Eric Berlow and Sean Gourley: Mapping ideas worth spreading

Translator: yamela areesamarn Reviewer: PanaEk Warawit

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

อีริก เบอร์โล: ผมเป็นนักนิเวศวิทยา และชอนเป็นนักฟิสิกส์

and we both study complex networks.

และเราทั้งสองคนศึกษาเรื่องเครือข่ายซับซ้อน (complex networks)

And we met a couple years ago when we discovered

เราพบกันเมื่อสองปีก่อน เมื่อเราได้ค้นพบ

that we had both given a short TED Talk

ว่าเราทั้งสองคน ได้เคยไปบรรยายสั้นๆที่ TED Talk

about the ecology of war,

เกี่ยวกับนิเวศวิทยาของสงคราม (ecology of war)

and we realized that we were connected

และเราก็ตระหนักว่า เราเชื่อมโยงกัน

by the ideas we shared before we ever met.

ด้วยความคิดที่ว่า เราได้เคยแบ่งปันความคิดกัน มาก่อนที่เราจะพบกันเสียด้วยซํ้า

And then we thought, you know, there are thousands

แล้วเราก็คิดว่า มีการพูดอื่นๆเป็นพันๆเรื่อง

of other talks out there, especially TEDx Talks,

ข้างนอกนั้น โดยเฉพาะที่ TEDx Talks

that are popping up all over the world.

ที่กำลังเกิดขึ้นทั่วโลก

How are they connected,

and what does that global conversation look like?

การพูดเหล่านั้นมันเชื่อมโยงกันอย่างไร

และการพูดคุยกันในระดับโลกที่ว่านั้นนะ มันเป็นอย่างไร

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

ชอนจึงกำลังจะบอกคุณนิดหน่อยว่า พวกเราได้ทำเรื่องนั้น ไปแล้วอย่างไรบ้าง

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

ชอน กูเลย์: ถูกต้องครับ ดังนั้นเราได้เอาการพูด 24,000 ครั้ง ที่ TEDx Talks

from around the world, 147 different countries,

จากทั่วโลกในประเทศต่างๆ 147 ประเทศ

and we took these talks and we wanted to find

เรานำการพูดเหล่านี้มา เราต้องการจะค้นหา

the mathematical structures that underly

โครงสร้างทางคณิตศาสตร์ ที่ซ่อนอยู่

the ideas behind them.

เบื้องหลังแนวความคิดเหล่านั้น

And we wanted to do that so we could see how

และเราต้องการทำสิ่งนี้ เพื่อให้เราสามารถเห็นได้ว่า

they connected with each other.

มันเชื่อมโยงซึ่งกันและกันอย่างไร

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

ดังนั้น แน่นอนครับ ถ้าคุณจะทำงานพวกนี้

you need a lot of data.

คุณจำเป็นต้องมีข้อมูลมากๆ

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

ดังนั้น ข้อมูลที่คุณได้มา จึงเป็นสิ่งที่ยิ่งใหญ่ ที่เรียกกันว่า YouTube

and we can go down and basically pull

เราสามารถลงไป และก็แค่ไปดึงเอา

all the open information from YouTube,

ข้อมูลที่เปิดเผยทั้งหมดออกมาจาก YouTube

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

ข้อคิดเห็นทั้งหมด ผู้ทีเข้ามาดูทั้งหมด มีใครบ้าง ที่กำลังดูมันอยู่

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

พวกเขาดูมันอยู่จากที่ไหน พวกเขาพูดอะไรบ้าง ในข้อคิดเห็นเหล่านั้น

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

และเราก็ยังดึงประโยคคำพูดทั้งหมดขึ้นมาได้ด้วย

we can pull the entire transcript,

โดยใช้โปรแกรมแปลคำพูดเป็นข้อความ

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

และมันก็ทำงานได้ แม้กับคนที่มีสำเนียงตลกๆ เช่นตัวผมเอง

So we can take their transcript

เราจึงเอาสำเนาข้อความของพวกเขา

and actually do some pretty cool things.

และทำบางสิ่งบางอย่างที่ดีๆได้จริงๆ

We can take natural language processing algorithms

เราเอาคำสั่งของการประมวลผลภาษาธรรมชาติ (natural language processing algorithms)

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

โดยให้คอมพิวเตอร์อ่าน ข้อความทีละบรรทัด

extracting key concepts from this.

