TED2013
Eric Berlow and Sean Gourley: Mapping ideas worth spreading
Eric Berlow a Sean Gourley: Mapovanie myšlienok hodných rozšírenia
Filmed:
Readability: 4.3
1,131,373 views
Ako vyzerá 24 000 myšlienok? Ekológ Eric Berlow a fyzik Sean Gourley aplikovali algoritmus na celý archív prednášok TEDx a berú nás na inšpirujúcu vizuálnu prehliadku toho, ako sa myšlienky celosvetovo spájajú.
Eric Berlow - Ecologist
TED Senior Fellow Eric Berlow studies ecology and networks, exposing the interconnectedness of our ecosystems with climate change, government, corporations and more. Full bioSean Gourley - Physicist and military theorist
Sean Gourley, trained as a physicist, has turned his scientific mind to analyzing data about a messier topic: modern war and conflict. He is a TED Fellow. Full bio
TED Senior Fellow Eric Berlow studies ecology and networks, exposing the interconnectedness of our ecosystems with climate change, government, corporations and more. Full bioSean Gourley - Physicist and military theorist
Sean Gourley, trained as a physicist, has turned his scientific mind to analyzing data about a messier topic: modern war and conflict. He is a TED Fellow. Full bio
Double-click the English transcript below to play the video.
00:12
Eric Berlow: I'm an ecologist, and Sean's a physicist,
0
562
3061
Eric Berlow: Ja som ekológ, Sean je fyzik,
00:15
and we both study complex networks.
1
3623
2108
a obidvaja študujeme komplexné siete.
00:17
And we met a couple years ago when we discovered
2
5731
1835
Stretli sme sa pred pár rokmi, keď sme zistili,
00:19
that we had both given a short TED Talk
3
7566
2000
že obidvaja sme odprednášali krátku TED prednášku
00:21
about the ecology of war,
4
9566
2303
o ekológii vojny
00:23
and we realized that we were connected
5
11869
1447
a všimli sme si, že sme boli spojení
00:25
by the ideas we shared before we ever met.
6
13316
2818
ešte predtým, ako sme sa stretli, cez nápady, ktoré sme zdieľali
00:28
And then we thought, you know, there are thousands
7
16134
1556
A potom sme začali uvažovať, viete, sú tu tisíce
00:29
of other talks out there, especially TEDx Talks,
8
17690
2114
iných prednášok, najmä prednášky TEDx ,
00:31
that are popping up all over the world.
9
19804
2211
ktoré sa objavujú po celom svete.
00:34
How are they connected,
10
22015
923
Ako sú navzájom spojené,
00:34
and what does that global conversation look like?
11
22938
2010
a ako vyzerá celá globálna konverzácia?
00:36
So Sean's going to tell you a little bit about how we did that.
12
24948
2810
Takže teraz vám Sean povie trochu viac o tom, ako sme to spravili.
00:39
Sean Gourley: Exactly. So we took 24,000 TEDx Talks
13
27758
3767
Sean Gourley: Presne. Takže sme zobrali 24 000 TEDx prednášok
00:43
from around the world, 147 different countries,
14
31525
3046
z celého sveta, konkrétne zo 147 rôznych krajín,
00:46
and we took these talks and we wanted to find
15
34571
2123
a keď sme zozbierali všetky tieto prednášky, chceli sme v nich nájsť
00:48
the mathematical structures that underly
16
36694
2040
matematickú štruktúru, ktorá vystihuje
00:50
the ideas behind them.
17
38734
1722
ich hlavné myšlienky.
00:52
And we wanted to do that so we could see how
18
40456
1370
A chceli sme to spraviť tak, aby sme videli ako
00:53
they connected with each other.
19
41826
2053
sú navzájom prepojené.
00:55
And so, of course, if you're going to do this kind of stuff,
20
43879
1676
A samozrejme, pre takúto vec
00:57
you need a lot of data.
21
45555
956
potrebujeme veľmi veľa dát.
