Eric Berlow and Sean Gourley: Mapping ideas worth spreading

70,684 views ・ 2013-09-18

TED


Pre spustenie videa dvakrát kliknite na anglické titulky nižšie.

Translator: Simona Vesela Reviewer: Jakub Rusek
00:12
Eric Berlow: I'm an ecologist, and Sean's a physicist,
0
12562
3061
Eric Berlow: Ja som ekológ, Sean je fyzik,
00:15
and we both study complex networks.
1
15623
2108
a obidvaja študujeme komplexné siete.
00:17
And we met a couple years ago when we discovered
2
17731
1835
Stretli sme sa pred pár rokmi, keď sme zistili,
00:19
that we had both given a short TED Talk
3
19566
2000
že obidvaja sme odprednášali krátku TED prednášku
00:21
about the ecology of war,
4
21566
2303
o ekológii vojny
00:23
and we realized that we were connected
5
23869
1447
a všimli sme si, že sme boli spojení
00:25
by the ideas we shared before we ever met.
6
25316
2818
ešte predtým, ako sme sa stretli, cez nápady, ktoré sme zdieľali
00:28
And then we thought, you know, there are thousands
7
28134
1556
A potom sme začali uvažovať, viete, sú tu tisíce
00:29
of other talks out there, especially TEDx Talks,
8
29690
2114
iných prednášok, najmä prednášky TEDx ,
00:31
that are popping up all over the world.
9
31804
2211
ktoré sa objavujú po celom svete.
00:34
How are they connected,
10
34015
923
00:34
and what does that global conversation look like?
11
34938
2010
Ako sú navzájom spojené,
a ako vyzerá celá globálna konverzácia?
00:36
So Sean's going to tell you a little bit about how we did that.
12
36948
2810
Takže teraz vám Sean povie trochu viac o tom, ako sme to spravili.
00:39
Sean Gourley: Exactly. So we took 24,000 TEDx Talks
13
39758
3767
Sean Gourley: Presne. Takže sme zobrali 24 000 TEDx prednášok
00:43
from around the world, 147 different countries,
14
43525
3046
z celého sveta, konkrétne zo 147 rôznych krajín,
00:46
and we took these talks and we wanted to find
15
46571
2123
a keď sme zozbierali všetky tieto prednášky, chceli sme v nich nájsť
00:48
the mathematical structures that underly
16
48694
2040
matematickú štruktúru, ktorá vystihuje
00:50
the ideas behind them.
17
50734
1722
ich hlavné myšlienky.
00:52
And we wanted to do that so we could see how
18
52456
1370
A chceli sme to spraviť tak, aby sme videli ako
00:53
they connected with each other.
19
53826
2053
sú navzájom prepojené.
00:55
And so, of course, if you're going to do this kind of stuff,
20
55879
1676
A samozrejme, pre takúto vec
00:57
you need a lot of data.
21
57555
956
potrebujeme veľmi veľa dát.
00:58
So the data that you've got is a great thing called YouTube,
22
58511
3686
Údaje. ktoré máme my, je jedna úžasná vec, ktorá sa volá YouTube
01:02
and we can go down and basically pull
23
62197
1768
a my môžeme jednoducho prísť a stiahnuť
01:03
all the open information from YouTube,
24
63965
2267
všetky verejné informćie z YouTube,
01:06
all the comments, all the views, who's watching it,
25
66232
2349
všetky komentáre, počet prezretí, kto to pozerá,
01:08
where are they watching it, what are they saying in the comments.
26
68581
2779
kde to pozerá a čo hovoria v komentároch.
01:11
But we can also pull up, using speech-to-text translation,
27
71360
3292
My ale môžeme tiež získať celý prepis videa,
01:14
we can pull the entire transcript,
28
74652
2128
použitím prepisu zvuku do textu.
01:16
and that works even for people with kind of funny accents like myself.
29
76780
2680
A to funguje aj pre ľudí so smiešnym prízvukom, ako mám ja.
01:19
So we can take their transcript
30
79460
2106
Takže my môžeme zobrať prepisy prednášok
01:21
and actually do some pretty cool things.
31
81566
2098
a spraviť s nimi celkom zaujímavé veci.
