Eric Berlow and Sean Gourley: Mapping ideas worth spreading

Vertaald door: Julia Samson Nagekeken door: Els De Keyser

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

Eric Berlow: Ik ben ecoloog en Sean is natuurkundige.

and we both study complex networks.

We bestuderen allebei complexe netwerken.

And we met a couple years ago when we discovered

We ontmoetten elkaar een paar jaar geleden toen we ontdekten

that we had both given a short TED Talk

dat we allebei een korte TED Talk hadden gegeven

about the ecology of war,

over de ecologie van oorlog.

and we realized that we were connected

Toen realiseerden we ons dat we verbonden waren

by the ideas we shared before we ever met.

door de ideeën die we gedeeld hadden voordat we elkaar ooit ontmoet hadden.

And then we thought, you know, there are thousands

Toen bedachten we dat er duizenden

of other talks out there, especially TEDx Talks,

andere talks bestaan, vooral TEDx Talks,

that are popping up all over the world.

die over de hele wereld verschijnen.

How are they connected,

and what does that global conversation look like?

Hoe zijn die verbonden

en hoe ziet die wereldwijde conversatie eruit?

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

Sean zal jullie iets vertellen over hoe we dat gedaan hebben.

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

Sean Gourley: Precies. We namen 24.000 TEDx Talks

from around the world, 147 different countries,

van over de hele wereld, uit 147 landen,

and we took these talks and we wanted to find

en we wilden uitzoeken

the mathematical structures that underly

welke wiskundige structuren ten grondslag liggen

the ideas behind them.

aan de ideeën achter deze talks.

And we wanted to do that so we could see how

Dat wilden we doen om te kunnen zien

they connected with each other.

hoe ze met elkaar verbonden waren.

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

Als je zoiets gaat doen,

you need a lot of data.

heb je veel gegevens nodig.

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

De gegevens die je hebt, zijn iets geweldigs dat YouTube heet.

and we can go down and basically pull

We kunnen alle beschikbare gegevens uit YouTube halen,

all the open information from YouTube,

We kunnen alle beschikbare gegevens uit YouTube halen,

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

alle commentaren, hoe vaak en door wie wordt het bekeken,

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

waar ze ernaar kijken en wat ze erover zeggen in het commentaar.

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

Maar we kunnen ook, met spraakherkenningssoftware,

we can pull the entire transcript,

het hele transcript ophalen.

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

Dat werkt zelfs voor mensen met vreemde accenten zoals ik.

So we can take their transcript

Dus kunnen we met die transcripten

and actually do some pretty cool things.

behoorlijk coole dingen doen.

We can take natural language processing algorithms

We kunnen met natuurlijke taalverwerkingsalgoritmen

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

regel voor regel met een computer

extracting key concepts from this.

de belangrijke concepten eruit halen.

And we take those key concepts and they sort of form

Die belangrijke concepten vormen zoiets als

this mathematical structure of an idea.

de mathematische structuur van een idee.

And we call that the meme-ome.

Dat noemen wij het meme-oom.

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

Het meme-oom is gewoonweg

is the mathematics that underlies an idea,

de wiskunde die ten grondslag ligt aan een idee

and we can do some pretty interesting analysis with it,

en daar kunnen we behoorlijk interessante analyses op loslaten,

which I want to share with you now.

die ik nu met jullie wil delen.

So each idea has its own meme-ome,

Ieder idee heeft dus zijn eigen meme-oom

and each idea is unique with that,

en ieder idee is daar uniek in,

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

maar natuurlijk lenen ideeën van elkaar,

they kind of steal sometimes,

stelen soms een beetje,

and they certainly build on each other,

en bouwen zeker voort op elkaar.

and we can go through mathematically

We kunnen op wiskundige wijze

and take the meme-ome from one talk

het meme-oom van één talk doorlopen

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

en het vergelijken met het meme-oom van alle andere talks

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

en als ze op elkaar lijken,

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

kunnen we een verbinding maken en dat als een grafiek voorstellen,

just like Eric and I are connected.

net zoals Eric en ik verbonden zijn.

So that's theory, that's great.

Dat is dus de theorie, dat is geweldig.

Let's see how it works in actual practice.

Laten we eens kijken hoe dat in de praktijk werkt.

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

Wat we hier nu hebben, is de wereldwijde afdruk

of all the TEDx Talks over the last four years

van alle TEDx Talks van de afgelopen vier jaar,

exploding out around the world

die wereldwijd explosief zijn toegenomen

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

van New York helemaal naar dat oude, vertrouwde Nieuw Zeeland in de hoek.

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

We hebben de top 25% daarvan geanalyseerd

and we started to see where the connections occurred,

en we begonnen te zien waar de verbindingen optraden,

where they connected with each other.

waar ze met elkaar verbonden waren.

Cameron Russell talking about image and beauty

Cameron Russells voordracht over imago en schoonheid

connected over into Europe.

was verbonden met Europa.

We've got a bigger conversation about Israel and Palestine

We hebben een grotere conversatie over Israël en Palestina

radiating outwards from the Middle East.

die uit het Midden Oosten straalt.