00:58
So the data that you've got is a great thing called YouTube,
22
46511
3686
Údaje. ktoré máme my, je jedna úžasná vec, ktorá sa volá YouTube
01:02
and we can go down and basically pull
23
50197
1768
a my môžeme jednoducho prísť a stiahnuť
01:03
all the open information from YouTube,
24
51965
2267
všetky verejné informćie z YouTube,
01:06
all the comments, all the views, who's watching it,
25
54232
2349
všetky komentáre, počet prezretí, kto to pozerá,
01:08
where are they watching it, what are they saying in the comments.
26
56581
2779
kde to pozerá a čo hovoria v komentároch.
01:11
But we can also pull up, using speech-to-text translation,
27
59360
3292
My ale môžeme tiež získať celý prepis videa,
01:14
we can pull the entire transcript,
28
62652
2128
použitím prepisu zvuku do textu.
01:16
and that works even for people with kind of funny accents like myself.
29
64780
2680
A to funguje aj pre ľudí so smiešnym prízvukom, ako mám ja.
01:19
So we can take their transcript
30
67460
2106
Takže my môžeme zobrať prepisy prednášok
01:21
and actually do some pretty cool things.
31
69566
2098
a spraviť s nimi celkom zaujímavé veci.
01:23
We can take natural language processing algorithms
32
71664
2160
Môžeme zobrať algoritmus, ktorý prirodzene spracováva reč,
01:25
to kind of read through with a computer, line by line,
33
73824
2629
na počítači ho ako keby prečítať riadok po riadku
01:28
extracting key concepts from this.
34
76453
2359
a nájsť kľúčové koncepty.
01:30
And we take those key concepts and they sort of form
35
78812
2525
A tieto kľúčové koncepty, ako keby formovali
01:33
this mathematical structure of an idea.
36
81337
3565
matematickú štruktúru myšlienky.
01:36
And we call that the meme-ome.
37
84902
1757
My ich voláme meme-óm.
01:38
And the meme-ome, you know, quite simply,
38
86659
2151
A tento meme-óm, je jednoducho
01:40
is the mathematics that underlies an idea,
39
88810
2426
matematika, ktorá stojí za myšlienkou,
01:43
and we can do some pretty interesting analysis with it,
40
91236
1932
a my s tým dokážeme urobiť ceľkom zaujímavú analýzu,
01:45
which I want to share with you now.
41
93168
1981
o ktorú by som sa s vami chcel teraz podeliť.
01:47
So each idea has its own meme-ome,
42
95149
2190
Takže každá myšlienka má svoj vlastný meme-óm
01:49
and each idea is unique with that,
43
97339
1951
ktorý je pre každú myšlienku jedinečný,
01:51
but of course, ideas, they borrow from each other,
44
99290
2488
ale samozrejme, myšlienky si ho tak trochu požičiavajú jedna od druhej.
01:53
they kind of steal sometimes,
45
101778
1184
Niekedy si kradnú časti
01:54
and they certainly build on each other,
46
102962
1827
a určite sa navzájom rozvíjajú.
01:56
and we can go through mathematically
47
104789
1616
A môžeme ísť cez to matematicky
01:58
and take the meme-ome from one talk
48
106405
1840
a zobrať meme-óm z jednej prednášky
02:00
and compare it to the meme-ome from every other talk,
49
108245
2454
a porovnať to s meme-ómom zo vštkých ostatných
02:02
and if there's a similarity between the two of them,
50
110699
1973
a keď nájdeme medzi dvomi podobnosť,
02:04
we can create a link and represent that as a graph,
51
112672
3250
môžeme vytvoriť prepojenie a zobrazíme to ako graf,
02:07
just like Eric and I are connected.
52
115922
2394
presne tak, ako sme my navzájom spojení s Erikom.
02:10
So that's theory, that's great.
53
118316
1394
Tak to je teória. Super.
02:11
Let's see how it works in actual practice.
