Eric Berlow and Sean Gourley: Mapping ideas worth spreading

Eric Berlow y Sean Gourley: Cartografiando las ideas que vale la pena difundir

71,019 views

2013-09-18 ・ TED


New videos

Eric Berlow and Sean Gourley: Mapping ideas worth spreading

Eric Berlow y Sean Gourley: Cartografiando las ideas que vale la pena difundir

71,019 views ・ 2013-09-18

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: Aldana Audisio Revisor: Nora Lacrouts
00:12
Eric Berlow: I'm an ecologist, and Sean's a physicist,
0
12562
3061
Eric Berlow: yo soy ecologista y Sean es físico
00:15
and we both study complex networks.
1
15623
2108
y los dos estudiamos sistemas complejos.
00:17
And we met a couple years ago when we discovered
2
17731
1835
Nos conocimos hace un par de años al darnos cuenta
00:19
that we had both given a short TED Talk
3
19566
2000
de que ambos habíamos presentado una charla corta para TED
00:21
about the ecology of war,
4
21566
2303
sobre la ecología de la guerra,
00:23
and we realized that we were connected
5
23869
1447
y nos dimos cuenta de que estábamos conectados
00:25
by the ideas we shared before we ever met.
6
25316
2818
a través de las ideas que compartíamos antes de conocernos.
00:28
And then we thought, you know, there are thousands
7
28134
1556
Y después pensamos, ya saben, hay miles
00:29
of other talks out there, especially TEDx Talks,
8
29690
2114
de ponencias dando vueltas, especialmente tipo TEDx Talks,
00:31
that are popping up all over the world.
9
31804
2211
que surgen en todo el mundo.
00:34
How are they connected,
10
34015
923
00:34
and what does that global conversation look like?
11
34938
2010
¿Cómo se conectan esas charlas
y a qué es esa conversación mundial?
00:36
So Sean's going to tell you a little bit about how we did that.
12
36948
2810
Ahora Sean les contará un poco cómo logramos eso.
00:39
Sean Gourley: Exactly. So we took 24,000 TEDx Talks
13
39758
3767
Sean Gourley: Exacto. Tomamos 24 000 TEDx Talks
00:43
from around the world, 147 different countries,
14
43525
3046
de 147 países diferentes...
00:46
and we took these talks and we wanted to find
15
46571
2123
las tomamos e intentamos encontrar
00:48
the mathematical structures that underly
16
48694
2040
las estructuras matemáticas que subyacen
00:50
the ideas behind them.
17
50734
1722
a las ideas detrás de ellas.
00:52
And we wanted to do that so we could see how
18
52456
1370
Queríamos hacer eso para poder ver cómo
00:53
they connected with each other.
19
53826
2053
están conectadas unas con otras.
00:55
And so, of course, if you're going to do this kind of stuff,
20
55879
1676
Y claro, para hacer algo de esta naturaleza,
00:57
you need a lot of data.
21
57555
956
se necesita mucha información.
00:58
So the data that you've got is a great thing called YouTube,
22
58511
3686
La información que tienen está en algo grande llamado YouTube
01:02
and we can go down and basically pull
23
62197
1768
Allí podemos buscar y fundamentalmente extraer
01:03
all the open information from YouTube,
24
63965
2267
01:06
all the comments, all the views, who's watching it,
25
66232
2349
los comentarios, las visitas, quiénes mira,
01:08
where are they watching it, what are they saying in the comments.
26
68581
2779
dónde miran, qué dicen sus comentarios.
01:11
But we can also pull up, using speech-to-text translation,
27
71360
3292
Pero también podemos obtener, a través de la traducción del texto oral al escrito,
01:14
we can pull the entire transcript,
28
74652
2128
podemos obtener las transcripciones completas,
01:16
and that works even for people with kind of funny accents like myself.
29
76780
2680
y funciona, incluso con personas con acentos extraños como el mío.
