Eric Berlow and Sean Gourley: Mapping ideas worth spreading

מתרגם: Ron Bentata מבקר: Ido Dekkers

Eric Berlow: I'm an ecologist, and Sean's a physicist,

אריק ברלו: אני אקולוג, ושון פיזיקאי,

and we both study complex networks.

ושנינו חוקרים רשתות מורכבות.

And we met a couple years ago when we discovered

ונפגשנו לפני שנים כאשר גילינו

that we had both given a short TED Talk

ששנינו העברנו הרצאת טד קצרה

about the ecology of war,

בנושא האקולוגיה של המלחמה,

and we realized that we were connected

והבנו שאנחנו מחוברים

by the ideas we shared before we ever met.

על ידי הרעיונות ששיתפנו עוד לפני שנפגשנו.

And then we thought, you know, there are thousands

ואז חשבנו, אתם יודעים, ישנן אלפי

of other talks out there, especially TEDx Talks,

הרצאות אחרות, במיוחד הרצאות TEDx,

that are popping up all over the world.

שצצות בכל רחבי העולם.

How are they connected,

and what does that global conversation look like?

איך הן מתחברות,

ואיך השיחה הגלובאלית הזו נראית?

So Sean's going to tell you a little bit about how we did that.

אז שון יספר לכם קצת על איך עשינו את זה.

Sean Gourley: Exactly. So we took 24,000 TEDx Talks

שון גורלי: "בדיוק". אז אנחנו לקחנו 24,000 הרצאות TEDx

from around the world, 147 different countries,

מכל רחבי העולם, 147 מדינות שונות,

and we took these talks and we wanted to find

ולקחנו את ההרצאות האלו ורצינו למצוא

the mathematical structures that underly

את המבנים המתמטיים המהווים בסיס

the ideas behind them.

לרעיונות שמאחוריהם.

And we wanted to do that so we could see how

ורצינו לעשות זאת על מנת לראות איך

they connected with each other.

הן מתחברות ביניהן.

And so, of course, if you're going to do this kind of stuff,

ולכן, בוודאי, אם הולכים לעשות כזה דבר,

you need a lot of data.

צריך הרבה נתונים.

So the data that you've got is a great thing called YouTube,

אז המידע שיש לך הוא הדבר הנפלא שנקרא יוטיוב,

and we can go down and basically pull

ואנחנו יכולים להיכנס ולמשוך

all the open information from YouTube,

את כל המידע הפתוח מיוטיוב,

all the comments, all the views, who's watching it,

כל התגובות, כל הצפיות, מי צופה בזה,

where are they watching it, what are they saying in the comments.

איפה הם צופים בזה, מה הם אומרים בתגובות.

But we can also pull up, using speech-to-text translation,

אבל אנחנו גם יכולים למשוך, באמצעות תרגום של טקסט לדיבור,

we can pull the entire transcript,

אנחנו יכולים למשוך את כל התמליל,

and that works even for people with kind of funny accents like myself.

וזה עובד גם עבור אנשים עם מבטא מוזר כמוני.

So we can take their transcript

אז אנחנו יכולים לקחת את התמליל שלהם

and actually do some pretty cool things.

ולמעשה לעשות דברים די מגניבים.

We can take natural language processing algorithms

אנחנו יכולים לקחת אלגוריתמים של עיבוד שפה טבעית

to kind of read through with a computer, line by line,

על מנת לקרוא באמצעות מחשב, שורה אחר שורה,

extracting key concepts from this.

תוך הוצאת רעיונות מרכזיים מתוך זה.

And we take those key concepts and they sort of form

ואנחנו לוקחים את הרעיונות המרכזיים האלו והם מרכיבים

this mathematical structure of an idea.

מבנה מתמטי של רעיון.

And we call that the meme-ome.

ואנחנו מכנים את זה מימ-אום.