54
119710
2526
Poďme sa pozrieť, ako to funguje v praxi.
02:14
So what we've got here now is the global footprint
55
122236
2788
To čo tu máme je celková stopa
02:17
of all the TEDx Talks over the last four years
56
125024
2293
všetkých TEDx prednášok za posledné štyri roky,
02:19
exploding out around the world
57
127317
1550
objavujúcich sa po celom svete,
02:20
from New York all the way down to little old New Zealand in the corner.
58
128867
3329
od New Yorku až starý dobrý Nový Zéland dole v rohu.
02:24
And what we did on this is we analyzed the top 25 percent of these,
59
132196
3835
My sme z nich zanalyzovali horných 25 percent
02:28
and we started to see where the connections occurred,
60
136031
2534
a začali sme vidieť kde vznikli spojenia,
02:30
where they connected with each other.
61
138565
1537
kde sa navzájom spojili.
02:32
Cameron Russell talking about image and beauty
62
140102
1874
Cameron Russell, ktorý rozprával o obraze a kráse
02:33
connected over into Europe.
63
141976
1575
sa prepojil do Európy.
02:35
We've got a bigger conversation about Israel and Palestine
64
143551
2412
Máme tu väčší rozhovor o Izraeli a Palestíne,
02:37
radiating outwards from the Middle East.
65
145963
2255
ktorý vychádza z Blízkeho východu.
02:40
And we've got something a little broader
66
148218
1298
Máme tu aj niečo väčšie,
02:41
like big data with a truly global footprint
67
149516
2156
ako obsiahle údaje, so skutočne širokou stopou,
02:43
reminiscent of a conversation
68
151672
2179
ktoré pripomínajú veľký,
02:45
that is happening everywhere.
69
153851
2016
celosvetový rozhovor.
02:47
So from this, we kind of run up against the limits
70
155867
2173
Týmto sme na konci možností,
02:50
of what we can actually do with a geographic projection,
71
158040
2530
čo vieme urobiť s dvojrozmerným geografickým zobrazením,
02:52
but luckily, computer technology allows us to go out
72
160570
2052
ale našťastie, moderná počítačová technológia nám umožňuje ísť ďalej,
02:54
into multidimensional space.
73
162622
1546
do viacrozmerného priestoru.
02:56
So we can take in our network projection
74
164168
1875
Takže môžeme zobrať zobrazenie našej siete
02:58
and apply a physics engine to this,
75
166043
1750
a aplikovať na to "fyzikálny model".
02:59
and the similar talks kind of smash together,
76
167793
1885
A podobné prednášky sa akoby k sebe budú priťahovať
03:01
and the different ones fly apart,
77
169678
2004
a rozdielne sa oddelia.
03:03
and what we're left with is something quite beautiful.
78
171682
2072
A čo zostane, je naozaj pekný výsledok.
03:05
EB: So I want to just point out here that every node is a talk,
79
173754
2957
EB: Len by som chcel ujasniť, že každý uzlový bod je prednáška.
03:08
they're linked if they share similar ideas,
80
176711
2589
ktoré sú spojené, ak majú spoločné myšlienky.
03:11
and that comes from a machine reading
81
179300
2084
Toto všetko pochádza z automatického čítania
03:13
of entire talk transcripts,
82
181384
2067
všetkých prepisov prednášok
03:15
and then all these topics that pop out,
83
183451
2231
a všetky tieto výsledné témy
03:17
they're not from tags and keywords.
84
185682
1790
nepochádzajú z tagov, a ani kľúčových slov.
03:19
They come from the network structure
85
187472
1725
Pochádzajú zo štruktúry siete
03:21
of interconnected ideas. Keep going.
86
189197
2168
navzájom spojených myšlienok. Pokračuj.
03:23
SG: Absolutely. So I got a little quick on that,
87
191365
2022
SG: Presne. Zobral som to trochu rýchlo,
03:25
but he's going to slow me down.
