TED2013
Eric Berlow and Sean Gourley: Mapping ideas worth spreading
Эрик Берлоу и Шон Горли: Составляем карту самых популярных идей
Filmed:
Readability: 4.3
1,131,373 views
Как выглядят 24 000 идей? Экологист Эрик Берлоу и физик Шон Горли вместе начинают виртуальное путешествие по всем выступлениям на конференциях TEDx, чтобы выяснить, как идеи связанны по всему миру. В этом нам помогают алгоритмы, применённые специалистами.
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
Эрик Берлоу:
Я экологист, а Шон физик,
Я экологист, а Шон физик,
00:15
and we both study complex networks.
1
3623
2108
мы оба изучаем сложные системы.
00:17
And we met a couple years ago when we discovered
2
5731
1835
Мы познакомились пару лет назад,
после того как узнали,
после того как узнали,
00:19
that we had both given a short TED Talk
3
7566
2000
что оба выступали на TED
с короткой речью
с короткой речью
00:21
about the ecology of war,
4
9566
2303
на тему «Экология войны»,
00:23
and we realized that we were connected
5
11869
1447
и мы поняли, что уже до нашей встречи
00:25
by the ideas we shared before we ever met.
6
13316
2818
были соединены общей идеей.
00:28
And then we thought, you know, there are thousands
7
16134
1556
Тогда мы подумали о том,
что есть тысячи
что есть тысячи
00:29
of other talks out there, especially TEDx Talks,
8
17690
2114
других выступлений, особенно выступлений
на конференциях TEDx,
на конференциях TEDx,
00:31
that are popping up all over the world.
9
19804
2211
появляющихся там и тут по всему миру.
00:34
How are they connected,
10
22015
923
Как они соединены
00:34
and what does that global conversation look like?
11
22938
2010
и как выглядит этот всемирный разговор?
00:36
So Sean's going to tell you a little bit about how we did that.
12
24948
2810
Итак, Шон собирается рассказать вам
о том, что мы делали.
о том, что мы делали.
00:39
Sean Gourley: Exactly. So we took 24,000 TEDx Talks
13
27758
3767
Шон Горли: Точно. Мы взяли
24 000 выступлений на конференциях TEDx
24 000 выступлений на конференциях TEDx
00:43
from around the world, 147 different countries,
14
31525
3046
в 147 разных странах.
00:46
and we took these talks and we wanted to find
15
34571
2123
Мы отобрали выступления с целью найти
00:48
the mathematical structures that underly
16
36694
2040
математические формулы,
лежащие в основе
лежащие в основе
00:50
the ideas behind them.
17
38734
1722
идей, на которых основаны выступления.
00:52
And we wanted to do that so we could see how
18
40456
1370
Мы решили сделать это,
чтобы можно было увидеть,
чтобы можно было увидеть,
00:53
they connected with each other.
19
41826
2053
как выступления связаны друг с другом.
00:55
And so, of course, if you're going to do this kind of stuff,
20
43879
1676
Конечно, чтобы начать заниматься
такой деятельностью,
такой деятельностью,
00:57
you need a lot of data.
21
45555
956
нужно собрать много данных.
00:58
So the data that you've got is a great thing called YouTube,
22
46511
3686
А данные можно получить на замечательном
видео-хостинге под названием YouTube.
видео-хостинге под названием YouTube.
01:02
and we can go down and basically pull
23
50197
1768
Мы взяли и буквально извлекли
01:03
all the open information from YouTube,
24
51965
2267
всю открытую информации
из этого источника,
из этого источника,
01:06
all the comments, all the views, who's watching it,
25
54232
2349
все комментарии, все просмотры,
информацию про то, кто что смотрел,
информацию про то, кто что смотрел,
01:08
where are they watching it, what are they saying in the comments.
26
56581
2779
где этот человек находится
и что говорят в комментариях.
и что говорят в комментариях.
01:11
But we can also pull up, using speech-to-text translation,
27
59360
3292
Но также можно найти информацию,
используя преобразование речи в текст,
используя преобразование речи в текст,
01:14
we can pull the entire transcript,
28
62652
2128
записывая таким образом
все выступления;
все выступления;
01:16
and that works even for people with kind of funny accents like myself.
29
64780
2680
это можно сделать даже с выступлениями
людей со смешным акцентом, как, например, я.
людей со смешным акцентом, как, например, я.
01:19
So we can take their transcript
30
67460
2106
Итак, мы берём записи
01:21
and actually do some pretty cool things.
