아래 영문자막을 더블클릭하시면 영상이 재생됩니다.
번역: Seung Hyun Kim
검토: Gemma Lee
00:12
Eric Berlow: I'm an ecologist, and Sean's a physicist,
0
12562
3061
벌로우: 저는 생태학자이고
션은 물리학자입니다.
00:15
and we both study complex networks.
1
15623
2108
저희는 복잡계 네트워크를 연구하죠.
00:17
And we met a couple years ago when we discovered
2
17731
1835
몇 년 전 저희 둘 다
전쟁의 생태에 관하여
00:19
that we had both given a short TED Talk
3
19566
2000
짧게 TED 강연을 했던 것을 계기로
00:21
about the ecology of war,
4
21566
2303
서로 알게 되었습니다.
00:23
and we realized that we were connected
5
23869
1447
실제로 만나기 전부터 같은 생각을
00:25
by the ideas we shared before we ever met.
6
25316
2818
공유함으로써 서로
연결되어 있었다는 것을 깨달았죠.
00:28
And then we thought, you know, there are thousands
7
28134
1556
그리고 세상에 TEDx와 같은 강연이
00:29
of other talks out there, especially TEDx Talks,
8
29690
2114
수천 개씩 나오고 있는데
00:31
that are popping up all over the world.
9
31804
2211
생각이 미쳤습니다.
00:34
How are they connected,
10
34015
923
00:34
and what does that global conversation look like?
11
34938
2010
이 강연들은 어떻게 연결되어 있으며
전세계 사람들은
어떤 대화를 하고 있을까요?
00:36
So Sean's going to tell you a little bit about how we did that.
12
36948
2810
연구 과정을
션이 설명해 드리겠습니다.
00:39
Sean Gourley: Exactly. So we took 24,000 TEDx Talks
13
39758
3767
고얼리: 그렇습니다.
저희는 전세계 147개국에서
00:43
from around the world, 147 different countries,
14
43525
3046
24,000개의 TEDx 강연을 바탕으로
00:46
and we took these talks and we wanted to find
15
46571
2123
주제들을 뒷받침하는
00:48
the mathematical structures that underly
16
48694
2040
수학적 구조를
00:50
the ideas behind them.
17
50734
1722
찾고자 했습니다.
00:52
And we wanted to do that so we could see how
18
52456
1370
그래서 각각의 아이디어들이
00:53
they connected with each other.
19
53826
2053
서로 어떻게 연결되는지
알고 싶었습니다.
00:55
And so, of course, if you're going to do this kind of stuff,
20
55879
1676
이런 연구를 하려면 먼저
00:57
you need a lot of data.
21
57555
956
자료가 많이 필요하죠.
00:58
So the data that you've got is a great thing called YouTube,
22
58511
3686
지료는 유튜브라는
멋진 곳에서 구합니다.
01:02
and we can go down and basically pull
23
62197
1768
유튜브에서 공개된
01:03
all the open information from YouTube,
24
63965
2267
모든 정보를 모으는 거죠.
01:06
all the comments, all the views, who's watching it,
25
66232
2349
댓글, 조회 기록, 시청자층,
01:08
where are they watching it, what are they saying in the comments.
26
68581
2779
시청자의 위치와
댓글 내용 외에도
01:11
But we can also pull up, using speech-to-text translation,
27
71360
3292
음성-텍스트 변환을 이용해
대사 전문을
01:14
we can pull the entire transcript,
28
74652
2128
기록할 수도 있습니다
01:16
and that works even for people with kind of funny accents like myself.
29
76780
2680
저처럼 억양이 약간 이상해도
상관없어요
01:19
So we can take their transcript
30
79460
2106
이렇게 영상을 기록한 사본으로
01:21
and actually do some pretty cool things.
31
81566
2098
여러 가지 재미있는
작업을 할 수 있습니다
01:23
We can take natural language processing algorithms
32
83664
2160
자연어 처리 알고리즘을 통해
컴퓨터로
01:25
to kind of read through with a computer, line by line,
33
85824
2629
이 사본을 한 줄 한 줄 읽어나가며
01:28
extracting key concepts from this.