88
193387
1475
ale on ma vždy spomalí.
03:26
We've got education connected to storytelling
89
194862
2034
Vzdelanie na našej sieti tvorí spojený trojuholník
03:28
triangulated next to social media.
90
196896
1643
s rozprávaním príbehov, a so sociálnymi médiami.
03:30
You've got, of course, the human brain right next to healthcare,
91
198539
2475
Máme tu samozrejme ľudský mozog hneď vedľa zdravotnej starostlivosti,
03:33
which you might expect,
92
201014
1386
čo sa dá očakávať,
03:34
but also you've got video games, which is sort of adjacent,
93
202400
2395
ale aj počítačové hry, ktoré k ním priliehajú
03:36
as those two spaces interface with each other.
94
204795
2740
na ich rozhraní.
03:39
But I want to take you into one cluster
95
207535
1535
Ale chcel by som vám ukázať jedno zoskupenie,
03:41
that's particularly important to me, and that's the environment.
96
209070
2868
ktoré je pre mňa špeciálne dôležité, a tým je životné prostredie.
03:43
And I want to kind of zoom in on that
97
211938
1493
Chcem našu sieť trochu priblížiť
03:45
and see if we can get a little more resolution.
98
213431
2363
a skúsiť dostať väčšie rozlíšenie.
03:47
So as we go in here, what we start to see,
99
215794
2347
Takže keď si to priblížime, uvidíme,
03:50
apply the physics engine again,
100
218141
1504
znova použitím "fyzikálneho modelu",
03:51
we see what's one conversation
101
219645
1676
že čo sa zdá byť ako jedna konverzácia,
03:53
is actually composed of many smaller ones.
102
221321
2560
je v skutočnosti mnoho menších.
03:55
The structure starts to emerge
103
223881
1929
Začne sa tvoriť štruktúra,
03:57
where we see a kind of fractal behavior
104
225810
2070
kde vidíme, niečo ako fraktálové správanie
03:59
of the words and the language that we use
105
227880
1619
slov a jazyka, ktoré používame
04:01
to describe the things that are important to us
106
229499
1702
na opis vecí, ktoré sú pre nás dôležité
04:03
all around this world.
107
231201
1433
po celom svete.
04:04
So you've got food economy and local food at the top,
108
232634
2332
Hore máme ekonomiku potravín a miestne jedlo,
04:06
you've got greenhouse gases, solar and nuclear waste.
109
234966
2719
máme tu skleníkové plyny, solárny a nukleárny odpad.
04:09
What you're getting is a range of smaller conversations,
110
237685
2631
Čo dostávame, je rozsah menších konverzácí,
04:12
each connected to each other through the ideas
111
240316
2301
každá spojená s ďalšou cez myšlienky
04:14
and the language they share,
112
242617
1301
a jazyk, ktorý zdieľajú,
04:15
creating a broader concept of the environment.
113
243918
2450
vytvárajúce širší koncept živorného prostredia.
04:18
And of course, from here, we can go
114
246368
1532
A samozrejme, môžeme odtiaľto priblížiť
04:19
and zoom in and see, well, what are young people looking at?
115
247900
3534
a pozrieť sa, na čo sa pozerajú mladí ľudia.
04:23
And they're looking at energy technology and nuclear fusion.
116
251434
2345
Zaujíma ich energetická technológia a nukleárna fúzia.
04:25
This is their kind of resonance
117
253779
1674
Toto je ich účasť
04:27
for the conversation around the environment.
118
255453
2406
v rozhovore o životnom prostredí.
04:29
If we split along gender lines,
119
257859
1899
Keď to rozdelíme podľa pohlaví,
04:31
we can see females resonating heavily
120
259758
1987
vidíme, že ženy sa zaujímajú o témy ako
04:33
with food economy, but also out there in hope and optimism.
121
261745
3645
potraviny, ale zaujímajíma ich aj nádej a pozitívne myslenie.
