TED2015
Manuel Lima: A visual history of human knowledge
Manuel Lima: Az emberi tudás látványos története
Filmed:
Readability: 5.4
1,916,809 views
Hogyan növekszik a tudás? Néha egy felismeréssel kezdődik, majd sokfelé ágazik el. Manuel Lima információ-grafikai szakértő közreműködésével fedezhetjük fel az adatok feltérképezésének évezredes történetét — a nyelvektől a dinasztiákig, információ-fák segítségével. Bepillantást nyerhetünk a láthatóvá tétel káprázatos történetébe, és az emberiség azon vágyára, hogy térképezzünk fel minden tudást.
Manuel Lima - Data visualization researcher
Manuel Lima studies how information can be organized -- into elegant and beautiful diagrams that illustrate the many unexpected twists of big data. Full bio
Manuel Lima studies how information can be organized -- into elegant and beautiful diagrams that illustrate the many unexpected twists of big data. Full bio
Double-click the English transcript below to play the video.
00:13
Over the past 10 years,
0
1126
1295
10 éve azt kutatom,
00:14
I've been researching the way
people organize and visualize information.
people organize and visualize information.
1
2445
4569
hogy az emberek hogyan szervezik
és teszik láthatóvá az információt.
és teszik láthatóvá az információt.
00:19
And I've noticed an interesting shift.
2
7786
2039
Érdekes változást vettem észre.
00:22
For a long period of time,
3
10166
1720
Hosszú ideig
00:23
we believed in a natural ranking order
in the world around us,
in the world around us,
4
11910
4428
környező világunk természetes
hierarchiájában hittünk,
hierarchiájában hittünk,
00:28
also known as the great chain of being,
or "Scala naturae" in Latin,
or "Scala naturae" in Latin,
5
16362
4745
amely a lét nagy láncolataként,
latinul Scala naturae néven ismeretes.
latinul Scala naturae néven ismeretes.
00:33
a top-down structure that normally starts
with God at the very top,
with God at the very top,
6
21131
4175
Ez a felülről lefelé építkező szerkezet
fenn általában Istennel kezdődik,
fenn általában Istennel kezdődik,
00:37
followed by angels, noblemen,
7
25330
2405
akit az angyalok, a nemesek,
00:39
common people, animals, and so on.
8
27759
3013
közemberek, állatok stb. követnek.
00:43
This idea was actually based
on Aristotle's ontology,
on Aristotle's ontology,
9
31999
4275
Az elgondolás tulajdonképpen
Arisztotelész lételméletén alapul,
Arisztotelész lételméletén alapul,
00:48
which classified all things known to man
in a set of opposing categories,
in a set of opposing categories,
10
36298
4444
amely az ember által minden ismert dolgot
megkülönböztető kategóriákba osztályoz,
megkülönböztető kategóriákba osztályoz,
00:52
like the ones you see behind me.
11
40766
1722
pl. amit a hátam mögött láthatnak.
00:56
But over time, interestingly enough,
12
44687
2747
De idővel, érdekes módon,
00:59
this concept adopted
the branching schema of a tree
the branching schema of a tree
13
47458
4146
az elmélet faágazat alakját öltötte,
01:03
in what became known
as the Porphyrian tree,
as the Porphyrian tree,
14
51628
2873
s Porphyry fája néven vált ismertté.
01:06
also considered to be
the oldest tree of knowledge.
the oldest tree of knowledge.
15
54525
3642
Ezt tartjuk a legrégebbi tudás fájának.
01:11
The branching scheme
of the tree was, in fact,
of the tree was, in fact,
16
59238
2174
A faágazat séma
01:13
such a powerful metaphor
for conveying information
for conveying information
17
61436
2949
az információátadás
olyan erőteljes jelképévé vált,
olyan erőteljes jelképévé vált,
01:16
that it became, over time,
an important communication tool
an important communication tool
18
64409
3270
hogy idővel fontos közlési eszköze lett
01:19
to map a variety of systems of knowledge.
19
67703
2274
a tudásrendszer-változatok
ábrázolásának.
ábrázolásának.
01:22
We can see trees being used
to map morality,
to map morality,
20
70648
3083
Láthatjuk az erkölcs föltérképezésére
használt fákat,
használt fákat,
01:25
with the popular tree of virtues
and tree of vices,
and tree of vices,
21
73755
2849
a népszerű erények fáját és a bűnök fáját,
01:28
as you can see here, with these beautiful
illustrations from medieval Europe.
illustrations from medieval Europe.
22
76628
3792
itt, ezen a középkori európai
gyönyörű illusztráción.
gyönyörű illusztráción.
01:32
We can see trees being used
to map consanguinity,
to map consanguinity,
23
80825
3088
Láthatjuk a vérrokonság,
a vérségi kapcsolatok bemutatására
a vérségi kapcsolatok bemutatására
01:35
the various blood ties between people.
24
83937
2244
használt fákat.