And the meme-ome, you know, quite simply,

והמימ-אום, אתם יודעים, למעשה,

is the mathematics that underlies an idea,

הוא המתמטיקה עליה מבוסס רעיון,

and we can do some pretty interesting analysis with it,

ואנחנו יכולים לעשות מחקר די מעניין עם זה,

which I want to share with you now.

שאני רוצה לשתף אתכם עכשיו.

So each idea has its own meme-ome,

אז לכל רעיון יש את המימ-אום שלו,

and each idea is unique with that,

וכל רעיון הוא ייחודי עם זה,

but of course, ideas, they borrow from each other,

אבל כמובן, רעיונות, שואלים זה מזה,

they kind of steal sometimes,

הם באופן מסוים גונבים לפעמים,

and they certainly build on each other,

והם בוודאי נבנים אחד על השני,

and we can go through mathematically

ואנחנו יכולים לבחון זאת מתמטית

and take the meme-ome from one talk

ולקחת את המימ-אום משיחה אחת

and compare it to the meme-ome from every other talk,

ולהשוות אותו למימ-אום של שיחה אחרת,

and if there's a similarity between the two of them,

ואם יש דמיון בין השניים,

we can create a link and represent that as a graph,

אנחנו יכולים ליצור חיבור ולהציג זאת באמצעות גרף,

just like Eric and I are connected.

בדיוק כפי שאריק ואני מחוברים.

So that's theory, that's great.

אז, זו תיאוריה, זה מעולה.

Let's see how it works in actual practice.

בואו נראה איך זה עובד במציאות.

So what we've got here now is the global footprint

אז מה שיש לנו כאן עכשיו זה טביעת הרגל הגלובלית

of all the TEDx Talks over the last four years

של כל הרצאות TEDx מ-4 השנים האחרונות

exploding out around the world

מופצים לכל העולם

from New York all the way down to little old New Zealand in the corner.

מניו-יורק כל הדרך למטה עד לניו זילנד הקטנה בפינה.

And what we did on this is we analyzed the top 25 percent of these,

ומה שעשינו עם זה הוא שניתחנו את 25% העליונים של זה,

and we started to see where the connections occurred,

והתחלנו לראות איפה החיבורים מתרחשים,

where they connected with each other.

איפה הם מתחברים אחד עם השני.

Cameron Russell talking about image and beauty

קמרון ראסל מדבר על תמונה ויופי

connected over into Europe.

מתחבר לתוך אירופה.

We've got a bigger conversation about Israel and Palestine

יש לנו שיחה גדולה יותר על ישראל ופלסטין

radiating outwards from the Middle East.

מופצת כלפי חוץ מהמזרח התיכון.

And we've got something a little broader

ויש לנו משהו קצת רחב יותר

like big data with a truly global footprint

כמו "מידע גדול" עם טביעת רגל באמת גלובאלית

reminiscent of a conversation

זכרון של שיחה

that is happening everywhere.

שמתרחשת בכל מקום.

So from this, we kind of run up against the limits

אז מזה, אנחנו די נתקלים בגבולות

of what we can actually do with a geographic projection,

של מה שאנחנו יכולים לעשות עם תחזיות גאוגרפיות,

but luckily, computer technology allows us to go out

אבל למרבה המזל, טכנולוגית המחשב מאפשרת לנו לצאת

into multidimensional space.

למרחב הרב-מימדי.

So we can take in our network projection

לכן אנחנו יכולים לקחת את התחזית הרשתית שלנו

and apply a physics engine to this,

וליישם מנוע פיזיקלי לזה,

and the similar talks kind of smash together,

והשיחות הדומות די מתאחדות יחדיו,

and the different ones fly apart,

והשונות מתפזרות להן,

and what we're left with is something quite beautiful.

ומה שאנחנו נשארים איתו זה דבר די יפה.