01:19
So we can take their transcript
30
79460
2106
Podemos obtener las transcripciones
01:21
and actually do some pretty cool things.
31
81566
2098
y en efecto, podemos hacer cosas bastante ingeniosas con ellas.
01:23
We can take natural language processing algorithms
32
83664
2160
Podemos tomar los procesos algorítmicos de una lengua natural
01:25
to kind of read through with a computer, line by line,
33
85824
2629
e intentar leer con una computadora, renglón por renglón,
01:28
extracting key concepts from this.
34
88453
2359
y extraer conceptos clave a partir de esto.
01:30
And we take those key concepts and they sort of form
35
90812
2525
Entonces tomamos esos conceptos clave y, en cierto modo, forman
01:33
this mathematical structure of an idea.
36
93337
3565
esta estructura matemática de una idea.
01:36
And we call that the meme-ome.
37
96902
1757
Llamamos a eso meme-ome.
01:38
And the meme-ome, you know, quite simply,
38
98659
2151
El meme-ome es muy simple,
01:40
is the mathematics that underlies an idea,
39
100810
2426
es la matemática que sustenta a una idea.
01:43
and we can do some pretty interesting analysis with it,
40
103236
1932
Se pueden hacer análisis bastante interesantes con esto,
01:45
which I want to share with you now.
41
105168
1981
y los quiero compartir con Uds. ahora.
01:47
So each idea has its own meme-ome,
42
107149
2190
Cada idea tiene su propio meme-ome,
01:49
and each idea is unique with that,
43
109339
1951
y cada idea es única en eso.
01:51
but of course, ideas, they borrow from each other,
44
111290
2488
Pero claro, las ideas se retroalimentan entre sí,
01:53
they kind of steal sometimes,
45
113778
1184
es como si, a veces, se robaran entre ellas,
01:54
and they certainly build on each other,
46
114962
1827
y, por supuesto, se construyen unas a otras.
01:56
and we can go through mathematically
47
116789
1616
Y podemos atravesarlas matemáticamente
01:58
and take the meme-ome from one talk
48
118405
1840
y sacar el meme-ome de una conferencia
02:00
and compare it to the meme-ome from every other talk,
49
120245
2454
y compararlo con el meme-ome de cualquier otra conferencia;
02:02
and if there's a similarity between the two of them,
50
122699
1973
y si hay un parecido entre ellas,
02:04
we can create a link and represent that as a graph,
51
124672
3250
podemos crear una conexión y representarla en un gráfico.
De la misma forma en que Eric y yo estamos conectados
02:07
just like Eric and I are connected.
52
127922
2394
Esa es la teoría, genial.
02:10
So that's theory, that's great.
53
130316
1394
Veamos cómo funciona con un ejemplo.
02:11
Let's see how it works in actual practice.
54
131710
2526
Lo que tenemos acá es el diagrama global
02:14
So what we've got here now is the global footprint
55
134236
2788
de todas las TEDx Talks de los últimos cuatro años
02:17
of all the TEDx Talks over the last four years
56
137024
2293
expandiéndose por el mundo,
02:19
exploding out around the world
57
139317
1550
desde Nueva York hacia abajo hasta llegar a la pequeña y antigua Nueva Zelanda en el otro extremo.
02:20
from New York all the way down to little old New Zealand in the corner.
58
140867
3329
Lo que hicimos fue analizar el 25% más repetido
02:24
And what we did on this is we analyzed the top 25 percent of these,
59
144196
3835
y observamos cómo sucedían las conexiones,
02:28
and we started to see where the connections occurred,
60
148031
2534
dónde las ideas se conectaban entre ellas.
Cameron Rusell que hablaba de la imagen y la belleza
02:30
where they connected with each other.
61
150565
1537
conectó con Europa.
02:32
Cameron Russell talking about image and beauty
62
152102
1874
02:33
connected over into Europe.