01:23
We can take natural language processing algorithms
32
83664
2160
Môžeme zobrať algoritmus, ktorý prirodzene spracováva reč,
01:25
to kind of read through with a computer, line by line,
33
85824
2629
na počítači ho ako keby prečítať riadok po riadku
01:28
extracting key concepts from this.
34
88453
2359
a nájsť kľúčové koncepty.
01:30
And we take those key concepts and they sort of form
35
90812
2525
A tieto kľúčové koncepty, ako keby formovali
01:33
this mathematical structure of an idea.
36
93337
3565
matematickú štruktúru myšlienky.
01:36
And we call that the meme-ome.
37
96902
1757
My ich voláme meme-óm.
01:38
And the meme-ome, you know, quite simply,
38
98659
2151
A tento meme-óm, je jednoducho
01:40
is the mathematics that underlies an idea,
39
100810
2426
matematika, ktorá stojí za myšlienkou,
01:43
and we can do some pretty interesting analysis with it,
40
103236
1932
a my s tým dokážeme urobiť ceľkom zaujímavú analýzu,
01:45
which I want to share with you now.
41
105168
1981
o ktorú by som sa s vami chcel teraz podeliť.
01:47
So each idea has its own meme-ome,
42
107149
2190
Takže každá myšlienka má svoj vlastný meme-óm
01:49
and each idea is unique with that,
43
109339
1951
ktorý je pre každú myšlienku jedinečný,
01:51
but of course, ideas, they borrow from each other,
44
111290
2488
ale samozrejme, myšlienky si ho tak trochu požičiavajú jedna od druhej.
01:53
they kind of steal sometimes,
45
113778
1184
Niekedy si kradnú časti
01:54
and they certainly build on each other,
46
114962
1827
a určite sa navzájom rozvíjajú.
01:56
and we can go through mathematically
47
116789
1616
A môžeme ísť cez to matematicky
01:58
and take the meme-ome from one talk
48
118405
1840
a zobrať meme-óm z jednej prednášky
02:00
and compare it to the meme-ome from every other talk,
49
120245
2454
a porovnať to s meme-ómom zo vštkých ostatných
02:02
and if there's a similarity between the two of them,
50
122699
1973
a keď nájdeme medzi dvomi podobnosť,
02:04
we can create a link and represent that as a graph,
51
124672
3250
môžeme vytvoriť prepojenie a zobrazíme to ako graf,
02:07
just like Eric and I are connected.
52
127922
2394
presne tak, ako sme my navzájom spojení s Erikom.
02:10
So that's theory, that's great.
53
130316
1394
Tak to je teória. Super.
02:11
Let's see how it works in actual practice.
54
131710
2526
Poďme sa pozrieť, ako to funguje v praxi.
02:14
So what we've got here now is the global footprint
55
134236
2788
To čo tu máme je celková stopa
02:17
of all the TEDx Talks over the last four years
56
137024
2293
všetkých TEDx prednášok za posledné štyri roky,
02:19
exploding out around the world
57
139317
1550
objavujúcich sa po celom svete,
02:20
from New York all the way down to little old New Zealand in the corner.
58
140867
3329
od New Yorku až starý dobrý Nový Zéland dole v rohu.
02:24
And what we did on this is we analyzed the top 25 percent of these,
59
144196
3835
My sme z nich zanalyzovali horných 25 percent
02:28
and we started to see where the connections occurred,
60
148031
2534
a začali sme vidieť kde vznikli spojenia,
02:30
where they connected with each other.
61
150565
1537
kde sa navzájom spojili.
02:32
Cameron Russell talking about image and beauty
62
152102
1874
Cameron Russell, ktorý rozprával o obraze a kráse
02:33
connected over into Europe.
63
153976
1575
sa prepojil do Európy.
02:35
We've got a bigger conversation about Israel and Palestine
64
155551
2412
Máme tu väčší rozhovor o Izraeli a Palestíne,
02:37
radiating outwards from the Middle East.
65
157963
2255
ktorý vychádza z Blízkeho východu.