31
69566
2098
и делаем с ними несколько
любопытных манипуляций.
любопытных манипуляций.
01:23
We can take natural language processing algorithms
32
71664
2160
Мы используем алгоритмы обработки текстов
на естественных языках,
на естественных языках,
01:25
to kind of read through with a computer, line by line,
33
73824
2629
чтобы построчно прочитать записи
с помощью компьютера,
с помощью компьютера,
01:28
extracting key concepts from this.
34
76453
2359
одновременно извлекая основные данные.
01:30
And we take those key concepts and they sort of form
35
78812
2525
Потом мы берём эти данные
и формируем из них
и формируем из них
01:33
this mathematical structure of an idea.
36
81337
3565
математическую формулу идеи.
01:36
And we call that the meme-ome.
37
84902
1757
Мы назвали это «мем-ом»
[открытая среда передачи сообщений].
[открытая среда передачи сообщений].
01:38
And the meme-ome, you know, quite simply,
38
86659
2151
Говоря простыми словами, мем-ом —
01:40
is the mathematics that underlies an idea,
39
88810
2426
это математика, лежащая в основе идеи,
01:43
and we can do some pretty interesting analysis with it,
40
91236
1932
и с ней мы можем провести
очень интересные исследования.
очень интересные исследования.
01:45
which I want to share with you now.
41
93168
1981
Сейчас я хочу поделиться с вами тем,
что у нас получилось.
что у нас получилось.
01:47
So each idea has its own meme-ome,
42
95149
2190
У каждой идеи есть
свой собственный мем-ом,
свой собственный мем-ом,
01:49
and each idea is unique with that,
43
97339
1951
и поэтому каждая идея уникальна,
01:51
but of course, ideas, they borrow from each other,
44
99290
2488
но, конечно, идеи друг у друга
что-то заимствуют,
что-то заимствуют,
01:53
they kind of steal sometimes,
45
101778
1184
иногда даже крадут,
01:54
and they certainly build on each other,
46
102962
1827
и они, безусловно,
друг на друге построены.
друг на друге построены.
01:56
and we can go through mathematically
47
104789
1616
Мы можем рассмотреть этот процесс
с точки зрения математики:
с точки зрения математики:
01:58
and take the meme-ome from one talk
48
106405
1840
берём мем-ом из одного выступления
02:00
and compare it to the meme-ome from every other talk,
49
108245
2454
и сравниваем его с мем-омом
из другого выступления.
из другого выступления.
02:02
and if there's a similarity between the two of them,
50
110699
1973
Если между ними двумя
есть что-то общее,
есть что-то общее,
02:04
we can create a link and represent that as a graph,
51
112672
3250
можно создать связь
и изобразить её в диаграмме;
и изобразить её в диаграмме;
02:07
just like Eric and I are connected.
52
115922
2394
такая же диаграмма показывает связь
между мной и Эриком.
между мной и Эриком.
02:10
So that's theory, that's great.
53
118316
1394
Это теория звучит замечательно.
02:11
Let's see how it works in actual practice.
54
119710
2526
Давайте посмотрим,
как это работает на практике.
как это работает на практике.
02:14
So what we've got here now is the global footprint
55
122236
2788
Здесь мы видим глобальные отпечатки
02:17
of all the TEDx Talks over the last four years
56
125024
2293
всех выступлений на конференциях TEDx
за последние четыре года,
за последние четыре года,
02:19
exploding out around the world
57
127317
1550
вспыхнувших по всему миру,
02:20
from New York all the way down to little old New Zealand in the corner.
58
128867
3329
от Нью-Йорка до маленькой старой
Новой Зеландии в углу.
Новой Зеландии в углу.
02:24
And what we did on this is we analyzed the top 25 percent of these,
59
132196
3835
Мы проанализировали
первые 25% этой информации,
первые 25% этой информации,
02:28
and we started to see where the connections occurred,
60
136031
2534
и это помогло нам увидеть,
где связь только начинала появляться,
где связь только начинала появляться,
02:30
where they connected with each other.
61
138565
1537
а где она возникла.
02:32
Cameron Russell talking about image and beauty
62
140102
1874
Вот выступление Кэмерона Рассела
на тему имиджа и красоты,
на тему имиджа и красоты,
02:33
connected over into Europe.
63
141976
1575
связанное с Европой.
02:35
We've got a bigger conversation about Israel and Palestine
64
143551
2412
А вот выступление побольше на тему
отношений между Израилем и Палестиной,
отношений между Израилем и Палестиной,
02:37
radiating outwards from the Middle East.