34
88453
2359
핵심이 되는 개념을 뽑아냅니다.
01:30
And we take those key concepts and they sort of form
35
90812
2525
이렇게 모인 개념들은
한 아이디어를 구성하는
01:33
this mathematical structure of an idea.
36
93337
3565
수학적 구조 같은 형태가 됩니다
01:36
And we call that the meme-ome.
37
96902
1757
우리는 이것을
문화적 유전자라고 합니다.
01:38
And the meme-ome, you know, quite simply,
38
98659
2151
문화적 유전자란 간단히 말해서
01:40
is the mathematics that underlies an idea,
39
100810
2426
어떤 개념을 뒷받침하는
수학적 속성인데
01:43
and we can do some pretty interesting analysis with it,
40
103236
1932
이것으로 여러가지
흥미로운 분석을 할 수 있습니다.
01:45
which I want to share with you now.
41
105168
1981
지금 여러분께 보여드리고 싶군요.
01:47
So each idea has its own meme-ome,
42
107149
2190
각각의 아이디어는
고유한 문화적 유전자를 갖고 있고
01:49
and each idea is unique with that,
43
109339
1951
각 아이디어는 독특합니다.
01:51
but of course, ideas, they borrow from each other,
44
111290
2488
그러나 아이디어는
다른 아이디어를 빌리기도 하고
01:53
they kind of steal sometimes,
45
113778
1184
훔쳐오기도 하며
01:54
and they certainly build on each other,
46
114962
1827
서로를 기반으로
발전하게 마련입니다.
01:56
and we can go through mathematically
47
116789
1616
수학적 분석을 통해 얻은
01:58
and take the meme-ome from one talk
48
118405
1840
강연 하나의 문화적 유전자를
02:00
and compare it to the meme-ome from every other talk,
49
120245
2454
다른 강연의
문화적 유전자와 비교했을 때
02:02
and if there's a similarity between the two of them,
50
122699
1973
유사한 부분이 있다면
02:04
we can create a link and represent that as a graph,
51
124672
3250
연결고리를 만들어
그래프로 나타낼 수 있습니다.
02:07
just like Eric and I are connected.
52
127922
2394
에릭과 제가 연결된 것처럼요.
02:10
So that's theory, that's great.
53
130316
1394
일단 이론은 이렇습니다.
02:11
Let's see how it works in actual practice.
54
131710
2526
실제로 적용되면
어떻게 되는지 보죠.
02:14
So what we've got here now is the global footprint
55
134236
2788
지난 4년간 전세계에서 쏟아져나온
02:17
of all the TEDx Talks over the last four years
56
137024
2293
모든 TEDx 강연의 모습입니다.
02:19
exploding out around the world
57
139317
1550
뉴욕에서
02:20
from New York all the way down to little old New Zealand in the corner.
58
140867
3329
구석에 있는
뉴질랜드에 이르기까지요.
02:24
And what we did on this is we analyzed the top 25 percent of these,
59
144196
3835
상위 25%를 분석하자
02:28
and we started to see where the connections occurred,
60
148031
2534
연결고리가 어디서 일어나서
02:30
where they connected with each other.
61
150565
1537
어디서 서로 연결되는지
보이기 시작했습니다.
02:32
Cameron Russell talking about image and beauty
62
152102
1874
카메론 러셀의
이미지와 미에 관한 강연은
02:33
connected over into Europe.
63
153976
1575
유럽으로 연결되었습니다.
02:35
We've got a bigger conversation about Israel and Palestine
64
155551
2412
이스라엘과 팔레스타인에 대해서는
02:37
radiating outwards from the Middle East.
65
157963
2255
중동에서 많은 이들이 토론했군요.
02:40
And we've got something a little broader
66
160218
1298
빅 데이터처럼 보다 광범위한
02:41
like big data with a truly global footprint
67
161516
2156
주제는 실로 전세계를 누볐습니다.