02:40
And we've got something a little broader
66
160218
1298
Máme tu aj niečo väčšie,
02:41
like big data with a truly global footprint
67
161516
2156
ako obsiahle údaje, so skutočne širokou stopou,
02:43
reminiscent of a conversation
68
163672
2179
ktoré pripomínajú veľký,
02:45
that is happening everywhere.
69
165851
2016
celosvetový rozhovor.
02:47
So from this, we kind of run up against the limits
70
167867
2173
Týmto sme na konci možností,
02:50
of what we can actually do with a geographic projection,
71
170040
2530
čo vieme urobiť s dvojrozmerným geografickým zobrazením,
02:52
but luckily, computer technology allows us to go out
72
172570
2052
ale našťastie, moderná počítačová technológia nám umožňuje ísť ďalej,
02:54
into multidimensional space.
73
174622
1546
do viacrozmerného priestoru.
02:56
So we can take in our network projection
74
176168
1875
Takže môžeme zobrať zobrazenie našej siete
02:58
and apply a physics engine to this,
75
178043
1750
a aplikovať na to "fyzikálny model".
02:59
and the similar talks kind of smash together,
76
179793
1885
A podobné prednášky sa akoby k sebe budú priťahovať
03:01
and the different ones fly apart,
77
181678
2004
a rozdielne sa oddelia.
03:03
and what we're left with is something quite beautiful.
78
183682
2072
A čo zostane, je naozaj pekný výsledok.
03:05
EB: So I want to just point out here that every node is a talk,
79
185754
2957
EB: Len by som chcel ujasniť, že každý uzlový bod je prednáška.
03:08
they're linked if they share similar ideas,
80
188711
2589
ktoré sú spojené, ak majú spoločné myšlienky.
03:11
and that comes from a machine reading
81
191300
2084
Toto všetko pochádza z automatického čítania
03:13
of entire talk transcripts,
82
193384
2067
všetkých prepisov prednášok
03:15
and then all these topics that pop out,
83
195451
2231
a všetky tieto výsledné témy
03:17
they're not from tags and keywords.
84
197682
1790
nepochádzajú z tagov, a ani kľúčových slov.
03:19
They come from the network structure
85
199472
1725
Pochádzajú zo štruktúry siete
03:21
of interconnected ideas. Keep going.
86
201197
2168
navzájom spojených myšlienok. Pokračuj.
03:23
SG: Absolutely. So I got a little quick on that,
87
203365
2022
SG: Presne. Zobral som to trochu rýchlo,
03:25
but he's going to slow me down.
88
205387
1475
ale on ma vždy spomalí.
03:26
We've got education connected to storytelling
89
206862
2034
Vzdelanie na našej sieti tvorí spojený trojuholník
03:28
triangulated next to social media.
90
208896
1643
s rozprávaním príbehov, a so sociálnymi médiami.
03:30
You've got, of course, the human brain right next to healthcare,
91
210539
2475
Máme tu samozrejme ľudský mozog hneď vedľa zdravotnej starostlivosti,
03:33
which you might expect,
92
213014
1386
čo sa dá očakávať,
03:34
but also you've got video games, which is sort of adjacent,
93
214400
2395
ale aj počítačové hry, ktoré k ním priliehajú
03:36
as those two spaces interface with each other.
94
216795
2740
na ich rozhraní.
03:39
But I want to take you into one cluster
95
219535
1535
Ale chcel by som vám ukázať jedno zoskupenie,
03:41
that's particularly important to me, and that's the environment.
96
221070
2868
ktoré je pre mňa špeciálne dôležité, a tým je životné prostredie.
03:43
And I want to kind of zoom in on that
97
223938
1493
Chcem našu sieť trochu priblížiť
03:45
and see if we can get a little more resolution.
98
225431
2363
a skúsiť dostať väčšie rozlíšenie.
03:47
So as we go in here, what we start to see,
99
227794
2347
Takže keď si to priblížime, uvidíme,
03:50
apply the physics engine again,
100
230141
1504
znova použitím "fyzikálneho modelu",
03:51
we see what's one conversation
101
231645
1676
že čo sa zdá byť ako jedna konverzácia,
03:53
is actually composed of many smaller ones.
102
233321
2560
je v skutočnosti mnoho menších.