And we've got something a little broader

En we hebben een wat breder iets,

like big data with a truly global footprint

als 'big data', met een werkelijk wereldwijde afdruk,

reminiscent of a conversation

die lijkt op een conversatie

that is happening everywhere.

die overal plaatsvindt.

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

Hiermee knallen we eigenlijk een beetje tegen de limieten op

of what we can actually do with a geographic projection,

van wat we met geografische projectie kunnen doen

but luckily, computer technology allows us to go out

maar computertechnologie laat ons gelukkig uitwijken

into multidimensional space.

naar multidimensionale ruimten.

So we can take in our network projection

Dus kunnen we op onze netwerkprojectie

and apply a physics engine to this,

een natuurkundig programma toepassen,

and the similar talks kind of smash together,

zodat de op elkaar lijkende talks bijeen worden gekwakt

and the different ones fly apart,

en de verschillende uiteen vliegen,

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

waar we iets best moois aan overhouden.

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

EB: Ik wil alleen even aangeven dat alle knopen praatjes zijn,

they're linked if they share similar ideas,

die verbonden zijn als ze vergelijkbare ideeën delen.

and that comes from a machine reading

Dit komt uit automatisch gelezen transcripten van hele talks,

of entire talk transcripts,

Dit komt uit automatisch gelezen transcripten van hele talks,

and then all these topics that pop out,

zodat al die onderwerpen die ontstaan,

they're not from tags and keywords.

niet uit labels of sleutelwoorden komen,

They come from the network structure

maar uit de netwerkstructuur

of interconnected ideas. Keep going.

van onderling verbonden ideeën. Ga verder.

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

SG: Absoluut. Ik was een beetje snel,

but he's going to slow me down.

maar hij zal me afremmen.

We've got education connected to storytelling

Onderwijs is verbonden met verhalen vertellen,

triangulated next to social media.

en beide zijn verbonden met sociale media.

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

Natuurlijk ligt het menselijk brein direct naast gezondheidszorg,

which you might expect,

wat je zou kunnen verwachten,

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

maar aangrenzend zijn videogames, wat daar ongeveer naast ligt,

as those two spaces interface with each other.

omdat die twee ruimten verbindingen met elkaar delen.

But I want to take you into one cluster

Maar ik wil jullie meenemen in een cluster

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

die ik bijzonder belangrijk vind, en dat is het milieu.

And I want to kind of zoom in on that

Daar wil ik in iets meer detail naar kijken

and see if we can get a little more resolution.

en zien of we een iets betere resolutie kunnen krijgen.

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

Dus als we hierin gaan, zullen we beginnen te zien--

apply the physics engine again,

pas het natuurkundige programma weer toe--

we see what's one conversation

dan zien we dat één conversatie,

is actually composed of many smaller ones.

is opgebouwd uit vele kleinere.

The structure starts to emerge

De structuur begint op te komen,

where we see a kind of fractal behavior

waar we een soort fractaalgedrag zien

of the words and the language that we use

van de woorden en de taal die we gebruiken

to describe the things that are important to us

om dingen die belangrijk voor ons zijn

all around this world.

overal in deze wereld te beschrijven.

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

Dus heb je voedseleconomie en lokaal voedsel bovenaan,

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

net als broeikasgassen, zonne-energie en kernafval.

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

Wat je krijgt, is een spectrum van kleinere conversaties,

each connected to each other through the ideas

elk verbonden met elkaar via de ideeën

and the language they share,

en de taal die ze delen,

creating a broader concept of the environment.

wat een breder concept van het milieu creëert.

And of course, from here, we can go

Daarvandaan kunnen we

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

inzoomen en bijvoorbeeld zien waar jonge mensen naar kijken.

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

Zij kijken naar energietechnologie en kernfusie.

This is their kind of resonance

Zo weerklinkt als het ware

for the conversation around the environment.

hun conversatie rond het milieu.

If we split along gender lines,

Als we een verdeling maken naar geslacht,

we can see females resonating heavily

zien we vrouwen duidelijk naar voren komen

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

bij voedseleconomie, maar ook daarginds, bij hoop en optimisme.

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

Dus er zijn een boel spannende dingen die we hier kunnen doen.

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

Voor het volgende stuk geef ik het over aan Eric.

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

EB: Ja, om nog even duidelijk te maken,

you cannot get this kind of perspective

je kunt zo'n perspectief niet krijgen

from a simple tag search on YouTube.

van een gewone label-zoekopdracht op YouTube.

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

Laten we nu weer uitzoomen naar de wereldwijde conversatie

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

uit het milieu en kijken naar alle praatjes bij elkaar.

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

Als we zulke grote hoeveelheden inhoud tegenkomen,

we do a couple of things to simplify it.

doen we vaak een paar dingen om het te vereenvoudigen.

We might just say, well,

We kunnen gewoon zeggen,

what are the most popular talks out there?

wat zijn de meest populaire talks die er zijn?

And a few rise to the surface.

Dan komen er een paar naar boven.

There's a talk about gratitude.

Er is een talk over dankbaarheid.

There's another one about personal health and nutrition.

Een andere over persoonlijke gezondheid en voeding.

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

En natuurlijk moet er eentje over porno gaan, niet?

