TEDGlobal 2010
Steven Johnson: Where good ideas come from
สตีเวน จอห์นสัน: ความคิดดีๆ มาจากไหน
Filmed:
Readability: 4
4,960,715 views
คนมักจะอ้างว่าความคิดของพวกเขา "ปิ๊ง" ขึ้นมาในเสี้ยววินาที แต่สตีเวน จอห์นสัน ชี้ให้เห็นว่า ตามหลักฐานทางประวัติศาสตร์แล้ว มันไม่ใช่อย่างนั้น ทัวร์ที่น่าทึ่งของเขาพาเราเดินทางจาก "เครือข่ายเหลว" ตามร้านกาแฟในลอนดอน ไปสู่ความตะหงิดใจอันยาวนานของ ชาร์ลส์ ดาร์วิน ไปจนถึงเว็บความเร็วสูงของวันนี้
Steven Johnson - Writer
Steven Berlin Johnson examines the intersection of science, technology and personal experience. Full bio
Steven Berlin Johnson examines the intersection of science, technology and personal experience. Full bio
Double-click the English transcript below to play the video.
00:15
Just a few minutes ago, I took this picture
0
0
3000
เมื่อไม่กี่นาทีก่อน ผมถ่ายรูปนี้
00:18
about 10 blocks from here.
1
3000
2000
ห่างจากที่นี่ไปประมาณ 10 ช่วงตึก
00:20
This is the Grand Cafe here in Oxford.
2
5000
3000
นี่คือร้าน แกรนด์ คาเฟ ในอ็อกซ์ฟอร์ด
00:23
I took this picture because this turns out to be
3
8000
3000
ผมถ่ายรูปไว้เพราะมันบังเอิญ
00:26
the first coffeehouse to open
4
11000
2000
เป็นร้านกาแฟแห่งแรก
00:28
in England in 1650.
5
13000
2000
ในอังกฤษ เปิดเมื่อปี 1650
00:30
That's its great claim to fame,
6
15000
2000
โด่งดังเพราะเป็นแห่งแรก
00:32
and I wanted to show it to you,
7
17000
2000
ผมอยากแสดงรูปนี้ให้คุณดู
00:34
not because I want to give you the kind of Starbucks tour
8
19000
2000
ไม่ใช่เพราะผมอยากนำเที่ยวร้านแบบสตาร์บัคส์
00:36
of historic England,
9
21000
2000
ในเขตเก่าแก่ของอังกฤษ
00:38
but rather because
10
23000
2000
แต่ผมให้ดูเพราะ
00:40
the English coffeehouse was crucial
11
25000
2000
ร้านกาแฟในอังกฤษเป็นปัจจัยที่ขาดไม่ได้
00:42
to the development and spread
12
27000
3000
ของการพัฒนาและแพร่หลาย
00:45
of one of the great intellectual flowerings of the last 500 years,
13
30000
3000
ของกระแสความเฟื่องฟูทางความคิดในช่วง 500 ปีที่ผ่านมา
00:48
what we now call the Enlightenment.
14
33000
3000
กระแสที่ตอนนี้เราเรียกว่า ยุครู้แจ้ง
00:51
And the coffeehouse played such a big role
15
36000
2000
ร้านกาแฟมีบทบาทสูงมาก
00:53
in the birth of the Enlightenment,
16
38000
2000
ในกำเนิดของยุครู้แจ้ง
00:55
in part, because of what people were drinking there.
17
40000
2000
ส่วนหนึ่งเพราะสิ่งที่คนดื่มกินที่นั่น
00:57
Because, before the spread
18
42000
3000
เพราะก่อนที่กาแฟและชา
01:00
of coffee and tea through British culture,
19
45000
3000
จะแพร่หลายในวัฒนธรรมอังกฤษ
01:03
what people drank -- both elite and mass folks drank --
20
48000
3000
สิ่งที่คนดื่ม ทั้งชนชั้นนำและชาวบ้าน
01:06
day-in and day-out, from dawn until dusk
21
51000
2000
ดื่มกันทั้งวันทั้งคืน ตั้งแต่รุ่งสางจนหัวค่ำ
01:08
was alcohol.
22
53000
2000
คือแอลกอฮอล์
01:10
Alcohol was the daytime beverage of choice.
23
55000
2000
มันเป็นเครื่องดื่มระหว่างวันที่คนชื่นชอบ
01:12
You would drink a little beer with breakfast and have a little wine at lunch,
24
57000
3000
คุณจะดื่มเบียร์เล็กน้อยกับอาหารเช้า จิบไวน์แกล้มอาหารกลางวัน
01:15
a little gin -- particularly around 1650 --
25
60000
3000
ดื่มจิน โดยเฉพาะประมาณปี 1650
01:18
and top it off with a little beer and wine at the end of the day.
26
63000
2000
ตบท้ายด้วยเบียร์และไวน์ตอนเย็น
01:20
That was the healthy choice -- right --
27
65000
2000
นั่นคือทางเลือกที่ดีต่อสุขภาพนะครับ
01:22
because the water wasn't safe to drink.
28
67000
2000
เพราะสมัยนั้นน้ำยังไม่ปลอดภัยพอที่จะดื่ม
01:24
And so, effectively until the rise of the coffeehouse,
29
69000
3000
และดังนั้น ก่อนที่กิจการร้านกาแฟจะเกิดขึ้น
01:27
you had an entire population
30
72000
2000
คุณมีประชากรทั้งประเทศ
01:29
that was effectively drunk all day.
31
74000
3000
ที่เมาแป๋ทั้งวัน
01:32
And you can imagine what that would be like, right, in your own life --
32
77000
2000
คุณคงนึกออกว่าถ้าคุณทำแบบนี้จะเป็นยังไง
01:34
and I know this is true of some of you --
33
79000
2000
ผมรู้ว่าพวกคุณหลายคนเป็นแบบนี้คือ
01:36
if you were drinking all day,
34
81000
3000
ถ้าในชีวิตคุณดื่มเหล้าทั้งวัน
01:39
and then you switched from a depressant to a stimulant in your life,
35
84000
3000
แล้วเกิดเปลี่ยนจากเหล้าซึ่งมีฤทธิ์กล่อมประสาทไปหายากระตุ้นประสาท
01:42
you would have better ideas.
36
87000
2000
คุณจะมีความคิดดีๆ มากกว่าเดิม
01:44
You would be sharper and more alert.
37
89000
2000
คุณจะเฉียบแหลมและตื่นตัวกว่าเดิม
01:46
And so it's not an accident that a great flowering of innovation happened
38
91000
3000
ดังนั้น จึงไม่ใช่เหตุบังเอิญที่นวัตกรรมจำนวนมหาศาล
01:49
as England switched to tea and coffee.
39
94000
3000
เฟื่องฟูหลังจากที่อังกฤษนิยมดื่มชาและกาแฟ
01:52
But the other thing that makes the coffeehouse important
40
97000
3000
แต่อีกอย่างที่ทำให้ร้านกาแฟสำคัญมาก
01:55
is the architecture of the space.
41
100000
2000
คือโครงสร้างและองค์ประกอบที่อยู่ในนั้น
01:57
It was a space where people would get together
42
102000
2000
มันเป็นพี้นที่ที่ผู้คนมารวมตัวกัน
01:59
from different backgrounds,
43
104000
2000
คนจากภูมิหลังที่แตกต่างกันมากมาย
02:01
different fields of expertise, and share.
44
106000
2000
จากสาขาความเชี่ยวชาญต่างกัน มาแบ่งปันกัน
02:03
It was a space, as Matt Ridley talked about, where ideas could have sex.
45
108000
3000
มันเป็นพื้นที่ที่ความคิดจะมามีเซ็กซ์กันได้ อย่างที่แม็ท ริดลีย์ว่าไว้
02:06
This was their conjugal bed, in a sense --
46
111000
2000
ในแง่นี้ ร้านกาแฟก็เป็นเตียงสมรส
02:08
ideas would get together there.
47
113000
2000
ความคิดจะมาพบปะกันที่นั่น
02:10
And an astonishing number of innovations from this period
48
115000
3000
และนวัตกรรมจำนวนมากอย่างน่าทึ่งที่เกิดในยุคนั้น
02:13
have a coffeehouse somewhere in their story.
49
118000
3000
มีร้านกาแฟอยู่ตรงไหนสักแห่งในเรื่องราวความเป็นมาของมัน
02:16
I've been spending a lot of time thinking about coffeehouses
50
121000
3000
ผมใช้เวลาครุ่นคิดถึงร้านกาแฟเยอะมาก
02:19
for the last five years,
51
124000
2000
ในช่วง 5 ปีที่ผ่านมา
02:21
because I've been kind of on this quest
52
126000
2000
เพราะผมออกผจญภัยทางความคิด
02:23
to investigate this question
53
128000
2000
เพื่อสำรวจคำถามที่ว่า
02:25
of where good ideas come from.