65
145963
2255
и к нему связи протягиваются,
как лучи, от Ближнего Востока.
как лучи, от Ближнего Востока.
02:40
And we've got something a little broader
66
148218
1298
И есть нечто более всеохватывающее,
02:41
like big data with a truly global footprint
67
149516
2156
большие данные с действительно
глобальными отпечатками,
глобальными отпечатками,
02:43
reminiscent of a conversation
68
151672
2179
напоминающие разговор,
02:45
that is happening everywhere.
69
153851
2016
это можно увидеть повсюду на проекции.
02:47
So from this, we kind of run up against the limits
70
155867
2173
Однако здесь мы сталкиваемся
с ограничениями,
с ограничениями,
02:50
of what we can actually do with a geographic projection,
71
158040
2530
которые нам даёт использование
географической проекции,
географической проекции,
02:52
but luckily, computer technology allows us to go out
72
160570
2052
но, к счастью, компьютерные технологии
позволяют нам справиться с этой проблемой
позволяют нам справиться с этой проблемой
02:54
into multidimensional space.
73
162622
1546
и выйти в многомерное пространство.
02:56
So we can take in our network projection
74
164168
1875
Мы берём нашу сетевую проекцию
02:58
and apply a physics engine to this,
75
166043
1750
и применяем к ней физический движок,
02:59
and the similar talks kind of smash together,
76
167793
1885
в результате
похожие выступления разбиваются,
похожие выступления разбиваются,
03:01
and the different ones fly apart,
77
169678
2004
а непохожие расходятся в стороны,
03:03
and what we're left with is something quite beautiful.
78
171682
2072
и то, что мы получаем в результате,
напоминает красивую картинку.
напоминает красивую картинку.
03:05
EB: So I want to just point out here that every node is a talk,
79
173754
2957
ЭБ: Я хочу просто подчеркнуть,
что каждая узловая точка — это выступление,
что каждая узловая точка — это выступление,
03:08
they're linked if they share similar ideas,
80
176711
2589
точки связаны,
если разделяют похожие идеи.
если разделяют похожие идеи.
03:11
and that comes from a machine reading
81
179300
2084
Мы смогли получить такой результат,
используя машинное чтение
используя машинное чтение
03:13
of entire talk transcripts,
82
181384
2067
записей всех выступлений;
03:15
and then all these topics that pop out,
83
183451
2231
тэги и ключевые слова
03:17
they're not from tags and keywords.
84
185682
1790
не выдадут вам эти темы.
03:19
They come from the network structure
85
187472
1725
Мы смогли получить эти данные
только благодаря сетевой структуре
только благодаря сетевой структуре
03:21
of interconnected ideas. Keep going.
86
189197
2168
взаимосвязанных идей. Продолжай.
03:23
SG: Absolutely. So I got a little quick on that,
87
191365
2022
SG: Абсолютно верно.
Я немножко забежал вперед,
Я немножко забежал вперед,
03:25
but he's going to slow me down.
88
193387
1475
но Эрик заставил меня
вернуться к этой теме.
вернуться к этой теме.
03:26
We've got education connected to storytelling
89
194862
2034
Итак, вот образование,
связанное с повествованием
связанное с повествованием
03:28
triangulated next to social media.
90
196896
1643
и социальными СМИ,
это чем-то похоже на треугольник.
это чем-то похоже на треугольник.
03:30
You've got, of course, the human brain right next to healthcare,
91
198539
2475
Конечно, мозг человека находится
рядом со здравоохранением,
рядом со здравоохранением,
03:33
which you might expect,
92
201014
1386
этого следовало ожидать,
03:34
but also you've got video games, which is sort of adjacent,
93
202400
2395
а вот видеоигры относятся
к смежной области,
к смежной области,
03:36
as those two spaces interface with each other.
94
204795
2740
потому что две этих области
соприкасаются друг с другом.
соприкасаются друг с другом.
03:39
But I want to take you into one cluster
95
207535
1535
Но я хочу показать вам одно скопление,
03:41
that's particularly important to me, and that's the environment.
96
209070
2868
особенно важное для меня, —
это окружающая среда.
это окружающая среда.
03:43
And I want to kind of zoom in on that
97
211938
1493
Хочу показать его крупным планом
03:45
and see if we can get a little more resolution.
98
213431
2363
и посмотреть, можем ли мы
получить большее разрешение.
получить большее разрешение.