01:39
We can also see trees being used
to map genealogy,
to map genealogy,
25
87110
3096
Láthatjuk a leszármazási rend
föltérképezésére használt fákat,
föltérképezésére használt fákat,
01:42
perhaps the most famous archetype
of the tree diagram.
of the tree diagram.
26
90230
2810
a fadiagram talán leghíresebb őstípusát.
01:45
I think many of you in the audience
have probably seen family trees.
have probably seen family trees.
27
93064
3316
Gondolom, önök közül
sokan láttak már családfát.
sokan láttak már családfát.
01:48
Many of you probably even have
your own family trees drawn in such a way.
your own family trees drawn in such a way.
28
96404
3705
Valószínűleg, sokuknak megvan
a maguk így megrajzolt családfájuk.
a maguk így megrajzolt családfájuk.
01:53
We can see trees even mapping
systems of law,
systems of law,
29
101158
2911
Még olyan fát is láthatunk,
amely a jogrendszert ábrázolja,
amely a jogrendszert ábrázolja,
01:56
the various decrees and rulings
of kings and rulers.
of kings and rulers.
30
104093
3851
királyok és uralkodók különféle
rendeleteit és döntéseit.
rendeleteit és döntéseit.
02:01
And finally, of course,
also a very popular scientific metaphor,
also a very popular scientific metaphor,
31
109785
3758
Végül, persze, a nagyon népszerű
tudományos jelképként
tudományos jelképként
02:05
we can see trees being used
to map all species known to man.
to map all species known to man.
32
113567
3560
láthatjuk az ember által ismert
összes állatfaj ábrázolását.
összes állatfaj ábrázolását.
02:11
And trees ultimately became
such a powerful visual metaphor
such a powerful visual metaphor
33
119177
3906
A fák végül hatásos és
szemléletes jelképpé váltak,
szemléletes jelképpé váltak,
02:15
because in many ways,
they really embody this human desire
they really embody this human desire
34
123107
2868
mert sokféleképpen testesítik meg a rend,
02:17
for order, for balance,
for unity, for symmetry.
for unity, for symmetry.
35
125999
3036
az egyensúly, az egység
és a szimmetria iránti emberi vágyat.
és a szimmetria iránti emberi vágyat.
02:21
However, nowadays we are really facing
new complex, intricate challenges
new complex, intricate challenges
36
129999
4323
Ám manapság olyan új, szerteágazó
és bonyolult feladatokkal találkozunk,
és bonyolult feladatokkal találkozunk,
02:26
that cannot be understood by simply
employing a simple tree diagram.
employing a simple tree diagram.
37
134346
4190
amelyek felfoghatatlanok
egy egyszerű fadiagram alkalmazásával.
egy egyszerű fadiagram alkalmazásával.
02:32
And a new metaphor is currently emerging,
38
140037
3242
Ezért mostanság egy új jelkép kerül elő,
02:35
and it's currently replacing the tree
39
143303
2150
amely a különféle tudásrendszerek
02:37
in visualizing various
systems of knowledge.
systems of knowledge.
40
145477
2563
láthatóvá tételében a fa helyébe lép.
02:40
It's really providing us with a new lens
to understand the world around us.
to understand the world around us.
41
148064
4252
Ez a köröttünk lévő világ megértéséhez
új szemlélettel ruház föl bennünket.
új szemlélettel ruház föl bennünket.
02:45
And this new metaphor
is the metaphor of the network.
is the metaphor of the network.
42
153495
3199
Ez az új jelkép a hálózat.
02:49
And we can see this shift
from trees into networks
from trees into networks
43
157511
3311
Több tudásterületen látható ez a fától
02:52
in many domains of knowledge.
44
160846
1640
a hálózat felé tartó elmozdulás.
02:54
We can see this shift in the way
we try to understand the brain.
we try to understand the brain.
45
162510
4189
Látható a változás, mikor igyekszünk
megérteni az agyműködést.
megérteni az agyműködést.
03:00
While before, we used
to think of the brain
to think of the brain
46
168453
2038
Nemrég még modulokból álló
03:02
as a modular, centralized organ,
47
170515
1991
központi szervnek tekintettük az agyat,
03:04
where a given area was responsible
for a set of actions and behaviors,
for a set of actions and behaviors,
48
172530
4038
melyben egy adott terület irányít
bizonyos cselekvéseket és viselkedést.
bizonyos cselekvéseket és viselkedést.
03:08
the more we know about the brain,
49
176592
1739
Minél többet tudunk az agyról,
03:10
the more we think of it
as a large music symphony,
as a large music symphony,
50
178355
3286
annál inkább úgy képzeljük el,
mint egy nagy zenei szimfóniát,
mint egy nagy zenei szimfóniát,
03:13
played by hundreds
and thousands of instruments.
and thousands of instruments.
51
181665
2610
melyet hangszerek százezrei
szólaltatnak meg.
szólaltatnak meg.
03:16
This is a beautiful snapshot
created by the Blue Brain Project,
created by the Blue Brain Project,
52
184299
3676
Ez a csodás felvétel a Blue Brain Project
keretében készült,
keretében készült,
03:19
where you can see 10,000 neurons
and 30 million connections.
and 30 million connections.