ดึงเอาแนวคิดหลักที่สำคัญๆออกมา

And we take those key concepts and they sort of form

แล้วเราก็เอาแนวคิดหลักเหล่านั้น

this mathematical structure of an idea.

มาทำเป็นโครงสร้างเชิงคณิตศาสตร์ของไอเดีย

And we call that the meme-ome.

และเราเรียกสิ่งนั้นว่า มีมโมม (meme-ome)

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

และมีมโมมนั้นนะ พูดง่ายๆ

is the mathematics that underlies an idea,

ก็คือ คณิตศาสตร์ที่แฝงอยู่ในไอเดียหนึ่ง

and we can do some pretty interesting analysis with it,

และเราก็สามารถทำการวิเคราะห์ ที่น่าสนใจอย่างยิ่งบางอย่างกับมันได้

which I want to share with you now.

ซึ่งผมต้องการจะเล่าให้คุณฟัง

So each idea has its own meme-ome,

แต่ละไอเดีย ต่างก็มีมีมโมมของมันเอง

and each idea is unique with that,

และแต่ละไอเดียนั้น ก็มีลักษณะเฉพาะไม่เหมือนใคร

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

แต่แน่นอนครับ ไอเดียเหล่านั้น ต่างก็หยิบยืมกันมา

they kind of steal sometimes,

แบบว่า บางครั้งก็ขโมยมา

and they certainly build on each other,

และแน่นอนว่า มันสร้างขึ้นมาจากกันและกัน

and we can go through mathematically

และเราสามารถประมวลผลทางคณิตศาสตร์

and take the meme-ome from one talk

และเอามีมโมมจากการพูดหนึ่งเรื่อง

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

มาเปรียบเทียบกับมีมโมมจากการพูดครั้งอื่นๆ

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

และถ้ามีความเหมือนกันระหว่างการพูดทั้งสองนั้น

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

เราก็สามารถสร้างการเชื่อมต่อนั้น และแสดงด้วยกราฟได้

just like Eric and I are connected.

ก็เหมือนอย่างเช่นที่ อีริคและผมถูกเชื่อมต่อกัน

So that's theory, that's great.

นั่นคือทฤษฎีนะครับ เอาละ

Let's see how it works in actual practice.

เรามาดูกันว่า มันเอาใช้งานจริงได้อย่างไร

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

ที่เห็นอยู่นี้ คือแผนภาพแสดงตำแหน่งทั่วโลกของ

of all the TEDx Talks over the last four years

งาน TEDx ทั้งหมดตลอดเวลาสี่ปีที่ผ่านมา

exploding out around the world

ซึ่งแพร่หลายออกไปทั่วโลก

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

จากนิวยอร์ค เรื่อยไปจนถึงนิวซีแลนด์ตรงมุมนั่น

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

เราได้ทำการวิเคราะห์ 25 เปอร์เซ็นต์ของงานพูดเหล่านี้

and we started to see where the connections occurred,

และก็เริ่มเห็นแล้วว่า การเชื่อมโยงถึงกัน เกิดขึ้นตรงไหน

where they connected with each other.

หรือพวกมันเชื่อมต่อกันและกันตรงไหนบ้าง

Cameron Russell talking about image and beauty

คาร์เมรอน รัสเซลล์ พูดถึงเรื่องของภาพพจน์ และความสวยงาม

connected over into Europe.

ที่เชื่อมต่อกันข้ามไปสู่ยุโรป

We've got a bigger conversation about Israel and Palestine

มีการพูดคุยกันใหญ่กว่านั้น ในเรื่องอิสราเอล กับปาเลสไตน์

radiating outwards from the Middle East.

แพร่กระจายออกมาจากตะวันออกกลาง

And we've got something a little broader

และเรามีบางอย่างที่กว้างกว่านั้นอีกเล็กน้อย

like big data with a truly global footprint

เช่นเรื่องบิ๊กดาต้า ซึ่งกลายเป็นปรากฎการณ์ระดับโลก

reminiscent of a conversation

มีการพูดคุยกันเรื่องนี้

that is happening everywhere.

