Placeholder Image

字幕表 動画を再生する

  • Eric Berlow: I'm an ecologist, and Sean's a physicist,

    翻訳: Reiko Bovee 校正: Wataru Terada

  • and we both study complex networks.

    エリック・バーロウ:私は生態学者で ショーンは物理学者です

  • And we met a couple years ago when we discovered

    私達は複雑なネットワークを 研究しています

  • that we had both given a short TED Talk

    私たちが数年前出会った時 2人共 戦争の生態について

  • about the ecology of war,

    私たちが数年前出会った時 2人共 戦争の生態について

  • and we realized that we were connected

    TEDで話した事を知り

  • by the ideas we shared before we ever met.

    会う前から同じ考えで

  • And then we thought, you know, there are thousands

    通じ合っている事が解りました

  • of other talks out there, especially TEDx Talks,

    TEDxもそうですが

  • that are popping up all over the world.

    世界中に何千もの

  • How are they connected,

    トークメディアが出現していますが

  • and what does that global conversation look like?

    それ等の繋がりや

  • So Sean's going to tell you a little bit about how we did that.

    グローバルな会話とは どんなものでしょう

  • Sean Gourley: Exactly. So we took 24,000 TEDx Talks

    ショーンが私たちの研究を 簡単にお話しします

  • from around the world, 147 different countries,

    ショーン・ゴーリー: 2万4千ものTEDxトークを

  • and we took these talks and we wanted to find

    147カ国から集めました

  • the mathematical structures that underly

    そして これらのトークの背景にある

  • the ideas behind them.

    潜在的なアイデアの 数学的構造を見つけ

  • And we wanted to do that so we could see how

    潜在的なアイデアの 数学的構造を見つけ

  • they connected with each other.

    それ等のトークがどうお互い

  • And so, of course, if you're going to do this kind of stuff,

    繋がり合っているのか 知りたかったのです

  • you need a lot of data.

    勿論 それには

  • So the data that you've got is a great thing called YouTube,

    多くのデータが必要です

  • and we can go down and basically pull

    その素晴らしいデーターとは YouTubeです

  • all the open information from YouTube,

    基本的にYouTubeから 公開情報を取り出す事が出来ます

  • all the comments, all the views, who's watching it,

    基本的にYouTubeから 公開情報を取り出す事が出来ます

  • where are they watching it, what are they saying in the comments.

    コメントや再生回数 どこで誰が見ているか

  • But we can also pull up, using speech-to-text translation,

    コメントの内容も解ります

  • we can pull the entire transcript,

    その上 音声テキスト変換を使い

  • and that works even for people with kind of funny accents like myself.

    トークの原稿全体を 取り出す事が出来ます

  • So we can take their transcript

    私の様な訛のあっても 大丈夫です

  • and actually do some pretty cool things.

    そんな原稿を取り出し

  • We can take natural language processing algorithms

    すごい事が出来るのです

  • to kind of read through with a computer, line by line,

    自然言語処理アルゴリズムをつかって

  • extracting key concepts from this.

    鍵となる考えを一行ごとに

  • And we take those key concepts and they sort of form

    コンピュータで読み込みます

  • this mathematical structure of an idea.

    そして鍵となるコンセプトを取り出し

  • And we call that the meme-ome.

    アイデアの数学的構造の様な形にします

  • And the meme-ome, you know, quite simply,

    それを私達は「ミーモム」と呼びます

  • is the mathematics that underlies an idea,

    「ミーモム」は簡単に言うと

  • and we can do some pretty interesting analysis with it,

    あるアイデアが元になった数学なのです

  • which I want to share with you now.