54
130000
2000
ความคิดดีๆ นั้นมาจากไหน
02:27
What are the environments
55
132000
2000
อะไรคือสภาพแวดล้อม
02:29
that lead to unusual levels of innovation,
56
134000
3000
ที่สร้างนวัตกรรมที่เหนือชั้น
02:32
unusual levels of creativity?
57
137000
3000
และความคิดสร้างสรรค์ที่ไม่ธรรมดา?
02:35
What's the kind of environmental --
58
140000
2000
สภาพแวดล้อมต้องเป็นแบบไหน
02:37
what is the space of creativity?
59
142000
2000
สถานที่แบบไหนที่บ่มเพาะความคิดสร้างสรรค์?
02:39
And what I've done is
60
144000
2000
สิ่งที่ผมทำคือ
02:41
I've looked at both environments like the coffeehouse;
61
146000
2000
ไปดูทั้งสภาพแวดล้อมแบบร้านกาแฟ
02:43
I've looked at media environments, like the world wide web,
62
148000
2000
และสภาพแวดล้อมทางสื่อ อย่างเวิร์ลด์ไวด์เว็บ
02:45
that have been extraordinarily innovative;
63
150000
2000
ที่มีนวัตกรรมและความคิดสร้างสรรค์มากอย่างน่าทึ่ง
02:47
I've gone back to the history of the first cities;
64
152000
3000
ผมกลับไปดูประวัติศาสตร์ของเมืองแรกๆ ในโลก
02:50
I've even gone to biological environments,
65
155000
2000
ดูแม้แต่สภาพแวดล้อมทางชีววิทยา
02:52
like coral reefs and rainforests,
66
157000
2000
อย่างเช่นแนวปะการังและป่าเขตร้อน
02:54
that involve unusual levels of biological innovation;
67
159000
3000
ที่มีนวัตกรรมทางชีววิทยาในระดับที่โดดเด่น
02:57
and what I've been looking for is shared patterns,
68
162000
3000
และสิ่งที่ผมค้นหาคือลักษณะร่วม
03:00
kind of signature behavior that shows up
69
165000
2000
พฤติกรรมหลักๆ ที่ปรากฏให้เห็น
03:02
again and again in all of these environments.
70
167000
3000
ครั้งแล้วครั้งเล่าในสภาพแวดล้อมเหล่านี้ทั้งหมด
03:05
Are there recurring patterns that we can learn from,
71
170000
3000
มีแบบแผนที่เกิดซ้ำๆ ที่เราเรียนรู้จากมันได้หรือเปล่า
03:08
that we can take and kind of apply to our own lives,
72
173000
2000
แบบที่เราสามารถนำมาประยุกต์ใช้ในชีวิตส่วนตัว
03:10
or our own organizations,
73
175000
2000
หรือในองค์กรของเรา
03:12
or our own environments to make them more creative and innovative?
74
177000
2000
หรือสภาพแวดล้อมของเรา เพื่อทำให้มันสร้างสรรค์และมีนวัตกรรมกว่าเดิม?
03:14
And I think I've found a few.
75
179000
2000
ผมคิดว่าผมเจอแบบแผนบางอย่างที่ว่าแล้ว
03:16
But what you have to do to make sense of this
76
181000
3000
แต่สิ่งที่คุณต้องทำ ถ้าจะเข้าใจเรื่องนี้
03:19
and to really understand these principles
77
184000
2000
และเข้าใจหลักการทั้งหมดนี้จริงๆ
03:21
is you have to do away
78
186000
2000
คือก่อนอื่นต้องกำจัด
03:23
with a lot of the way in which our conventional metaphors and language
79
188000
3000
กรอบของอุปมาอุปไมยและภาษาเดิมๆ ของเรา
03:26
steers us towards
80
191000
2000
ที่ชี้นำเราไปสู่
03:28
certain concepts of idea-creation.
81
193000
2000
แนวคิดเก่าๆ เกี่ยวกับการสร้างความคิดใหม่ๆ
03:30
We have this very rich vocabulary
82
195000
2000
เรามีคลังคำที่รุ่มรวยมาก
03:32
to describe moments of inspiration.
83
197000
2000
ที่ใช้อธิบายชั่วขณะของแรงบันดาลใจ
03:34
We have the kind of the flash of insight,
84
199000
3000
เราบอกว่า ความคิด "ปิ๊งแวบ" เข้ามาในหัว
03:37
the stroke of insight,
85
202000
2000
มีญาณทัศนะฉับพลัน
03:39
we have epiphanies, we have "eureka!" moments,
86
204000
3000
เรามีชั่วขณะที่ "ใช่เลย!" หรือ "คิดออกแล้ว!"
03:42
we have the lightbulb moments, right?
87
207000
2000
มีช่วงที่หลอดไฟสว่างในหัว ใช่ไหมครับ?
03:44
All of these concepts,
88
209000
2000
แนวคิดทั้งหมดนี้
03:46
as kind of rhetorically florid as they are,
89
211000
3000
ถึงแม้ว่ามันจะดูรุ่มร่ามทางภาษา
03:49
share this basic assumption,
90
214000
2000
ก็ล้วนมีสมมติฐานร่วมกันว่า
03:51
which is that an idea is a single thing,
91
216000
3000
ความคิดคือสิ่งที่เกิดขึ้นโดดๆ
03:54
it's something that happens often
92
219000
2000
เป็นสิ่งที่มักเกิดขึ้น
03:56
in a wonderful illuminating moment.
93
221000
3000
ในชั่วขณะของความรู้แจ้งอันสว่างไสวประภัสสร
03:59
But in fact, what I would argue and what you really need to kind of begin with
94
224000
3000
แต่ในความเป็นจริง ผมว่าคุณต้องเริ่มต้น
04:02
is this idea that an idea is a network
95
227000
3000
ด้วยความคิดที่ว่า ความคิดคือเครือข่าย
04:05
on the most elemental level.
96
230000
2000
ในระดับที่พื้นฐานที่สุด
04:07
I mean, this is what is happening inside your brain.
97
232000
2000
นี่คือสิ่งที่กำลังเกิดขึ้นในสมองของคุณ
04:09
An idea -- a new idea -- is a new network of neurons
98
234000
3000
ความคิดใหม่คือเครือข่ายเซลล์ประสาท
04:12
firing in sync with each other inside your brain.
99
237000
3000
ที่ยิงเข้าจังหวะกันในสมองของคุณ
04:15
It's a new configuration that has never formed before.
100
240000
3000
ในตำแหน่งใหม่ที่ไม่เคยมีมาก่อน
04:18
And the question is: how do you get your brain into environments
101
243000
3000
คำถามคือ คุณจะทำให้สมองอยู่ในสภาพแวดล้อม
04:21
where these new networks are going to be more likely to form?
102
246000
3000
ที่เครือข่ายใหม่ๆ เหล่านี้จะมีโอกาสเกิดมากขึ้นได้อย่างไร?
04:24
And it turns out that, in fact, the kind of network patterns of the outside world
103
249000
3000
ปรากฏว่า แบบแผนของเครือข่ายในโลกภายนอก
04:27
mimic a lot of the network patterns
104
252000
2000
มีส่วนคล้ายกันมากกับแบบแผนของเครือข่าย
04:29
of the internal world of the human brain.
105
254000
3000
ในโลกภายในของสมองมนุษย์
04:32
So the metaphor I'd like the use
106
257000
2000
ดังนั้น อุปมาที่ผมชอบ
04:34
I can take
107
259000
2000
ผมเอามาจาก
04:36
from a story of a great idea that's quite recent --
108
261000
3000
เรื่องราวของความคิดเจ๋งๆ อันหนึ่งเมื่อไม่นานมานี้
04:39
a lot more recent than the 1650s.
109
264000
3000
ใหม่กว่ายุค 1650 มาก
04:43
A wonderful guy named Timothy Prestero,
110
268000
2000
ผู้ชายที่น่าทึ่งคนหนึ่งนาม ทิโมธี เพรสเตโร
04:45
who has a company called ... an organization called Design That Matters.
111
270000
3000
เขามีบริษัทชื่อ ...มีองค์กรชื่อ ดีไซน์ แธท แม็ทเทอร์ส
04:48
They decided to tackle this really pressing problem
112
273000
3000
พวกเขาตัดสินใจว่าจะรับมือกับปัญหาเร่งด่วน
04:53
of, you know, the terrible problems we have with infant mortality rates
113
278000
2000
คืออัตราการตายของทารกแรกเกิดที่สูงมาก
04:55
in the developing world.