03:55
The structure starts to emerge
103
235881
1929
Začne sa tvoriť štruktúra,
03:57
where we see a kind of fractal behavior
104
237810
2070
kde vidíme, niečo ako fraktálové správanie
03:59
of the words and the language that we use
105
239880
1619
slov a jazyka, ktoré používame
04:01
to describe the things that are important to us
106
241499
1702
na opis vecí, ktoré sú pre nás dôležité
04:03
all around this world.
107
243201
1433
po celom svete.
04:04
So you've got food economy and local food at the top,
108
244634
2332
Hore máme ekonomiku potravín a miestne jedlo,
04:06
you've got greenhouse gases, solar and nuclear waste.
109
246966
2719
máme tu skleníkové plyny, solárny a nukleárny odpad.
04:09
What you're getting is a range of smaller conversations,
110
249685
2631
Čo dostávame, je rozsah menších konverzácí,
04:12
each connected to each other through the ideas
111
252316
2301
každá spojená s ďalšou cez myšlienky
04:14
and the language they share,
112
254617
1301
a jazyk, ktorý zdieľajú,
04:15
creating a broader concept of the environment.
113
255918
2450
vytvárajúce širší koncept živorného prostredia.
04:18
And of course, from here, we can go
114
258368
1532
A samozrejme, môžeme odtiaľto priblížiť
04:19
and zoom in and see, well, what are young people looking at?
115
259900
3534
a pozrieť sa, na čo sa pozerajú mladí ľudia.
04:23
And they're looking at energy technology and nuclear fusion.
116
263434
2345
Zaujíma ich energetická technológia a nukleárna fúzia.
04:25
This is their kind of resonance
117
265779
1674
Toto je ich účasť
04:27
for the conversation around the environment.
118
267453
2406
v rozhovore o životnom prostredí.
04:29
If we split along gender lines,
119
269859
1899
Keď to rozdelíme podľa pohlaví,
04:31
we can see females resonating heavily
120
271758
1987
vidíme, že ženy sa zaujímajú o témy ako
04:33
with food economy, but also out there in hope and optimism.
121
273745
3645
potraviny, ale zaujímajíma ich aj nádej a pozitívne myslenie.
04:37
And so there's a lot of exciting stuff we can do here,
122
277390
2482
Je tu veľa zaujímavých vecí, čo s týmto môžeme urobiť
04:39
and I'll throw to Eric for the next part.
123
279872
1762
a ja poprosím Erika, aby pokračoval
04:41
EB: Yeah, I mean, just to point out here,
124
281634
1602
EB: Áno, rád by som poznamenal,
04:43
you cannot get this kind of perspective
125
283236
1538
že nemôžete získať takúto perspektívu
04:44
from a simple tag search on YouTube.
126
284774
3360
z jednoduchého vyhľadávnia tagov na YouTube.
04:48
Let's now zoom back out to the entire global conversation
127
288134
4188
Oddiaľme znova ku kompletnej sieti globálnej konverzácie
04:52
out of environment, and look at all the talks together.
128
292322
2534
preč od životného prostredia a pozrime sa na všetky prednášky dokopy.
04:54
Now often, when we're faced with this amount of content,
129
294856
2927
Často, keď čelíme takémuto kvantu informácií,
04:57
we do a couple of things to simplify it.
130
297783
2431
môžeme to rôzne zjednodušiť.
05:00
We might just say, well,
131
300214
1314
Môžeme sa opýtať,
05:01
what are the most popular talks out there?
132
301528
2829
ktoré prednášky sú najpopulárnejšie?
05:04
And a few rise to the surface.
133
304357
1397
A niektoré vyčnievaú na povrch.
05:05
There's a talk about gratitude.
134
305754
1828
Je tu jedna o vďačnosti.
05:07
There's another one about personal health and nutrition.
135
307582
3344
Ďalšia je o osobnom zdraví a výžive.
05:10
And of course, there's got to be one about porn, right?
136
310926
2929
A samozrejme, musí tam byť jedna aj o porne, však?
05:13
And so then we might say, well, gratitude, that was last year.
137
313855
3234
A potom môžeme povedať, no, vďačnosť bola minulý rok.
05:17
What's trending now? What's the popular talk now?
138
317089
2522
Čo je teraz trendom? Aká je najobľúbenejšia prednáška dnes?
