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.
אריק ברלו: אני אקולוג, ושון פיזיקאי, ושנינו חוקרים רשתות מורכבות. ונפגשנו לפני שנים כאשר גילינו ששנינו העברנו הרצאת טד קצרה בנושא האקולוגיה של המלחמה, והבנו שאנחנו מחוברים על ידי הרעיונות ששיתפנו עוד לפני שנפגשנו. ואז חשבנו, אתם יודעים, ישנן אלפי הרצאות אחרות, במיוחד הרצאות TEDx, שצצות בכל רחבי העולם. איך הן מתחברות, ואיך השיחה הגלובאלית הזו נראית? אז שון יספר לכם קצת על איך עשינו את זה.
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.
שון גורלי: "בדיוק". אז אנחנו לקחנו 24,000 הרצאות TEDx מכל רחבי העולם, 147 מדינות שונות, ולקחנו את ההרצאות האלו ורצינו למצוא את המבנים המתמטיים המהווים בסיס לרעיונות שמאחוריהם. ורצינו לעשות זאת על מנת לראות איך הן מתחברות ביניהן.
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.
ולכן, בוודאי, אם הולכים לעשות כזה דבר, צריך הרבה נתונים. אז המידע שיש לך הוא הדבר הנפלא שנקרא יוטיוב, ואנחנו יכולים להיכנס ולמשוך את כל המידע הפתוח מיוטיוב, כל התגובות, כל הצפיות, מי צופה בזה, איפה הם צופים בזה, מה הם אומרים בתגובות. אבל אנחנו גם יכולים למשוך, באמצעות תרגום של טקסט לדיבור, אנחנו יכולים למשוך את כל התמליל, וזה עובד גם עבור אנשים עם מבטא מוזר כמוני. אז אנחנו יכולים לקחת את התמליל שלהם ולמעשה לעשות דברים די מגניבים. אנחנו יכולים לקחת אלגוריתמים של עיבוד שפה טבעית על מנת לקרוא באמצעות מחשב, שורה אחר שורה, תוך הוצאת רעיונות מרכזיים מתוך זה. ואנחנו לוקחים את הרעיונות המרכזיים האלו והם מרכיבים מבנה מתמטי של רעיון. ואנחנו מכנים את זה מימ-אום. והמימ-אום, אתם יודעים, למעשה, הוא המתמטיקה עליה מבוסס רעיון, ואנחנו יכולים לעשות מחקר די מעניין עם זה, שאני רוצה לשתף אתכם עכשיו.
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.
אז לכל רעיון יש את המימ-אום שלו, וכל רעיון הוא ייחודי עם זה, אבל כמובן, רעיונות, שואלים זה מזה, הם באופן מסוים גונבים לפעמים, והם בוודאי נבנים אחד על השני, ואנחנו יכולים לבחון זאת מתמטית ולקחת את המימ-אום משיחה אחת ולהשוות אותו למימ-אום של שיחה אחרת, ואם יש דמיון בין השניים, אנחנו יכולים ליצור חיבור ולהציג זאת באמצעות גרף, בדיוק כפי שאריק ואני מחוברים.
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.
אז, זו תיאוריה, זה מעולה. בואו נראה איך זה עובד במציאות. אז מה שיש לנו כאן עכשיו זה טביעת הרגל הגלובלית של כל הרצאות TEDx מ-4 השנים האחרונות מופצים לכל העולם מניו-יורק כל הדרך למטה עד לניו זילנד הקטנה בפינה. ומה שעשינו עם זה הוא שניתחנו את 25% העליונים של זה, והתחלנו לראות איפה החיבורים מתרחשים, איפה הם מתחברים אחד עם השני. קמרון ראסל מדבר על תמונה ויופי מתחבר לתוך אירופה. יש לנו שיחה גדולה יותר על ישראל ופלסטין מופצת כלפי חוץ מהמזרח התיכון. ויש לנו משהו קצת רחב יותר כמו "מידע גדול" עם טביעת רגל באמת גלובאלית זכרון של שיחה שמתרחשת בכל מקום.
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.