114
280000
2000
ในประเทศกำลังพัฒนา
04:57
One of the things that's very frustrating about this is that we know,
115
282000
3000
ประเด็นที่น่าหงุดหงิดมากเกี่ยวกับปัญหานี้คือ เรารู้ว่า
05:00
by getting modern neonatal incubators
116
285000
3000
ถ้าเอาเครื่องอบทารกสมัยใหม่
05:03
into any context,
117
288000
2000
ไปใช้ในพื้นที่ไหนก็ได้
05:05
if we can keep premature babies warm, basically -- it's very simple --
118
290000
3000
พูดง่ายๆ คือ ถ้าเราทำให้ทารกที่เกิดก่อนกำหนดอุ่นพอ ซึ่งง่ายมาก
05:08
we can halve infant mortality rates in those environments.
119
293000
3000
เราก็จะสามารถลดอัตราการตายลงถึงครึ่งหนึ่ง
05:11
So, the technology is there.
120
296000
2000
ดังนั้น เทคโนโลยีก็มีแล้ว
05:13
These are standard in all the industrialized worlds.
121
298000
3000
เป็นมาตรฐานในโลกที่พัฒนาแล้ว
05:16
The problem is, if you buy a $40,000 incubator,
122
301000
3000
ปัญหาคือ ถ้าคุณซื้อเครื่องอบราคา 40,000 เหรียญ
05:19
and you send it off
123
304000
2000
แล้วส่งเข้าไปใน
05:21
to a mid-sized village in Africa,
124
306000
2000
หมู่บ้านขนาดกลางในแอฟริกา
05:23
it will work great for a year or two years,
125
308000
2000
มันก็จะทำงานได้ดีมากหนึ่งปี หรือสองปี
05:25
and then something will go wrong and it will break,
126
310000
3000
หลังจากนั้นอะไรสักอย่างจะเสีย และมันจะพัง
05:28
and it will remain broken forever,
127
313000
2000
เสร็จแล้วก็จะพังตลอดกาล
05:30
because you don't have a whole system of spare parts,
128
315000
3000
เพราะคุณไม่มีระบบอาไหล่ที่พร้อมมูล
05:33
and you don't have the on-the-ground expertise
129
318000
2000
และไม่มีผู้เชี่ยวชาญในพื้นที่
05:35
to fix this $40,000 piece of equipment.
130
320000
2000
ที่จะมาซ่อมเจ้าอุปกรณ์ราคา 40,000 เหรียญนี้ได้
05:37
And so you end up having this problem where you spend all this money
131
322000
2000
ดังนั้นคุณจึงลงเอยด้วยการหมดเงินเยอะมาก
05:39
getting aid and all these advanced electronics to these countries,
132
324000
3000
ไปกับการส่งเครื่องมืออิเล็กทรอนิกส์เหล่านี้ไปตามประเทศต่างๆ
05:42
and then it ends up being useless.
133
327000
2000
แต่แล้วสุดท้ายมันก็ไร้ประโยชน์
05:44
So what Prestero and his team decided to do
134
329000
2000
ดังนั้นสิ่งที่เพรสเตโรกับทีมของเขาตัดสินใจทำ
05:46
is to look around and see: what are the abundant resources
135
331000
3000
คือมองไปรอบๆ แล้วดูว่า ทรัพยากรอะไรบ้างที่มีเหลือเฟือ
05:49
in these developing world contexts?
136
334000
2000
ในบริบทของโลกกำลังพัฒนา?
05:51
And what they noticed was they don't have a lot of DVRs,
137
336000
3000
สิ่งที่พวกเขาสังเกตคือ ประเทศเหล่านัั้นไม่ค่อยมีเครื่องเล่นดีวีดี
05:54
they don't have a lot of microwaves,
138
339000
2000
ไม่ค่อยมีเตาอบไมโครเวฟ
05:56
but they seem to do a pretty good job of keeping their cars on the road.
139
341000
3000
แต่ก็ดูเหมือนว่าจะสามารถบำรุงรักษารถยนต์ให้อยู่ในสภาพดี
05:59
There's a Toyota Forerunner
140
344000
2000
มีรถยี่ห้อโตโยต้า โฟร์รันเนอร์
06:01
on the street in all these places.
141
346000
2000
บนถนนทุกหนแห่ง
06:03
They seem to have the expertise to keep cars working.
142
348000
3000
ผู้คนดูจะมีความเชี่ยวชาญในการซ่อมบำรุงรถ
06:06
So they started to think,
143
351000
2000
เพรสเตโร กับทีม ก็เลยเริ่มคิดว่า
06:08
"Could we build a neonatal incubator
144
353000
2000
"เราจะสามารถสร้างเครื่องอบทารกแรกเกิด
06:10
that's built entirely out of automobile parts?"
145
355000
3000
ที่มาจากชิ้นส่วนรถยนต์ล้วนๆ ได้หรือเปล่า?"
06:13
And this is what they ended up coming with.
146
358000
2000
และนี่คือสิ่งที่พวกเขาประดิษฐ์ได้
06:15
It's called a "neonurture device."
147
360000
2000
มันคือ "เครื่องดูแลทารกก่อนกำหนด"
06:17
From the outside, it looks like a normal little thing
148
362000
2000
มองจากภายนอก มันดูเหมือนอุปกรณ์ปกติทั่วไป
06:19
you'd find in a modern, Western hospital.
149
364000
2000
ที่คุณพบเห็นได้ในโรงพยาบาลในประเทศตะวันตก
06:21
In the inside, it's all car parts.
150
366000
2000
แต่ข้างในของมันใช้ชิ้นส่วนรถยนต์ล้วนๆ
06:23
It's got a fan, it's got headlights for warmth,
151
368000
2000
มีพัดลม เอาไฟหน้ารถมาให้ความอบอุ่น
06:25
it's got door chimes for alarm --
152
370000
2000
เอากระดิ่งมาทำเป็นสัญญาณเตือนภัย
06:27
it runs off a car battery.
153
372000
2000
ทำงานด้วยแบตเตอรี่รถยนต์
06:29
And so all you need is the spare parts from your Toyota
154
374000
2000
ดังนั้นสิ่งที่คุณต้องใช้ก็มีแค่อาไหล่จากรถโตโยต้า
06:31
and the ability to fix a headlight,
155
376000
2000
กับความสามารถในการซ่อมไฟหน้ารถ
06:33
and you can repair this thing.
156
378000
2000
แค่นี้ก็ซ่อมเครื่องนี้ได้แล้ว
06:35
Now, that's a great idea, but what I'd like to say is that, in fact,
157
380000
3000
ชัดเจนว่านี่เป็นความคิดที่เยี่ยมมาก แต่สิ่งที่ผมอยากจะพูดคือ
06:38
this is a great metaphor for the way that ideas happen.
158
383000
2000
มันเป็นการเปรียบเทียบที่ดีว่าความคิดเกิดขึ้นได้อย่างไร
06:40
We like to think our breakthrough ideas, you know,
159
385000
2000
เราชอบคิดว่าความคิดที่ก้าวกระโดดของเรา
06:42
are like that $40,000, brand new incubator,
160
387000
2000
ก็เหมือนกับเครื่องอบใหม่เอี่ยมราคา 40,000 เหรียญ
06:44
state-of-the-art technology,
161
389000
2000
เทคโนโลยีใหม่ล่าสุด
06:46
but more often than not, they're cobbled together
162
391000
2000
แต่ที่จริง บ่อยครั้งความคิดของเราประกอบกัน
06:48
from whatever parts that happen to be around nearby.
163
393000
2000
จากชิ้นส่วนอะไรก็ตามที่บังเอิญอยู่แถวนั้น
06:50
We take ideas from other people,
164
395000
2000
เราเอาความคิดมาจากคนอื่น
06:52
from people we've learned from, from people we run into in the coffee shop,
165
397000
3000
คนที่เราได้เรียนรู้ คนที่เราเจอโดยบังเอิญในร้านกาแฟ
06:55
and we stitch them together into new forms and we create something new.
166
400000
3000
แล้วเราก็ถักร้อยมันขึ้นเป็นรูปแบบใหม่ๆ และสร้างสรรค์อะไรใหม่ๆ
06:58
That's really where innovation happens.
167
403000
3000
นั่นคือพื้นที่ที่นวัตกรรมถือกำเนิด
07:01
And that means that we have to change some of our models
168
406000
2000
ซึ่งก็แปลว่า เราจะต้องเปลี่ยนโมเดลของเราบางอัน
07:03
of what innovation and deep thinking really looks like, right.