05:19
And we can see that the new, emerging, top trending topic
139
319611
3321
A my môžeme vidieť, že nová, vychádzajuca, populárna téma
05:22
is about digital privacy.
140
322932
2666
je o digitálnom súkromí.
05:25
So this is great. It simplifies things.
141
325598
1693
Je to úžasné. Zjednoduší to veci.
05:27
But there's so much creative content
142
327291
1827
Ale je tu oveľa viac kreatívnho obsahu.
05:29
that's just buried at the bottom.
143
329118
1921
ktorý sa jednoducho stratí v mase ostatných.
05:31
And I hate that. How do we bubble stuff up to the surface
144
331039
3318
A to sa mi nepáči. Ako by sme moli docieliť aby sme si všmli takých vecí,
05:34
that's maybe really creative and interesting?
145
334357
2458
ktoré sú možno kreatívne a zaujímavé?
05:36
Well, we can go back to the network structure of ideas
146
336815
2931
No, na to môžeme ísť späť
05:39
to do that.
147
339746
1430
ku štruktúre siete myšlienok.
05:41
Remember, it's that network structure
148
341176
2114
Pamätajte, že je to tá štruktúra siete,
05:43
that is creating these emergent topics,
149
343290
2268
ktorá vytvára tieto témy
05:45
and let's say we could take two of them,
150
345558
1515
a povedzme, že by sme mohli zobrať dve prednášky,
05:47
like cities and genetics, and say, well, are there any talks
151
347073
3047
ako napríklad mestá a genetika, a spýtať sa, či sú tu nejaké prednášky
05:50
that creatively bridge these two really different disciplines.
152
350120
2569
ktoré kreatívne premosťujú tieto dve úplne rozdielne disciplíny.
05:52
And that's -- Essentially, this kind of creative remix
153
352689
2275
A to, v podstate akýsi kreatívny remix,
05:54
is one of the hallmarks of innovation.
154
354964
1840
je jedým z charakteristických črtov inovácie.
05:56
Well here's one by Jessica Green
155
356804
1606
No, tu je jedna od Jessicy Green
05:58
about the microbial ecology of buildings.
156
358410
2379
o mikrobiálnej ekológie budov.
06:00
It's literally defining a new field.
157
360789
2010
Doslova to určuje nový obor.
06:02
And we could go back to those topics and say, well,
158
362799
2103
A my môžeme ísť späť k tým témam a spýtať sa:
06:04
what talks are central to those conversations?
159
364902
2768
ktoré prednášky sú ústredné v tých konverzáciách?
06:07
In the cities cluster, one of the most central
160
367670
1690
V zoskupení o mestách, jedna z najhlavnejších
06:09
was one by Mitch Joachim about ecological cities,
161
369360
3952
bola od Mitcha Joachima o ekologických mestách,
06:13
and in the genetics cluster,
162
373312
1720
a v zoskupení o genetike,
06:15
we have a talk about synthetic biology by Craig Venter.
163
375032
3193
máme prednášku o syntetickej biológii od Craiga Ventera.
06:18
These are talks that are linking many talks within their discipline.
164
378225
3353
Toto sú prednášky, čo spájajú veľa iných vo svojej téme.
06:21
We could go the other direction and say, well,
165
381578
1843
Mohli by sme ísť opačným smerom a spýtať sa:
06:23
what are talks that are broadly synthesizing
166
383421
2272
ktoré reči všeobecne zlučujú
06:25
a lot of different kinds of fields.
167
385693
1448
veľa rozličných sfér?
06:27
We used a measure of ecological diversity to get this.
168
387141
2533
Použili sme na to meranie ekologickej rozdielnosti.
06:29
Like, a talk by Steven Pinker on the history of violence,
169
389674
2736
Napríklad, prednáška o histórii násilia od Stevena Pinkera,
06:32
very synthetic.
170
392410
1180
spája mnohé.
06:33
And then, of course, there are talks that are so unique
171
393590
2078
A potom, samozrejme, sú tu napríklad prednášky, ktoré sú také jedinečné,
06:35
they're kind of out in the stratosphere, in their own special place,
172
395668
3090
že sú ako keby mimo, v stratosfére, na špeciálnom mieste,
06:38
and we call that the Colleen Flanagan index.