אז מזה, אנחנו די נתקלים בגבולות של מה שאנחנו יכולים לעשות עם תחזיות גאוגרפיות, אבל למרבה המזל, טכנולוגית המחשב מאפשרת לנו לצאת למרחב הרב-מימדי. לכן אנחנו יכולים לקחת את התחזית הרשתית שלנו וליישם מנוע פיזיקלי לזה, והשיחות הדומות די מתאחדות יחדיו, והשונות מתפזרות להן, ומה שאנחנו נשארים איתו זה דבר די יפה.
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.
אריק: אז אני רק רוצה לציין כאן שכל נקודת קצה היא שיחה, הן מחוברות אם הן חולקות רעיונות דומים, וזה מגיע מקריאה של מכונה של תמליל השיחה במלואה, ואז כל הנושאים האלו שקופצים, הם לא מתגיות ומילות מפתח. הם נובעים ממבנה הרשת של רעיונות מחוברים. תמשיך.
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.
שון: לחלוטין. אז אני הזדרזתי עם זה, אבל הוא עומד להאט אותי. יש לנו את חינוך שמתחבר לסיפורת ושניהם מתחברים למדיה חברתית. יש לכם, כמובן, את המוח האנושי ממש ליד בריאות, מה שהייתם מצפים, אבל גם יש לכם משחקי וידיאו, שהם די חופפים, כאשר שני מימדים אלו מתממשקים האחד לשני.
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.
אבל אני רוצה לקחת אתכם לתוך אחד האשכולות אשר למעשה חשוב לי, וזה הסביבה. ואני רוצה לעשות זום לתוך זה ולראות אם אנחנו יכולים לקבל רזולוציה טובה יותר. אז איך שאנחנו נכנסים לכאן, מה שאנחנו מתחילים לראות, מיישם את מנוע הפיזיקה שוב, אנחנו רואים ששיחה אחת למעשה מורכבת מכמה שיחות קטנות. המבנה מתחיל להתגלות איפה שאנחנו רואים סוג של התנהגות פרקטלית של המילים והשפה שאנחנו משתמשים לתאר את הדברים שחשובים לנו בכל העולם. אז יש לנו כלכלת מזון ואוכל מקומי למעלה, יש גזי חממה, סולארי ופסולת גרעינית. מה שמתקבל הוא מגוון של שיחות קטנות, כל אחת מחוברות לשניה באמצעות הרעיונות והשפה שהם משתפים, יוצרים מושג רחב יותר של הסביבה. וכמובן, שמכאן, אנחנו יכולים ללכת ולהתקרב ולראות, ובכן, על מה אנשים צעירים מסתכלים? והם מסתכלים על טכנולוגית אנרגיה והיתוך גרעיני. זו היא התעודה שלהם של השיחה בנוגע לסביבה. אם אנחנו מפצלים לפי קווי מגדר, אנחנו יכולים לראות שהנשים מובילות בהרבה עם כלכלת מזון, אבל גם אי שם בתקווה ואופטימיות.
And so there's a lot of exciting stuff we can do here, and I'll throw to Eric for the next part.
וכן יש הרבה דברים מרגשים שאנחנו יכולים לעשות כאן, ואני אזרוק לאריק לחלק הבא.
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.
אריק: כן, אני מתכוון, רק להדגיש כאן, אתם לא יכולים לקבל פרספקטיבה שכזו מחיפוש תגייות פשוט ביוטיוב. בואו נעשה עכשיו זום אחורה לשיחה הגלובלית מהסביבה, ונסתכל על כל השיחות ביחד. עכשיו לעיתים, כאשר אנחנו נצבים מול כמות כזו של תוכן, אנחנו עושים מספר דברים לפשט זאת. אנחנו יכולים פשוט לומר, ובכן, מה הן השיחות הפופולאריות ביותר? ובודדות צפות לפני השטח. ישנה שיחה בנוגע להכרת תודה. ישנה אחרת בנוגע לבריאות אישית ותזונה. וכמובן, חייבת להיות אחת בנוגע לפורנו, נכון? ואז אנחנו יכולים לומר, ובכן, הכרת תודה, זה היה שנה שעברה. מה הטרנד הנוכחי? מה השיחה הפופולארית עכשיו? ואנחנו יכולים לראות שהנושא החדש, הטרנדי הוא בנוגע לפרטיות דיגיטלית.