    これを使って とても面白い分析ができます

  • So each idea has its own meme-ome,

    それをここでお見せしたいのです

  • and each idea is unique with that,

    1つ1つのアイデアに 「ミーモム」があり

  • but of course, ideas, they borrow from each other,

    それはそれぞれユニークですが

  • they kind of steal sometimes,

    勿論お互いアイデアを借り合い

  • and they certainly build on each other,

    時にはアイデアを盗んだり

  • and we can go through mathematically

    確かに相互関係にあります

  • and take the meme-ome from one talk

    そこで数学的に

  • and compare it to the meme-ome from every other talk,

    一つのトークから「ミーモム」をとり

  • and if there's a similarity between the two of them,

    他の個々のトークから 取ったものと比べます

  • we can create a link and represent that as a graph,

    もし類似点があれば

  • just like Eric and I are connected.

    リンクで繋ぎ グラフに表します

  • So that's theory, that's great.

    私とエリックが 繋がった様にです

  • Let's see how it works in actual practice.

    それが理論です それでは

  • So what we've got here now is the global footprint

    実際にどんな働きをするのか 見てみましょう

  • of all the TEDx Talks over the last four years

    ここにあるのは過去4年間の

  • exploding out around the world

    TEDxトークの足跡です

  • from New York all the way down to little old New Zealand in the corner.

    世界中に爆発的に広がってます

  • And what we did on this is we analyzed the top 25 percent of these,

    ニューヨークから ずっとニュージーランドまで

  • and we started to see where the connections occurred,

    これらのトップ25%を分析し

  • where they connected with each other.

    その繋がりの起点から

  • Cameron Russell talking about image and beauty

    見ていきました

  • connected over into Europe.

    イメージと美について話している キャメロンとラッセルは

  • We've got a bigger conversation about Israel and Palestine

    ヨーロッパで繋がりました

  • radiating outwards from the Middle East.

    会話は中東の話から発し イスラエルとパレスチナの

  • And we've got something a little broader

    にぎやかな会話に広がりました

  • like big data with a truly global footprint

    そしてもう少し一般的な 雑談とも思えるような

  • reminiscent of a conversation

    そしてもう少し一般的な 雑談とも思えるような

  • that is happening everywhere.

    ビッグデータ的な ものも得られました

  • So from this, we kind of run up against the limits

    真にグローバルな軌跡です

  • of what we can actually do with a geographic projection,

    ここで私達がぶつかったのは

  • but luckily, computer technology allows us to go out

    地図的表現の限界です

  • into multidimensional space.

    でも幸運にもコンピュータ技術で

  • So we can take in our network projection

    多次元の空間を扱えます

  • and apply a physics engine to this,

    ネットワーク表現を使い

  • and the similar talks kind of smash together,

    これに物理演算エンジンを適用します

  • and the different ones fly apart,

    同じ様なトークはお互いぶつかり合い

  • and what we're left with is something quite beautiful.

    異なるものは飛び離れ

  • EB: So I want to just point out here that every node is a talk,

    本当に美しいイメージが残ります

  • they're linked if they share similar ideas,

    ここで大切なのは 個々のノードはトークを表していて

  • and that comes from a machine reading

    同じ様なアイデアは結ばれます

  • of entire talk transcripts,

    全てのトークスクリプトを

  • and then all these topics that pop out,

    機械が読んで作っています

  • they're not from tags and keywords.

    現れて来るトピックは タグやキーワードから

  • They come from the network structure

    作ったものではありません

  • of interconnected ideas. Keep going.

    関連し合うアイデアの

  • SG: Absolutely. So I got a little quick on that,

    ネットワーク構成から 生まれたものです 続けて下さい

  • but he's going to slow me down.

    その通り 先を急ぎ過ぎたので

  • We've got education connected to storytelling

    彼が補足してくれました

  • triangulated next to social media.

    「教育」と「語り聞かせ」が 「ソーシャルメディア」と

  • You've got, of course, the human brain right next to healthcare,

    三画に繋がっています

  • which you might expect,

    「医療」のすぐ側は 勿論 「頭脳」です

  • but also you've got video games, which is sort of adjacent,

    これは予想できますが

  • as those two spaces interface with each other.

