021-22889554
021-26703715
مشاوره آموزشی رایگان

021-22889554  |  021-26703715 مشاوره آموزشی رایگان

ارتباط ایده های ارزشمند

Eric Berlow, Sean Gourley

Mapping ideas worth spreading

What do 24,000 ideas look like? Ecologist Eric Berlow and physicist Sean Gourley apply algorithms to the entire archive of TEDx Talks, taking us on a stimulating visual tour to show how ideas connect globally.


تگ های مرتبط :

TED Fellows, Algorithm, Complexity
اریک برلو: من یک اکولوژیست (رابطه انسان با طبیعت) هستم، و شان یک فیزیکدانه و هر دوی ما شبکه های پیچیده را مطالعه می کنیم. و ما چند سال پیش یکدیگر را ملاقات کردیم وقتی متوجه شدیم که هر دوی ما در تد سخنرانی کوچکی داشتیم دربارۀ اکولوژی جنگ، و فهمیدیم که حتی قبل از ملاقاتمان، از نقطه نظر عقیده ای با هم ارتباط داشتیم. ومی دونید بعدش فکر کردیم، هزاران سخنرانی دیگر وجود داره بخصوص سخنرانی های تد، که در سرتاسر جهان پخش می شه. آنها چطور با هم در ارتباطند، و یک سخنرانی جهانی چطور بنظر می آید؟ خُب شان کمی برایتان از اینکه چطور ما اینکار را انجام دادیم، می گوید.
شان گورلی: همینطوره. خُب ما ۲۴٫۰۰۰ سخنرانی TEDx در سرتاسر جهان را انتخاب کردیم، از ۱۴۷ کشور متفاوت، با انتخاب این سخنرانی ها می خواستیم ساختار بسیار دقیقی که زیربنای ایده هاست را بیابیم. ساختار بسیار دقیقی که زیربنای ایده هاست را بیابیم. با انجام اینکار می خواستیم چگونگی ارتباط آنها با یکدیگر را دریابیم. و البته، اگر بخواهید چنین کارهایی را انجام دهید، کلی اطلاعات لازم دارید. خُب اطلاعی که در دست دارید، چیز فوق العاده ای بنام یوتیوب YouTube است، می تونیم وارد یوتیوب شده و اساسا" هر اطلاعی که برای عموم آزاد است را استخراج کنیم، تمام نظرات، دیدگاهها، کسانیکه در حال دیدن آن هستند،
محلی که از آنجا مشغول دیدن آن هستند، چه چیزی در قسمت نظریات درج می کنند. ولی می تونیم از ترجمه گفتار به نوشتار نیز استفاده کنیم، می تونیم تمام متن را داشته باشیم، و این حتی برای افرادی مثل من که لهجه خنده داری دارند، بکار می یاد. بدین ترتیب ما با استفاده از متن گفتاری آنها می تونیم کارهای جالبی انجام دهیم. ما می تونیم با استفاده از الگوریتمهایی که زبان طبیعی را پردازش می کنند همینطور خط به خط با کامپیوتر بخوانیم، و مفهوم اصلی را از آن برگیریم. و ما مفاهیم اصلی که یک جورایی ساختار دقیق یک ایده را می سازند را بدست می آوریم. و ما مفاهیم اصلی که یک جورایی ساختار دقیق یک ایده را می سازند را بدست می آوریم. و آنرا "می اُم" (meme-ome) می نامیم.