63
153976
1575
Encontramos más conversación sobre Israel y Palestina
02:35
We've got a bigger conversation about Israel and Palestine
64
155551
2412
emitida desde Medio Oriente.
02:37
radiating outwards from the Middle East.
65
157963
2255
Y tenemos algo más amplio,
02:40
And we've got something a little broader
66
160218
1298
mucha información con un verdadero diagrama global
02:41
like big data with a truly global footprint
67
161516
2156
que alude a una conversación
02:43
reminiscent of a conversation
68
163672
2179
que se da en todas partes.
02:45
that is happening everywhere.
69
165851
2016
Partiendo de esto, sobrepasamos los límites
02:47
So from this, we kind of run up against the limits
70
167867
2173
de lo que podemos hacer con una proyección geográfica,
02:50
of what we can actually do with a geographic projection,
71
170040
2530
pero por suerte, la tecnología informática nos permite
02:52
but luckily, computer technology allows us to go out
72
172570
2052
ir hacia un espacio multidimensional.
02:54
into multidimensional space.
73
174622
1546
Podemos tomar la proyección de nuestra red
02:56
So we can take in our network projection
74
176168
1875
y aplicarle conceptos físicos
02:58
and apply a physics engine to this,
75
178043
1750
para que las conferencias similares se agrupen
02:59
and the similar talks kind of smash together,
76
179793
1885
y las que son diferentes se separen,
03:01
and the different ones fly apart,
77
181678
2004
y el resultado es algo bastante lindo.
03:03
and what we're left with is something quite beautiful.
78
183682
2072
EB: Bueno, quiero destacar que cada núcleo es una conferencia,
03:05
EB: So I want to just point out here that every node is a talk,
79
185754
2957
están unidas si comparten ideas similares;
03:08
they're linked if they share similar ideas,
80
188711
2589
eso está hecho con una máquina que leyó
03:11
and that comes from a machine reading
81
191300
2084
las transcripciones de todas las conferencias
03:13
of entire talk transcripts,
82
193384
2067
y extrajo todos estos temas.
03:15
and then all these topics that pop out,
83
195451
2231
No son de tags o de palabras claves.
03:17
they're not from tags and keywords.
84
197682
1790
Vienen del sistema de estructuras
03:19
They come from the network structure
85
199472
1725
de ideas que están interconectadas.
03:21
of interconnected ideas. Keep going.
86
201197
2168
SG: Exactamente. Expliqué eso demasiado rápido
03:23
SG: Absolutely. So I got a little quick on that,
87
203365
2022
pero él me ayudará a ir más despacio.
03:25
but he's going to slow me down.
88
205387
1475
Tenemos la educación conectada con la narración
03:26
We've got education connected to storytelling
89
206862
2034
trianguladas a la comunicación social.
03:28
triangulated next to social media.
90
208896
1643
Y tenemos, por supuesto, el cerebro junto al cuidado de la salud,
03:30
You've got, of course, the human brain right next to healthcare,
91
210539
2475
lo que es predecible,
03:33
which you might expect,
92
213014
1386
pero también tenemos juegos allí, que serían adyacentes
03:34
but also you've got video games, which is sort of adjacent,
93
214400
2395
ya que esos dos espacios están interconectados.
03:36
as those two spaces interface with each other.
94
216795
2740
Pero quiero que vean un conjunto
03:39
But I want to take you into one cluster
95
219535
1535
que es especialmente importante para mí, ese conjunto es el medio ambiente.
03:41
that's particularly important to me, and that's the environment.
96
221070
2868
Y ahora me quiero concentrar en ese conjunto
03:43
And I want to kind of zoom in on that
97
223938
1493
y ver si podemos darle más resolución.
03:45
and see if we can get a little more resolution.
98
225431
2363
Mientras analizamos, lo que vemos,
03:47
So as we go in here, what we start to see,
99
227794
2347
aplicando otra vez conceptos físicos,
03:50
apply the physics engine again,
100
230141
1504
observamos que la conferencia
03:51
we see what's one conversation
101
231645
1676
está compuesta por otras muchas conferencias más cortas.