เกิดขึ้นทั่วทุกหัวระแหง

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

จากตรงนี้ ดูเหมือนว่าเราจะมาจนสุดทางของสิ่งที่เราทำได้

of what we can actually do with a geographic projection,

ในแง่ของการถ่ายทอดข้อมูลทางภูมิศาสตร์

but luckily, computer technology allows us to go out

แต่ยังโชคดี เทคโนโลยีคอมพิวเตอร์ช่วยให้เราสามารถ

into multidimensional space.

วิเคราะห์ข้อมูลในหลากหลายมิติได้

So we can take in our network projection

เราจึงสามารถเอาภาพสองมิติของเครือข่ายของเรามา

and apply a physics engine to this,

และนำกลไกทางฟิสิกส์มาประยุกต์ใช้กับมัน

and the similar talks kind of smash together,

การพูดที่คล้ายคลึงกัน ก็ดูเหมือนกับพุ่งมาประทะกัน

and the different ones fly apart,

และอันที่แตกต่างออกไปก็จะแยกตัวออกไป

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

สิ่งที่เราได้ เป็นอะไรบางอย่างทีงดงามมากทีเดียว

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

อีริค: ผมอยากชี้ให้เห็นตรงนี้ว่า ทุกๆ จุดนั้นแทนการพูดแต่ละครั้ง

they're linked if they share similar ideas,

พวกมันถูกเชื่อมกันไว้ ถ้ามีไอเดียที่คล้ายคลึงกัน

and that comes from a machine reading

และสิ่งนั้นมาจากการอ่านของเครื่อง

of entire talk transcripts,

ของบทสำเนาการพูดทั้งหมด

and then all these topics that pop out,

แล้วหัวเรื่องเหล่านี้ทั้งหมดที่ผุดขึ้นมานั้น

they're not from tags and keywords.

ไม่ได้มาจากแถบป้าย (tag) หรือ คำหลัก (keyword)

They come from the network structure

แต่มาจากโครงสร้างของเครือข่าย

of interconnected ideas. Keep going.

ของแนวความคิดที่เชื่อมโยงกัน พูดต่อครับ

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

ชอน: แน่นอนที่สุดครับ ผมพูดเร็วไปหน่อยตรงจุดนั้น

but he's going to slow me down.

แต่เขาก็จะให้ผมพูดช้าลง

We've got education connected to storytelling

เราพบว่า การศึกษา มีความเชื่อมโยงกับ การเล่าเรื่อง

triangulated next to social media.

และถูกโยงเป็นสามเส้า เข้ากับสื่อสังคมออนไลน์

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

แน่นอนครับ เรื่องของสมองมนุษย์ อยู่ใกล้เคียงกับการดูแลสุขภาพ

which you might expect,

ซึ่งคุณอาจจะคาดไว้อยู่แล้ว

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

แต่คุณก็ยังมีเรื่องวีดิโอเกม อยู่ข้างๆ กับ

as those two spaces interface with each other.

จุดคาบเกี่ยวกับทั้งสองเรื่องนั้นด้วย

But I want to take you into one cluster

แต่ผมต้องการจะพาคุณเข้าไปในกลุ่มๆหนึ่ง

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

ที่สำคัญเป็นพิเศษสำหรับผม และนั่นก็คือสิ่งแวดล้อม

And I want to kind of zoom in on that

ผมต้องการ แบบว่า ซูมเข้าไปดูใกล้ๆในเรื่องนั้น

and see if we can get a little more resolution.

และดูว่า เราจะเห็นรายละเอียดมากขึ้นหรือเปล่า

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

ดังนั้น เมื่อเราเข้ามาตรงนี่ สิ่งที่เราเริ่มต้นจะเห็น

apply the physics engine again,

โดยนำกลไกทางฟิสิกส์มาประยุกต์ใช้อีกครั้ง

we see what's one conversation

เราก็จะเห็นว่า การพูดในแต่ละครั้งนั้น

is actually composed of many smaller ones.