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.
אז זה פשוט. זה מפשט דברים. אבל ישנו כל כך הרבה תוכן יצירתי שפשוט קבור בתחתית. ואני שונא את זה. איך אנחנו מעלים דברים לפני השטח שאולי ממש יצירתיים ומעניינים? ובכן, אנחנו יכולים לחזור למבנה הרשתי של הרעיונות ולעשות זאת. זכרו, זהו המבנה הרשתי אשר יוצר את הנושאים המתהווים הללו, ובואו נגיד שהיינו יכולים לקחת שניים מהם, כמו ערים וגנטיקה, ולומר, ובכן, האם קיימות שיחות שמגשרות באופן יצירתי את שתי הדיסיפלינות השונות הללו? וזה -- למעשה, השילוב היצירתי מסוג זה הוא אחד הסימני ההיכר של חדשנות. ובכן הנה אחד של ג'סיקה גרין בנוגע לאקולוגיה של חיידקים בבניינים. זה ממש מגדיר תחום חדש. ואנחנו יכולים לחזור לנושאים אלו ולומר, ובכן, אילו שיחות ספציפיות מהוות את המרכז לשיחות אלו? באשכול הערים, אחת המרכזיות ביותר הייתה של מיטש ג'ואקים בנוגע לערים אקולוגיות, ובאשכול הגנטיקה, אנחנו מוצאים שיחה בנוגע לביולוגיה סינטטית של קרייג ונטר. אלו שיחות שמחברות שיחות רבות בתוך הדיסיפלינה שלהם. אנחנו יכולים ללכת לכיוון השני ולומר, ובכן, אלו שיחות מחברות באופן רחב סוגים רבים ושונים של תחומים. אנחנו השתמשנו במידה של שונות אקולוגית על מנת לקבל זאת. כגון, שיחה של סטיבן פינקר אודות ההיסטוריה של האלימות, סינטטי מאוד.
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.
ואז, כמובן, ישנן שיחות שהן מאוד ייחודיות כמו מעיין מחוץ לטווח, בחלל משלהם, ואנחנו קוראים לזה אינדקס קולין פלנגן. ואם אתם לא מכירים את קולין, היא אמנית, ואני שאלתי אותה, "ובכן, איך זה שם מחוץ לחלל הרעיונות שלנו?" וככל הנראה זה מריח כמו בייקון. אני לא הייתי יודע. אז אנחנו משתמשים במוטיבים למצוא שיחות שהן ייחודיות, כאלו שבאופן יצירתי משלבות תחומים רבים, כאלו שהן מרכזיות לנושאים שלהן, וכאלו שממש באופן יצירתי מגשרות בין תחומים נפרדים. אוקי? לעולם לא היינו מוצאים זאת עם האובססיה שלנו למה שטרנדי עכשיו. וכל זה מגיע מהארכיטקטורה של המורכבות, של התבניות של איך דברים מחוברים.
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.
שון: אז זה בדיוק נכון. אנחנו נמצאים בעולם שמורכב באופן מסיבי, ואנחנו משתמשים באלגוריתמים לסנן אותו כך שנוכל לנווט בתוכו. ובאלגוריתמים האלו, עד כמה שהם שימושיים, הם מאוד, מאוד צרים, ואנחנו יכולים לעשות טוב יותר מזה כי אנחנו יכולים להבין שהמורכבות שלהם היא לא אקראית. יש לזה מבנה מתמטי, ואנחנו יכולים להשתמש במבנה המתמטי הזה, לגשת ולחקור דברים כמו עולם הרעיונות לראות מה נאמר, לראות מה לא נאמר, ולהיות קצת יותר אנושיים וגם, בתקווה, קצת חכמים יותר.
Thank you.
תודה לכם.
(Applause)
(מחיאות כפיים)