173
398758
2514
a my ich voláme Colleen Flanaganin ukazovateľ.
06:41
And if you don't know Colleen, she's an artist,
174
401272
3034
Ak nepoznáte Colleen, je umelkyňa,
06:44
and I asked her, "Well, what's it like out there
175
404306
1543
a ja som sa jej spýtal: „Aké je to, byť až tam,
06:45
in the stratosphere of our idea space?"
176
405849
1672
v stratosfére nášho myšlienkového priestoru?“
06:47
And apparently it smells like bacon.
177
407521
3255
Údajne to tam vonia ako slanina.
06:50
I wouldn't know.
178
410776
1791
To som nevedel.
06:52
So we're using these network motifs
179
412567
2248
Takže my používame tieto tvary siete
06:54
to find talks that are unique,
180
414815
1186
aby sme našli prednášky, ktoré sú výnimočné,
06:56
ones that are creatively synthesizing a lot of different fields,
181
416001
2710
tie, ktoré kreatívne spájajú veľa rôznych oblastí,
06:58
ones that are central to their topic,
182
418711
1659
tie, ktoré sú pre ich tému ústredné,
07:00
and ones that are really creatively bridging disparate fields.
183
420370
3374
a tie, ktoré nápadito premosťujú rôzne oblasti.
07:03
Okay? We never would have found those with our obsession
184
423744
2102
OK? Nikdy by sme ich nenašli s našou posadnutosťou
07:05
with what's trending now.
185
425846
2313
s tým, čo je teraz populárne.
07:08
And all of this comes from the architecture of complexity,
186
428159
2886
A toto všetko vychádza z architektúry komplexnosti,
07:11
or the patterns of how things are connected.
187
431045
2960
alebo zo vzorcov, ako sú veci spojené.
07:14
SG: So that's exactly right.
188
434005
1625
SG: Presne tak.
07:15
We've got ourselves in a world
189
435630
2479
My všetci žijeme vo svete,
07:18
that's massively complex,
190
438109
2044
ktorý je neskutočne komplexný,
07:20
and we've been using algorithms to kind of filter it down
191
440153
2867
a my sme využili algoritmy, aby sme to čiastočne filtrovali,
07:23
so we can navigate through it.
192
443020
1786
aby sme sa v tom trochu vyznali.
07:24
And those algorithms, whilst being kind of useful,
193
444806
2338
A tieto algoritmy, zatiaľ čo sú celkom užitočné.
07:27
are also very, very narrow, and we can do better than that,
194
447144
3476
sú taktiež veľmi obmedzené a my môžeme spraviť lepšie,
07:30
because we can realize that their complexity is not random.
195
450620
2566
lebo si môžeme uvedomiť, že komplexnosť nie je náhoná.
07:33
It has mathematical structure,
196
453186
1954
Má matematickú štruktúru
07:35
and we can use that mathematical structure
197
455140
1803
a my tú matematickú štruktúru môžeme použiť
07:36
to go and explore things like the world of ideas
198
456943
2214
na objavovanie vecí ako svet myšlienok,
07:39
to see what's being said, to see what's not being said,
199
459157
3000
vidieť, čo sa hovorí a vidieť čo sa nehovorí,
07:42
and to be a little bit more human
200
462157
1407
a byť trochu ľudskejší
07:43
and, hopefully, a little smarter.
201
463564
1867
a dúfajme, že aj trochu múdrejší.
07:45
Thank you.
202
465431
966
Ďakujeme.
07:46
(Applause)
203
466397
4220
(Potlesk)
O tomto webe

Táto stránka vám predstaví videá na YouTube, ktoré sú užitočné pri učení angličtiny. Uvidíte lekcie angličtiny, ktoré vedú špičkoví učitelia z celého sveta. Dvojitým kliknutím na anglické titulky zobrazené na stránke každého videa si môžete video odtiaľ prehrať. Titulky sa posúvajú synchronizovane s prehrávaním videa. Ak máte akékoľvek pripomienky alebo požiadavky, kontaktujte nás prostredníctvom tohto kontaktného formulára.

https://forms.gle/WvT1wiN1qDtmnspy7