EB: So I want to just point out here that every node is a talk,

אריק: אז אני רק רוצה לציין כאן שכל נקודת קצה היא שיחה,

they're linked if they share similar ideas,

הן מחוברות אם הן חולקות רעיונות דומים,

and that comes from a machine reading

וזה מגיע מקריאה של מכונה

of entire talk transcripts,

של תמליל השיחה במלואה,

and then all these topics that pop out,

ואז כל הנושאים האלו שקופצים,

they're not from tags and keywords.

הם לא מתגיות ומילות מפתח.

They come from the network structure

הם נובעים ממבנה הרשת

of interconnected ideas. Keep going.

של רעיונות מחוברים. תמשיך.

SG: Absolutely. So I got a little quick on that,

שון: לחלוטין. אז אני הזדרזתי עם זה,

but he's going to slow me down.

אבל הוא עומד להאט אותי.

We've got education connected to storytelling

יש לנו את חינוך שמתחבר לסיפורת

triangulated next to social media.

ושניהם מתחברים למדיה חברתית.

You've got, of course, the human brain right next to healthcare,

יש לכם, כמובן, את המוח האנושי ממש ליד בריאות,

which you might expect,

מה שהייתם מצפים,

but also you've got video games, which is sort of adjacent,

אבל גם יש לכם משחקי וידיאו, שהם די חופפים,

as those two spaces interface with each other.

כאשר שני מימדים אלו מתממשקים האחד לשני.

But I want to take you into one cluster

אבל אני רוצה לקחת אתכם לתוך אחד האשכולות

that's particularly important to me, and that's the environment.

אשר למעשה חשוב לי, וזה הסביבה.

And I want to kind of zoom in on that

ואני רוצה לעשות זום לתוך זה

and see if we can get a little more resolution.

ולראות אם אנחנו יכולים לקבל רזולוציה טובה יותר.

So as we go in here, what we start to see,

אז איך שאנחנו נכנסים לכאן, מה שאנחנו מתחילים לראות,

apply the physics engine again,

מיישם את מנוע הפיזיקה שוב,

we see what's one conversation

אנחנו רואים ששיחה אחת

is actually composed of many smaller ones.

למעשה מורכבת מכמה שיחות קטנות.

The structure starts to emerge

המבנה מתחיל להתגלות

where we see a kind of fractal behavior

איפה שאנחנו רואים סוג של התנהגות פרקטלית

of the words and the language that we use

של המילים והשפה שאנחנו משתמשים

to describe the things that are important to us

לתאר את הדברים שחשובים לנו

all around this world.

בכל העולם.

So you've got food economy and local food at the top,

אז יש לנו כלכלת מזון ואוכל מקומי למעלה,

you've got greenhouse gases, solar and nuclear waste.

יש גזי חממה, סולארי ופסולת גרעינית.

What you're getting is a range of smaller conversations,

מה שמתקבל הוא מגוון של שיחות קטנות,

each connected to each other through the ideas

כל אחת מחוברות לשניה באמצעות הרעיונות

and the language they share,

והשפה שהם משתפים,

creating a broader concept of the environment.

יוצרים מושג רחב יותר של הסביבה.

And of course, from here, we can go

וכמובן, שמכאן, אנחנו יכולים ללכת

and zoom in and see, well, what are young people looking at?

ולהתקרב ולראות, ובכן, על מה אנשים צעירים מסתכלים?

And they're looking at energy technology and nuclear fusion.

והם מסתכלים על טכנולוגית אנרגיה והיתוך גרעיני.

This is their kind of resonance

זו היא התעודה שלהם

for the conversation around the environment.

של השיחה בנוגע לסביבה.

If we split along gender lines,

אם אנחנו מפצלים לפי קווי מגדר,

we can see females resonating heavily

אנחנו יכולים לראות שהנשים מובילות בהרבה

with food economy, but also out there in hope and optimism.

עם כלכלת מזון, אבל גם אי שם בתקווה ואופטימיות.

And so there's a lot of exciting stuff we can do here,

וכן יש הרבה דברים מרגשים שאנחנו יכולים לעשות כאן,

and I'll throw to Eric for the next part.

ואני אזרוק לאריק לחלק הבא.