169
408000
3000
โมเดลที่อธิบายโฉมหน้าของนวัตกรรมกับการใช้ความคิดอย่างลึกซึ้ง
07:06
I mean, this is one vision of it.
170
411000
2000
นี่คือวิสัยทัศน์หนึ่งเรื่อง
07:08
Another is Newton and the apple, when Newton was at Cambridge.
171
413000
3000
อีกเรื่องคือนิวตันกับแอปเปิล ตอนที่นิวตันอยู่เคมบริจ
07:11
This is a statue from Oxford.
172
416000
2000
นี่คืออนุสาวรีย์จากอ็อกซ์ฟอร์ด
07:13
You know, you're sitting there thinking a deep thought,
173
418000
2000
ลองนึกว่าถ้าคุณนั่งอยู่ตรงนี้ กำลังคิดความคิดลึกล้ำอยู่
07:15
and the apple falls from the tree, and you have the theory of gravity.
174
420000
3000
พอแอปเปิลตกลงมาจากต้นไม้ คุณก็ได้ทฤษฎีแรงโน้มถ่วง
07:18
In fact, the spaces that have historically led to innovation
175
423000
3000
อันที่จริง พื้นที่ที่นำไปสู่นวัตกรรมในประวัติศาสตร์
07:21
tend to look like this, right.
176
426000
2000
มักจะมีหน้าตาแบบนี้นะครับ
07:23
This is Hogarth's famous painting of a kind of political dinner at a tavern,
177
428000
3000
นี่คือภาพวาดที่โด่งดังของโฮการ์ธ ภาพอาหารเย็นทางการเมืองที่โรงเหล้า
07:26
but this is what the coffee shops looked like back then.
178
431000
3000
แต่นี่คือหน้าตาของร้านกาแฟในสมัยนั้น
07:29
This is the kind of chaotic environment
179
434000
2000
นี่คือสภาพแวดล้อมที่สับสนยุ่งเหยิง
07:31
where ideas were likely to come together,
180
436000
2000
ที่ที่ความคิดมีแนวโน้มว่าจะมารวมกัน
07:33
where people were likely to have
181
438000
2000
ที่ที่ผู้คนที่มีภูมิหลังที่หลากหลาย
07:35
new, interesting, unpredictable collisions -- people from different backgrounds.
182
440000
3000
มีโอกาสมาปะทะกันในรูปแบบใหม่ น่าสนใจ และคาดการณ์ไม่ได้
07:38
So, if we're trying to build organizations that are more innovative,
183
443000
2000
ฉะนั้น ถ้าเราจะพยายามสร้างองค์กรที่มีนวัตกรรมกว่าเดิม
07:40
we have to build spaces that -- strangely enough -- look a little bit more like this.
184
445000
3000
เราก็จะต้องสร้างพื้นที่ที่มีหน้าตาแบบนี้มากขึ้น แม้มันอาจฟังดูแปลก
07:43
This is what your office should look like,
185
448000
2000
สำนักงานของคุณควรมีหน้าตาแบบนี้
07:45
is part of my message here.
186
450000
2000
นี่คือข้อเสนอข้อหนึ่งของผม
07:47
And one of the problems with this is that
187
452000
2000
ปัญหาหนึ่งของเรื่องนี้คือ
07:49
people are actually -- when you research this field --
188
454000
3000
เวลาที่คุณทำการวิจัยสาขานี้ คนจำนวนมาก
07:52
people are notoriously unreliable,
189
457000
2000
เชื่อถือไม่ได้เลย
07:54
when they actually kind of self-report
190
459000
2000
เวลาที่พวกเขารายงาน
07:56
on where they have their own good ideas,
191
461000
2000
ว่าเขาเกิดความคิดดีๆ ขึ้นที่ไหน
07:58
or their history of their best ideas.
192
463000
2000
หรือเล่าประวัติที่มาของความคิดที่ดีที่สุดของเขา
08:00
And a few years ago, a wonderful researcher named Kevin Dunbar
193
465000
3000
เมื่อไม่กี่ปีก่อน สุดยอดนักวิจัยนาม เควิน ดันบาร์
08:03
decided to go around
194
468000
2000
ตัดสินใจว่าจะศึกษาเรื่องนี้
08:05
and basically do the Big Brother approach
195
470000
2000
เขาใช้วิธี "พี่เบิ้ม" คอยสอดส่องพฤติกรรม
08:07
to figuring out where good ideas come from.
196
472000
2000
เพื่อค้นหาว่าความคิดมาจากไหน
08:09
He went to a bunch of science labs around the world
197
474000
3000
เขาไปที่ห้องทดลองวิทยาศาสตร์รอบโลก
08:12
and videotaped everyone
198
477000
2000
ถ่ายวีดีโอทุกคนที่นั่น
08:14
as they were doing every little bit of their job.
199
479000
2000
ขณะที่พวกเขากำลังทำงาน ยิบย่อยแค่ไหนก็ถ่าย
08:16
So when they were sitting in front of the microscope,
200
481000
2000
เวลาที่พวกเขานั่งอยู่หน้ากล้องจุลทรรศน์
08:18
when they were talking to their colleague at the water cooler, and all these things.
201
483000
2000
เวลาที่คุยกับเพื่อนร่วมงานหน้าตู้กดน้ำดื่ม และอื่นๆ อีกมากมาย
08:20
And he recorded all of these conversations
202
485000
2000
เขาบันทึกการสนทนาทั้งหมดนี้
08:22
and tried to figure out where the most important ideas,
203
487000
2000
และพยายามดูว่าความคิดที่สำคัญที่สุด
08:24
where they happened.
204
489000
2000
เกิดขึ้นตรงจุดไหน
08:26
And when we think about the classic image of the scientist in the lab,
205
491000
3000
เวลาที่เรานึกภาพคลาสสิกของนักวิทยาศาสตร์ในห้องทดลอง
08:29
we have this image -- you know, they're pouring over the microscope,
206
494000
3000
เราก็นึกภาพพวกเขาก้มหน้าก้มตาอยู่ที่กล้องจุลทรรศน์
08:32
and they see something in the tissue sample.
207
497000
2000
มองเห็นอะไรสักอย่างในเนื้อเยื่อตัวอย่าง
08:34
And "oh, eureka," they've got the idea.
208
499000
3000
แล้วก็ร้องว่า "ใช่เลย!" ความคิดวาบขึ้นมาแล้ว
08:37
What happened actually when Dunbar kind of looked at the tape
209
502000
3000
แต่ในความเป็นจริง สิ่งที่เกิดขึ้นเวลาที่ดันบาร์กลับมาดูเทป
08:40
is that, in fact, almost all of the important breakthrough ideas
210
505000
3000
ก็คือ ความคิดที่ก้าวกระโดดที่สำคัญที่สุดแทบทั้งหมด
08:43
did not happen alone in the lab, in front of the microscope.
211
508000
3000
ไม่ได้เกิดขึ้นโดดๆ ในห้องทดลอง ต่อหน้ากล้องจุลทรรศน์
08:46
They happened at the conference table
212
511000
2000
แต่เกิดขึ้นบนโต๊ะประชุม
08:48
at the weekly lab meeting,
213
513000
2000
ที่ประชุมกันรายสัปดาห์
08:50
when everybody got together and shared their kind of latest data and findings,
214
515000
3000
ที่ที่ทุกคนมารวมตัวกัน แลกเปลี่ยนข้อมูลและข้อค้นพบล่าสุด
08:53
oftentimes when people shared the mistakes they were having,
215
518000
2000
หลายครั้ง เวลาที่คนแลกเปลี่ยนข้อผิดพลาดที่กำลังเจอ
08:55
the error, the noise in the signal they were discovering.
216
520000
3000
ข้อผิดพลาดหรือ "เสียงรบกวน" ในสัญญาณที่พวกเขากำลังค้นพบ
08:58
And something about that environment --
217
523000
3000
และอะไรสักอย่างในสภาพแวดล้อมแบบนั้น
09:01
and I've started calling it the "liquid network,"
218
526000
2000
ที่ผมเริ่มเรียกมันว่า "เครือข่ายเหลว"
09:03
where you have lots of different ideas that are together,
219
528000
3000
ที่ที่ความคิดที่หลากหลายจำนวนมากมารวมตัวกัน
09:06
different backgrounds, different interests,
220
531000
2000
ภูมิหลังแตกต่างกัน ความสนใจแตกต่างกัน
09:08
jostling with each other, bouncing off each other --
221
533000
2000
วิ่งมาปะทะกัน กระเด้งกระดอนใส่กันและกัน
09:10
that environment is, in fact,
222
535000
2000
ที่จริงสภาพแวดล้อมแบบนั้น
09:12
the environment that leads to innovation.