53
187999
4063
ahol 10 ezer neuron
és 30 millió kapcsolat látható.
és 30 millió kapcsolat látható.
03:24
And this is only mapping 10 percent
of a mammalian neocortex.
of a mammalian neocortex.
54
192736
3888
Ez pedig az emlősök neocortexét
csak 10%-ban térképezi föl.
csak 10%-ban térképezi föl.
03:30
We can also see this shift in the way
we try to conceive of human knowledge.
we try to conceive of human knowledge.
55
198815
4160
A változás abban is észrevehető, ahogy
az emberi tudást igyekszünk felfogni.
az emberi tudást igyekszünk felfogni.
Itt látható egy pár figyelemre méltó
tudás fája vagy a tudomány fája,
tudás fája vagy a tudomány fája,
03:36
These are some remarkable trees
of knowledge, or trees of science,
of knowledge, or trees of science,
56
204062
3148
03:39
by Spanish scholar Ramon Llull.
57
207234
2221
Ramon Llull spanyol tudós alkotása.
03:41
And Llull was actually the precursor,
58
209999
1810
Llull volt az előfutár,
03:43
the very first one who created
the metaphor of science as a tree,
the metaphor of science as a tree,
59
211833
3714
aki elsőként hasonlította
fához a tudományt.
fához a tudományt.
03:47
a metaphor we use
every single day, when we say,
every single day, when we say,
60
215571
2968
E jelképet használjuk minden áldott nap,
mikor azt mondjuk:
mikor azt mondjuk:
03:50
"Biology is a branch of science,"
61
218563
1665
"A biológia egy tudományág".
03:52
when we say,
62
220252
1153
mikor azt mondjuk:
03:53
"Genetics is a branch of science."
63
221429
1933
"A genetika egy tudományág".
03:56
But perhaps the most beautiful of all
trees of knowledge, at least for me,
trees of knowledge, at least for me,
64
224283
3595
De minden tudás fája közül a legszebb,
legalábbis nekem,
legalábbis nekem,
03:59
was created for the French encyclopedia
by Diderot and d'Alembert in 1751.
by Diderot and d'Alembert in 1751.
65
227902
4452
amelyet Diderot és d'Alembert alkotott meg
1751-ben a francia Enciklopédia számára.
1751-ben a francia Enciklopédia számára.
04:04
This was really the bastion
of the French Enlightenment,
of the French Enlightenment,
66
232378
2635
A mű a francia felvilágosodás
igazi bástyája volt,
igazi bástyája volt,
04:07
and this gorgeous illustration
was featured as a table of contents
was featured as a table of contents
67
235037
3825
s ez a pompás illusztráció képezte
04:10
for the encyclopedia.
68
238886
1571
a lexikon tartalomjegyzékét.
04:12
And it actually maps out
all domains of knowledge
all domains of knowledge
69
240481
4187
Az összes tudásterületet
04:16
as separate branches of a tree.
70
244692
2118
a fa egy-egy ágaként jeleníti meg.
04:19
But knowledge is much more
intricate than this.
intricate than this.
71
247866
2333
De a tudás ennél sokkal bonyolultabb.
04:22
These are two maps of Wikipedia
showing the inter-linkage of articles --
showing the inter-linkage of articles --
72
250794
4640
Ez két Wikipédia-térkép,
amely cikkek belső kapcsolódását mutatja:
amely cikkek belső kapcsolódását mutatja:
04:27
related to history on the left,
and mathematics on the right.
and mathematics on the right.
73
255458
3890
balra a történelmi, jobbra
a matematikai tárgyú cikkekét.
a matematikai tárgyú cikkekét.
04:31
And I think by looking at these maps
74
259966
1739
Ha megnézzük ezt a térképet
04:33
and other ones that have been
created of Wikipedia --
created of Wikipedia --
75
261729
2544
és a többit, melyet a Wikipédia alkotott
04:36
arguably one of the largest rhizomatic
structures ever created by man --
structures ever created by man --
76
264297
3392
— talán az ember alkotta egyik
legnagyobb rizomatikus szerkezetet —,
legnagyobb rizomatikus szerkezetet —,
04:39
we can really understand
how human knowledge is much more intricate
how human knowledge is much more intricate
77
267713
3822
akkor megérthetjük, hogy egy hálózatnál
az emberi tudás sokkal szövevényesebb
az emberi tudás sokkal szövevényesebb
04:43
and interdependent, just like a network.
78
271559
2436
és elemei egymástól
kölcsönösen jobban függenek.
kölcsönösen jobban függenek.
04:47
We can also see this interesting shift
79
275455
2163
Ezt a változást tapasztaljuk abban is,
04:49
in the way we map
social ties between people.
social ties between people.
80
277642
2700
ahogy a társadalmi kapcsolatokat
térképezzük fel.
térképezzük fel.
04:53
This is the typical organization chart.
