemente
120
259758
1987
vemos que as mulheres dão grande importância
04:33
with foodComida economyeconomia, but alsoAlém disso out there in hopeesperança and optimismotimismo.
121
261745
3645
à economia alimentar, mas de uma forma
otimista e esperançosa.
04:37
And so there's a lot of excitingemocionante stuffcoisa we can do here,
122
265390
2482
Portanto, podemos fazer muitas coisas espantosas,
04:39
and I'll throwlançar to EricEric for the nextPróximo partparte.
123
267872
1762
e agora passo a palavra ao Eric.
04:41
EBEB: Yeah, I mean, just to pointponto out here,
124
269634
1602
EB: Bom, quero salientar que
04:43
you cannotnão podes get this kindtipo of perspectiveperspectiva
125
271236
1538
não podemos chegar a este tipo de perspetiva
04:44
from a simplesimples tagmarca searchpesquisa on YouTubeYouTube.
126
272774
3360
a partir de uma simples busca das "tags"
do YouTube.
04:48
Let's now zoomzoom back out to the entireinteira globalglobal conversationconversação
127
276134
4188
Regressemos à visão anterior da conversa global
04:52
out of environmentmeio Ambiente, and look at all the talksfala togetherjuntos.
128
280322
2534
e olhemos para todas as palestras.
04:54
Now oftenfrequentemente, when we're facedenfrentou with this amountmontante of contentconteúdo,
129
282856
2927
Bom, quando confrontados com conteúdos
tão vastos, muitas vezes
04:57
we do a couplecasal of things to simplifysimplificar it.
130
285783
2431
tentamos simplificá-los.
05:00
We mightpoderia just say, well,
131
288214
1314
Podemos, por exemplo, perguntarmo-nos
05:01
what are the mosta maioria popularpopular talksfala out there?
132
289528
2829
quais são as palestras com maior popularidade.
05:04
And a fewpoucos risesubir to the surfacesuperfície.
133
292357
1397
E assim emergem algumas delas.
05:05
There's a talk about gratitudegratidão.
134
293754
1828
Há uma sobre gratidão.
05:07
There's anotheroutro one about personalpessoal healthsaúde and nutritionnutrição.
135
295582
3344
Há uma outra sobre nutrição e saúde pessoal.
05:10
And of coursecurso, there's got to be one about pornPorn, right?
136
298926
2929
E claro que tinha de haver uma sobre
a pornografia, não é?
05:13
And so then we mightpoderia say, well, gratitudegratidão, that was last yearano.
137
301855
3234
E podíamos dizer, bom, gratidão foi no ano passado.
05:17
What's trendingtendências now? What's the popularpopular talk now?
138
305089
2522
E agora? O que é que está mais na berra?
05:19
And we can see that the newNovo, emergingemergindo, toptopo trendingtendências topictema
139
307611
3321
E assim chegamos à conclusão de que
o tema mais popular agora
05:22
is about digitaldigital privacyprivacidade.
140
310932
2666
tem a ver com a privacidade digital.
05:25
So this is great. It simplifiessimplifica a things.
141
313598
1693
É ótimo. Simplifica as coisas.
05:27
But there's so much creativecriativo contentconteúdo
142
315291
1827
Mas há tanto material criativo
05:29
that's just buriedenterrado at the bottominferior.
143
317118
1921
enterrado no fundo.
05:31
And I hateódio that. How do we bubblebolha stuffcoisa up to the surfacesuperfície
144
319039
3318
O que eu detesto.
Como é que podemos trazer à superfície
05:34
that's maybe really creativecriativo and interestinginteressante?
145
322357
2458
aquilo que talvez seja realmente
criativo e interessante?
05:36
Well, we can go back to the networkrede structureestrutura of ideasidéias
146
324815
2931
Bom, podemos voltar à estrutura em rede das ideias
05:39
to do that.
147
327746
1430
para o fazermos.