03:53
is actually composed of many smaller ones.
102
233321
2560
La estructura comienza a aparecer
03:55
The structure starts to emerge
103
235881
1929
donde vemos un comportamiento fractal
03:57
where we see a kind of fractal behavior
104
237810
2070
de las palabras y el lenguaje que usamos
03:59
of the words and the language that we use
105
239880
1619
para describir las cosas del mundo que nos rodea,
04:01
to describe the things that are important to us
106
241499
1702
que son importantes para nosotros.
04:03
all around this world.
107
243201
1433
Tenemos la economía de los alimentos y los alimentos locales entre las principales,
04:04
So you've got food economy and local food at the top,
108
244634
2332
y tenemos gases de efecto invernadero y residuos nucleares.
04:06
you've got greenhouse gases, solar and nuclear waste.
109
246966
2719
Lo que están viendo es una variedad de pequeñas charlas
04:09
What you're getting is a range of smaller conversations,
110
249685
2631
conectadas entre sí a través de las ideas
04:12
each connected to each other through the ideas
111
252316
2301
y el lenguaje que comparten
04:14
and the language they share,
112
254617
1301
creando así un concepto de medio ambiente más amplio.
04:15
creating a broader concept of the environment.
113
255918
2450
Y por supuesto, partimos de aquí
04:18
And of course, from here, we can go
114
258368
1532
y nos acercamos y vemos, lo que miran esos jóvenes.
04:19
and zoom in and see, well, what are young people looking at?
115
259900
3534
Ven energía tecnológica y fusión nuclear.
04:23
And they're looking at energy technology and nuclear fusion.
116
263434
2345
Y esto es lo importante
04:25
This is their kind of resonance
117
265779
1674
de las conferencias sobre medio ambiente.
04:27
for the conversation around the environment.
118
267453
2406
Si dividimos la información de acuerdo a los géneros,
04:29
If we split along gender lines,
119
269859
1899
podemos observar que las mujeres están muy preocupadas
04:31
we can see females resonating heavily
120
271758
1987
por la economía alimenticia, pero también hay esperanza y optimismo.
04:33
with food economy, but also out there in hope and optimism.
121
273745
3645
Bueno, hay muchas cosas interesante que podemos hacer con esto.
04:37
And so there's a lot of exciting stuff we can do here,
122
277390
2482
Y ahora dejo que Eric siga con el resto.
04:39
and I'll throw to Eric for the next part.
123
279872
1762
EB: Si, lo que quiero decir, lo que quiero destacar
04:41
EB: Yeah, I mean, just to point out here,
124
281634
1602
es que no se puede obtener esta perspectiva
04:43
you cannot get this kind of perspective
125
283236
1538
de un simple tag de YouTube.
04:44
from a simple tag search on YouTube.
126
284774
3360
Veamos ahora la conversación global en su totalidad,
04:48
Let's now zoom back out to the entire global conversation
127
288134
4188
dejemos el medio ambiente y observemos todas las charlas juntas.
04:52
out of environment, and look at all the talks together.
128
292322
2534
En general, cuando nos encontramos con esta cantidad de contenidos,
04:54
Now often, when we're faced with this amount of content,
129
294856
2927
hacemos ciertas cosas para simplificarlos.
04:57
we do a couple of things to simplify it.
130
297783
2431
Tal vez pensamos "bien,
05:00
We might just say, well,
131
300214
1314
¿cuáles son las charlas más importantes que hay?"
05:01
what are the most popular talks out there?
132
301528
2829
Y algunas salen a la luz.
05:04
And a few rise to the surface.
133
304357
1397
Hay una charla sobre la gratitud.
05:05
There's a talk about gratitude.
134
305754
1828
Hay otra sobre cuidado personal y nutrición.