و می دونید، "می اُم" (meme-ome) خیلی ساده ریاضیاتی است که در بطن یک ایده نهفته است، و ما می تونیم یکسری تحلیل های بسیار جالبی با آن انجام دهیم، که مایلم با شما در میان بگذارم. بدین ترتیب هر ایده ای "می اُم" (meme-ome) خودشو که آنرا منحصر بفرد می کنه، اما البته، ایده ها از هم ایده می گیرند، گاهی یه جور دزدی است، و بطور قطع بر اساس یکدیگر بنا می شوند، و ما از طریق محاسبه می تونیم پیش رفته و "می اُم" را از یک سخنرانی گرفته و آنرا با "می اُم" تک تک سخنرانی های دیگر مقایسه کنیم، و اگر شباهتی بین دوتای آنها بود،
می توانیم با ایجاد یک لینک ارتباطی آنرا بصورت نمودار نشان دهیم، درست مثل اریک و من که بهم مرتبط هستیم. بدین ترتیب این یک تئوری است، عالیه. بیایید ببینیم چطور در فضای واقعی کار می کند. خُب چیزی که ما در حال حاضر اینجا داریم، ردپای کلی کلیه سخنرانی های TEDx در طول چهار سال گذشته است که در سراسر جهان فوران کرد از نیویورک گرفته تا نیوزلند کوچک قدیمی در اون گوشه دنیا. و کاری که ما کردیم این بود که ۲۵ درصد از بهترین های آنرا تحلیل کردیم، و شروع به یافتن محل برقراری ارتباط کردیم، جایی که آنها با یکدیگر مرتبط می شوند. سخنرانی "کمرون راسل" درمورد تصویر و زیبایی
با اروپا ارتباط برقرار کرد. ما یک سخنرانی مفصل تر درمورد اسرائیل و فلسطین داریم که از خاور میانه به اطراف اشاعه می یابد. وچیزی کمی گسترده تر داریم مثل داده های بزرگ با اثرات جهانی واقعی که حاکی از یک گفتگوست که هرجایی در حال وقوع است. بنابراین از اینجا، ما یه جورایی با محدودیتهایی در رابطه با آنچه در واقع قادریم با نقشه جغرافیایی انجام دهیم، مواجه می شویم، اما خوشبختانه، تکنولوژی کامپیوتر ما را قادر می سازد تا وارد فضای چند بعدی بشویم. بدین ترتیب می تونیم نقشه ارتباطی خود را گرفته و یک ابزار فیزیک بکار بریم،
و سخنرانی های مشابه یه جورایی با هم ادغام می شوند، و آنهایی که متفاوتند از دور خارج می شوند، و آنچه برایمان باقی می ماند، چیزی بسیار زیباست. اریک: خُب فقط می خوام اینجا خاطر نشان کنم که هر گره، یک سخنرانی است، که در صورت شباهت ایده ها با یکدیگر مرتبطند، و این نتیجۀ خواندن ماشینی است که تمام متن گفتارها را می خواند، و در نتیجه تمام این عنوانهایی که نمایان می شوند، از کلمات کلیدی یا لقب ها برگرفته نشدند. آنها برگرفته از ساختار ارتباطی ایده های مرتبط هستند. شان: کاملا". خُب من کمی سریع توضیح می دم، اما دوستم سرعت کلام منو کاهش می ده.
ما آموزشی را داریم که با داستان سرایی و رسانه های اجتماعی یک مثلث تشکیل می دهد. البته، مغز انسان را درست در کنار بهداشت و درمان دارید، که قابل انتظار است، اما بازیهایی کامپیوتری را نیز به نوعی در کنار آنها ملاحظه می کنید، از آنجائیکه آن دو فضا در ارتباط با یکدیگر هستند. اما مایلم شما را به مجموعه ای هدایت کنم که اهمیت خاصی برای من داره، و اون محیط زیست است. و می خواهم روی آن به نوعی تکیه کنم و ببینم که آیا می توانیم کمی بیشتر راه حل بیابیم. بدین ترتیب، همانطور که اینجا پیش می رویم، آنچه در ابتدا می بینیم، با استفاده مجدد از ابزار فیزیک ،
می بینیم که چطور یک سخنرانی در واقع از بسیاری سخنرانی های کوچکتر ساخته شده است. این ساختار جایی نمایان می شه که می توانیم یه جور پراکندگی لغات را ببینیم و زبانی گفتاری را مشاهده کنیم که از آن برای توصیف آنچه در سرتا سر دنیا برایمان اهمیت دارد استفاده می کنیم. برای توصیف آنچه در سرتا سر دنیا برایمان اهمیت دارد استفاده می کنیم. بدین ترتیب شما اقتصاد غذایی و مواد غذایی محلی را در صدر جدول دارید، گازهای گلخانه ای، زایعات خورشیدی و هسته ای دارید. حاصل اینکار، یکسری گفتگوهای کوتاه است، که هر یک بیکدیگر مرتبط اند از طریق ایده ها و زبان مشترک،