04:37
And so there's a lot of exciting stuff we can do here,
122
265390
2482
Je tu veľa zaujímavých vecí, čo s týmto môžeme urobiť
04:39
and I'll throw to Eric for the next part.
123
267872
1762
a ja poprosím Erika, aby pokračoval
04:41
EB: Yeah, I mean, just to point out here,
124
269634
1602
EB: Áno, rád by som poznamenal,
04:43
you cannot get this kind of perspective
125
271236
1538
že nemôžete získať takúto perspektívu
04:44
from a simple tag search on YouTube.
126
272774
3360
z jednoduchého vyhľadávnia tagov na YouTube.
04:48
Let's now zoom back out to the entire global conversation
127
276134
4188
Oddiaľme znova ku kompletnej sieti globálnej konverzácie
04:52
out of environment, and look at all the talks together.
128
280322
2534
preč od životného prostredia a pozrime sa na všetky prednášky dokopy.
04:54
Now often, when we're faced with this amount of content,
129
282856
2927
Často, keď čelíme takémuto kvantu informácií,
04:57
we do a couple of things to simplify it.
130
285783
2431
môžeme to rôzne zjednodušiť.
05:00
We might just say, well,
131
288214
1314
Môžeme sa opýtať,
05:01
what are the most popular talks out there?
132
289528
2829
ktoré prednášky sú najpopulárnejšie?
05:04
And a few rise to the surface.
133
292357
1397
A niektoré vyčnievaú na povrch.
05:05
There's a talk about gratitude.
134
293754
1828
Je tu jedna o vďačnosti.
05:07
There's another one about personal health and nutrition.
135
295582
3344
Ďalšia je o osobnom zdraví a výžive.
05:10
And of course, there's got to be one about porn, right?
136
298926
2929
A samozrejme, musí tam byť jedna aj o porne, však?
05:13
And so then we might say, well, gratitude, that was last year.
137
301855
3234
A potom môžeme povedať, no, vďačnosť bola minulý rok.
05:17
What's trending now? What's the popular talk now?
138
305089
2522
Čo je teraz trendom? Aká je najobľúbenejšia prednáška dnes?
05:19
And we can see that the new, emerging, top trending topic
139
307611
3321
A my môžeme vidieť, že nová, vychádzajuca, populárna téma
05:22
is about digital privacy.
140
310932
2666
je o digitálnom súkromí.
05:25
So this is great. It simplifies things.
141
313598
1693
Je to úžasné. Zjednoduší to veci.
05:27
But there's so much creative content
142
315291
1827
Ale je tu oveľa viac kreatívnho obsahu.
05:29
that's just buried at the bottom.
143
317118
1921
ktorý sa jednoducho stratí v mase ostatných.
05:31
And I hate that. How do we bubble stuff up to the surface
144
319039
3318
A to sa mi nepáči. Ako by sme moli docieliť aby sme si všmli takých vecí,
05:34
that's maybe really creative and interesting?
145
322357
2458
ktoré sú možno kreatívne a zaujímavé?
05:36
Well, we can go back to the network structure of ideas
146
324815
2931
No, na to môžeme ísť späť
05:39
to do that.
147
327746
1430
ku štruktúre siete myšlienok.
05:41
Remember, it's that network structure
148
329176
2114
Pamätajte, že je to tá štruktúra siete,
05:43
that is creating these emergent topics,
149
331290
2268
ktorá vytvára tieto témy
05:45
and let's say we could take two of them,
150
333558
1515
a povedzme, že by sme mohli zobrať dve prednášky,
05:47
like cities and genetics, and say, well, are there any talks
151
335073
3047
ako napríklad mestá a genetika, a spýtať sa, či sú tu nejaké prednášky
05:50
that creatively bridge these two really different disciplines.
152
338120
2569
ktoré kreatívne premosťujú tieto dve úplne rozdielne disciplíny.