223
537000
2000
คือสภาพแวดล้อมที่นำไปสู่นวัตกรรม
09:14
The other problem that people have
224
539000
2000
อีกปัญหาหนึ่งที่คนมี
09:16
is they like to condense their stories of innovation down
225
541000
2000
คือพวกเขามักจะบีบอัดเรื่องราวของนวัตกรรมลง
09:18
to kind of shorter time frames.
226
543000
2000
ในกรอบเวลาที่สั้นกว่าความเป็นจริง
09:20
So they want to tell the story of the "eureka!" moment.
227
545000
3000
พวกเขาอยากเล่าเรื่องของชั่วขณะที่ "คิดออกแล้ว!"
09:23
They want to say, "There I was, I was standing there
228
548000
2000
อยากพูดว่า "ตอนนั้นผมยืนอยู่ตรงนั้น
09:25
and I had it all suddenly clear in my head."
229
550000
2000
แล้วทันใดนั้นความคิดก็วาบเข้ามาในหัว"
09:27
But in fact, if you go back and look at the historical record,
230
552000
3000
แต่อันที่จริง ถ้าคุณถอยกลับไปดูสถิติในประวัติศาสตร์
09:30
it turns out that a lot of important ideas
231
555000
3000
คุณจะพบว่าความคิดที่สำคัญๆ จำนวนมาก
09:33
have very long incubation periods --
232
558000
3000
มีช่วงเวลาฟักตัวที่นานมาก
09:36
I call this the "slow hunch."
233
561000
2000
ผมเรียกเรื่องนี้ว่า "การตะหงิดใจอย่างช้าๆ"
09:38
We've heard a lot recently
234
563000
2000
เมื่อไม่นานนี้เราได้ยินเรื่องราว
09:40
about hunch and instinct
235
565000
2000
ของการตะหงิดใจและสัญชาตญาณมามาก
09:42
and blink-like sudden moments of clarity,
236
567000
3000
ชั่วขณะที่แจ่มชัดในทันทีทันใด
09:45
but in fact, a lot of great ideas
237
570000
2000
แต่แท้ที่จริง ความคิดที่ยอดเยี่ยมจำนวนมาก
09:47
linger on, sometimes for decades,
238
572000
2000
ลอยอ้อยอิ่ง บางครั้งนานหลายทศวรรษ
09:49
in the back of people's minds.
239
574000
2000
อยู่ในจิตใต้สำนึกของผู้คน
09:51
They have a feeling that there's an interesting problem,
240
576000
2000
พวกเขารู้สึกว่ามีปัญหาที่น่าสนใจ
09:53
but they don't quite have the tools yet to discover them.
241
578000
3000
แต่ยังไม่มีเครื่องมือที่จะค้นมันพบ
09:56
They spend all this time working on certain problems,
242
581000
3000
พวกเขาหมดเวลาไปกับการทำงานแก้ปัญหา
09:59
but there's another thing lingering there
243
584000
2000
แต่มีอะไรบางอย่างที่ตะหงิดๆ
10:01
that they're interested in, but they can't quite solve.
244
586000
2000
อะไรบางอย่างที่น่าสนใจ แต่ยังแก้ไม่ตก
10:03
Darwin is a great example of this.
245
588000
2000
ดาร์วินเป็นตัวอย่างหนึ่งที่ดีมาก
10:05
Darwin himself, in his autobiography,
246
590000
2000
ในอัตชีวประวัติของตัวเอง
10:07
tells the story of coming up with the idea
247
592000
2000
ดาร์วินเล่าตอนที่เขาคิดทฤษฎี
10:09
for natural selection
248
594000
2000
การคัดเลือกตามธรรมชาติออกมาได้
10:11
as a classic "eureka!" moment.
249
596000
2000
ว่าเป็นห้วงเวลา "ใช่เลย!" แบบคลาสสิก
10:13
He's in his study,
250
598000
2000
เขาอยู่ในห้องทำงาน
10:15
it's October of 1838,
251
600000
2000
ตอนนั้นเป็นเดือนตุลา ปี 1838
10:17
and he's reading Malthus, actually, on population.
252
602000
2000
เขากำลังอ่านหนังสือของมัลธัสเกี่ยวกับประชากร
10:19
And all of a sudden,
253
604000
2000
และทันใดนั้น
10:21
the basic algorithm of natural selection kind of pops into his head
254
606000
3000
ขั้นตอนวิธีพื้นฐานของการคัดเลือกตามธรรมชาติก็วาบเข้ามาในหัว
10:24
and he says, "Ah, at last, I had a theory with which to work."
255
609000
3000
และดาร์วินบอกว่า "อา ในที่สุด ผมก็มีทฤษฎีที่จะใช้ทำงานแล้ว"
10:27
That's in his autobiography.
256
612000
2000
ท่อนนี้อยู่ในหนังสืออัตชีวประวัติครับ
10:29
About a decade or two ago,
257
614000
2000
ทีนี้ เมื่อประมาณหนึ่งหรือสองทศวรรษก่อน
10:31
a wonderful scholar named Howard Gruber went back
258
616000
2000
นักวิจัยที่เก่งมากนาม โฮวาร์ด กรูเบอร์ ย้อนไปดู
10:33
and looked at Darwin's notebooks from this period.
259
618000
3000
สมุดบันทึกของดาร์วินจากช่วงนั้น
10:36
And Darwin kept these copious notebooks
260
621000
2000
ดาร์วินเขียนบันทึกละเอียดลออหลายเล่ม
10:38
where he wrote down every little idea he had, every little hunch.
261
623000
3000
จดความคิดทุกความคิดที่มี รวมทั้งความตะหงิดใจเล็กๆ น้อยๆ
10:41
And what Gruber found was
262
626000
2000
สิ่งที่กรูเบอร์ค้นพบคือ
10:43
that Darwin had the full theory of natural selection
263
628000
3000
ดาร์วินมีทฤษฎีการเลือกตามธรรมชาติที่สมบูรณ์
10:46
for months and months and months
264
631000
2000
เป็นเวลานานหลายเดือนมากๆ
10:48
before he had his alleged epiphany,
265
633000
2000
ก่อนวันที่เขาอ้างว่ามันวาบเข้ามาในหัว
10:50
reading Malthus in October of 1838.
266
635000
3000
วันหนึ่งในเดือนตุลาคม ปี 1838 ขณะที่เขาอ่านงานของมัลธัส
10:53
There are passages where you can read it,
267
638000
2000
คุณกลับไปอ่านบันทึกของดาร์วินได้
10:55
and you think you're reading from a Darwin textbook,
268
640000
3000
และคุณจะรู้สึกว่าคุณกำลังอ่านตำราของเขาเลย
10:58
from the period before he has this epiphany.
269
643000
3000
ถ้าอ่านบันทึกช่วงก่อนที่เขาจะเกิดวาบความคิด
11:01
And so what you realize is that Darwin, in a sense,
270
646000
2000
ดังนั้นคุณจะตระหนักว่า ในแง่หนึ่ง ดาร์วิน
11:03
had the idea, he had the concept,
271
648000
2000
ก็มีความคิดนั้นแล้ว มีแนวคิดพร้อมแล้ว
11:05
but was unable of fully thinking it yet.
272
650000
3000
แต่ยังไม่สามารถคิดถึงมันได้อย่างชัดเจนเต็มที่
11:08
And that is actually how great ideas often happen;
273
653000
3000
และนี่คือวิธีที่ความคิดดีๆ มักจะถือกำเนิด
11:11
they fade into view over long periods of time.
274
656000
2000
คือมันเลือนรางในความจำเป็นเวลานาน
11:13
Now the challenge for all of us is:
275
658000
2000
ทีนี้ความท้าทายสำหรับเราทุกคนคือ
11:15
how do you create environments
276
660000
2000
คุณจะสร้างสภาพแวดล้อมที่จะ
11:17
that allow these ideas to have this kind of long half-life, right?
277
662000
2000
ยอมให้ความคิดดีๆ เหล่านี้มีเวลาฟักตัวนานๆ ได้ยังไง
11:19
It's hard to go to your boss and say,
278
664000
2000
มันยากที่จะเดินไปหาเจ้านายคุณแล้วพูดว่า
11:21
"I have an excellent idea for our organization.
279
666000
2000
"ผมมีความคิดที่สุดยอดมากครับสำหรับองค์กรของเรา
11:23
It will be useful in 2020.