05:41
RememberLembre-se, it's that networkrede structureestrutura
148
329176
2114
Lembrem-se, é essa estrutura em rede
05:43
that is creatingcriando these emergentemergent topicstópicos,
149
331290
2268
que cria estes tópicos emergentes.
05:45
and let's say we could take two of them,
150
333558
1515
Digamos que pegamos em dois deles,
05:47
like citiescidades and geneticsgenética, and say, well, are there any talksfala
151
335073
3047
por exemplo cidades e genética,
e vemos se existem palestras
05:50
that creativelycriativamente bridgeponte these two really differentdiferente disciplinesdisciplinas.
152
338120
2569
que façam, de uma forma criativa, a ponte entre
estas duas disciplinas tão diferentes.
05:52
And that's -- EssentiallyEssencialmente, this kindtipo of creativecriativo remixremixar
153
340689
2275
Bom — essencialmente este tipo de "remix" criativo
05:54
is one of the hallmarksprincipais características of innovationinovação.
154
342964
1840
é uma das marcas da inovação.
05:56
Well here'saqui está one by JessicaJessica GreenVerde
155
344804
1606
Aqui está uma palestra de Jessica Green
05:58
about the microbialmicrobiana ecologyecologia of buildingsedifícios.
156
346410
2379
acerca da ecologia microbiana dos edifícios,
06:00
It's literallyliteralmente definingdefinindo a newNovo fieldcampo.
157
348789
2010
que define literalmente um novo campo.
06:02
And we could go back to those topicstópicos and say, well,
158
350799
2103
E podíamos voltar àqueles tópicos e,
por exemplo, ver
06:04
what talksfala are centralcentral to those conversationsconversas?
159
352902
2768
quais são as palestras que são essenciais
para aquelas conversas.
06:07
In the citiescidades clustergrupo, one of the mosta maioria centralcentral
160
355670
1690
No grupo das cidades, uma das mais importantes
06:09
was one by MitchMitch JoachimJoachim about ecologicalecológico citiescidades,
161
357360
3952
foi a de Mitch Joachim acerca das cidades ecológicas
06:13
and in the geneticsgenética clustergrupo,
162
361312
1720
e, no grupo sobre genética,
06:15
we have a talk about syntheticsintético biologybiologia by CraigCraig VenterVenter.
163
363032
3193
temos uma palestra sobre biologia sintética
de Craig Venter.
06:18
These are talksfala that are linkingligando manymuitos talksfala withindentro theirdeles disciplinedisciplina.
164
366225
3353
Ambas são palestras que ligam muitas outras
dentro da sua área disciplinar.
06:21
We could go the other directiondireção and say, well,
165
369578
1843
Podíamos ir noutra direção e, por exemplo, ver
06:23
what are talksfala that are broadlyem linhas gerais synthesizingsintetizando
166
371421
2272
quais são as palestras que sintetizam,
de uma forma geral,
06:25
a lot of differentdiferente kindstipos of fieldsCampos.
167
373693
1448
muitos tipos diferentes de áreas.
06:27
We used a measurea medida of ecologicalecológico diversitydiversidade to get this.
168
375141
2533
Para isto usámos uma medida de
diversidade ecológica.
06:29
Like, a talk by StevenSteven PinkerPinker on the historyhistória of violenceviolência,
169
377674
2736
Por exemplo, uma palestra de Steven Pinker
sobre a história da violência,
06:32
very syntheticsintético.
170
380410
1180
muito sucinta.
06:33
And then, of coursecurso, there are talksfala that are so uniqueúnico
171
381590
2078
E, claro, depois há umas que são tão
únicas e especiais
06:35
they're kindtipo of out in the stratosphereestratosfera, in theirdeles ownpróprio specialespecial placeLugar, colocar,
172
383668
3090
que estão numa espécie de estratosfera,
num local especial que lhes é próprio,
06:38
and we call that the ColleenColleen FlanaganFlanagan indexíndice.
173
386758
2514
a que chamamos o índice Colleen Flanagan.
06:41
And if you don't know ColleenColleen, she's an artistartista,
174
389272
3034
E para quem não sabe quem ela é,
a Colleen é uma artista.