05:52
And that's -- Essentially, this kind of creative remix
153
340689
2275
A to, v podstate akýsi kreatívny remix,
05:54
is one of the hallmarks of innovation.
154
342964
1840
je jedým z charakteristických črtov inovácie.
05:56
Well here's one by Jessica Green
155
344804
1606
No, tu je jedna od Jessicy Green
05:58
about the microbial ecology of buildings.
156
346410
2379
o mikrobiálnej ekológie budov.
06:00
It's literally defining a new field.
157
348789
2010
Doslova to určuje nový obor.
06:02
And we could go back to those topics and say, well,
158
350799
2103
A my môžeme ísť späť k tým témam a spýtať sa:
06:04
what talks are central to those conversations?
159
352902
2768
ktoré prednášky sú ústredné v tých konverzáciách?
06:07
In the cities cluster, one of the most central
160
355670
1690
V zoskupení o mestách, jedna z najhlavnejších
06:09
was one by Mitch Joachim about ecological cities,
161
357360
3952
bola od Mitcha Joachima o ekologických mestách,
06:13
and in the genetics cluster,
162
361312
1720
a v zoskupení o genetike,
06:15
we have a talk about synthetic biology by Craig Venter.
163
363032
3193
máme prednášku o syntetickej biológii od Craiga Ventera.
06:18
These are talks that are linking many talks within their discipline.
164
366225
3353
Toto sú prednášky, čo spájajú veľa iných vo svojej téme.
06:21
We could go the other direction and say, well,
165
369578
1843
Mohli by sme ísť opačným smerom a spýtať sa:
06:23
what are talks that are broadly synthesizing
166
371421
2272
ktoré reči všeobecne zlučujú
06:25
a lot of different kinds of fields.
167
373693
1448
veľa rozličných sfér?
06:27
We used a measure of ecological diversity to get this.
168
375141
2533
Použili sme na to meranie ekologickej rozdielnosti.
06:29
Like, a talk by Steven Pinker on the history of violence,
169
377674
2736
Napríklad, prednáška o histórii násilia od Stevena Pinkera,
06:32
very synthetic.
170
380410
1180
spája mnohé.
06:33
And then, of course, there are talks that are so unique
171
381590
2078
A potom, samozrejme, sú tu napríklad prednášky, ktoré sú také jedinečné,
06:35
they're kind of out in the stratosphere, in their own special place,
172
383668
3090
že sú ako keby mimo, v stratosfére, na špeciálnom mieste,
06:38
and we call that the Colleen Flanagan index.
173
386758
2514
a my ich voláme Colleen Flanaganin ukazovateľ.
06:41
And if you don't know Colleen, she's an artist,
174
389272
3034
Ak nepoznáte Colleen, je umelkyňa,
06:44
and I asked her, "Well, what's it like out there
175
392306
1543
a ja som sa jej spýtal: „Aké je to, byť až tam,
06:45
in the stratosphere of our idea space?"
176
393849
1672
v stratosfére nášho myšlienkového priestoru?“
06:47
And apparently it smells like bacon.
177
395521
3255
Údajne to tam vonia ako slanina.
06:50
I wouldn't know.
178
398776
1791
To som nevedel.
06:52
So we're using these network motifs
179
400567
2248
Takže my používame tieto tvary siete
06:54
to find talks that are unique,
180
402815
1186
aby sme našli prednášky, ktoré sú výnimočné,
06:56
ones that are creatively synthesizing a lot of different fields,
181
404001
2710
tie, ktoré kreatívne spájajú veľa rôznych oblastí,
06:58
ones that are central to their topic,
182
406711
1659
tie, ktoré sú pre ich tému ústredné,
07:00
and ones that are really creatively bridging disparate fields.
183
408370
3374
a tie, ktoré nápadito premosťujú rôzne oblasti.
07:03
Okay? We never would have found those with our obsession
184
411744
2102
OK? Nikdy by sme ich nenašli s našou posadnutosťou
07:05
with what's trending now.