02:43
reminiscent of a conversation
68
163672
2179
마치 어딜 가도 들리는
02:45
that is happening everywhere.
69
165851
2016
대화 주제처럼 말입니다.
02:47
So from this, we kind of run up against the limits
70
167867
2173
지도로 나타낼 수 있는 것은
02:50
of what we can actually do with a geographic projection,
71
170040
2530
거의 여기까지가 한계입니다만,
02:52
but luckily, computer technology allows us to go out
72
172570
2052
컴퓨터 기술 덕에
다차원적 공간을 배경으로
02:54
into multidimensional space.
73
174622
1546
더 많은 것을 할 수 있었습니다.
02:56
So we can take in our network projection
74
176168
1875
이 네트워크 투사도에
02:58
and apply a physics engine to this,
75
178043
1750
물리적 도구을 적용하면
02:59
and the similar talks kind of smash together,
76
179793
1885
비슷한 강연들은 가까이 붙고
03:01
and the different ones fly apart,
77
181678
2004
다른 강연들은 멀어집니다.
03:03
and what we're left with is something quite beautiful.
78
183682
2072
이렇게 아름다운 구조가 형성되죠.
03:05
EB: So I want to just point out here that every node is a talk,
79
185754
2957
벌로우: 여기 있는 교점 하나하나가
모두 강연이며
03:08
they're linked if they share similar ideas,
80
188711
2589
비슷한 개념을 다루는 경우는
연결되어 있습니다.
03:11
and that comes from a machine reading
81
191300
2084
강연 전문을 컴퓨터로 읽어들여
03:13
of entire talk transcripts,
82
193384
2067
분석한 것이죠.
03:15
and then all these topics that pop out,
83
195451
2231
이렇게 나타나는 주제들은
03:17
they're not from tags and keywords.
84
197682
1790
태그나 키워드를 종합해 얻은 게 아니라
03:19
They come from the network structure
85
199472
1725
서로 연결된 아이디어로 이루어진
03:21
of interconnected ideas. Keep going.
86
201197
2168
네트워크에서 창출된 것입니다.
계속 하시죠.
03:23
SG: Absolutely. So I got a little quick on that,
87
203365
2022
고얼리: 네, 제가 좀 성급히 진행했는데
03:25
but he's going to slow me down.
88
205387
1475
에릭이 조절해 줄 테니 괜찮아요.
03:26
We've got education connected to storytelling
89
206862
2034
'교육' 은 '이야기하기' 와 연결되었고
03:28
triangulated next to social media.
90
208896
1643
'소셜미디어'와 함께
삼각형을 이룹니다.
03:30
You've got, of course, the human brain right next to healthcare,
91
210539
2475
'인간 두뇌'가 '의료' 옆에 있는 것은
03:33
which you might expect,
92
213014
1386
이상하지 않을지 모르지만
03:34
but also you've got video games, which is sort of adjacent,
93
214400
2395
'비디오 게임' 도
이 두 가지가 닿아 있는 위치에서
03:36
as those two spaces interface with each other.
94
216795
2740
멀지 않은 곳에 있습니다.
03:39
But I want to take you into one cluster
95
219535
1535
이제 집중할 곳은
03:41
that's particularly important to me, and that's the environment.
96
221070
2868
제가 매우 중요하게 생각하는
환경에 관련된 부분입니다.
03:43
And I want to kind of zoom in on that
97
223938
1493
그쪽 군락을 확대해서
03:45
and see if we can get a little more resolution.
98
225431
2363
해상도를 좀 높여 보도록 하죠.
03:47
So as we go in here, what we start to see,
99
227794
2347
가까이 다가갈수록
드러나는 것이 있습니다.
03:50
apply the physics engine again,
100
230141
1504
물리적 도구를 다시 적용하면
03:51
we see what's one conversation
101
231645
1676
하나의 토론이 실은
03:53
is actually composed of many smaller ones.
102
233321
2560
수많은 작은 토론으로
이루어져 있습니다.
03:55
The structure starts to emerge
103
235881
1929
구조가 드러나기 시작합니다.