06:44
and I askedperguntei her, "Well, what's it like out there
175
392306
1543
Perguntei-lhe: "Como é que é estares
06:45
in the stratosphereestratosfera of our ideaidéia spaceespaço?"
176
393849
1672
"na estratosfera do nosso espaço de ideias?"
06:47
And apparentlypelo visto it smellscheiros like bacontoucinho.
177
395521
3255
E, aparentemente, cheira a bacon.
06:50
I wouldn'tnão seria know.
178
398776
1791
Não faço ideia.
06:52
So we're usingusando these networkrede motifsmotivos
179
400567
2248
Portanto, usamos estes temas centrais em rede
06:54
to find talksfala that are uniqueúnico,
180
402815
1186
para descobrirmos palestras únicas,
06:56
onesuns that are creativelycriativamente synthesizingsintetizando a lot of differentdiferente fieldsCampos,
181
404001
2710
as que sintetizam criativamente
muitos campos diferentes,
06:58
onesuns that are centralcentral to theirdeles topictema,
182
406711
1659
as que são essencias para o seu tema,
07:00
and onesuns that are really creativelycriativamente bridging-ponte disparatedesigual fieldsCampos.
183
408370
3374
e as que são realmente criativas a fazer a ponte
entre campos díspares.
07:03
Okay? We never would have foundencontrado those with our obsessionobsessão
184
411744
2102
Ok? Nunca as teríamos encontrado
com a nossa obsessão
07:05
with what's trendingtendências now.
185
413846
2313
com o que está mais na berra.
07:08
And all of this comesvem from the architecturearquitetura of complexitycomplexidade,
186
416159
2886
E tudo isto advém da arquitetura da complexidade
07:11
or the patternspadrões of how things are connectedconectado.
187
419045
2960
ou dos modelos de como as coisas se ligam entre si.
07:14
SGSG: So that's exactlyexatamente right.
188
422005
1625
SG: É isso mesmo.
07:15
We'veTemos got ourselvesnós mesmos in a worldmundo
189
423630
2479
Encontramo-nos num mundo
07:18
that's massivelymaciçamente complexcomplexo,
190
426109
2044
que é de uma complexidade monumental
07:20
and we'venós temos been usingusando algorithmsalgoritmos to kindtipo of filterfiltro it down
191
428153
2867
e temos estado a usar algoritmos para o filtrar
07:23
so we can navigatenavegar throughatravés it.
192
431020
1786
e assim podermos navegar através dele.
07:24
And those algorithmsalgoritmos, whilstenquanto beingser kindtipo of usefulútil,
193
432806
2338
E esses algoritmos, se bem que úteis,
07:27
are alsoAlém disso very, very narrowlimitar, and we can do better than that,
194
435144
3476
são também muito, muito estreitos,
e podemos fazer melhor,
07:30
because we can realizeperceber that theirdeles complexitycomplexidade is not randomaleatória.
195
438620
2566
porque nos apercebemos de que
a sua complexidade não é aleatória.
07:33
It has mathematicalmatemático structureestrutura,
196
441186
1954
Tem uma estrutura matemática,
07:35
and we can use that mathematicalmatemático structureestrutura
197
443140
1803
e podemos utilizar essa estrutura
07:36
to go and exploreexplorar things like the worldmundo of ideasidéias
198
444943
2214
para explorarmos coisas como o mundo das ideias
07:39
to see what's beingser said, to see what's not beingser said,
199
447157
3000
para ver o que anda a ser dito,
o que não anda a ser dito,
07:42
and to be a little bitpouco more humanhumano
200
450157
1407
e a sermos um pouco mais humanos
07:43
and, hopefullyesperançosamente, a little smartermais esperto.
201
451564
1867
e, com sorte, um pouco mais inteligentes.
07:45
Thank you.
202
453431
966
Muito obrigado.
07:46
(ApplauseAplausos)
203
454397
4220
(Aplausos)
Translated by Helena Sobral
Reviewed by Christof Pereira

▲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