که یک مفهوم گسترده تری از محیط زیست ایجاد می کنند. و البته ما از اینجا فراتر رفته و دقیق تر شده تا نگاه افراد جوان را دریابیم. و توجه آنها به تکنولوژی انرژی و ترکیبات هسته ای است. این پژواک گفتگوی آنها پیرامون محیط زیست است. این پژواک گفتگوی آنها پیرامون محیط زیست است. در صورت جدا کردن جنسیت ها، مشاهده می کنیم که فریاد زنان از اقتصاد غذایی پر طنین بوده، ولی در عین حال امیدوار و خوش بین هستند. و کلی کارهای جالب در اینجا می توانیم انجام دهیم، و بقیه را به اریک محول می کنیم. اریک: خُب منظورم از خاطر نشان کردن اینه که، شما نمی توانید با یک جستجوی سادۀ کلمه ای در یوتیوب،
چنین چشم اندازی داشته باشید. حالا بیاید نگاهی جامع به سخنرانی های پیرامون محیط زیست در سرتاسر جهان انداخته، و به مجموع آنها نگاهی بیندازیم. اغلب وقتی با این حجم مطلب روبرو می شویم، چند کار برای ساده کردن آنها انجام می دهیم. شاید بگوییم، خُب، پرطرفدار ترین سخنرانی ها کدام هستند؟ و چند تایی از آنها از بقیه جدا می شوند. یک سخنرانی درمورد حق شناسی. یکی دیگر درمورد سلامت و تغذیه فردی است. و البته، باید یکی هم درمورد پورنوگرافی باشد، اینطور نیست؟ و شاید اون موقع بگوییم، خُب، سپاسگزاری، اون در سال گذشته بود. الآن چه چیزی باب است؟ سخنرانی مورد علاقه چیست؟
و درمی یابیم که موضوع جدید و دسته اول که در حال شکوفایی است موضوع دنیای فردی دیجیتال است. خُب این عالیه. این کارو راحت می کنه. ولی کلی مطالب خلاقانه هنوز اون ته باقی است. ولی کلی مطالب خلاقانه هنوز اون ته باقی است. و من ازش متنفرم. چطور می توانیم مطالب را به سطح بیاوریم که شاید کاری براستی خلاقانه و جالب باشد؟ خُب می توانیم برای انجام اینکار به شبکه ساختاری ایده ها برگردیم. خُب می توانیم برای انجام اینکار به شبکه ساختاری ایده ها برگردیم. یادتون باشه، شبکه ساختاری باعث ایجاد موضوعات نوظهور می شود، و بیایید دو تا از آنها را برگزینیم،
مثل شهرها و ژنتیک، و بگوییم، خُب، آیا سخنرانی ای هست که بصورتی خلاقانه این دو مقوله متفاوت را بهم ربط بدهد؟ و این بطور قطع، این نوع تلفیق خلاقانه یکی از مشخصه های نوآوری است. خُب اینجا نمونه ای داریم که جسیکا گرین دربارۀ اکولوژی میکروبی ساختمانها صحبت کرده. اون به معنای واقعی کلمه، به توصیف یک مقوله جدیدی می پردازد. و ما می توانیم به اون موضوعها برگشته و بگوییم، خُب، چه سخنرانی هایی حول اون گفتگوها می چرخند؟ یکی از اصلی ترین سخنرانی در مجموعه شهرها، اونی بود که "میچ جوچیم" دربارۀ شهرهای اکولوژیکی صحبت کرد، و در مجموعۀ ژنتیکی،
سخنرانی "کریگ ونتر" دربارۀ بیولوژی سنتزی را داریم. سخنرانی هایی وجود دارند که بیشمار سخنرانی را پیرامون قواعد خود بهم ربط می دهند. می توانیم در جهت دیگر رفته و بگوییم، خُب، سخنرانی هایی که بطور گسترده شاخه های گوناگون بیشماری را با هم تلفیق می کنند، به چه شکل هستند. سخنرانی هایی که بطور گسترده شاخه های گوناگون بیشماری را با هم تلفیق می کنند، به چه شکل هستند. برای دستیابی به آن، مقیاس تنوع اکولوژیکی را بکار بردیم. مثلا"، سخنرانی "استیون پینکر" دربارۀ تارخ خشونت، بسیار ساختگی است. والبته در پی آن، سخنرانی های منحصر بفردی هم هستند اونها یه جورایی در استراتوسفر، در فضای بخصوص خود، هستند، و ما آنها را لیست "کالین فلاناگان" می نامیم.
