What I learned from 2,000 obituaries | Lux Narayan

166,218 views ・ 2017-03-23

TED


下の英語字幕をダブルクリックすると動画を再生できます。

翻訳: Kazunori Akashi 校正: Emi Kamiya
00:12
Joseph Keller used to jog around the Stanford campus,
0
12699
4072
ジョセフ・ケラーはスタンフォード大学の 構内をよくジョギングしていましたが
00:16
and he was struck by all the women jogging there as well.
1
16795
4717
同じくジョギングしている女性たちに 強く興味をひかれました
00:21
Why did their ponytails swing from side to side like that?
2
21536
3589
なぜポニーテールは あんな風に 左右に揺れるんだろう?
00:25
Being a mathematician, he set out to understand why.
3
25687
3138
数学者の彼は 理由を探り始めました
00:28
(Laughter)
4
28849
1151
(笑)
00:30
Professor Keller was curious about many things:
5
30024
2306
ケラー教授の好奇心は 多岐にわたりました
00:32
why teapots dribble
6
32354
1967
なぜティーポットから お茶が垂れるのか?
00:34
or how earthworms wriggle.
7
34345
1830
ミミズのくねり方は?
00:36
Until a few months ago, I hadn't heard of Joseph Keller.
8
36667
3048
私は数か月前まで ジョセフ・ケラーを知りませんでした
00:40
I read about him in the New York Times,
9
40401
2852
NYタイムズ紙のおくやみ記事で
00:43
in the obituaries.
10
43277
1432
彼のことを読んだんです
00:44
The Times had half a page of editorial dedicated to him,
11
44733
3772
NYタイムズは半ページを割いて ケラー教授に捧げる記事を載せました
00:48
which you can imagine is premium space for a newspaper of their stature.
12
48529
3922
一流紙でそれだけのスペースといえば ご想像の通り かなり贅沢なことです
00:53
I read the obituaries almost every day.
13
53188
2342
私は ほぼ毎日おくやみ記事を読みます
00:56
My wife understandably thinks I'm rather morbid
14
56510
3022
当然のごとく 妻には 病んでると思われています
00:59
to begin my day with scrambled eggs and a "Let's see who died today."
15
59556
4400
朝からスクランブルエッグを前に
「今日は誰が死んだかな?」とか 言うんですから
01:03
(Laughter)
16
63980
1150
(笑)
01:05
But if you think about it,
17
65845
1292
でも 考えてみると
01:07
the front page of the newspaper is usually bad news,
18
67161
3413
新聞の1面に載るのは たいてい悪いニュースで
01:10
and cues man's failures.
19
70598
1975
伝えられるのは 誰かの失敗です
01:12
An instance where bad news cues accomplishment
20
72597
2666
悪いニュースだけれど 人の業績を伝えるのが
01:15
is at the end of the paper, in the obituaries.
21
75287
3235
新聞の最終ページに載る おくやみ記事です
01:19
In my day job,
22
79225
1364
私の本業は
01:20
I run a company that focuses on future insights
23
80613
2476
会社経営です マーケティング担当者に過去データを提供し
01:23
that marketers can derive from past data --
24
83113
2420
将来の予測に役立ててもらうという
01:25
a kind of rearview-mirror analysis.
25
85557
2944
バックミラーを見ながら 分析するような仕事です
01:28
And we began to think:
26
88912
1155
我が社で こう考えました
01:30
What if we held a rearview mirror to obituaries from the New York Times?
27
90091
5118
NYタイムズのおくやみ記事を 過去データ分析にかけたらどうなるだろう?
01:36
Were there lessons on how you could get your obituary featured --
28
96334
3468
記事の切り口から 何か教訓は得られないだろうか?
01:39
even if you aren't around to enjoy it?
29
99826
1977
掲載された時には もう本人はいませんけど
01:41
(Laughter)
30
101827
1484
(笑)
01:43
Would this go better with scrambled eggs?
31
103335
2628
それはスクランブルエッグに合う 記事でしょうか?
01:45
(Laughter)
32
105987
1150
(笑)
01:47
And so, we looked at the data.
33
107983
2998
そこでデータを調べてみました
01:51
2,000 editorial, non-paid obituaries
34
111689
4494
2015年~16年の20か月間に 編集部が無料で書いた
01:56
over a 20-month period between 2015 and 2016.
35
116207
3642
おくやみ記事2千本です
01:59
What did these 2,000 deaths -- rather, lives -- teach us?
36
119873
4824
この2千人の死 というか人生が 教えてくれることは何でしょう?
02:04
Well, first we looked at words.
37
124721
2033
まず私たちは言葉に注目しました
02:06
This here is an obituary headline.
38
126778
1761
これはおくやみ記事の見出しです
02:08
This one is of the amazing Lee Kuan Yew.
39
128563
2296
こちらは偉大な リー・クアンユーの記事です
02:10
If you remove the beginning and the end,
40
130883
2522
はじめと終わりの部分を取り除くと
02:13