05:07
There's another one about personal health and nutrition.
135
307582
3344
Y por supuesto, tiene que haber una sobre pornografía ¿no?
05:10
And of course, there's got to be one about porn, right?
136
310926
2929
Y entonces pensamos... a ver... gratitud... esa fue el año pasado.
05:13
And so then we might say, well, gratitude, that was last year.
137
313855
3234
¿Y ahora que está de moda? ¿Qué charla es la más popular?
05:17
What's trending now? What's the popular talk now?
138
317089
2522
Y observamos que el tema de moda, de acuerdo a las tendencias,
05:19
And we can see that the new, emerging, top trending topic
139
319611
3321
es la privacidad digital.
05:22
is about digital privacy.
140
322932
2666
Esto es genial. Simplifica las cosas.
05:25
So this is great. It simplifies things.
141
325598
1693
Pero hay muchísimo contenido creativo
05:27
But there's so much creative content
142
327291
1827
que está enterrado en el fondo.
05:29
that's just buried at the bottom.
143
329118
1921
Y eso lo odio. ¿Cómo hacer para que este contenido que puede ser
05:31
And I hate that. How do we bubble stuff up to the surface
144
331039
3318
creativo e interesante salga a la superficie?
05:34
that's maybe really creative and interesting?
145
334357
2458
Bueno, podemos utilizar el sistema de estructura de ideas
05:36
Well, we can go back to the network structure of ideas
146
336815
2931
para lograrlo.
05:39
to do that.
147
339746
1430
Recuerden que este sistema de estructuras
05:41
Remember, it's that network structure
148
341176
2114
crea estos temas emergentes,
05:43
that is creating these emergent topics,
149
343290
2268
y supongamos que toma dos
05:45
and let's say we could take two of them,
150
345558
1515
como por ejemplo ciudades y genética... y digamos ... bueno... ¿ hay alguna charla
05:47
like cities and genetics, and say, well, are there any talks
151
347073
3047
que de manera creativa fusiona estas dos disciplinas tan diferentes?
05:50
that creatively bridge these two really different disciplines.
152
350120
2569
Y eso es... Básicamente, este tipo de remix creativo
05:52
And that's -- Essentially, this kind of creative remix
153
352689
2275
es una de las características distintivas de la innovación.
05:54
is one of the hallmarks of innovation.
154
354964
1840
Hay una charla de Jessica Green
05:56
Well here's one by Jessica Green
155
356804
1606
sobre la ecología de la microbiología de los edificios.
05:58
about the microbial ecology of buildings.
156
358410
2379
Esto define literalmente un nuevo campo.
06:00
It's literally defining a new field.
157
360789
2010
Y podemos volver sobre esos temas y pensar, ok,
06:02
And we could go back to those topics and say, well,
158
362799
2103
¿qué charlas son las más importantes para esas conferencias?
06:04
what talks are central to those conversations?
159
364902
2768
En la categoría ciudades, una de las más importantes
06:07
In the cities cluster, one of the most central
160
367670
1690
era la de Mitch Joachim sobre ciudades ecológicas.
06:09
was one by Mitch Joachim about ecological cities,
161
369360
3952
En la categoría genética,
06:13
and in the genetics cluster,
162
373312
1720
encontramos una charla sobre biología sintética de Craig Venter.
06:15
we have a talk about synthetic biology by Craig Venter.
163
375032
3193
Todas estas charlas conectan muchas charlas diferentes dentro de su disciplina.
06:18
These are talks that are linking many talks within their discipline.
164
378225
3353
Podemos tomar la dirección opuesta y pensar
06:21
We could go the other direction and say, well,
165
381578
1843
¿cuáles son las charlas que sintetizan
06:23
what are talks that are broadly synthesizing
166
383421
2272
muchos campos diferentes?
06:25
a lot of different kinds of fields.
167
385693
1448
Usamos un medidor de diversidad ecológica para responder esa pregunta.
