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.
Eric Berlow: Ben çevrebilimciyim, Sean da fizikçi. ikimiz de karmaşık ağlar üzerine çalışıyoruz. Birkaç sene önce ikimiz de savaş ekolojisi üzerine kısa birer TED konuşması yaptığımız zaman tanıştık. Tanışmadan önce paylaştığımız ortak fikirler aracılığıyla bağlantılı olduğumuzun farkına vardık. Daha sonra, sizin de bildiğiniz gibi, dünyanın her tarafında yapılan, özellikle TEDx Konuşmaları başta olmak üzere binlerce konuşma var diye düşündük. Bu konuşmalar birbirleriyle nasıl bağlantılı oluyor ve bu küresel konuşma neye benziyor? İşte Sean şimdi size bunu nasıl yaptığımızdan biraz bahsedecek.
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.
Sean Gourley: Kesinlikle. Dünyanın her yerinden 147 farklı ülkeden 24.000 TEDx Konuşmasını aldık. Bu konuşmaları ele aldık, çünkü bunların altında yatan matematiksel yapıları bulmak istiyorduk. Bu konuşmaların birbiriyle nasıl ilintili olduğunu görebilmek için bunu yapmak istiyorduk.
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.
Tabii ki bu tarz şeyler yapacaksanız bir sürü veriye ihtiyacınız var. Elinizdeki veri ise YouTube denen muhteşem şey. Bilgisayarın başına oturup temel olarak YouTube'daki tüm yorumlara, görüntülemelere, kimin izlediğine, nerede izlediğine, ne yorum yaptığına dair tüm açık bilgileri çekebiliyoruz. Ama tabii ki konuşmadan yazıya aktarımla çeviriyi kullanarak tümünü yazıya dökebiliyoruz. Bu benim gibi komik aksanı olan insanlar için bile işe yarayabiliyor. Sonra yazı dökümünü alabiliyoruz, aslında baya havalı şeyler yapıyoruz. Doğal lisan işleme algoritmaları ile, - baştan sona, satır satır okuma yapabilen bir tür bilgisayar - anahtar kavramları ortaya çıkarıyoruz. Aldığımız bu anahtar kavramlar bir fikrin matematiksel yapısını oluşturuyor. Buna meme-ome diyoruz. Basitçe, bildiğiniz meme-ome bir fikrin altında yatan matematiğe denir ve bunlar ile ilginç bazı çözümlemeler yapabiliyoruz. Şimdi sizinle bunları paylaşmak istiyorum.
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.
Her fikir için bir meme-ome vardır ve bu her fikrin kendine özgüdür. Ama, tabii ki, fikirler birbirinden ödünç alırlar. Hatta bazen çalarlar bile. Ama kesin olarak birbiri üzerine inşa edilirler ve biz bunu matematiksel olarak inceleyebiliriz. Mesela, bir konuşmadan bir meme-ome alıp onu diğer tüm konuşmalardaki meme-ome'larla karşılaştırabiliriz. Eğer ikisi arasında bir benzerlik varsa, arada bir bağlantı oluşturabilir ve bunu da bir grafik olarak gösterebiliriz. tıpkı Eric ve benim kurduğumuz bağlantı gibi.
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.
Yani teori bu ve müthiş bir şey. Pratikte nasıl işlediğine bir bakalım. Burada, elimizde şuan New York'dan ta Yeni Zellanda'ya kadar son dört yılda dünyanın her yerinde yapılan TEDx Konuşmalarının iz düşümleri var. Yaptığımız şey, bunların en iyi yüzde 25'ini çözümlemek, bağlantıların nerelerde olduğunu ve birbirleriyle nasıl ilişkilendirildiklerini anlamaya başlamak oldu. Görüntü ve güzellik hakkında konuşan Cameron Russell Avrupa'dan bağlanmış. Filistin ve İsrail hakkında Ortadoğu'dan gelen daha büyük bir konuşmamız da var. Elimizde biraz daha büyük, her yerde yapılan bir konuşmanın gerçek anlamda küresel bir ayak izini anımsatmış olan bir konuşma var.