280
668000
3000
มันจะเป็นประโยชน์ในปี 2020
11:26
Could you just give me some time to do that?"
281
671000
2000
นายให้เวลาผมคิดเรื่องนี้นานหน่อยได้ไหม?"
11:28
Now a couple of companies -- like Google --
282
673000
2000
โอเค มีบางบริษัท อย่างเช่นกูเกิล
11:30
they have innovation time off, 20 percent time,
283
675000
2000
พวกเขาเจียดเวลานอกให้กับนวัตกรรม เวลาร้อยละ 20
11:32
where, in a sense, those are hunch-cultivating mechanisms in an organization.
284
677000
3000
ในแง่หนึ่ง นโยบายแบบนี้เป็นกลไกบ่มเพาะความตะหงิดใจในองค์กร
11:35
But that's a key thing.
285
680000
3000
นั่นเป็นหัวใจสำคัญอย่างหนึ่ง
11:38
And the other thing is to allow those hunches
286
683000
2000
หัวใจอีกอย่างคือ การปล่อยให้ความตะหงิดใจเหล่านั้น
11:40
to connect with other people's hunches; that's what often happens.
287
685000
3000
ได้เชื่อมโยงมีปฏิสัมพันธ์กับความตะหงิดใจของคนอื่น นี่คือสิ่งที่เกิดบ่อย
11:43
You have half of an idea, somebody else has the other half,
288
688000
2000
คุณมีความคิดครึ่งนึง อีกคนหนึ่งมีอีกครึ่งนึง
11:45
and if you're in the right environment,
289
690000
2000
และถ้าคุณอยู่ในสภาพแวดล้อมที่ถูกต้อง
11:47
they turn into something larger than the sum of their parts.
290
692000
2000
ความคิดก็จะประกอบกันเป็นสิ่งใหม่ที่ใหญ่กว่าสองครึ่งประกบกัน
11:49
So, in a sense,
291
694000
2000
ดังนั้นในแง่หนึ่ง
11:51
we often talk about the value
292
696000
2000
เรามักจะพูดกันถึงมูลค่า
11:53
of protecting intellectual property,
293
698000
2000
ของการปกป้องทรัพย์สินทางปัญญา
11:55
you know, building barricades,
294
700000
2000
นั่นคือ สร้างป้อมปราการ
11:57
having secretive R&D labs, patenting everything that we have,
295
702000
3000
สร้างห้องแล็บลับ จดสิทธิบัตรทุกอย่างที่เรามี
12:00
so that those ideas will remain valuable,
296
705000
3000
ความคิดเหล่านั้นจะได้มีมูลค่าตลอดไป
12:03
and people will be incentivized to come up with more ideas,
297
708000
2000
และคนก็จะมีแรงจูงใจที่จะผลิตความคิดใหม่ๆ
12:05
and the culture will be more innovative.
298
710000
3000
และวัฒนธรรมก็จะมีนวัตกรรมมากขึ้น
12:08
But I think there's a case to be made
299
713000
2000
แต่ผมคิดว่า มีเหตุผลดีมากๆ ที่เราจะ
12:10
that we should spend at least as much time, if not more,
300
715000
3000
ใช้เวลามากพอกัน ถ้าไม่มากกว่านั้น
12:13
valuing the premise of connecting ideas
301
718000
2000
ให้คุณค่ากับการเชื่อมโยงความคิด
12:15
and not just protecting them.
302
720000
2000
ไม่ใช่แค่ปกป้องมันอย่างเดียว
12:17
And I'll leave you with this story,
303
722000
2000
ผมอยากจะทิ้งท้ายด้วยเรื่องเรื่องหนึ่ง
12:19
which I think captures a lot of these values,
304
724000
3000
ที่ผมคิดว่าสะท้อนคุณค่าเหล่านี้
12:22
and it's just wonderful kind of tale of innovation
305
727000
2000
เป็นเรื่องราวความเป็นมาที่น่าทึ่งของนวัตกรรมอันหนึ่ง
12:24
and how it happens in unlikely ways.
306
729000
3000
และประเด็นว่ามันเกิดขึ้นในทางที่เหลือเชื่อ
12:27
It's October of 1957,
307
732000
3000
ในเดือนตุลาคม ปี 1957
12:30
and Sputnik has just launched,
308
735000
2000
โซเวียตเพิ่งยิงดาวเทียมสปุตนิก
12:32
and we're in Laurel Maryland,
309
737000
2000
ฝ่ายอเมริกา ในเมืองลอเรล รัฐแมรีแลนด์
12:34
at the applied physics lab
310
739000
2000
ที่ห้องแล็บฟิสิกส์ประยุกต์
12:36
associated with Johns Hopkins University.
311
741000
2000
ในเครือมหาวิทยาลัย จอห์น ฮอบกินส์
12:38
And it's Monday morning,
312
743000
2000
ตอนนั้นเป็นวันจันทร์เช้า
12:40
and the news has just broken about this satellite
313
745000
2000
ข่าวเพิ่งออกเกี่ยวกับดาวเทียมดวงแรก
12:42
that's now orbiting the planet.
314
747000
3000
ที่ขึ้นไปโคจรรอบโลกแล้ว
12:45
And of course, this is nerd heaven, right?
315
750000
2000
แน่นอน นี่เป็นสวรรค์สำหรับพวกเนิร์ดใช่ไหมครับ
12:47
There are all these physics geeks who are there thinking,
316
752000
2000
มีพวกเด็กคลั่งฟิสิกส์หลายคนเลย ที่กำลังคิดว่า
12:49
"Oh my gosh! This is incredible. I can't believe this has happened."
317
754000
3000
"ให้ตายเถอะ! เรื่องนี้เจ๋งจริงๆ ไม่น่าเชื่อเลยว่ามันจะเกิดได้"
12:52
And two of them,
318
757000
2000
สองคนในหมู่เด็กบ้าฟิสิกส์พวกนั้น
12:54
two 20-something researchers at the APL
319
759000
2000
เป็นนักวิจัยอายุ 20 หน่อยๆ ที่ห้องแล็บเอพีแอล
12:56
are there at the cafeteria table
320
761000
2000
กำลังนั่งกันอยู่ที่โต๊ะในโรงอาหาร
12:58
having an informal conversation with a bunch of their colleagues.
321
763000
3000
พูดคุยสบายๆ กับเพื่อนร่วมงานกลุ่มหนึ่ง
13:01
And these two guys are named Guier and Weiffenbach.
322
766000
3000
สองคนนี้ชื่อ กุยเยอร์ กับ ไวเฟนบาค
13:04
And they start talking, and one of them says,
323
769000
2000
ขณะที่คุยกัน คนหนึ่งก็พูดขึ้นมาว่า
13:06
"Hey, has anybody tried to listen for this thing?
324
771000
2000
"เฮ้ย มีใครลองฟังเสียงเจ้าดาวเทียมนี่หรือเปล่า?
13:08
There's this, you know, man-made satellite up there in outer space
325
773000
3000
ตอนนี้เรามีดาวเทียมที่มนุษย์ผลิตลอยอยู่ในอวกาศ
13:11
that's obviously broadcasting some kind of signal.
326
776000
2000
มันต้องกำลังกระจายสัญญาณอะไรสักอย่างอยู่แน่ๆ
13:13
We could probably hear it, if we tune in."
327
778000
3000
เราคงฟังสัญญาณนี้ได้ถ้าเราจูนไปหามัน"
13:16
And so they ask around to a couple of their colleagues,
328
781000
2000
พวกเขาถามเพื่อนร่วมงานรอบวง
13:18
and everybody's like, "No, I hadn't thought of doing that.
329
783000
2000
และทุกคนก็บอกว่า "อืม ผมไม่เคยนึกอยากทำอย่างนั้นเลย
13:20
That's an interesting idea."
330
785000
2000
แต่มันเป็นความคิดที่น่าสนใจนะ"
13:22
And it turns out Weiffenbach is kind of an expert
331
787000
3000
ปรากฏว่าไวเฟนบาคเป็นผู้เชี่ยวชาญคนหนึ่ง
13:25
in microwave reception,
332
790000
2000
เรื่องการรับสัญญาณคลื่นไมโครเวฟ
13:27
and he's got a little antennae set up
333
792000
2000
เขามีเสาอากาศขนาดเล็ก
13:29
with an amplifier in his office.
334
794000
2000
ต่อกับเครื่องขยายเสียงในห้องทำงาน
13:31
And so Guier and Weiffenbach go back to Weiffenbach's office,
335
796000
2000
กุยเยอร์กับไวเฟนบาคก็เลยไปที่ห้องทำงานของไวเฟนบาค
13:33
and they start kind of noodling around -- hacking, as we might call it now.