EB: Yeah, I mean, just to point out here,

אריק: כן, אני מתכוון, רק להדגיש כאן,

you cannot get this kind of perspective

אתם לא יכולים לקבל פרספקטיבה שכזו

from a simple tag search on YouTube.

מחיפוש תגייות פשוט ביוטיוב.

Let's now zoom back out to the entire global conversation

בואו נעשה עכשיו זום אחורה לשיחה הגלובלית

out of environment, and look at all the talks together.

מהסביבה, ונסתכל על כל השיחות ביחד.

Now often, when we're faced with this amount of content,

עכשיו לעיתים, כאשר אנחנו נצבים מול כמות כזו של תוכן,

we do a couple of things to simplify it.

אנחנו עושים מספר דברים לפשט זאת.

We might just say, well,

אנחנו יכולים פשוט לומר, ובכן,

what are the most popular talks out there?

מה הן השיחות הפופולאריות ביותר?

And a few rise to the surface.

ובודדות צפות לפני השטח.

There's a talk about gratitude.

ישנה שיחה בנוגע להכרת תודה.

There's another one about personal health and nutrition.

ישנה אחרת בנוגע לבריאות אישית ותזונה.

And of course, there's got to be one about porn, right?

וכמובן, חייבת להיות אחת בנוגע לפורנו, נכון?

And so then we might say, well, gratitude, that was last year.

ואז אנחנו יכולים לומר, ובכן, הכרת תודה, זה היה שנה שעברה.

What's trending now? What's the popular talk now?

מה הטרנד הנוכחי? מה השיחה הפופולארית עכשיו?

And we can see that the new, emerging, top trending topic

ואנחנו יכולים לראות שהנושא החדש, הטרנדי

is about digital privacy.

הוא בנוגע לפרטיות דיגיטלית.

So this is great. It simplifies things.

אז זה פשוט. זה מפשט דברים.

But there's so much creative content

אבל ישנו כל כך הרבה תוכן יצירתי

that's just buried at the bottom.

שפשוט קבור בתחתית.

And I hate that. How do we bubble stuff up to the surface

ואני שונא את זה. איך אנחנו מעלים דברים לפני השטח

that's maybe really creative and interesting?

שאולי ממש יצירתיים ומעניינים?

Well, we can go back to the network structure of ideas

ובכן, אנחנו יכולים לחזור למבנה הרשתי של הרעיונות

to do that.

ולעשות זאת.

Remember, it's that network structure

זכרו, זהו המבנה הרשתי

that is creating these emergent topics,

אשר יוצר את הנושאים המתהווים הללו,

and let's say we could take two of them,

ובואו נגיד שהיינו יכולים לקחת שניים מהם,

like cities and genetics, and say, well, are there any talks

כמו ערים וגנטיקה, ולומר, ובכן, האם קיימות שיחות

that creatively bridge these two really different disciplines.

שמגשרות באופן יצירתי את שתי הדיסיפלינות השונות הללו?

And that's -- Essentially, this kind of creative remix

וזה -- למעשה, השילוב היצירתי מסוג זה

is one of the hallmarks of innovation.

הוא אחד הסימני ההיכר של חדשנות.

Well here's one by Jessica Green

ובכן הנה אחד של ג'סיקה גרין

about the microbial ecology of buildings.

בנוגע לאקולוגיה של חיידקים בבניינים.

It's literally defining a new field.

זה ממש מגדיר תחום חדש.

And we could go back to those topics and say, well,

ואנחנו יכולים לחזור לנושאים אלו ולומר, ובכן,

what talks are central to those conversations?

אילו שיחות ספציפיות מהוות את המרכז לשיחות אלו?

In the cities cluster, one of the most central

באשכול הערים, אחת המרכזיות ביותר

was one by Mitch Joachim about ecological cities,

הייתה של מיטש ג'ואקים בנוגע לערים אקולוגיות,

and in the genetics cluster,

ובאשכול הגנטיקה,

we have a talk about synthetic biology by Craig Venter.