03:57
where we see a kind of fractal behavior
104
237810
2070
세계 각처에서
중요하다고 여기는 것들을
03:59
of the words and the language that we use
105
239880
1619
묘사하는 단어와 표현들이 모여
04:01
to describe the things that are important to us
106
241499
1702
일종의 프랙탈 양상을
04:03
all around this world.
107
243201
1433
띠고 있습니다.
04:04
So you've got food economy and local food at the top,
108
244634
2332
맨 위에는 '식품 경제'와 '지역 음식'이 있네요.
04:06
you've got greenhouse gases, solar and nuclear waste.
109
246966
2719
'온실 가스'와 '태양열',
'핵 폐기물'도 있습니다.
04:09
What you're getting is a range of smaller conversations,
110
249685
2631
보다 작은 규모의 토론과 대화들이
04:12
each connected to each other through the ideas
111
252316
2301
공통적인 개념과 언어를 통해
04:14
and the language they share,
112
254617
1301
서로 연결되면서
04:15
creating a broader concept of the environment.
113
255918
2450
'환경'이라는 개념을
확장시키는 겁니다.
04:18
And of course, from here, we can go
114
258368
1532
여기서 더 세부적으로 들어가 보죠.
04:19
and zoom in and see, well, what are young people looking at?
115
259900
3534
젊은이들은
무엇에 관심을 가지고 있을까요?
04:23
And they're looking at energy technology and nuclear fusion.
116
263434
2345
에너지 기술과 핵융합 관련 내용을
시청했네요.
04:25
This is their kind of resonance
117
265779
1674
젊은이들은 환경에 대한 토론에서
04:27
for the conversation around the environment.
118
267453
2406
이러한 주제를 파생시키고 있습니다.
04:29
If we split along gender lines,
119
269859
1899
성별에 따라 분류해 보자면
04:31
we can see females resonating heavily
120
271758
1987
여성들은 식품 경제를 많이 다루었지만
04:33
with food economy, but also out there in hope and optimism.
121
273745
3645
희망과 낙관주의에 대해서도 토론했습니다.
04:37
And so there's a lot of exciting stuff we can do here,
122
277390
2482
이 자료는 정말
다방면으로 쓰일 수 있어요.
04:39
and I'll throw to Eric for the next part.
123
279872
1762
에릭이 계속 설명하겠습니다.
04:41
EB: Yeah, I mean, just to point out here,
124
281634
1602
벌로우: 네, 다시 말씀드리지만
04:43
you cannot get this kind of perspective
125
283236
1538
유튜브에서 단순히
태그 검색으로는 불가능한
04:44
from a simple tag search on YouTube.
126
284774
3360
폭넓은 각도에서
데이터를 보는 겁니다.
04:48
Let's now zoom back out to the entire global conversation
127
288134
4188
이제 환경이라는 주제에서
다시 전세계적 시점으로
04:52
out of environment, and look at all the talks together.
128
292322
2534
돌아가 강연 전체를 살펴봅시다.
04:54
Now often, when we're faced with this amount of content,
129
294856
2927
자료가 이렇게 많을 때는
몇 가지 작업을 통해
04:57
we do a couple of things to simplify it.
130
297783
2431
단순화시킵니다.
05:00
We might just say, well,
131
300214
1314
예를 들어,
05:01
what are the most popular talks out there?
132
301528
2829
제일 인기있는 강연을 찾아보면
05:04
And a few rise to the surface.
133
304357
1397
몇 가지가 추려집니다.
05:05
There's a talk about gratitude.
134
305754
1828
'감사'에 대한 강연,
05:07
There's another one about personal health and nutrition.
135
307582
3344
개인 건강과 영양에 대한 강연,
05:10
And of course, there's got to be one about porn, right?
136
310926
2929
포르노에 대한 강연도
빼놓을 수 없겠죠.
05:13
And so then we might say, well, gratitude, that was last year.
137
313855
3234
감사에 대한 강연은
지난 해였는데
05:17
What's trending now? What's the popular talk now?
138
317089
2522
지금은 뭐가 유행일까요?