แท้จริงประกอบด้วย เรื่องที่เล็กๆ หลายๆ เรื่อง

The structure starts to emerge

โครงสร้างจึงเริ่มที่จะโผล่ขึ้นมาให้เห็น

where we see a kind of fractal behavior

ให้เราเห็นพฤติกรรมจากสูตรคณิตศาสตร์ชนิดหนึ่ง

of the words and the language that we use

ของคำและภาษาที่เราใช้กัน

to describe the things that are important to us

เพื่ออธิบายสิ่งต่างๆที่สำคัญต่อพวกเรา

all around this world.

รอบๆ โลกใบนี้

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

เราจะเห็นเศรษฐศาสตร์อาหารและอาหารท้องถิ่น อยู่ด้านบนสุด

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

ตามด้วยเรื่องแก๊สเรือนกระจก ของเสียจากแสงอาทิตย์และนิวเคลียร์

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

สิ่งที่คุณกำลังเห็นอยู่ ก็คือกลุ่มหัวข้อย่อยๆ

each connected to each other through the ideas

ซึ่งแต่ละเรื่องเชื่อมโยงซึ่งกันและกัน ผ่านทางไอเดีย

and the language they share,

และภาษาที่พวกเขาใช้ร่วมกัน

creating a broader concept of the environment.

สร้างเป็นแนวคิดที่กว้างมากขึ้น เกี่ยวกับภาวะสิ่งแวดล้อม

And of course, from here, we can go

และแน่นอนครับ จากที่นี่ เราสามารถขยายเข้าไป

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

ซูมภาพให้เห็นชัดขึ้นว่า คนหนุ่มสาวกำลังสนใจอะไรอยู่ตอนนี้

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

พวกเขากำลังสนใจเทคโนโลยีพลังงานและนิวเคลียร์ฟิวชั่น

This is their kind of resonance

นี่คือสิ่งที่กระตุ้นความสนใจของพวกเขา

for the conversation around the environment.

ในการสนทนาเกี่ยวกับภาวะแวดล้อม

If we split along gender lines,

ถ้าเราจะแยกหัวข้อโดยใช้เพศเป็นปัจจัย

we can see females resonating heavily

เราก็เห็นได้ว่าผู้หญิงส่งเสียงดังหนักแน่น

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

ไม่เพียงแต่เรื่องเศรษฐศาสตร์อาหาร แต่ยังรวมถึง ความหวังและการมองโลกในแง่ดีด้วย

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

จะเห็นได้ว่า มีเรื่องน่าตื่นเต้นที่เราสามารถทำได้หลายอย่าง

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

และตอนจากนี้ไป ผมจะส่งเรื่องให้อีริกพูด

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

อีริก: ใช่ครับ ผมหมายถึง แค่เพียงชี้ให้เห็นตรงนี้ว่า

you cannot get this kind of perspective

คุณไม่สามารถได้มุมมองแบบนี้

from a simple tag search on YouTube.

จากการค้นหาด้วยแถบป้ายง่ายๆ ใน YouTube

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

ตอนนี้ เรามาย้อนกลับไปดู ภาพรวมการสนทนาทั้งหมดในระดับโลก

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

ออกจากเรื่องภาวะสิ่งแวดล้อม และมาดูที่การพูด รวมกันทั้งหมด

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

บ่อยครั้งที่เมื่อเราต้องเจอเผชิญกับปริมาณข้อมูลขนาดนี้

we do a couple of things to simplify it.

เรามักจะทำอะไรบางอย่างให้มันง่ายขึ้น

We might just say, well,

เราอาจจะแค่อยากรู้ว่า

what are the most popular talks out there?

การพูดเรื่องไหนที่เป็นที่นิยมมากที่สุด

And a few rise to the surface.

และก็จะมีสองสามเรื่องที่โผล่ขึ้นมา

There's a talk about gratitude.

มีการพูดเกี่ยวกับความรู้สึกขอบคุณ

There's another one about personal health and nutrition.

มีอีกเรื่องหนึ่งคือ เกี่ยวกับสุขภาพส่วนตัว และโภชนาการ

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

และแน่นอนครับ ก็มีเรื่องเกี่ยวกับภาพโป๊ ถูกมั้ยครับ

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

เราจึงอาจจะพูดได้ว่า ความรู้สึกขอบคุณ นั่นมันเมื่อปีที่แล้ว

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

แนวโน้มในปัจจุบันคืออะไรละครับ อะไรเป็นการพูดที่นิยม ที่สุดในปัจจุบัน

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

และเราก็จะเห็นได้ว่า หัวเรื่องใหม่ กำลังโผล่ขึ้นมา มีแนวโน้มสูงสุด

is about digital privacy.