336
798000
3000
เริ่มปรับแต่งอุปกรณ์จับสัญญาณ แบบที่ปัจจุบันเราเรียกว่าการ "แฮ็ค" นั่นแหละครับ
13:36
And after a couple of hours, they actually start picking up the signal,
337
801000
3000
หลังจากผ่านไปสองสามชั่วโมง พวกเขาก็เริ่มรับสัญญาณได้จริงๆ
13:39
because the Soviets made Sputnik
338
804000
2000
เพราะโซเวียตสร้างสปุตนิก
13:41
very easy to track.
339
806000
2000
ให้ตามร่องรอยได้ง่ายมาก
13:43
It was right at 20 MHz, so you could pick it up really easily,
340
808000
3000
มันส่งสัญญาณที่ 20 เมกะเฮิร์ทซ์ ซึ่งคุณรับได้ง่ายดายมาก
13:46
because they were afraid that people would think it was a hoax, basically.
341
811000
2000
เพราะโซเวียตกลัวว่าคนอื่นจะคิดว่าดาวเทียมดวงนี้เป็นเรื่องโกหก
13:48
So they made it really easy to find it.
342
813000
2000
พวกเขาก็เลยทำให้มันเป็นดาวเทียมที่หาเจอได้ง่ายมาก
13:50
So these two guys are sitting there listening to this signal,
343
815000
3000
ทีนี้ เด็กเนิร์ดสองคนนี้นั่งฟังสัญญาณอยู่ในห้อง
13:53
and people start kind of coming into the office and saying,
344
818000
2000
คนอื่นเริ่มทยอยเข้ามาในห้องแล้วพูดว่า
13:55
"Wow, that's pretty cool. Can I hear? Wow, that's great."
345
820000
3000
"โห สุดยอดไปเลย ผมขอฟังด้วยได้ไหม? เฮ้ย นี่มันเจ๋งจริง"
13:58
And before long, they think, "Well jeez, this is kind of historic.
346
823000
3000
ไม่นานพวกเขาก็คิดว่า "อืม นี่เป็นเหตุการณ์ประวัติศาสตร์นะ
14:01
We may be the first people in the United States to be listening to this.
347
826000
2000
เราอาจเป็นคนกลุ่มแรกในอเมริกาที่กำลังฟังดาวเทียมดวงนี้
14:03
We should record it."
348
828000
2000
เราน่าจะอัดมันไว้"
14:05
And so they bring in this big, clunky analog tape recorder
349
830000
2000
พวกเขาก็เลยขนเอาเครื่องอัดเทปแบบแอนะล็อกขนาดใหญ่เทอะทะ
14:07
and they start recording these little bleep, bleeps.
350
832000
3000
เข้ามาในห้อง เริ่มอัดเสียงบี๊บ บี๊บ
14:10
And they start writing the kind of date stamp, time stamps
351
835000
3000
บันทึกข้อมูลวันที่และเวลาอย่างละเอียด
14:13
for each little bleep that they record.
352
838000
3000
สำหรับแต่ละบี๊บที่บันทึกไว้
14:16
And they they start thinking, "Well gosh, you know, we're noticing
353
841000
2000
เสร็จแล้วพวกเขาก็เริ่มคิดว่า "เฮ้ย เราสังเกตว่ามี
14:18
small little frequency variations here.
354
843000
3000
ค่าความแปรผันเล็กน้อยของความถี่
14:21
We could probably calculate the speed
355
846000
3000
เราน่าจะสามารถคำนวณความเร็ว
14:24
that the satellite is traveling,
356
849000
2000
ที่ดาวเทียมดวงนี้กำลังโคจรได้
14:26
if we do a little basic math here
357
851000
2000
ถ้าเราใช้สมการทางคณิตศาสตร์
14:28
using the Doppler effect."
358
853000
2000
จากผลกระทบดอพเลอร์
14:30
And then they played around with it a little bit more,
359
855000
2000
แล้วพวกเขาก็เล่นกับมันอีกหน่อย
14:32
and they talked to a couple of their colleagues
360
857000
2000
ไปหารือกับเพื่อนร่วมงานคนอื่น
14:34
who had other kind of specialties.
361
859000
2000
ที่มีความเชี่ยวชาญด้านอื่น
14:36
And they said, "Jeez, you know,
362
861000
2000
เสร็จแล้วพวกเขาก็บอกว่า "เฮ้ย ที่จริงนะ
14:38
we think we could actually take a look at the slope of the Doppler effect
363
863000
2000
เราคิดว่าเราสามารถมองดูค่าความชันของผลกระทบดอพเลอร์
14:40
to figure out the points at which
364
865000
2000
เพื่อหาจุดที่
14:42
the satellite is closest to our antennae
365
867000
2000
ดาวเทียมเข้ามาใกล้กับเสาอากาศของเราที่สุด
14:44
and the points at which it's farthest away.
366
869000
2000
และจุดที่มันอยู่ห่างที่สุด
14:46
That's pretty cool."
367
871000
2000
ซึ่งก็จะเจ๋งมาก"
14:48
And eventually, they get permission --
368
873000
2000
สุดท้าย พวกเขาก็ได้รับอนุญาต
14:50
this is all a little side project that hadn't been officially part of their job description.
369
875000
3000
ให้ทำโครงการเล็กๆ โครงการนี้ โครงการที่ไม่ได้อยู่ในขอบข่ายงานประจำ
14:53
They get permission to use the new, you know, UNIVAC computer
370
878000
3000
ได้รับอนุญาตให้ใช้เครื่องคอมพิวเตอร์รุ่นยูนิแวค
14:56
that takes up an entire room that they'd just gotten at the APL.
371
881000
3000
ซึ่งกินที่ห้องทั้งห้อง เอพีแอลเพิ่งได้เครื่องนี้มาไม่นาน
14:59
They run some more of the numbers, and at the end of about three or four weeks,
372
884000
3000
พวกเขาใช้เครื่องนี้คำนวณ และต่อมาอีกประมาณ 3-4 สัปดาห์
15:02
turns out they have mapped the exact trajectory
373
887000
3000
ก็ปรากฏว่าพวกเขาสามารถคำนวณวงโคจร
15:05
of this satellite around the Earth,
374
890000
2000
รอบโลกของดาวเทียมดวงนี้ได้เป๊ะๆ
15:07
just from listening to this one little signal,
375
892000
2000
แค่จากการฟังสัญญาณเล็กๆ นี้สัญญาณเดียว
15:09
going off on this little side hunch that they'd been inspired to do
376
894000
3000
ทำตามความตะหงิดใจของตัวเองที่มีแรงบันดาลใจจะทำ
15:12
over lunch one morning.
377
897000
3000
ระหว่างทานอาหารกลางวันวันหนึ่ง
15:15
A couple weeks later their boss, Frank McClure,
378
900000
3000
อีกประมาณสองสัปดาห์ต่อมา แฟรงค์ แม็คคลัวร์ นายของพวกเขา
15:18
pulls them into the room and says,
379
903000
2000
ดึงคนคู่นี้เข้าไปในห้องแล้วบอกว่า
15:20
"Hey, you guys, I have to ask you something
380
905000
2000
"นี่นาย ผมต้องถามอะไรสักหน่อย
15:22
about that project you were working on.
381
907000
2000
เกี่ยวกับโครงการที่คุณสองคนทำ
15:24
You've figured out an unknown location
382
909000
2000
คุณคำนวณพิกัดเป๊ะๆ ที่ไม่มีใครรู้
15:26
of a satellite orbiting the planet
383
911000
3000
ของดาวเทียมที่โคจรรอบโลก
15:29
from a known location on the ground.
384
914000
2000
จากพิกัดภาคพื้นดินที่คุณรู้
15:31
Could you go the other way?
385
916000
2000
คุณจะทำอีกทางได้หรือเปล่า?
15:33
Could you figure out an unknown location on the ground,
386
918000
2000
คุณจะคำนวณหาพิกัดบนภาคพื้นที่ไม่มีใครรู้
15:35
if you knew the location of the satellite?"
387
920000
3000
ถ้าคุณรู้ตำแหน่งของดาวเทียมได้หรือเปล่า?"
15:38
And they thought about it and they said,
388
923000
2000
พวกเขาคิดอยู่ครู่หนึ่ง แล้วก็บอกว่า
15:40
"Well, I guess maybe you could. Let's run the numbers here."
389
925000
3000
"อืม น่าจะทำได้นะ ลองมาคำนวณกันเลย"
15:43
So they went back, and they thought about it.