현재 인기있는 강연은 뭘까요?
05:19
And we can see that the new, emerging, top trending topic
139
319611
3321
새로 떠오르는 화제는
디지털 사생활이라는 것을
05:22
is about digital privacy.
140
322932
2666
알 수 있습니다.
05:25
So this is great. It simplifies things.
141
325598
1693
좋습니다. 간단해지죠.
05:27
But there's so much creative content
142
327291
1827
하지만 저 바닥에 창의적인 내용이
05:29
that's just buried at the bottom.
143
329118
1921
너무나 많이 묻혀 있어요.
05:31
And I hate that. How do we bubble stuff up to the surface
144
331039
3318
그러면 안 되죠.
어떻게 해야 정말 창의적이고
05:34
that's maybe really creative and interesting?
145
334357
2458
재미있는 내용들이
수면 위로 떠오르게 할까요?
05:36
Well, we can go back to the network structure of ideas
146
336815
2931
그러기 위해서는
아이디어 네트워크 구조로
05:39
to do that.
147
339746
1430
돌아가야 합니다.
05:41
Remember, it's that network structure
148
341176
2114
애초에 이런 토론 주제들이
떠오르게 된 계기가
05:43
that is creating these emergent topics,
149
343290
2268
네트워크라는 걸 기억하세요.
05:45
and let's say we could take two of them,
150
345558
1515
도시와 유전학이라는
05:47
like cities and genetics, and say, well, are there any talks
151
347073
3047
판이한 두 가지 주제를
독창적으로 연결시키는
05:50
that creatively bridge these two really different disciplines.
152
350120
2569
강연이 있는지
알아보도록 하죠.
05:52
And that's -- Essentially, this kind of creative remix
153
352689
2275
이와 같은 창의적인 자료 조작은
05:54
is one of the hallmarks of innovation.
154
354964
1840
혁신의 특징 중 하나입니다.
05:56
Well here's one by Jessica Green
155
356804
1606
제시카 그린의
05:58
about the microbial ecology of buildings.
156
358410
2379
건물의 미생물 생태에 대한
강연을 찾았습니다.
06:00
It's literally defining a new field.
157
360789
2010
새로운 분야의 개척이에요.
06:02
And we could go back to those topics and say, well,
158
362799
2103
각 주제에 대한 토론의 중심에는
06:04
what talks are central to those conversations?
159
364902
2768
어떤 강연들이 있을까요?
06:07
In the cities cluster, one of the most central
160
367670
1690
'도시' 무리 가장 중심에는
06:09
was one by Mitch Joachim about ecological cities,
161
369360
3952
미치 요아킴의
생태 도시에 대한 강연이 있고
06:13
and in the genetics cluster,
162
373312
1720
'유전학' 무리 중심에는
06:15
we have a talk about synthetic biology by Craig Venter.
163
375032
3193
크레이크 벤터의
합성 생물학 강연이 있습니다.
06:18
These are talks that are linking many talks within their discipline.
164
378225
3353
각 분야 내 수많은 강연들을
이어주는 연결고리입니다.
06:21
We could go the other direction and say, well,
165
381578
1843
반대로 다양한 분야를
폭넓게 아우르는
06:23
what are talks that are broadly synthesizing
166
383421
2272
강연에는 어떤 것이 있는지
06:25
a lot of different kinds of fields.
167
385693
1448
알아볼 수도 있습니다.
06:27
We used a measure of ecological diversity to get this.
168
387141
2533
생태학적 다양성의
척도를 통해 얻은 결과인데
06:29
Like, a talk by Steven Pinker on the history of violence,
169
389674
2736
예를 들어 폭력의 역사에 관한
스티븐 핑커의 강연은
06:32
very synthetic.
170
392410
1180
매우 종합적이죠.
06:33
And then, of course, there are talks that are so unique
171
393590
2078
한편으로는 너무나 독특해서
06:35
they're kind of out in the stratosphere, in their own special place,
172
395668
3090
연결점 없이 혼자 떨어져 있는
강연도 있습니다.