you're left with a beautifully worded descriptor
41
133429
3334
残るのは美しい語で綴られた描写です
02:16
that tries to, in just a few words, capture an achievement or a lifetime.
42
136787
4675
この わずか数語で一生の業績を 捉えようとしているんです
02:21
Just looking at these is fascinating.
43
141486
2161
これだけでも 実に興味深いです
02:24
Here are a few famous ones, people who died in the last two years.
44
144121
3295
この2年間で亡くなった 有名な方を何人か紹介しましょう
誰だか当ててみてください
02:27
Try and guess who they are.
45
147440
1319
02:28
[An Artist who Defied Genre]
46
148783
1440
[ジャンルを超えたアーティスト]
02:30
That's Prince.
47
150247
1185
プリンスです
02:32
[Titan of Boxing and the 20th Century]
48
152317
1837
[ボクシングと20世紀の巨人]
02:34
Oh, yes.
49
154178
1160
そうですよね
02:35
[Muhammad Ali]
50
155362
1224
[モハメド・アリ]
02:36
[Groundbreaking Architect]
51
156610
1546
[革新的建築家]
02:38
Zaha Hadid.
52
158180
1251
ザハ・ハディドです
02:40
So we took these descriptors
53
160663
1748
私たちは こうしたキーワードを
02:42
and did what's called natural language processing,
54
162435
2524
「自然言語処理」にかけました
02:44
where you feed these into a program,
55
164983
1771
キーワードをプログラムに入力すると
02:46
it throws out the superfluous words --
56
166778
1865
余計な言葉 例えば
02:48
"the," "and," -- the kind of words you can mime easily in "Charades," --
57
168667
4223
“the”とか“and”とか 黙っていても伝わりそうな言葉を取り除き
02:52
and leaves you with the most significant words.
58
172914
2193
重要な内容を持つ言葉だけを残します
02:55
And we did it not just for these four,
59
175131
1821
そして先程の4人だけでなく
02:56
but for all 2,000 descriptors.
60
176976
2519
2千人全員のキーワードを 処理しました
02:59
And this is what it looks like.
61
179519
1743
その結果がこれです
03:02
Film, theatre, music, dance and of course, art, are huge.
62
182824
4827
映画、演劇、音楽、ダンス そして当然 アートがとても多く
03:08
Over 40 percent.
63
188305
1946
40%を超えます
03:10
You have to wonder why in so many societies
64
190275
2528
なぜ 多くの社会で 「成功者になるためには
03:12
we insist that our kids pursue engineering or medicine or business or law
65
192827
4435
子どもに工学、医療、ビジネス、法律を」 と言われるのか
03:17
to be construed as successful.
66
197286
1587
不思議になってきますよね
03:19
And while we're talking profession,
67
199691
1693
職業について話してきましたが
03:21
let's look at age --
68
201408
1151
次は年齢です
03:22
the average age at which they achieved things.
69
202583
2510
成果をあげた時の 平均年齢を見てみましょう
03:25
That number is 37.
70
205117
1846
平均は37歳です
03:28
What that means is, you've got to wait 37 years ...
71
208094
3656
つまり 37年間 待って 初めて
03:31
before your first significant achievement that you're remembered for --
72
211774
3395
人々の記憶に残る 重要な成果に到達するのが
平均というわけです
03:35
on average --
73
215193
1151
そして その44年後に 81歳で亡くなります
03:36
44 years later, when you die at the age of 81 --
74
216368
2478
03:38
on average.
75
218870
1168
これも平均です
03:40
(Laughter)
76
220062
1001
(笑)
03:41
Talk about having to be patient.
77
221087
1684
まさに忍耐の一言です
03:42
(Laughter)
78
222795
1057
03:43
Of course, it varies by profession.
79
223876
2089
(笑)
当然これは職業によって変わります
03:46
If you're a sports star,
80
226386
1193
スポーツ選手なら
03:47
you'll probably hit your stride in your 20s.
81
227603
2127
頭角を現しはじめるのは 20代でしょう
03:49
And if you're in your 40s like me,
82
229754
2645
私のように40代なら
03:52
you can join the fun world of politics.
83
232423
1991
楽しい政治の世界で 花を咲かせられます
03:54
(Laughter)
84
234438
1056
(笑)
03:55
Politicians do their first and sometimes only commendable act in their mid-40s.
85
235518
3915
政治家は40代の半ばに 最初で ともすると唯一の 立派な業績を残します
03:59
(Laughter)
86
239457
1257
(笑)
04:00
If you're wondering what "others" are,
87
240738
1937
「その他」が気になるでしょう
04:02
here are some examples.
88
242699
1476
例をいくつかあげます [科学界からブードゥーの司祭に]
04:04
Isn't it fascinating, the things people do