و اگر کالین را نمی شناسید، او یک نقاش است، و ازش پرسیدم،" خُب، اون بیرون دراسترتوسفر فضای ایده ما، چه خبر است؟" و ازش پرسیدم،" خُب، اون بیرون دراسترتوسفر فضای ایده ما، چه خبر است؟" و ظاهرا" بوی گوشت خوک می دهد. نمی دونستم. بدین ترتیب ما با استفاده از این طرحهای شبکه ای ، سخنرانی های منحصر بفرد را پیدا می کنیم. آنهایی که بطور خلاقانه ای، زمینه های مختلف بیشماری را با هم تلفیق کردند، آنهایی که بر اساس موضوع واحد خود بنا شدند، و آنهایی که بطور واقعا" خلاقانه ای، زمینه های متفاوت را بهم ربط داده اند. درسته؟ ما هیچ موقع به این موارد دست نمی یافتیم اگر روی مسائل باب امروزی حساسیت نشان نمی دادیم.
و تمام اینها از ساختار معماری پیچیدگی یا روند چگونگی ارتباط مسائل با یکدیگر پدید می آیند. شان: خُب این دقیقا" درسته. ما در دنیایی قرار داریم که بطور گسترده ای پیچیده است، و ما با استفاده از الگوریت سعی داریم تا یه جورایی آنرا ساده کرده تا بتوانیم درون آن سیر کنیم. و آن الگوریتم ها، در عین مفید بودن، خیلی خیلی محدود بوده و ما بهتر از آن می توانیم انجام دهیم، چون می دانیم که پیچیدگی آنها اتفاقی نیست. آن ساختار بسیار دقیقی دارد، و ما با استفاده از آن ساختار دقیق می توانیم در چیزهایی مثل دنیای ایده ها سیاحت کرده
تا ببینیم چه چیزهایی گفته می شه، چه چیزهایی گفته نمی شه، تا یک کم انسان بهتری شده و اگر خدا بخواد کمی باهوش تر بشویم. سپاسگزارم. (تشویق)
Eric Berlow: I'm an ecologist, and Sean's a physicist, and we both study complex networks. And we met a couple years ago when we discovered that we had both given a short TED Talk about the ecology of war, and we realized that we were connected by the ideas we shared before we ever met. And then we thought, you know, there are thousands of other talks out there, especially TEDx Talks, that are popping up all over the world. How are they connected, and what does that global conversation look like? So Sean's going to tell you a little bit about how we did that.
Sean Gourley: Exactly. So we took 24,000 TEDx Talks from around the world, 147 different countries, and we took these talks and we wanted to find the mathematical structures that underly the ideas behind them. And we wanted to do that so we could see how they connected with each other. And so, of course, if you're going to do this kind of stuff, you need a lot of data. So the data that you've got is a great thing called YouTube, and we can go down and basically pull all the open information from YouTube, all the comments, all the views, who's watching it,
where are they watching it, what are they saying in the comments. But we can also pull up, using speech-to-text translation, we can pull the entire transcript, and that works even for people with kind of funny accents like myself. So we can take their transcript and actually do some pretty cool things. We can take natural language processing algorithms to kind of read through with a computer, line by line, extracting key concepts from this. And we take those key concepts and they sort of form this mathematical structure of an idea. And we call that the meme-ome.
And the meme-ome, you know, quite simply, is the mathematics that underlies an idea, and we can do some pretty interesting analysis with it, which I want to share with you now. So each idea has its own meme-ome, and each idea is unique with that, but of course, ideas, they borrow from each other, they kind of steal sometimes, and they certainly build on each other, and we can go through mathematically and take the meme-ome from one talk and compare it to the meme-ome from every other talk, and if there's a similarity between the two of them,
we can create a link and represent that as a graph, just like Eric and I are connected. So that's theory, that's great. Let's see how it works in actual practice. So what we've got here now is the global footprint of all the TEDx Talks over the last four years exploding out around the world from New York all the way down to little old New Zealand in the corner. And what we did on this is we analyzed the top 25 percent of these, and we started to see where the connections occurred, where they connected with each other. Cameron Russell talking about image and beauty
connected over into Europe. We've got a bigger conversation about Israel and Palestine radiating outwards from the Middle East. And we've got something a little broader like big data with a truly global footprint reminiscent of a conversation that is happening everywhere. So from this, we kind of run up against the limits of what we can actually do with a geographic projection, but luckily, computer technology allows us to go out into multidimensional space. So we can take in our network projection and apply a physics engine to this,
and the similar talks kind of smash together, and the different ones fly apart, and what we're left with is something quite beautiful. EB: So I want to just point out here that every node is a talk, they're linked if they share similar ideas, and that comes from a machine reading of entire talk transcripts, and then all these topics that pop out, they're not from tags and keywords. They come from the network structure of interconnected ideas. Keep going. SG: Absolutely. So I got a little quick on that, but he's going to slow me down.