81
281524
2295
Ez egy tipikus szervezeti séma,
egy organigram.
egy organigram.
04:55
I'm assuming many of you have seen
a similar chart as well,
a similar chart as well,
82
283843
2794
Felteszem, hogy önök közül
sokan láttak már hasonlót
sokan láttak már hasonlót
04:58
in your own corporations, or others.
83
286661
1746
a cégüknél vagy máshol.
05:00
It's a top-down structure
84
288431
1485
Ez egy felülről
05:01
that normally starts
with the CEO at the very top,
with the CEO at the very top,
85
289940
2861
építkező alakzat, legfelül a vezérrel,
05:04
and where you can drill down all the way
to the individual workmen on the bottom.
to the individual workmen on the bottom.
86
292825
3960
s haladhatunk lefelé egészen
az egyes fizikai munkásig.
az egyes fizikai munkásig.
05:09
But humans sometimes are, well, actually,
all humans are unique in their own way,
all humans are unique in their own way,
87
297634
4848
De minden ember
a maga módján egyedi,
a maga módján egyedi,
05:14
and sometimes you really don't play well
under this really rigid structure.
under this really rigid structure.
88
302506
4698
és néha nem a merev szerkezet
szerint dolgozik.
szerint dolgozik.
05:20
I think the Internet is really changing
this paradigm quite a lot.
this paradigm quite a lot.
89
308711
3110
Azt hiszem, az internet eléggé
megváltoztatja ezt a paradigmát.
megváltoztatja ezt a paradigmát.
05:23
This is a fantastic map
of online social collaboration
of online social collaboration
90
311845
3365
Ez a fantasztikus térkép
a Perl-fejlesztők közötti internetes
a Perl-fejlesztők közötti internetes
05:27
between Perl developers.
91
315234
1629
társadalmi együttműködést mutatja.
05:28
Perl is a famous programming language,
92
316887
2088
A Perl egy híres programnyelv.
05:30
and here, you can see
how different programmers
how different programmers
93
318999
2723
Látható, hogy a különböző programozók
05:33
are actually exchanging files,
and working together on a given project.
and working together on a given project.
94
321746
3827
hogyan cserélnek fájlokat,
és működnek együtt az adott projektben.
és működnek együtt az adott projektben.
05:37
And here, you can notice that this is
a completely decentralized process --
a completely decentralized process --
95
325597
4178
Észrevehetik, hogy ez teljesen
decentralizált folyamat:
decentralizált folyamat:
05:41
there's no leader in this organization,
96
329799
2156
a szervezetnek nincs vezetője,
05:43
it's a network.
97
331979
1157
ez egy hálózat.
05:46
We can also see this interesting shift
when we look at terrorism.
when we look at terrorism.
98
334337
4705
Ezt az érdekes változást figyelhetjük meg
a terrorizmus esetében is.
a terrorizmus esetében is.
05:51
One of the main challenges
of understanding terrorism nowadays
of understanding terrorism nowadays
99
339613
3104
Manapság a terrorizmus megértésében
a fő nehézség,
a fő nehézség,
05:54
is that we are dealing with
decentralized, independent cells,
decentralized, independent cells,
100
342741
3730
hogy decentralizált, független
sejtekkel van dolgunk,
sejtekkel van dolgunk,
05:58
where there's no leader
leading the whole process.
leading the whole process.
101
346495
2822
ahol az egész folyamatnak nincs vezetője.
06:02
And here, you can actually see
how visualization is being used.
how visualization is being used.
102
350518
3298
Itt láthatják, hogyan használják
a megjelenítést.
a megjelenítést.
06:05
The diagram that you see behind me
103
353840
1657
A hátam mögötti diagramon
06:07
shows all the terrorists involved
in the Madrid attack in 2004.
in the Madrid attack in 2004.
104
355521
3818
a 2004-es madridi támadásban részt vett
valamennyi terrorista látható.
valamennyi terrorista látható.
06:11
And what they did here is,
they actually segmented the network
they actually segmented the network
105
359942
2927
A hálózatot felosztották
06:14
into three different years,
106
362893
1499
három különböző évre,
06:16
represented by the vertical layers
that you see behind me.
that you see behind me.
107
364416
3042
amelyeket függőleges rétegek képviselnek —
ez látható mögöttem.
ez látható mögöttem.
06:19
And the blue lines tie together
108
367482
1969
A kék vonalak összekapcsolják
06:21
the people that were present
in that network year after year.
in that network year after year.
109
369475
3618
a hálózatban évről évre szereplőket.
06:25
So even though there's no leader per se,
110
373117
2028
Bár a hálózatnak a szó szoros értelmében
06:27
these people are probably the most
influential ones in that organization,
influential ones in that organization,
111
375169
3635
nincs vezetője, mégis,
ők a szervezet legbefolyásosabb tagjai,
ők a szervezet legbefolyásosabb tagjai,
06:30
the ones that know more about the past,
112
378828
2008
ők ismerik a legjobban a sejt múltját,
06:32
and the future plans and goals
of this particular cell.
of this particular cell.