89
244641
2116
業績とか 記憶に残ることって [大統領9人の服を仕立てる]
04:06
and the things they're remembered for?
90
246781
1882
面白いじゃないですか? [トップレス業界の先駆者]
04:08
(Laughter)
91
248687
1752
(笑)
04:11
Our curiosity was in overdrive,
92
251956
1844
私たちの好奇心は過熱して
04:13
and we desired to analyze more than just a descriptor.
93
253824
3788
キーワード以外も 分析したくなりました
04:18
So, we ingested the entire first paragraph of all 2,000 obituaries,
94
258818
4946
そこで2千本の記事すべての 第一段落を丸ごとプログラムにかけました
04:23
but we did this separately for two groups of people:
95
263788
2774
ただし2つのグループに分けて
04:26
people that are famous and people that are not famous.
96
266586
2777
有名人と無名人を別々に分析しました
04:29
Famous people -- Prince, Ali, Zaha Hadid --
97
269387
2689
プリンスやアリ ザハ・ハディドといった有名人と
04:32
people who are not famous are people like Jocelyn Cooper,
98
272100
4235
無名の人々 例えば ジョスリン・クーパーや
04:36
Reverend Curry
99
276359
1154
カリー牧師 ―
04:37
or Lorna Kelly.
100
277537
1169
ローナ・ケリーです
04:38
I'm willing to bet you haven't heard of most of their names.
101
278730
3188
きっと ほとんど聞いたことのない 名前ばかりでしょう
04:41
Amazing people, fantastic achievements, but they're not famous.
102
281942
3812
素晴らしい業績を残した 偉大な人々ですが 有名ではありません
04:46
So what if we analyze these two groups separately --
103
286540
2788
さて 有名人と無名人の 2グループに分けて
04:49
the famous and the non-famous?
104
289352
1525
分析したらどうなるでしょう?
04:50
What might that tell us?
105
290901
1419
どんなことが分かるでしょうか?
04:52
Take a look.
106
292344
1240
見てみましょう
04:56
Two things leap out at me.
107
296376
1469
2つの特徴が際立ちます
04:58
First:
108
298389
1170
1つ目は
04:59
"John."
109
299926
1198
「ジョン」です
05:01
(Laughter)
110
301148
1300
(笑)
05:03
Anyone here named John should thank your parents --
111
303734
3388
ジョンという名前の人がいたら 親に感謝すべきだし ―
05:07
(Laughter)
112
307146
1329
(笑)
05:08
and remind your kids to cut out your obituary when you're gone.
113
308499
3082
子どもには 自分のおくやみ記事を 切り抜くよう言っておくべきです
05:12
And second:
114
312881
1356
2つ目は
05:15
"help."
115
315669
1154
「力を貸す」です
05:18
We uncovered, many lessons from lives well-led,
116
318344
3465
私たちは「いい人生」から得た 多くの教訓や
05:21
and what those people immortalized in print could teach us.
117
321833
2836
記事に足跡を残した人々の 教えを掘り起こしました
05:24
The exercise was a fascinating testament to the kaleidoscope that is life,
118
324693
4738
おくやみ記事は 万華鏡のような人生が 存在した 魅力あふれる証拠ですが
05:29
and even more fascinating
119
329455
2715
さらに魅力的なのは
05:32
was the fact that the overwhelming majority of obituaries
120
332194
3068
おくやみ記事のほぼすべてが 有名か無名かに関わらず
05:35
featured people famous and non-famous,
121
335286
2998
類まれなことを 成し遂げた人々を
05:38
who did seemingly extraordinary things.
122
338308
2433
取り上げているという点です
05:41
They made a positive dent in the fabric of life.
123
341394
3110
みんな社会に ポジティブな影響を残しました
05:44
They helped.
124
344528
1237
力を貸したんです
05:46
So ask yourselves as you go back to your daily lives:
125
346592
2591
みなさんも日常生活に戻った時 考えてみてください
05:49
How am I using my talents to help society?
126
349207
2920
自分は才能を どんな形で 社会に役立てているだろうか?
05:52
Because the most powerful lesson here is,
127
352151
2973
というのも ここから得た 最も大きな教訓によると
05:55
if more people lived their lives trying to be famous in death,
128
355148
4336
死んだ時に有名でありたいと 努力して生きる人が増えれば
05:59
the world would be a much better place.
129
359508
2605
世界は まだまだ良くなるからです
06:02
Thank you.
130
362882
1169
ありがとう
06:04
(Applause)
131
364075
2848
(拍手)
このウェブサイトについて

このサイトでは英語学習に役立つYouTube動画を紹介します。世界中の一流講師による英語レッスンを見ることができます。各ビデオのページに表示される英語字幕をダブルクリックすると、そこからビデオを再生することができます。字幕はビデオの再生と同期してスクロールします。ご意見・ご要望がございましたら、こちらのお問い合わせフォームよりご連絡ください。

https://forms.gle/WvT1wiN1qDtmnspy7