We've got education connected to storytelling triangulated next to social media. You've got, of course, the human brain right next to healthcare, which you might expect, but also you've got video games, which is sort of adjacent, as those two spaces interface with each other. But I want to take you into one cluster that's particularly important to me, and that's the environment. And I want to kind of zoom in on that and see if we can get a little more resolution. So as we go in here, what we start to see, apply the physics engine again,
we see what's one conversation is actually composed of many smaller ones. The structure starts to emerge where we see a kind of fractal behavior of the words and the language that we use to describe the things that are important to us all around this world. So you've got food economy and local food at the top, you've got greenhouse gases, solar and nuclear waste. What you're getting is a range of smaller conversations, each connected to each other through the ideas and the language they share, creating a broader concept of the environment.
And of course, from here, we can go and zoom in and see, well, what are young people looking at? And they're looking at energy technology and nuclear fusion. This is their kind of resonance for the conversation around the environment. If we split along gender lines, we can see females resonating heavily with food economy, but also out there in hope and optimism. And so there's a lot of exciting stuff we can do here, and I'll throw to Eric for the next part. EB: Yeah, I mean, just to point out here, you cannot get this kind of perspective
from a simple tag search on YouTube. Let's now zoom back out to the entire global conversation out of environment, and look at all the talks together. Now often, when we're faced with this amount of content, we do a couple of things to simplify it. We might just say, well, what are the most popular talks out there? And a few rise to the surface. There's a talk about gratitude. There's another one about personal health and nutrition. And of course, there's got to be one about porn, right? And so then we might say, well, gratitude, that was last year.
What's trending now? What's the popular talk now? And we can see that the new, emerging, top trending topic is about digital privacy. So this is great. It simplifies things. But there's so much creative content that's just buried at the bottom. And I hate that. How do we bubble stuff up to the surface that's maybe really creative and interesting? Well, we can go back to the network structure of ideas to do that. Remember, it's that network structure that is creating these emergent topics, and let's say we could take two of them,
like cities and genetics, and say, well, are there any talks that creatively bridge these two really different disciplines. And that's -- Essentially, this kind of creative remix is one of the hallmarks of innovation. Well here's one by Jessica Green about the microbial ecology of buildings. It's literally defining a new field. And we could go back to those topics and say, well, what talks are central to those conversations? In the cities cluster, one of the most central was one by Mitch Joachim about ecological cities, and in the genetics cluster,
we have a talk about synthetic biology by Craig Venter. These are talks that are linking many talks within their discipline. We could go the other direction and say, well, what are talks that are broadly synthesizing a lot of different kinds of fields. We used a measure of ecological diversity to get this. Like, a talk by Steven Pinker on the history of violence, very synthetic. And then, of course, there are talks that are so unique they're kind of out in the stratosphere, in their own special place, and we call that the Colleen Flanagan index. And if you don't know Colleen, she's an artist,
and I asked her, "Well, what's it like out there in the stratosphere of our idea space?" And apparently it smells like bacon. I wouldn't know. So we're using these network motifs to find talks that are unique, ones that are creatively synthesizing a lot of different fields, ones that are central to their topic, and ones that are really creatively bridging disparate fields. Okay? We never would have found those with our obsession with what's trending now. And all of this comes from the architecture of complexity, or the patterns of how things are connected.
SG: So that's exactly right. We've got ourselves in a world that's massively complex, and we've been using algorithms to kind of filter it down so we can navigate through it. And those algorithms, whilst being kind of useful, are also very, very narrow, and we can do better than that, because we can realize that their complexity is not random. It has mathematical structure, and we can use that mathematical structure to go and explore things like the world of ideas to see what's being said, to see what's not being said, and to be a little bit more human
and, hopefully, a little smarter. Thank you. (Applause)