03:47
So as we go in here, what we start to see,
99
215794
2347
Мы заходим сюда и мы видим,
03:50
apply the physics engine again,
100
218141
1504
применяя физический движок ещё раз,
03:51
we see what's one conversation
101
219645
1676
мы видим, что это выступление
03:53
is actually composed of many smaller ones.
102
221321
2560
на самом деле
состоит из многих маленьких.
состоит из многих маленьких.
03:55
The structure starts to emerge
103
223881
1929
Структура начинает вырисовываться,
03:57
where we see a kind of fractal behavior
104
225810
2070
мы видим своего рода
фрактальное поведение
фрактальное поведение
03:59
of the words and the language that we use
105
227880
1619
слов и языка, которые используем
04:01
to describe the things that are important to us
106
229499
1702
для описания вещей, важных для нас
04:03
all around this world.
107
231201
1433
в окружающем мире.
04:04
So you've got food economy and local food at the top,
108
232634
2332
Итак, пищевая промышленность и местные
продукты питания находятся в верхней части,
продукты питания находятся в верхней части,
04:06
you've got greenhouse gases, solar and nuclear waste.
109
234966
2719
а здесь находятся парниковые газы, отработанные
солнечные батареи и ядерное топливо.
солнечные батареи и ядерное топливо.
04:09
What you're getting is a range of smaller conversations,
110
237685
2631
В результате мы вышли на уровень
более маленьких выступлений,
более маленьких выступлений,
04:12
each connected to each other through the ideas
111
240316
2301
связанных между собой идеями
04:14
and the language they share,
112
242617
1301
и общим языком.
04:15
creating a broader concept of the environment.
113
243918
2450
Всё это помогает
глубже понять окружающий мир.
глубже понять окружающий мир.
04:18
And of course, from here, we can go
114
246368
1532
И, конечно, отсюда
мы можем перейти сюда,
мы можем перейти сюда,
04:19
and zoom in and see, well, what are young people looking at?
115
247900
3534
увеличить и посмотреть, что же интересно
таким молодым людям как вы.
таким молодым людям как вы.
04:23
And they're looking at energy technology and nuclear fusion.
116
251434
2345
Вам интересны энергетические технологии
и ядерный синтез.
и ядерный синтез.
04:25
This is their kind of resonance
117
253779
1674
Это ваш вклад
04:27
for the conversation around the environment.
118
255453
2406
в мировой разговор.
04:29
If we split along gender lines,
119
257859
1899
Если мы разделим группы
по половому признаку,
по половому признаку,
04:31
we can see females resonating heavily
120
259758
1987
то увидим, что женщинам
больше интересна
больше интересна
04:33
with food economy, but also out there in hope and optimism.
121
261745
3645
пищевая промышленность, надежда
и оптимизм — они где-то там на схеме.
и оптимизм — они где-то там на схеме.
04:37
And so there's a lot of exciting stuff we can do here,
122
265390
2482
Таким образом мы можем узнать
много интересного.
много интересного.
04:39
and I'll throw to Eric for the next part.
123
267872
1762
А сейчас пред вами выступит Эрик.
04:41
EB: Yeah, I mean, just to point out here,
124
269634
1602
ЭБ: Да, я просто хотел заметить,
04:43
you cannot get this kind of perspective
125
271236
1538
что эту информацию
вы не найдёте на YouTube,
вы не найдёте на YouTube,
04:44
from a simple tag search on YouTube.
126
272774
3360
набирая слова в поисковике.
04:48
Let's now zoom back out to the entire global conversation
127
276134
4188
А теперь давайте вернёмся
к всемирному разговору,
к всемирному разговору,
04:52
out of environment, and look at all the talks together.
128
280322
2534
сосредоточим внимание
только на выступлениях.
только на выступлениях.
04:54
Now often, when we're faced with this amount of content,
129
282856
2927
Когда мы сталкиваемся
с новой информацией,
с новой информацией,
04:57
we do a couple of things to simplify it.
130
285783
2431
мы часто выполняем ряд действий,
чтобы сделать её проще и понятнее.
чтобы сделать её проще и понятнее.
05:00
We might just say, well,
131
288214
1314
Другими словами,
05:01
what are the most popular talks out there?
132
289528
2829
о чём больше всего любят говорить
на конференциях TED?
на конференциях TED?
05:04
And a few rise to the surface.
133
292357
1397
Давайте посмотрим на экран.
05:05
There's a talk about gratitude.
134
293754
1828
Есть выступление о благодарности.
05:07
There's another one about personal health and nutrition.