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

Dus zouden we dan kunnen zeggen: dankbaarheid, dat was vorig jaar.

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

Wat is er nu 'trending'? Wat is de populaire talk nu?

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

We kunnen zien dat het nieuwe, opkomende, 'top-trending' onderwerp

is about digital privacy.

digitale privacy is.

So this is great. It simplifies things.

Dus dit is geweldig. Het maakt de zaken makkelijker.

But there's so much creative content

Maar er is zo veel creatieve inhoud

that's just buried at the bottom.

onderaan begraven.

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

Dat haat ik. Hoe laten we iets bovendrijven

that's maybe really creative and interesting?

dat misschien wel heel creatief en interessant is?

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

Daarvoor kunnen we teruggaan naar de ideeën-netwerkstructuur.

to do that.

Daarvoor kunnen we teruggaan naar de ideeën-netwerkstructuur.

Remember, it's that network structure

Bedenk dat het die netwerkstructuur is,

that is creating these emergent topics,

die deze opkomende onderwerpen creëert.

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

Stel dat we er twee van zouden kunnen nemen,

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

zoals steden en genetica, en zeggen: zijn er talks

that creatively bridge these two really different disciplines.

die deze heel uiteenlopende disciplines creatief overbruggen?

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

In essentie is zo'n soort creatieve bundeling

is one of the hallmarks of innovation.

een van de kenmerken van innovatie.

Well here's one by Jessica Green

Hier is er één door Jessica Green

about the microbial ecology of buildings.

over de microbische ecologie van gebouwen.

It's literally defining a new field.

Het definieert een nieuw veld.

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

We zouden terug kunnen gaan naar die onderwerpen en zeggen:

what talks are central to those conversations?

welke talks staan centraal in die conversaties?

In the cities cluster, one of the most central

In het stedencluster, is een van de meest centrale

was one by Mitch Joachim about ecological cities,

een talk door Mitch Joachim over ecologische steden.

and in the genetics cluster,

In het genetische cluster

we have a talk about synthetic biology by Craig Venter.

zien we een talk door Craig Venter over synthetische biologie.

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

Dat zijn talks die veel talks verbinden in hun discipline.

We could go the other direction and say, well,

We zouden de andere kant op kunnen gaan en zeggen:

what are talks that are broadly synthesizing

wat zijn talks die een brede synthese maken

a lot of different kinds of fields.

van veel verschillende velden.

We used a measure of ecological diversity to get this.

Om dat te vinden, gebruikten we een maat van ecologische diversiteit.

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

Zoals een talk van Steven Pinker over de geschiedenis van geweld,

very synthetic.

heel synthetisch.

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

En dan zijn er talks die zo uniek zijn,

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

zo'n beetje in de stratosfeer, op hun eigen speciale plekje.

and we call that the Colleen Flanagan index.

We noemen dat de Colleen Flanagan index.

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

En als je Colleen niet kent, zij is een artieste,

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

en ik vroeg haar: "Hoe is het daar

in the stratosphere of our idea space?"

in de stratosfeer van onze ideeënruimte?"

And apparently it smells like bacon.

Schijnbaar ruikt het naar spek.

I wouldn't know.

Ik zou het niet weten.

So we're using these network motifs

Dus we gebruiken deze netwerkmotieven

to find talks that are unique,

om talks te vinden die uniek zijn,

ones that are creatively synthesizing a lot of different fields,

andere die creatief een boel verschillende velden synthetiseren,

ones that are central to their topic,

talks die centraal staan in hun onderwerp,

and ones that are really creatively bridging disparate fields.

en talks die echt creatief uiteenlopende velden overbruggen.

Okay? We never would have found those with our obsession

We zouden die nooit hebben gevonden met onze obsessie

with what's trending now.

voor wat nu 'trending' is.

And all of this comes from the architecture of complexity,

Dat komt allemaal voort uit de architectuur van complexiteit,

or the patterns of how things are connected.

of de patronen van hoe dingen verbonden zijn.

SG: So that's exactly right.

SG: Dat klopt precies.

We've got ourselves in a world

We hebben onszelf in een wereld gebracht

that's massively complex,

die onwaarschijnlijk complex is.

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

We hebben algoritmen gebruikt om het zo'n beetje uit te filteren

so we can navigate through it.

zodat we erdoor kunnen navigeren.

And those algorithms, whilst being kind of useful,

Die algoritmen zijn, hoewel best bruikbaar,

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

ook heel erg nauw. Dat kunnen we verbeteren,

because we can realize that their complexity is not random.

omdat we ons kunnen realiseren dat hun complexiteit niet willekeurig is.

It has mathematical structure,

Ze heeft mathematische structuur.

and we can use that mathematical structure

Die mathematische structuur kunnen we gebruiken

to go and explore things like the world of ideas

om zaken als de ideeënwereld te gaan verkennen,

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

om te zien wat er wordt gezegd, te zien wat er niet wordt gezegd,

and to be a little bit more human

en om wat menselijker te zijn,

and, hopefully, a little smarter.

en hopelijk een beetje slimmer.

Thank you.

Bedankt.

(Applause)

(Applaus)