113
380860
2877
a jövőbeni terveit és céljait.
06:37
We can also see this shift
from trees into networks
from trees into networks
114
385232
3006
A fáktól a hálózatok felé történt
elmozdulás látható abban is,
elmozdulás látható abban is,
06:40
in the way we classify
and organize species.
and organize species.
115
388262
2991
ahogy a fajokat osztályozzuk s szervezzük.
06:45
The image on the right
is the only illustration
is the only illustration
116
393245
2829
A jobb oldali ábra
az egyetlen illusztráció,
az egyetlen illusztráció,
06:48
that Darwin included
in "The Origin of Species,"
in "The Origin of Species,"
117
396098
3112
amelyet Darwin beiktatott
a Fajok eredete c. művébe.
a Fajok eredete c. művébe.
06:51
which Darwin called the "Tree of Life."
118
399234
2261
Ezt az Élet fájának nevezte.
06:54
There's actually a letter
from Darwin to the publisher,
from Darwin to the publisher,
119
402098
2885
Balra Darwinnak a kiadójához írt levele,
06:57
expanding on the importance
of this particular diagram.
of this particular diagram.
120
405007
2656
amelyben az ábra fontosságát taglalja.
06:59
It was critical for Darwin's
theory of evolution.
theory of evolution.
121
407687
2642
Perdöntő volt Darwin
evolúciós elmélete szempontjából.
evolúciós elmélete szempontjából.
07:03
But recently, scientists discovered
that overlaying this tree of life
that overlaying this tree of life
122
411408
3567
De nemrég a tudósok felfedezték,
hogy az élet fáját
hogy az élet fáját
07:06
is a dense network of bacteria,
123
414999
2435
átszövi a baktériumok sűrű hálózata,
07:09
and these bacteria
are actually tying together
are actually tying together
124
417458
2161
s ezek a baktériumok összekötik
07:11
species that were completely
separated before,
separated before,
125
419643
2172
a korábban teljesen elkülönült fajokat.
07:13
to what scientists are now calling
not the tree of life,
not the tree of life,
126
421839
3080
s ezért már nem élet fájának hívják,
07:16
but the web of life, the network of life.
127
424943
2856
hanem az élet szövedékének, hálózatának.
07:21
And finally, we can really
see this shift, again,
see this shift, again,
128
429489
2514
S végül, ugyanilyen változás látható,
07:24
when we look at ecosystems
around our planet.
around our planet.
129
432027
2424
ha Földünk ökológiai rendszereit
vizsgáljuk.
vizsgáljuk.
07:27
No more do we have these simplified
predator-versus-prey diagrams
predator-versus-prey diagrams
130
435599
3166
Már nem felel meg az iskolában tanult
leegyszerűsített
leegyszerűsített
07:30
we have all learned at school.
131
438789
1447
ragadozó kontra préda ábra.
07:33
This is a much more accurate
depiction of an ecosystem.
depiction of an ecosystem.
132
441201
2989
Ez itt egy ökológiai rendszer
sokkal precízebb ábrázolása.
sokkal precízebb ábrázolása.
07:36
This is a diagram created
by Professor David Lavigne,
by Professor David Lavigne,
133
444214
2904
David Lavigne professzor
állította össze ezt az ábrát,
állította össze ezt az ábrát,
07:39
mapping close to 100 species
that interact with the codfish
that interact with the codfish
134
447142
3500
amely a kanadai Newfoundland
partja mentén élő
partja mentén élő
07:42
off the coast of Newfoundland in Canada.
135
450666
2951
tőkehallal kapcsolatban álló
közel 100 fajt tartalmazza.
közel 100 fajt tartalmazza.
07:46
And I think here, we can really understand
the intricate and interdependent nature
the intricate and interdependent nature
136
454244
3937
Ebből megérthetjük, milyen bonyolult
és egymástól kölcsönösen függő természetű
és egymástól kölcsönösen függő természetű
07:50
of most ecosystems
that abound on our planet.
that abound on our planet.
137
458205
2523
Földünk legtöbb ökológiai rendszere.
07:54
But even though recent,
this metaphor of the network,
this metaphor of the network,
138
462442
3644
Habár újkeletű, a hálózatnak ez a jelképe
07:58
is really already adopting
various shapes and forms,
various shapes and forms,
139
466110
3103
máris különféle alakokat vesz fel,
08:01
and it's almost becoming
a growing visual taxonomy.
a growing visual taxonomy.
140
469237
2463
s már-már növekvő
vizuális rendszertanná válik.
vizuális rendszertanná válik.
08:03
It's almost becoming
the syntax of a new language.
the syntax of a new language.
141
471724
2647
Majdhogynem egy új nyelv
mondattanává válik.
mondattanává válik.
08:06
And this is one aspect
that truly fascinates me.
that truly fascinates me.
142
474395
2633
Ez a szempont engem tényleg lázba hoz.