135
295582
3344
Ещё одно —
о личном здоровье и питании.
о личном здоровье и питании.
05:10
And of course, there's got to be one about porn, right?
136
298926
2929
И, конечно, должно быть
ещё одно про порно, да?
ещё одно про порно, да?
05:13
And so then we might say, well, gratitude, that was last year.
137
301855
3234
Мы видим, что выступления на тему благодарности
были популярны в прошлом году.
были популярны в прошлом году.
05:17
What's trending now? What's the popular talk now?
138
305089
2522
А что сейчас в моде?
О чём сейчас любят говорить?
О чём сейчас любят говорить?
05:19
And we can see that the new, emerging, top trending topic
139
307611
3321
Мы видим, что новая недавно появившаяся
очень актуальная тема —
очень актуальная тема —
05:22
is about digital privacy.
140
310932
2666
это тема цифровой конфиденциальности.
05:25
So this is great. It simplifies things.
141
313598
1693
Отлично. Эта картина
значительно упрощает вещи.
значительно упрощает вещи.
05:27
But there's so much creative content
142
315291
1827
Но ведь есть ещё много выступлений
с уникальным содержанием,
с уникальным содержанием,
05:29
that's just buried at the bottom.
143
317118
1921
которые просто похоронены внизу.
05:31
And I hate that. How do we bubble stuff up to the surface
144
319039
3318
Мне это совсем не нравится. Как сделать так,
чтобы эти творческие и интересные выступления
чтобы эти творческие и интересные выступления
05:34
that's maybe really creative and interesting?
145
322357
2458
всплыли на поверхность?
05:36
Well, we can go back to the network structure of ideas
146
324815
2931
Для этого нам нужно вернуться
05:39
to do that.
147
327746
1430
к сетевой структуре идей.
05:41
Remember, it's that network structure
148
329176
2114
Запомните, сетевая структура
05:43
that is creating these emergent topics,
149
331290
2268
создаёт появляющиеся темы;
05:45
and let's say we could take two of them,
150
333558
1515
предположим, что мы можем взять отсюда
любые две темы,
любые две темы,
05:47
like cities and genetics, and say, well, are there any talks
151
335073
3047
например, про города и про генетику,
и сказать, что есть некое выступление,
и сказать, что есть некое выступление,
05:50
that creatively bridge these two really different disciplines.
152
338120
2569
которое может творчески соединить
эти две разные области.
эти две разные области.
05:52
And that's -- Essentially, this kind of creative remix
153
340689
2275
И это... Такого рода творческий ремикс
05:54
is one of the hallmarks of innovation.
154
342964
1840
является одной из отличительных
особенностей инноваций.
особенностей инноваций.
05:56
Well here's one by Jessica Green
155
344804
1606
Вот, например,
одно из выступлений Джессики Грин
одно из выступлений Джессики Грин
05:58
about the microbial ecology of buildings.
156
346410
2379
о микробиальной экологии зданий.
06:00
It's literally defining a new field.
157
348789
2010
Оно буквально формирует
новую область,
новую область,
06:02
And we could go back to those topics and say, well,
158
350799
2103
и мы можем
вернуться к этим темам и сказать,
вернуться к этим темам и сказать,
06:04
what talks are central to those conversations?
159
352902
2768
какие выступления играют главную роль
в этих выступлениях.
в этих выступлениях.
06:07
In the cities cluster, one of the most central
160
355670
1690
В теме о городе
одно из самых центральных
одно из самых центральных
06:09
was one by Mitch Joachim about ecological cities,
161
357360
3952
выступлений было у Митча Джоакима
об экологических городах,
об экологических городах,
06:13
and in the genetics cluster,
162
361312
1720
а в теме о генетике
06:15
we have a talk about synthetic biology by Craig Venter.
163
363032
3193
мы видим выступление Крейга Винтера
о синтетической биологии.
о синтетической биологии.
06:18
These are talks that are linking many talks within their discipline.
164
366225
3353
Эти выступления связаны с другими
в границах своей области.
в границах своей области.
06:21
We could go the other direction and say, well,
165
369578
1843
Можно посмотреть что-то другое,
например,
например,
06:23
what are talks that are broadly synthesizing
166
371421
2272
какие выступления
часто синтезируются
часто синтезируются
06:25
a lot of different kinds of fields.
167
373693
1448
в различных областях.
06:27
We used a measure of ecological diversity to get this.
168
375141
2533
Чтобы это узнать, мы использовали
понятие «экологическое разнообразие».
понятие «экологическое разнообразие».