06:27
We used a measure of ecological diversity to get this.
168
387141
2533
Como la charla de Steven Pinker sobre la historia de la violencia...
06:29
Like, a talk by Steven Pinker on the history of violence,
169
389674
2736
muy sintética.
06:32
very synthetic.
170
392410
1180
Y también existen charlas que son muy originales.
06:33
And then, of course, there are talks that are so unique
171
393590
2078
Parecen flotar en el espacio, en sus propios lugares especiales,
06:35
they're kind of out in the stratosphere, in their own special place,
172
395668
3090
las llamamos el Índice de Colleen Flanagan.
06:38
and we call that the Colleen Flanagan index.
173
398758
2514
Por si no conocen a Colleen, ella es una artista.
06:41
And if you don't know Colleen, she's an artist,
174
401272
3034
Le pregunté, "bien ¿a qué se parece
06:44
and I asked her, "Well, what's it like out there
175
404306
1543
la estratosfera del espacio de nuestras ideas?"
06:45
in the stratosphere of our idea space?"
176
405849
1672
Y se supone que se parece al tocino.
06:47
And apparently it smells like bacon.
177
407521
3255
Yo no podría saberlo.
06:50
I wouldn't know.
178
410776
1791
Por eso utilizamos sistemas de diseños
06:52
So we're using these network motifs
179
412567
2248
para encontrar charlas que son originales,
06:54
to find talks that are unique,
180
414815
1186
charlas que de manera creativa simplifican muchos campos diferentes.
06:56
ones that are creatively synthesizing a lot of different fields,
181
416001
2710
Algunos son centrales para el tema,
06:58
ones that are central to their topic,
182
418711
1659
otros son muy creativos y conectan campos dispares.
07:00
and ones that are really creatively bridging disparate fields.
183
420370
3374
¿Se entiende? Nunca habríamos encontrado esas charlas con nuestra obsesión
07:03
Okay? We never would have found those with our obsession
184
423744
2102
por saber qué está de moda en la actualidad.
07:05
with what's trending now.
185
425846
2313
Todo esto proviene de la arquitectura de la complejidad
07:08
And all of this comes from the architecture of complexity,
186
428159
2886
o de los modelos de cómo se conectan las cosas.
07:11
or the patterns of how things are connected.
187
431045
2960
SG: Exactamente.
07:14
SG: So that's exactly right.
188
434005
1625
Estamos en un mundo
07:15
We've got ourselves in a world
189
435630
2479
que es extremadamente complejo
07:18
that's massively complex,
190
438109
2044
y hemos utilizado algoritmos para depurarlo
07:20
and we've been using algorithms to kind of filter it down
191
440153
2867
y navegar a través de él.
07:23
so we can navigate through it.
192
443020
1786
Y esos algoritmos, aparte de ser bastante útiles,
07:24
And those algorithms, whilst being kind of useful,
193
444806
2338
son muy, muy estrechos y podemos mejorarlos
07:27
are also very, very narrow, and we can do better than that,
194
447144
3476
porque nos damos cuenta de que su complejidad no se da al azar.
07:30
because we can realize that their complexity is not random.
195
450620
2566
Tienen estructura matemática
07:33
It has mathematical structure,
196
453186
1954
y la podemos utilizar
07:35
and we can use that mathematical structure
197
455140
1803
para explorar cosas como el mundo de las ideas
07:36
to go and explore things like the world of ideas
198
456943
2214
y saber sobre lo que se habla y sobre lo que no se habla,
07:39
to see what's being said, to see what's not being said,
199
459157
3000
y para ser más humanos
07:42
and to be a little bit more human
200
462157
1407
y, con suerte, ser un poquito más inteligentes.
07:43
and, hopefully, a little smarter.
201
463564
1867
Gracias.
07:45
Thank you.
202
465431
966
(Aplausos)
07:46
(Applause)
203
466397
4220
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7