    この2つのスペースが繋ぎ合う

  • But I want to take you into one cluster

    割と近くに「ビデオゲーム」があるのです

  • that's particularly important to me, and that's the environment.

    私が特に大切に思う

  • And I want to kind of zoom in on that

    「環境」の塊をお見せしましょう

  • and see if we can get a little more resolution.

    もっと解像度を上げられないか

  • So as we go in here, what we start to see,

    ズームインしてみます

  • apply the physics engine again,

    ここに入って物理演算エンジンを使い

  • we see what's one conversation

    現れて来たのは・・・

  • is actually composed of many smaller ones.

    この1つの会話は

  • The structure starts to emerge

    いくつかの小さなものの 集まりだとわかります

  • where we see a kind of fractal behavior

    この構造からわかるのは

  • of the words and the language that we use

    私たちが大切なトピックを

  • to describe the things that are important to us

    表すのに使う単語や言葉の

  • all around this world.

    フラクタル的な挙動です

  • So you've got food economy and local food at the top,

    フラクタル的な挙動です

  • you've got greenhouse gases, solar and nuclear waste.

    ここでは「食料経済学」と 「地元の食材」が上部にあり

  • What you're getting is a range of smaller conversations,

    「温室効果ガス」や 「太陽光発電」に「核廃棄物」もあります

  • each connected to each other through the ideas

    小規模な会話が

  • and the language they share,

    共通の言葉やアイデアで

  • creating a broader concept of the environment.

    互いに結びつき

  • And of course, from here, we can go

    環境に関する より大きな考えを築いています

  • and zoom in and see, well, what are young people looking at?

    勿論ここからズームインすれば

  • And they're looking at energy technology and nuclear fusion.

    若者が何を見ているか解ります

  • This is their kind of resonance

    彼らは「核融合」や 「エネルギー技術」を見ています

  • for the conversation around the environment.

    言わばこれらが彼らの

  • If we split along gender lines,

    環境についての会話と 共鳴するトピックなのです

  • we can see females resonating heavily

    性別に分けてみると

  • with food economy, but also out there in hope and optimism.

    女性は「食糧経済学」に とても同調しており

  • And so there's a lot of exciting stuff we can do here,

    また そこに「希望と楽観」も 見てとれます

  • and I'll throw to Eric for the next part.

    いろんな面白いことができるんです

  • EB: Yeah, I mean, just to point out here,

    次はエリックにお願いしましょう

  • you cannot get this kind of perspective

    ええ ここで言いたいのは

  • from a simple tag search on YouTube.

    こうした観点はYouTubeの

  • Let's now zoom back out to the entire global conversation

    単なるタグ検索だけでは 得られないと言う事です

  • out of environment, and look at all the talks together.

    「環境」からグローバルな 話題全体に

  • Now often, when we're faced with this amount of content,

    ズームアウトし トークを一望してみます

  • we do a couple of things to simplify it.

    通常 これ程の量の 情報に遭遇すると

  • We might just say, well,

    単純化する為に いくつかの方法を取ります

  • what are the most popular talks out there?

    こう検索するかもしれません

  • And a few rise to the surface.

    今一番人気のあるトークは?

  • There's a talk about gratitude.

    すると数個が現れてきます

  • There's another one about personal health and nutrition.

    感謝に関するトーク

  • And of course, there's got to be one about porn, right?

    健康や栄養に関するトーク

  • And so then we might say, well, gratitude, that was last year.

    そして勿論ポルノについてですね

  • What's trending now? What's the popular talk now?

    去年は感謝に 関するものでしたが

  • And we can see that the new, emerging, top trending topic

    今年はどんなトークが 人気があるか?と見てみると

  • is about digital privacy.

    新しい人気トップの 候補が現れます

  • So this is great. It simplifies things.

    インターネット上の プライバシーについてです

  • But there's so much creative content

    いいですね  解りやすいです

  • that's just buried at the bottom.