390
928000
2000
เสร็จแล้วพวกเขาก็กลับไป ใช้เวลาคิดเพิ่ม
15:45
And they came back and said, "Actually, it'll be easier."
391
930000
2000
แล้วกลับมาบอกว่า "ที่จริงทำอย่างนั้นง่ายกว่าอีก"
15:47
And he said, "Oh, that's great.
392
932000
2000
แม็คคลัวร์ตอบว่า "โอ้ สุดยอดเลย
15:49
Because see, I have these new nuclear submarines
393
934000
3000
เพราะตอนนี้มีเรือดำน้ำพลังนิวเคลียร์
15:52
that I'm building.
394
937000
2000
ที่ผมกำลังออกแบบ
15:54
And it's really hard to figure out how to get your missile
395
939000
3000
และยากมากเลยที่จะคำนวณว่าจะยิงขีปนาวุธยังไง
15:57
so that it will land right on top of Moscow,
396
942000
2000
ให้ไปตกในมอสโคว์เป๊ะๆ
15:59
if you don't know where the submarine is in the middle of the Pacific Ocean.
397
944000
3000
ถ้าคุณไม่รู้ว่าเรือดำนำลำนี้อยู่ตรงไหนกลางมหาสมุทรแปซิฟิก
16:02
So we're thinking, we could throw up a bunch of satellites
398
947000
3000
เราก็เลยคิดว่า เราน่าจะยิงดาวเทียมขึ้นไปชุดหนึ่ง
16:05
and use it to track our submarines
399
950000
3000
ใช้มันติดตามพิกัดของเรือดำน้ำ
16:08
and figure out their location in the middle of the ocean.
400
953000
2000
และคำนวณหาตำแหน่งของมันกลางทะเล
16:10
Could you work on that problem?"
401
955000
2000
พวกคุณไปช่วยทำโจทย์นี้ได้ไหมครับ?"
16:12
And that's how GPS was born.
402
957000
3000
และนั่นคือจุดกำเนิดของจีพีเอส
16:15
30 years later,
403
960000
2000
30 ปีต่อมา
16:17
Ronald Reagan actually opened it up and made it an open platform
404
962000
3000
โรนัลด์ เรแกน เปิดเผยเทคโนโลยีนี้ออกมา ทำให้มันเป็นแพล็ตฟอร์มเปิด
16:20
that anybody could kind of build upon
405
965000
2000
ที่ใครก็ตามสามารถต่อยอด
16:22
and anybody could come along and build new technology
406
967000
3000
ใครๆ ก็สามารถสร้างเทคโนโลยีใหม่
16:25
that would create and innovate
407
970000
2000
ที่จะสร้างสรรค์และมีนวัตกรรม
16:27
on top of this open platform,
408
972000
2000
บนแพล็ตฟอร์มเปิดตัวนี้
16:29
left it open for anyone to do
409
974000
2000
ปล่อยทิ้งไว้ให้ใครก็ได้
16:31
pretty much anything they wanted with it.
410
976000
2000
มาทำอะไรก็ได้กับมัน
16:33
And now, I guarantee you
411
978000
2000
และตอนนี้ ผมรับประกันได้ว่า
16:35
certainly half of this room, if not more,
412
980000
2000
พวกคุณอย่างน้อยครึ่งหนึ่งในห้องนี้
16:37
has a device sitting in their pocket right now
413
982000
2000
เวลานี้มีอุปกรณ์พกพาอยู่ในกระเป๋า
16:39
that is talking to one of these satellites in outer space.
414
984000
3000
ที่กำลังคุยกับดาวเทียมดวงใดดวงหนึ่งในอวกาศ
16:42
And I bet you one of you, if not more,
415
987000
3000
และผมก็พนันได้เลยว่าพวกคุณอย่างน้อยหนึ่งคน
16:45
has used said device and said satellite system
416
990000
3000
ได้เคยใช้อุปกรณ์นั้นและระบบดาวเทียมนั้น
16:48
to locate a nearby coffeehouse somewhere in the last --
417
993000
3000
หาพิกัดของร้านกาแฟ ในช่วงเวลา -
16:51
(Laughter)
418
996000
2000
(เสียงหัวเราะ)
16:53
in the last day or last week, right?
419
998000
3000
เมื่อวานหรืออาทิตย์ที่แล้ว ถูกไหมครับ?
16:56
(Applause)
420
1001000
3000
(เสียงปรบมือ)
16:59
And that, I think,
421
1004000
2000
ผมคิดว่านั่นเป็น
17:01
is a great case study, a great lesson
422
1006000
3000
กรณีศึกษาที่สุดยอดมาก เป็นบทเรียนที่ยอดเยี่ยม
17:04
in the power, the marvelous, kind of unplanned
423
1009000
2000
เกี่ยวกับพลังแบบที่มหัศจรรย์ ไร้การวางแผน
17:06
emergent, unpredictable power
424
1011000
3000
พลังที่อุบัติเองและพยากรณ์ไม่ได้
17:09
of open innovative systems.
425
1014000
2000
ของระบบนวัตกรรมเปิด
17:11
When you build them right, they will be led to completely new directions
426
1016000
2000
เมื่อคุณสร้างมันอย่างถูกต้อง มันก็จะพาเราไปในทิศทางใหม่ๆ
17:13
that the creators never even dreamed of.
427
1018000
2000
ที่ผู้สร้างมันไม่เคยแม้แต่ฝันถึง
17:15
I mean, here you have these guys
428
1020000
2000
คือผมหมายความว่า เรื่องนี้เรามีนักฟิสิกส์
17:17
who basically thought they were just following this hunch,
429
1022000
2000
ที่คิดว่าพวกเขาแค่ทำตามความตะหงิดใจของตัวเอง
17:19
this little passion that had developed,
430
1024000
2000
เรื่องเล็กๆ ที่พวกเขาอินกับมัน
17:21
then they thought they were fighting the Cold War,
431
1026000
2000
เสร็จแล้วพวกเขาก็คิดว่ากำลังต่อสู้ในสงครามเย็น
17:23
and then it turns out they're just helping somebody
432
1028000
2000
แต่กลายเป็นว่าพวกเขาแค่กำลังช่วยใครบางคน
17:25
find a soy latte.
433
1030000
2000
หากาแฟลาตเต้กิน
17:27
(Laughter)
434
1032000
2000
(เสียงหัวเราะ)
17:29
That is how innovation happens.
435
1034000
2000
นวัตกรรมเกิดขึ้นแบบนี้ครับ
17:31
Chance favors the connected mind.
436
1036000
2000
ความเป็นไปได้ชอบมาเยือนมันสมองที่เชื่อมโยงกัน
17:33
Thank you very much.
437
1038000
2000
ขอบคุณมากครับ
17:35
(Applause)
438
1040000
3000
(เสียงปรบมือ)
ABOUT THE SPEAKER
Steven Johnson - WriterSteven Berlin Johnson examines the intersection of science, technology and personal experience.
Why you should listen
Steven Johnson is a leading light of today's interdisciplinary and collaborative approach to innovation. His writings have influenced everything from cutting-edge ideas in urban planning to the battle against 21st-century terrorism. Johnson was chosen by Prospect magazine as one of the top ten brains of the digital future, and The Wall Street Journal calls him "one of the most persuasive advocates for the role of collaboration in innovation."
Johnson's work on the history of innovation inspired the Emmy-nominated six-part series on PBS, "How We Got To Now with Steven Johnson," which aired in the fall of 2014. The book version of How We Got To Now was a finalist for the PEN/E.O. Wilson Literary Science Writing Award. His new book, Wonderland: How Play Made the Modern World, revolves around the creative power of play and delight: ideas and innovations that set into motion many momentous changes in science, technology, politics and society.
Johnson is also the author of the bestselling Where Good Ideas Come From: The Natural History of Innovation, one of his many books celebrating progress and innovation. Others include The Invention of Air and The Ghost Map. Everything Bad Is Good For You, one of the most discussed books of 2005, argued that the increasing complexity of modern media is training us to think in more complex ways. Emergence and Future Perfect explore the power of bottom-up intelligence in both nature and contemporary society.
An innovator himself, Johnson has co-created three influential sites: the pioneering online magazine FEED, the Webby-Award-winning community site, Plastic.com, and the hyperlocal media site outside.in, which was acquired by AOL in 2011.
Johnson is a regular contributor to WIRED magazine, as well as the New York Times, The Wall Street Journal and many other periodicals. He has appeared on many high-profile television programs, including "The Charlie Rose Show," "The Daily Show with Jon Stewart" and "The NewsHour with Jim Lehrer."
Steven Johnson | Speaker | TED.com