ก็คือ ความเป็นส่วนตัวในโลกดิจิตอล

So this is great. It simplifies things.

เอาละครับ นี่ทำให้สิ่งต่างๆง่ายขึ้น

But there's so much creative content

แต่ก็มีเนื้อหาเชิงสร้างสรรค์อีกมากเหลือเกิน

that's just buried at the bottom.

ที่แค่ถูกฝังอยู่ข้างใต้

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

นั่นไม่ดีเลย เราจะต้องทำให้เรื่องพวกนั้นลอยเด่นขึ้นมา

that's maybe really creative and interesting?

เรื่องที่อาจจะสร้างสรรค์ และน่าสนใจอย่างแท้จริง

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

เราสามารถย้อนกลับไปดูโครงสร้างเครือข่ายของไอเดีย

to do that.

เพื่อค้นหาไอเดียเหล่านั้น

Remember, it's that network structure

จำได้ไหมครับว่า โครงสร้างเครือข่ายนั่นเอง

that is creating these emergent topics,

ที่เป็นตัวสร้างหัวข้อน่าสนใจใหม่ๆ ขึ้น

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

เอาเป็นว่า เราจะเอาสองเรื่องในพวกนั้น

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

เช่น เรื่องเมืองใหญ่ และพันธุศาสตร์ และลองดูว่า มีการพูดเรื่องไหนบ้างไหม

that creatively bridge these two really different disciplines.

ที่เชื่อมโยงสาขาวิชาที่แตกต่างกันนี้ เข้าด้วยกันได้อย่างสร้างสรรค์ หรือไม่

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

และนั่นคือ การผสมผสานอย่างสร้างสรรค์

is one of the hallmarks of innovation.

และนั่นเป็นลักษณะเด่นอย่างหนึ่งของนวัตกรรม

Well here's one by Jessica Green

และมีการพูดครั้งหนึ่งโดย เจสสิกา กรีน (Jessica Green)

about the microbial ecology of buildings.

เกี่ยวกับนิเวศวิทยาเชิงจุลินทรีย์ของอาคาร

It's literally defining a new field.

มันถือเป็นการนิยามสาขาวิชาใหม่เลยทีเดียว

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

และเราอาจกลับไปยังหัวเรื่องต่างๆเหล่านั้น และตั้งคำถามว่า

what talks are central to those conversations?

การพูดไหนเป็นศูนย์กลางสำคัญ ของการสนทนาเหล่านั้น

In the cities cluster, one of the most central

ในกลุ่มของเรื่องเมืองใหญ่ เรื่องสำคัญที่สุดเรื่องหนึ่ง

was one by Mitch Joachim about ecological cities,

คือ การพูดของ มิช โจชิม (Mitch Joachim) ซึ่งเกี่ยวกับ เมืองใหญ่เชิงนิเวศวิทยา

and in the genetics cluster,

และในกลุ่มพันธุศาสตร์นั้น

we have a talk about synthetic biology by Craig Venter.

เรามีการพูดเกี่ยวกับชีววิทยาเชิงสังเคราะห์ โดย เครก เวนเตอร์ (Craig Venter)

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

เหล่านี้เป็นการพูดที่เชื่อมการพูดหลายๆเรื่อง ในสาขาวิชาของมันเข้าด้วยกัน

We could go the other direction and say, well,

เราอาจไปในทิศทางอื่นก็ได้ และพูดว่า

what are talks that are broadly synthesizing

อะไรเป็นการพูด ที่สังเคราะห์ออกมาอย่างกว้างๆ

a lot of different kinds of fields.

ถึงชนิดต่างๆมากมาย ของสาขาวิชาเหล่านั้น

We used a measure of ecological diversity to get this.