06:38
and we call that the Colleen Flanagan index.
173
398758
2514
저희는 이를 '콜린 플래내건 지수'라고 부릅니다.
06:41
And if you don't know Colleen, she's an artist,
174
401272
3034
모르실까봐 말씀드리자면
콜린은 예술가입니다.
06:44
and I asked her, "Well, what's it like out there
175
404306
1543
우리가 만든 아이디어의 우주에서
06:45
in the stratosphere of our idea space?"
176
405849
1672
성층권에 혼자 떨어져 있는 기분이
어떠냐고 물었더니
06:47
And apparently it smells like bacon.
177
407521
3255
베이컨 냄새가 난다고 하더군요.
06:50
I wouldn't know.
178
410776
1791
저야 모를 일입니다.
06:52
So we're using these network motifs
179
412567
2248
이렇게 네트워크 주제를 이용해
06:54
to find talks that are unique,
180
414815
1186
독특한 강연과
06:56
ones that are creatively synthesizing a lot of different fields,
181
416001
2710
여러 분야를 통합하는 강연 및
06:58
ones that are central to their topic,
182
418711
1659
강연 주제의 중심이 되는 강연과
07:00
and ones that are really creatively bridging disparate fields.
183
420370
3374
상이한 분야를 이어 주는
강연들을 찾아보았습니다.
07:03
Okay? We never would have found those with our obsession
184
423744
2102
지금 이 순간의 동향에 대한
집착을 버리지 않고서는
07:05
with what's trending now.
185
425846
2313
알아낼 수 없었을 겁니다.
07:08
And all of this comes from the architecture of complexity,
186
428159
2886
이 모든 것의 근원은
복잡성의 구조,
07:11
or the patterns of how things are connected.
187
431045
2960
즉 만물이 서로 연결되는
무늬를 바탕으로 합니다.
07:14
SG: So that's exactly right.
188
434005
1625
고얼리: 바로 그렇습니다
07:15
We've got ourselves in a world
189
435630
2479
우리가 사는 세상은
07:18
that's massively complex,
190
438109
2044
엄청나게 복잡해서
07:20
and we've been using algorithms to kind of filter it down
191
440153
2867
그 안에서 방향을 찾을 수 있도록
다양한 알고리즘을 통해
07:23
so we can navigate through it.
192
443020
1786
정보를 여과했습니다.
07:24
And those algorithms, whilst being kind of useful,
193
444806
2338
이런 알고리즘은 유용하긴 하지만
07:27
are also very, very narrow, and we can do better than that,
194
447144
3476
굉장히 폭이 좁아
개선의 여지가 있습니다.
07:30
because we can realize that their complexity is not random.
195
450620
2566
세상은 복잡하나
사실 수학적 구조가
07:33
It has mathematical structure,
196
453186
1954
뒷받침하고 있으며
07:35
and we can use that mathematical structure
197
455140
1803
이 수학적 구조를 활용하면
07:36
to go and explore things like the world of ideas
198
456943
2214
방대한 아이디어의 세계를
탐험할 수 있기 때문이죠.
07:39
to see what's being said, to see what's not being said,
199
459157
3000
무엇을 말하고
무엇을 말하지 않는지를 찾고
07:42
and to be a little bit more human
200
462157
1407
보다 인간적이고
07:43
and, hopefully, a little smarter.
201
463564
1867
영리해질 수 있도록 말입니다
07:45
Thank you.
202
465431
966
감사합니다
07:46
(Applause)
203
466397
4220
(박수)
New videos
이 웹사이트 정보
이 사이트는 영어 학습에 유용한 YouTube 동영상을 소개합니다. 전 세계 최고의 선생님들이 가르치는 영어 수업을 보게 될 것입니다. 각 동영상 페이지에 표시되는 영어 자막을 더블 클릭하면 그곳에서 동영상이 재생됩니다. 비디오 재생에 맞춰 자막이 스크롤됩니다. 의견이나 요청이 있는 경우 이 문의 양식을 사용하여 문의하십시오.