08:09
And these are actually
15 different typologies
15 different typologies
143
477678
2533
Ez itt 15 különféle tipológia,
08:12
I've been collecting over time,
144
480235
2135
melyeket az idők során gyűjtöttem,
08:14
and it really shows the immense
visual diversity of this new metaphor.
visual diversity of this new metaphor.
145
482394
4022
és ez hűen mutatja ennek az új jelképnek
a roppant vizuális sokszínűségét.
a roppant vizuális sokszínűségét.
08:19
And here is an example.
146
487001
1222
Itt egy példa rá.
08:20
On the very top band,
you have radial convergence,
you have radial convergence,
147
488818
3933
Felül látható a sugár irányú konvergencia.
08:24
a visualization model that has become
really popular over the last five years.
really popular over the last five years.
148
492775
3939
Ez az ábrázolási modell
az utóbbi 5 évben vált népszerűvé.
az utóbbi 5 évben vált népszerűvé.
08:29
At the top left, the very first project
is a gene network,
is a gene network,
149
497198
4354
A bal felső szélen a legelső projekt —
ez egy génhálózat.
ez egy génhálózat.
08:33
followed by a network
of IP addresses -- machines, servers --
of IP addresses -- machines, servers --
150
501576
4009
Ezt a számítógépek és szerverek
IP címének hálózata követi.
IP címének hálózata követi.
08:37
followed by a network of Facebook friends.
151
505609
2972
Mellette a Facebook-barátok hálózata.
08:41
You probably couldn't find
more disparate topics,
more disparate topics,
152
509240
2508
Keresve sem találnának
egymástól eltérőbb témákat,
egymástól eltérőbb témákat,
08:43
yet they are using the same metaphor,
the same visual model,
the same visual model,
153
511772
3794
ezek mégis ugyanazt a jelképet,
ugyanazt a vizuális modellt alkalmazzák
ugyanazt a vizuális modellt alkalmazzák
08:47
to map the never-ending complexities
of its own subject.
of its own subject.
154
515590
3606
tárgyuk soha véget nem érő
bonyolultságának föltérképezésére.
bonyolultságának föltérképezésére.
08:52
And here are a few more examples
of the many I've been collecting,
of the many I've been collecting,
155
520545
3124
Mutatok még egy párat
a növekvő vizuális hálózati rendszertan
a növekvő vizuális hálózati rendszertan
08:55
of this growing visual
taxonomy of networks.
taxonomy of networks.
156
523693
2738
számtalan, általam összegyűjtött
példája közül.
példája közül.
09:00
But networks are not just
a scientific metaphor.
a scientific metaphor.
157
528248
2865
De a hálózatok nemcsak
tudományos jelképek.
tudományos jelképek.
09:04
As designers, researchers, and scientists
try to map a variety of complex systems,
try to map a variety of complex systems,
158
532192
5541
Mikor tervezők és tudósok igyekszenek
föltérképezni a komplex rendszereket,
föltérképezni a komplex rendszereket,
09:09
they are in many ways influencing
traditional art fields,
traditional art fields,
159
537757
2813
hatást is gyakorolnak
a hagyományos művészeti ágakra,
a hagyományos művészeti ágakra,
pl. a festészetre és szobrászatra,
09:12
like painting and sculpture,
160
540594
1402
09:14
and influencing many different artists.
161
542020
1993
hatást gyakorolnak a művészekre is.
09:16
And perhaps because networks have
this huge aesthetical force to them --
this huge aesthetical force to them --
162
544718
4042
S mivel a hálózatoknak ilyen
hatalmas esztétikai hatalmuk van felettük
hatalmas esztétikai hatalmuk van felettük
09:20
they're immensely gorgeous --
163
548784
1958
— elképesztően gyönyörűek —,
09:22
they are really becoming a cultural meme,
164
550766
2056
nem csoda, hogy kulturális mémmé válnak,
09:24
and driving a new art movement,
which I've called "networkism."
which I've called "networkism."
165
552846
4325
s új művészeti mozgalmat hoznak létre,
melyet "networkizmus"-nak neveztem el.
melyet "networkizmus"-nak neveztem el.
09:30
And we can see this influence
in this movement in a variety of ways.
in this movement in a variety of ways.
166
558544
3208
A mozgalomban ez a befolyás
többféleképpen érzékelhető.
többféleképpen érzékelhető.
09:33
This is just one of many examples,
167
561776
1793
Csak egy példa a számtalan közül,
09:35
where you can see this influence
from science into art.
from science into art.
168
563593
2725
ahol látható a tudomány befolyása
a művészetre.
a művészetre.
09:38
The example on your left side
is IP-mapping,
is IP-mapping,
169
566342
2871
Bal oldalon IP-térkép látható,
09:41
a computer-generated map of IP addresses;
again -- servers, machines.
again -- servers, machines.
170
569237
3659
számítógép generálta IP-címek térképe:
szervereké, számítógépeké.
szervereké, számítógépeké.