06:29
Like, a talk by Steven Pinker on the history of violence,
169
377674
2736
Вот выступление Стивена Пинкера
на тему истории насилия,
на тему истории насилия,
06:32
very synthetic.
170
380410
1180
оно очень синтетическое.
06:33
And then, of course, there are talks that are so unique
171
381590
2078
И конечно, есть выступления,
которые настолько уникальны,
которые настолько уникальны,
06:35
they're kind of out in the stratosphere, in their own special place,
172
383668
3090
что они находятся в своего рода
стратосфере, на особом месте,
стратосфере, на особом месте,
06:38
and we call that the Colleen Flanagan index.
173
386758
2514
мы называем это
индексом Коллин Флэнэган.
индексом Коллин Флэнэган.
06:41
And if you don't know Colleen, she's an artist,
174
389272
3034
Если вы про неё не слышали,
скажу, что она художник;
скажу, что она художник;
06:44
and I asked her, "Well, what's it like out there
175
392306
1543
я как-то спросил её:
«Как ты себя чувствуешь там,
«Как ты себя чувствуешь там,
06:45
in the stratosphere of our idea space?"
176
393849
1672
в стратосфере нашего космоса идей?»
06:47
And apparently it smells like bacon.
177
395521
3255
Наверно, там пахнет беконом.
06:50
I wouldn't know.
178
398776
1791
Я не знаю.
06:52
So we're using these network motifs
179
400567
2248
Поэтому мы используем
повторяющиеся узоры нашей сети,
повторяющиеся узоры нашей сети,
06:54
to find talks that are unique,
180
402815
1186
чтобы найти уникальные выступления,
06:56
ones that are creatively synthesizing a lot of different fields,
181
404001
2710
те, которые творчески синтезируют
множество различных сфер,
множество различных сфер,
06:58
ones that are central to their topic,
182
406711
1659
те, которые занимают
центральное место в своей области,
центральное место в своей области,
07:00
and ones that are really creatively bridging disparate fields.
183
408370
3374
и те, которые творчески
соединяют несоединимые темы.
соединяют несоединимые темы.
07:03
Okay? We never would have found those with our obsession
184
411744
2102
Всё понятно? Мы очень одержимы этой темой,
но сами бы никогда не смогли
но сами бы никогда не смогли
07:05
with what's trending now.
185
413846
2313
найти эти данные.
07:08
And all of this comes from the architecture of complexity,
186
416159
2886
Вся эта схема получена в результате
построения многих составляющих
построения многих составляющих
07:11
or the patterns of how things are connected.
187
419045
2960
или образцов того, как связаны вещи.
07:14
SG: So that's exactly right.
188
422005
1625
SG: Именно так.
07:15
We've got ourselves in a world
189
423630
2479
Мы находимся в мире,
07:18
that's massively complex,
190
426109
2044
который чрезвычайно сложен,
07:20
and we've been using algorithms to kind of filter it down
191
428153
2867
и мы используем алгоритмы,
чтобы отфильтровать лишнюю
чтобы отфильтровать лишнюю
07:23
so we can navigate through it.
192
431020
1786
и ориентироваться в оставшейся
полезной информации.
полезной информации.
07:24
And those algorithms, whilst being kind of useful,
193
432806
2338
Эти алгоритмы одновременно
и очень полезные, и
и очень полезные, и
07:27
are also very, very narrow, and we can do better than that,
194
435144
3476
очень, очень ограниченные,
но мы можем использовать их,
но мы можем использовать их,
07:30
because we can realize that their complexity is not random.
195
438620
2566
чтобы увидеть, что не случайно
окружающий мир так запутан.
окружающий мир так запутан.
07:33
It has mathematical structure,
196
441186
1954
У этой сложности
есть математическая формула.
есть математическая формула.
07:35
and we can use that mathematical structure
197
443140
1803
Мы можем использовать эту формулу,
07:36
to go and explore things like the world of ideas
198
444943
2214
чтобы изучать такие понятия,
как, например, мир идей,
как, например, мир идей,
07:39
to see what's being said, to see what's not being said,
199
447157
3000
и увидеть, на какие темы люди говорят,
а на какие нет,
а на какие нет,
07:42
and to be a little bit more human
200
450157
1407
стать немножко человечнее
07:43
and, hopefully, a little smarter.
201
451564
1867
и, надеюсь, немного умнее.
07:45
Thank you.
202
453431
966
Спасибо.
07:46
(Applause)
203
454397
4220
(Аплодисменты)
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