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.
Yani bundan yola çıkarak, coğrafi izdüşümle yapabileceğimiz şeylerin sınırlarını zorluyoruz. Şansımıza, bilgisayar teknolojisi çok boyutlu boşluğa açılmamıza olanak sağlıyor. Biz de ağ izdüşümünü alıyoruz ve buna bir fizik motoru uyguluyoruz. Bu şekilde benzer konuşmalar eşleşirken farklı olanları da ayrılıyor. Aldığımız netice ise oldukça güzel.
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.
EB: Burada göstermek istediğim şey, her düğüm bir konuşma. Benzer fikirleri paylaşıyorlarsa, bağlanıyorlar. Bunu yapan, tüm konuşmaların yazıya dökülmüş halini okuyabilen bir makine. Sonra, tüm bu ortaya çıkan konular, etiketlerden veya kilit kelimelerden değiller. Birbiriyle bağlı fikirlerin ağ yapısından geliyorlar. Sen devam et.
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.
SG: Kesinlikle. Onu hızlı geçecektim, ama bu beni yavaşlatacak. Sosyal medyanın hemen yanında, üçgensel yapıda hikayeciliğe bağlı eğitim var. Tabii ki, sağlık hizmetinin hemen yanında insan beyni var. Aynen beklediğiniz gibi. Ama iki boşluk birbiriyle bağlandığından hemen bitişikte video oyunları da var.
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.
Ama benim için özellikle önemli olan bir kümeyi size göstermek istiyorum. Bu küme çevre. Buraya biraz daha yakından bakmak ve çözünürlüğü biraz daha netleştirmek istiyorum. Yani buraya girdiğimizde, görmeye başladığımız şey, fizik motorunu bir daha uygularsak, herhangi bir konuşmanın aslında birçok küçük konuşmadan oluştuğunu görürüz. Yapı ortaya çıkmaya başladı. Dünyanın her yerinde bizim için önemli olan şeyleri anlatırken kullandığımız dilin ve kelimelerin bir çeşit kesirsel davranışını görebiliyoruz. Zirvede gıda ekonomisi ve yerel gıda var, sera gazları, güneşsel ve nükleer atıklar var. Elde ettiğiniz, her biri paylaştıkları dil ve fikirler yoluyla birbirine bağlı, daha geniş bir çevre kavramı oluşturan çeşitli daha küçük konuşmalar. Tabiki, buradan şöyle yakınlaşabilir ve gençlerin neye baktığını görebilirsiniz. Gençler enerji teknolojisi ve nükleer füzyona bakıyorlar. Bu çevre hakkındaki konuşmalar için onların sesinin yankısı. Eğer cinsiyet hatlarını bölersek, kadınların daha çok yiyecek ekonomisi, umut ve iyimserlikte yankı bulduklarını görebiliriz.
And so there's a lot of exciting stuff we can do here, and I'll throw to Eric for the next part.
Yani burada yapabileceğimiz bir sürü heyecan verici şey var. Bir sonraki kısmı Eric'e havale ediyorum.
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.
EB: Evet, yani, söylemem gereken, bu tür bir bakış açısını YouTube'da basit bir etiket aramasından elde edemezsiniz. Şimdi çevrenin de dışına çıkıp tüm küresel konuşmalara geri dönelim ve konuşmalara birlikte bakalım. Sıklıkla bu miktarda içerikle karşı karşıya kaldığımızda, onu basitleştirmek için birkaç şey yaparız. Mesela, en çok tutulan konuşmalar hangileridir diyebiliriz. Sonra birkaçı yüzeye çıkar. Minnettarlıkla alakalı bir konuşma var. Kişisel sağlık ve beslenme ile alakalı başka bir tane var. Tabii ki, porno ile ilgili de bir tane olmalı, değil mi? Sonra, minnettarlık geçen seneydi diyebiliriz. Şimdi ne tutuluyor? Şimdi en revaçta olan konuşma ne? Yeni yeni tutulmaya başlayan konuşmanın dijital mahremiyet hakkında olduğunu görebiliriz.