09:45
And on your right side,
171
573253
1205
A jobb oldalon
09:46
you have "Transient Structures
and Unstable Networks" by Sharon Molloy,
and Unstable Networks" by Sharon Molloy,
172
574482
4618
Sharon Molloy Tranziens struktúrák
és instabil hálózatok c. műve:
és instabil hálózatok c. műve:
09:51
using oil and enamel on canvas.
173
579124
2094
olaj és zománc a vásznon.
09:53
And here are a few more
paintings by Sharon Molloy,
paintings by Sharon Molloy,
174
581870
3105
Sharon Molloy még egy pár festménye:
09:56
some gorgeous, intricate paintings.
175
584999
1932
gyönyörű, szövevényes festmények.
10:00
And here's another example
of that interesting cross-pollination
of that interesting cross-pollination
176
588375
3306
Itt egy másik példa a tudomány
és művészet közötti
és művészet közötti
10:03
between science and art.
177
591705
1404
érdekes keresztbeporzásra.
10:05
On your left side,
you have "Operation Smile."
you have "Operation Smile."
178
593475
2665
A bal oldalon a "Mosoly hadművelet".
10:08
It is a computer-generated map
of a social network.
of a social network.
179
596164
2889
Ez egy közösségi hálózat
számítógép generálta térképe.
számítógép generálta térképe.
10:11
And on your right side,
you have "Field 4," by Emma McNally,
you have "Field 4," by Emma McNally,
180
599077
3726
A jobb oldalon Emma McNally műve:
A 4. mező.
A 4. mező.
10:14
using only graphite on paper.
181
602827
2086
A művész csak grafittal dolgozott papírra.
10:17
Emma McNally is one of the main
leaders of this movement,
leaders of this movement,
182
605374
3517
Emma McNally a mozgalom egyik vezetője,
10:20
and she creates these striking,
imaginary landscapes,
imaginary landscapes,
183
608915
2569
és e meghökkentő
képzeletbeli tájak alkotója,
képzeletbeli tájak alkotója,
10:23
where you can really notice the influence
from traditional network visualization.
from traditional network visualization.
184
611508
4665
melyeknél tetten érhető a hagyományos
hálózat-megjelenítés hatása.
hálózat-megjelenítés hatása.
10:30
But networkism doesn't happen
only in two dimensions.
only in two dimensions.
185
618324
3007
De networkizmus nemcsak
2 dimenzióban létezik.
2 dimenzióban létezik.
10:33
This is perhaps
one of my favorite projects
one of my favorite projects
186
621355
2278
Ez az új mozgalom számomra talán
10:35
of this new movement.
187
623657
1405
egyik kedvenc projektje.
10:37
And I think the title really
says it all -- it's called:
says it all -- it's called:
188
625086
2634
Azt hiszem, a címe magáért beszél:
10:39
"Galaxies Forming Along Filaments,
189
627744
2167
"Rostokból formált galaxisok
10:41
Like Droplets Along the Strands
of a Spider's Web."
of a Spider's Web."
190
629935
3332
mint pókhálófonalakon lévő cseppek."
10:46
And I just find this particular project
to be immensely powerful.
to be immensely powerful.
191
634616
3080
Igen erőteljesnek vélem ezt a projektet,
10:49
It was created by Tomás Saraceno,
192
637720
1960
a szerzője Tomás Saraceno.
10:51
and he occupies these large spaces,
193
639704
2698
Tomás betölti ezeket a nagy tereket,
10:54
creates these massive installations
using only elastic ropes.
using only elastic ropes.
194
642426
3342
s csupán rugalmas köteleket használ
ezekhez a hatalmas művekhez.
ezekhez a hatalmas művekhez.
10:57
As you actually navigate that space
and bounce along those elastic ropes,
and bounce along those elastic ropes,
195
645792
3817
Ahogy bejárjuk azt a teret,
és ugrálunk a rugalmas köteleken,
és ugrálunk a rugalmas köteleken,
11:01
the entire network kind of shifts,
almost like a real organic network would.
almost like a real organic network would.
196
649633
4575
az egész háló változik, mintha egy igazi
szerves anyagú háló lenne.
szerves anyagú háló lenne.
11:07
And here's yet another example
197
655414
2032
Még egy példa a networkizmusra,
11:09
of networkism taken
to a whole different level.
to a whole different level.
198
657470
2389
de már egészen más szinten.
11:12
This was created
by Japanese artist Chiharu Shiota
by Japanese artist Chiharu Shiota
199
660303
3213
A mű alkotója Csiharu Siota
japán művésznő,
japán művésznő,
11:15
in a piece called "In Silence."
200
663540
1755
a címe: Csendben.
11:17
And Chiharu, like Tomás Saraceno,
fills these rooms with this dense network,
fills these rooms with this dense network,
201
665834
5355
Csiharu, akárcsak Tomás Saraceno
a tereket rugalmas kötelekből,
a tereket rugalmas kötelekből,
11:23
this dense web of elastic ropes
and black wool and thread,
and black wool and thread,
202
671213
3762
fekete gyapjúból és fonalból szőtt
sűrű hálóval, sűrű szövevénnyel tölti ki,
sűrű hálóval, sűrű szövevénnyel tölti ki,
11:26
sometimes including objects,
as you can see here,
as you can see here,
203
674999
2759
néha tárgyakat helyez beléjük,
11:29
sometimes even including people,
in many of her installations.
in many of her installations.