185
413846
2313
s tým, čo je teraz populárne.
07:08
And all of this comes from the architecture of complexity,
186
416159
2886
A toto všetko vychádza z architektúry komplexnosti,
07:11
or the patterns of how things are connected.
187
419045
2960
alebo zo vzorcov, ako sú veci spojené.
07:14
SG: So that's exactly right.
188
422005
1625
SG: Presne tak.
07:15
We've got ourselves in a world
189
423630
2479
My všetci žijeme vo svete,
07:18
that's massively complex,
190
426109
2044
ktorý je neskutočne komplexný,
07:20
and we've been using algorithms to kind of filter it down
191
428153
2867
a my sme využili algoritmy, aby sme to čiastočne filtrovali,
07:23
so we can navigate through it.
192
431020
1786
aby sme sa v tom trochu vyznali.
07:24
And those algorithms, whilst being kind of useful,
193
432806
2338
A tieto algoritmy, zatiaľ čo sú celkom užitočné.
07:27
are also very, very narrow, and we can do better than that,
194
435144
3476
sú taktiež veľmi obmedzené a my môžeme spraviť lepšie,
07:30
because we can realize that their complexity is not random.
195
438620
2566
lebo si môžeme uvedomiť, že komplexnosť nie je náhoná.
07:33
It has mathematical structure,
196
441186
1954
Má matematickú štruktúru
07:35
and we can use that mathematical structure
197
443140
1803
a my tú matematickú štruktúru môžeme použiť
07:36
to go and explore things like the world of ideas
198
444943
2214
na objavovanie vecí ako svet myšlienok,
07:39
to see what's being said, to see what's not being said,
199
447157
3000
vidieť, čo sa hovorí a vidieť čo sa nehovorí,
07:42
and to be a little bit more human
200
450157
1407
a byť trochu ľudskejší
07:43
and, hopefully, a little smarter.
201
451564
1867
a dúfajme, že aj trochu múdrejší.
07:45
Thank you.
202
453431
966
Ďakujeme.
07:46
(Applause)
203
454397
4220
(Potlesk)
ABOUT THE SPEAKERS
Eric Berlow - EcologistTED Senior Fellow Eric Berlow studies ecology and networks, exposing the interconnectedness of our ecosystems with climate change, government, corporations and more.
Why you should listen
Eric Berlow is an ecologist and network scientist who specializes in not specializing. A TED Senior Fellow, Berlow is recognized for his research on food webs and ecological networks and for creative approaches to complex problems. He was the founding director of the University of California's first environmental science center inside Yosemite National Park, where he continues to develop data-driven approaches to managing natural ecosystems.
In 2012 Berlow founded Vibrant Data Labs, which builds tools to use data for social good. Berlow's current projects range from helping spark an egalitarian personal data economy to protecting endangered amphibians in Yosemite to crowd-sourcing novel insights about human creativity. Berlow holds a Ph.D. from Oregon State University in marine ecology.
Eric Berlow | Speaker | TED.com
Sean Gourley - Physicist and military theorist
Sean Gourley, trained as a physicist, has turned his scientific mind to analyzing data about a messier topic: modern war and conflict. He is a TED Fellow.
Why you should listen
Sean Gourley's twin passions are physics (working on nanoscale blue-light lasers and self-assembled quantum nanowires) and politics (he once ran for a national elected office back home in New Zealand).
A Rhodes scholar, he's spent the past five years working at Oxford on complex adaptive systems and collective intelligent systems -- basically, using data to understand the nature of human conflict. As he puts it, "This research has taken me all over the world from the Pentagon, to the House of Lords, the United Nations and most recently to Iraq". Originally from New Zealand, he now lives in San Francisco, where he is the co-founder and CTO of Quid which is building a global intelligence platform. He's a 2009 TED Fellow.
In December 2009, Gourley and his team's research was published in the scientific journal Nature. He is co-founder and CTO of Quid.
Sean Gourley | Speaker | TED.com