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.
Bu muhteşem. İşleri kolaylaştırıyor. Ama dipte gömülen çok fazla orijinal içerik var. Bundan nefret ediyorum. Çok orijinal ve ilgi çekici şeyleri nasıl su yüzüne çıkartabiliriz? Bunu yapmak için fikirlerin ağ yapısına geri dönmemiz lazım. Unutmayın, ortaya çıkan bu konuları oluşturan bu ağ yapısı ve diyelim ki şehirler ve genetik gibi iki tanesini alabiliyoruz ve acaba, bu iki gerçekten farklı disiplini orijinal bir biçimde birbirine bağlayan hiç konuşma var mı? Aslında, bu çeşit orijinal karışımlar yeniliğin köşe taşlarından biridir. Burada binaların mikrobik ekolojisi hakkında Jessica Green tarafından yapılmış bir konuşma var. Gerçekten yeni bir alanı tanımlıyor. Tabi bu konu başlıklarına geri dönüp bu küçük konuşmalara hangi kapsamlı konuşmaların merkez teşkil ettiğini söyleyebiliriz. Şehirler kümesinde en merkezde olanlardan birisi ekolojik şehirler hakkında Mitch Joachim tarafından yapılan konuşma. Genetik kümesinde ise, Craig Venter tarafından yapılmış sentetik biyoloji hakkında bir konuşma var. Bunlar kendi disiplinlerinde birçok konuşmayı bağlayan konuşmalar. Bu kez diğer yöne gidip birçok farklı alanı sentezleyen konuşmaların hangileri olduğunu söyleyebiliriz. Bunu elde etmek için ekolojik çeşitlilik ölçüsünü kullandık. Steven Pinker'ın şiddetin tarihi hakkındaki çok sentetik konuşması gibi.
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.
Sonra, benzersiz, kendine özgü konuşmalar da var. Bunlar sanki stratosferdeki kendi özel yerlerindeler. Buna Colleen Flanagan endeksi diyoruz. Colleen'ı tanımıyorsanız, o bir sanatçı. Ona bir gün sordum: "Fikir evrenimizin stratosferinde olmak nasıl bir şey?" diye Açıkçası pastırma gibi kokuyor. Bilemezdim. Yani bu ağ motiflerini; orjinal bir biçimde bir sürü farklı alanı sentezleyen, kendi alanlarında merkezi yere sahip olan ve gerçekten ayrı alanlar arasında köprü kuran benzersiz konuşmaları bulmak için kullanıyoruz. Tamam mı? Bu aralar neyin revaçta olduğu takıntısıyla bunları asla bulamazdık. Bunların tamamı karmaşıklık mimarisinden ya da nesnelerin bağlanış modelinden gelir.
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.
SG: Kesinlikle doğru. Müthiş karmaşık bir dünyada bulunuyoruz ve bunu bir çeşit filtrelemek için algoritmaları kullanıyoruz. Böylece bazı şeyleri daha iyi anlayabiliyoruz. Bu algoritmalar çok kullanışlı olmalarına rağmen, aynı zamanda çok ama çok dardırlar ve bundan daha iyisini yapabiliriz. Çünkü karmaşıklıklarının rastgele olmadığını fark edebiliyoruz. Matematiksel bir yapısı var ve bu matematiksel yapıyı; fikirlerin dünyası gibi şeyleri keşfetmek, nelerin söylenip nelerin söylenmediğini görmek, biraz daha fazla insan ve biraz daha akıllı olmak için kullanabiliriz.
Thank you.
Teşekkürler.
(Applause)
(Alkış)