204
677782
3022
sőt, néha sok művébe még embereket is.
11:35
But networks are also
not just a new trend,
not just a new trend,
205
683374
2691
De a hálózatok nemcsak
új irányvonalat jelentenek,
új irányvonalat jelentenek,
11:38
and it's too easy for us
to dismiss it as such.
to dismiss it as such.
206
686089
2364
s túl könnyű lenne őket
mint olyant elutasítanunk.
mint olyant elutasítanunk.
11:41
Networks really embody
notions of decentralization,
notions of decentralization,
207
689029
3607
A hálózatok megtestesítik
a decentralizáció,
a decentralizáció,
11:44
of interconnectedness, of interdependence.
208
692660
3134
a kölcsönös kapcsolatok
és függések elveit.
és függések elveit.
11:48
And this new way of thinking is critical
209
696303
2476
Ez az új gondolkodásmód
sorsdöntő számunkra,
sorsdöntő számunkra,
11:50
for us to solve many of the complex
problems we are facing nowadays,
problems we are facing nowadays,
210
698803
3730
hogy egy sor mai feladatot megoldhassunk,
11:54
from decoding the human brain,
211
702557
1841
kezdve az emberi agy dekódolásától
11:56
to understanding
the vast universe out there.
the vast universe out there.
212
704422
2403
egészen a hatalmas világmindenség
megértéséig.
megértéséig.
11:59
On your left side, you have a snapshot
of a neural network of a mouse --
of a neural network of a mouse --
213
707746
4489
Balra egy egér ideghálózatáról
készült felvételt látunk
készült felvételt látunk
12:04
very similar to our own
at this particular scale.
at this particular scale.
214
712259
2420
-- bizonyos szempontból
nagyon hasonló a miénkhez.
nagyon hasonló a miénkhez.
12:07
And on your right side, you have
the Millennium Simulation.
the Millennium Simulation.
215
715500
2966
Jobbra a millennium szimuláció látható,
12:10
It was the largest
and most realistic simulation
and most realistic simulation
216
718490
2748
mely egy kozmikus alakzat
növekedésének legnagyobb
növekedésének legnagyobb
12:13
of the growth of cosmic structure.
217
721262
1790
és leginkább valósághű szimulációja.
12:15
It was able to recreate the history
of 20 million galaxies
of 20 million galaxies
218
723490
4516
Lehetővé vált 20 millió galaxis
történetének újraalkotása,
történetének újraalkotása,
12:20
in approximately 25 terabytes of output.
219
728030
3090
amely kb. 25 terabyte-ot foglal el.
12:24
And coincidentally or not,
220
732081
1413
Véletlen vagy sem,
12:25
I just find this particular comparison
221
733518
1873
de azért hasonlítottam össze
12:27
between the smallest scale
of knowledge -- the brain --
of knowledge -- the brain --
222
735415
2703
a legkisebb léptékű tudást: az agyat
12:30
and the largest scale of knowledge --
the universe itself --
the universe itself --
223
738142
2829
és a legnagyobb léptékű tudást:
a világegyetemet,
a világegyetemet,
12:32
to be really quite striking
and fascinating.
and fascinating.
224
740995
2277
hogy igazán megdöbbentő
és elkápráztató legyek.
és elkápráztató legyek.
12:35
Because as Bruce Mau once said,
225
743807
2634
Bruce Mau egyszer azt mondta:
12:38
"When everything is connected
to everything else,
to everything else,
226
746465
2412
"Ha minden mindennel kapcsolódik,
12:40
for better or for worse,
everything matters."
everything matters."
227
748901
2397
akár jól, akár rosszul,
mindenképp számít."
mindenképp számít."
12:43
Thank you so much.
228
751322
1151
Köszönöm szépen.
12:44
(Applause)
229
752497
3802
(Taps)
ABOUT THE SPEAKER
Manuel Lima - Data visualization researcherManuel Lima studies how information can be organized -- into elegant and beautiful diagrams that illustrate the many unexpected twists of big data.
Why you should listen
Data expert Manuel Lima approaches intimidatingly dry stacks of bits with the eye of a designer. His website, VisualComplexity, is an encyclopedic and visually stunning catalog of the myriad paths artists take to illuminate the shadowy corners of stockpiled information, whether it’s a taxonomy of rap names or tracking oil money.
Lima’s passion for data has also driven him to become a historian. In The Book of Trees, he digs to the 12th-century roots of the tree diagram, one of humanity’s most powerful and ancient tools for visually representing knowledge.
More profile about the speakerLima’s passion for data has also driven him to become a historian. In The Book of Trees, he digs to the 12th-century roots of the tree diagram, one of humanity’s most powerful and ancient tools for visually representing knowledge.
Manuel Lima | Speaker | TED.com