เราได้ใช้ความหลากหลายเชิงนิเวศวิทยาอย่างมาก เพื่อให้ได้สิ่งนี้มา

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

อย่างเช่น การพูดโดยสตีเวน พิ้งเคอร์ (Steven Pinker) เรื่องประวัติของความรุนแรง

very synthetic.

ซึ่งสังเคราะห์เป็นอย่างมาก

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

แล้วก็มีการพูดที่มีลักษณะเฉพาะไม่เหมือนใคร

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

เป็นการพูด แบบว่า หลุดจากวงโคจร หลุดโลกไปมีที่เฉพาะเองเลย

and we call that the Colleen Flanagan index.

และเราเรียกสิ่งนั้นว่า ดัชนีคอลลีน ฟลานากาน (Colleen Flanagan index)

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

และถ้าหากว่าคุณไม่รู้จัก คอลลีน แล้วละก็ เธอเป็นศิลปิน

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

ผมถามเธอว่า "มันเป็นอย่างไรครับข้างนอกนั่น

in the stratosphere of our idea space?"

ในชั้นบรรยากาศหลุดโลกทางไอเดียของเราน่ะ"

And apparently it smells like bacon.

และเห็นชัดว่า มันเหมือนกำลังทำอะไรผิดอยู่นะ

I wouldn't know.

ผมก็ไม่ทราบได้

So we're using these network motifs

ดังนั้น เรากำลังใช้แบบแผนเครือข่ายเหล่านี้

to find talks that are unique,

เพื่อค้นหาการพูดที่มีลักษณะเฉพาะไม่เหมือนใคร

ones that are creatively synthesizing a lot of different fields,

การพูดที่สังเคราะห์สาขาวิชาต่างๆมากมาย อย่างสร้างสรรค์

ones that are central to their topic,

การพูดที่เป็นศุูนย์กลางสำคัญของประเด็นนั้น

and ones that are really creatively bridging disparate fields.

และการพูดที่เชื่อมสาขาที่แตกต่างกัน เข้าด้วยกันอย่างแท้จริง

Okay? We never would have found those with our obsession

เราคงไม่เคยพบเรื่องที่เราสนใจเป็นอย่างมาก

with what's trending now.

มาสัมพันธ์กันกับเรื่องที่กำลังเป็นที่นิยมอยู่ขณะนี้

And all of this comes from the architecture of complexity,

และทั้งหมดนี้ มาจากสถาปัตยกรรมของความซับซ้อน

or the patterns of how things are connected.

หรือรูปแบบของวิธีทีสิ่งต่างๆถูกเชื่อมโยงกัน

SG: So that's exactly right.

ชอน: นั่นถูกเผงเลย

We've got ourselves in a world

เราพาตัวเราเองเข้าไปอยู่ในโลก

that's massively complex,

ที่มันซับซ้อนอย่างมโหฬาร

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

และเราใช้อัลกอริทึม ในการคัดกรองออกไป

so we can navigate through it.

เพื่อที่เราจะได้ค้นหาเส้นทางที่ต้องการได้

And those algorithms, whilst being kind of useful,

อัลกอริทึมเหล่านั้น ในขณะที่มันมีประโยชน์

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

แต่ก็ยังแคบมากมากอีกด้วย และเราสามารถทำได้ดีกว่านั้น

because we can realize that their complexity is not random.

เพราะเราตระหนักได้ว่า ความซับซ้อนของมันนั้น ไม่ได้เป็นไปโดยบังเอิญ

It has mathematical structure,

มันมีโครงสร้างทางคณิตศาสตร์

and we can use that mathematical structure

และเราสามารถใช้โครงสร้างทางคณิตศาสตร์นั้น

to go and explore things like the world of ideas

ไปสำรวจสิ่งต่างๆ อย่างเช่น โลกของแนวความคิด

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

เพื่อให้เห็นว่า อะไรกำลังถูกพูดถึงอยู่ เพื่อให้เห็นว่า อะไรที่กำลังถูกละเลย

and to be a little bit more human

และเพื่อให้มีความเป็นมนุษย์ เพิ่มขึ้นอีกนิดหนึ่ง

and, hopefully, a little smarter.

และหวังได้ว่า จะฉลาดขึ้นอีกนิดหนึ่ง

Thank you.

ขอบคุณครับ

(Applause)

(เสียงปรบมือ)