אנחנו מוצאים שיחה בנוגע לביולוגיה סינטטית של קרייג ונטר.

These are talks that are linking many talks within their discipline.

אלו שיחות שמחברות שיחות רבות בתוך הדיסיפלינה שלהם.

We could go the other direction and say, well,

אנחנו יכולים ללכת לכיוון השני ולומר, ובכן,

what are talks that are broadly synthesizing

אלו שיחות מחברות באופן רחב

a lot of different kinds of fields.

סוגים רבים ושונים של תחומים.

We used a measure of ecological diversity to get this.

אנחנו השתמשנו במידה של שונות אקולוגית על מנת לקבל זאת.

Like, a talk by Steven Pinker on the history of violence,

כגון, שיחה של סטיבן פינקר אודות ההיסטוריה של האלימות,

very synthetic.

סינטטי מאוד.

And then, of course, there are talks that are so unique

ואז, כמובן, ישנן שיחות שהן מאוד ייחודיות

they're kind of out in the stratosphere, in their own special place,

כמו מעיין מחוץ לטווח, בחלל משלהם,

and we call that the Colleen Flanagan index.

ואנחנו קוראים לזה אינדקס קולין פלנגן.

And if you don't know Colleen, she's an artist,

ואם אתם לא מכירים את קולין, היא אמנית,

and I asked her, "Well, what's it like out there

ואני שאלתי אותה, "ובכן, איך זה שם מחוץ

in the stratosphere of our idea space?"

לחלל הרעיונות שלנו?"

And apparently it smells like bacon.

וככל הנראה זה מריח כמו בייקון.

I wouldn't know.

אני לא הייתי יודע.

So we're using these network motifs

אז אנחנו משתמשים במוטיבים

to find talks that are unique,

למצוא שיחות שהן ייחודיות,

ones that are creatively synthesizing a lot of different fields,

כאלו שבאופן יצירתי משלבות תחומים רבים,

ones that are central to their topic,

כאלו שהן מרכזיות לנושאים שלהן,

and ones that are really creatively bridging disparate fields.

וכאלו שממש באופן יצירתי מגשרות בין תחומים נפרדים.

Okay? We never would have found those with our obsession

אוקי? לעולם לא היינו מוצאים זאת עם האובססיה שלנו

with what's trending now.

למה שטרנדי עכשיו.

And all of this comes from the architecture of complexity,

וכל זה מגיע מהארכיטקטורה של המורכבות,

or the patterns of how things are connected.

של התבניות של איך דברים מחוברים.

SG: So that's exactly right.

שון: אז זה בדיוק נכון.

We've got ourselves in a world

אנחנו נמצאים בעולם

that's massively complex,

שמורכב באופן מסיבי,

and we've been using algorithms to kind of filter it down

ואנחנו משתמשים באלגוריתמים לסנן אותו

so we can navigate through it.

כך שנוכל לנווט בתוכו.

And those algorithms, whilst being kind of useful,

ובאלגוריתמים האלו, עד כמה שהם שימושיים,

are also very, very narrow, and we can do better than that,

הם מאוד, מאוד צרים, ואנחנו יכולים לעשות טוב יותר מזה

because we can realize that their complexity is not random.

כי אנחנו יכולים להבין שהמורכבות שלהם היא לא אקראית.

It has mathematical structure,

יש לזה מבנה מתמטי,

and we can use that mathematical structure

ואנחנו יכולים להשתמש במבנה המתמטי הזה,

to go and explore things like the world of ideas

לגשת ולחקור דברים כמו עולם הרעיונות

to see what's being said, to see what's not being said,

לראות מה נאמר, לראות מה לא נאמר,

and to be a little bit more human

ולהיות קצת יותר אנושיים

and, hopefully, a little smarter.

וגם, בתקווה, קצת חכמים יותר.

Thank you.

תודה לכם.

(Applause)

(מחיאות כפיים)