    でも このような検索に ひっかからない

  • And I hate that. How do we bubble stuff up to the surface

    もっと創造的な 内容のものもあるんです

  • that's maybe really creative and interesting?

    この様なものを どうやって表面に持ってくるか?

  • Well, we can go back to the network structure of ideas

    この様なものを どうやって表面に持ってくるか?

  • to do that.

    アイデアのネットワーク構造に 戻れば

  • Remember, it's that network structure

    これが可能です

  • that is creating these emergent topics,

    ここに現れるトピックを 作っているのは

  • and let's say we could take two of them,

    ネットワーク構造だと お話ししましたが

  • like cities and genetics, and say, well, are there any talks

    ここから2つを選んで --

  • that creatively bridge these two really different disciplines.

    例えば「都市」と「遺伝学」を選び

  • And that's -- Essentially, this kind of creative remix

    この全く異なる分野を うまく繋ぐトークはあるか探します

  • is one of the hallmarks of innovation.

    この創造的リミックスの様なものが

  • Well here's one by Jessica Green

    イノベーションの特徴とも言えます

  • about the microbial ecology of buildings.

    これはジェシカ・グリーンのもので

  • It's literally defining a new field.

    建物の微生物生態学についです

  • And we could go back to those topics and say, well,

    全く新しい分野を築いています

  • what talks are central to those conversations?

    これら2つのトピックに戻り

  • In the cities cluster, one of the most central

    どのトークが 各々のトピックの 中心にあるかもわかります

  • was one by Mitch Joachim about ecological cities,

    都市の塊で最も中心にあるのは

  • and in the genetics cluster,

    エコロジー都市についての ミッチ・ジョアキムのもので

  • we have a talk about synthetic biology by Craig Venter.

    「遺伝学」の塊の中心には

  • These are talks that are linking many talks within their discipline.

    クレイグ・ベンターの 合成生物学のトークがあります

  • We could go the other direction and say, well,

    これらはそれぞれの分野の中で 多くのトークを繋げています

  • what are talks that are broadly synthesizing

    反対の方に行ってみましょう

  • a lot of different kinds of fields.

    あらゆる分野を広く

  • We used a measure of ecological diversity to get this.

    総合したトークはどうでしょう

  • Like, a talk by Steven Pinker on the history of violence,

    これには生態的多様性から見ました

  • very synthetic.

    例えば 暴力の歴史についての スティーブ・ピンカーのトークは

  • And then, of course, there are talks that are so unique

    とても総合的です

  • they're kind of out in the stratosphere, in their own special place,

    もちろん 大変ユニークで

  • and we call that the Colleen Flanagan index.

    はるか彼方の独自の場所に 属するトークもあります

  • And if you don't know Colleen, she's an artist,

    コリーン・フラナガン指数と 私達は呼びます

  • and I asked her, "Well, what's it like out there

    ご存知でしょうか 彼女はアーティストですが

  • in the stratosphere of our idea space?"

    「アイデアの世界の果て」は

  • And apparently it smells like bacon.

    どんな所か彼女に 尋ねてみました

  • I wouldn't know.

    ベーコンの様な匂いが する場所だそうです

  • So we're using these network motifs

    私には解りませんが

  • to find talks that are unique,

    このようなネットワークの パターンを使って

  • ones that are creatively synthesizing a lot of different fields,

    ユニークなトークや

  • ones that are central to their topic,

    様々な分野を うまく統合したもの

  • and ones that are really creatively bridging disparate fields.

    トピックの中心になっているもの

  • Okay? We never would have found those with our obsession

    完全に異なる分野を うまく繋げているものが探せます

  • with what's trending now.

    人気のあるものだけに 注目していたら

  • And all of this comes from the architecture of complexity,

    このようなものは 見つからなかったでしょう

  • or the patterns of how things are connected.

    これ等全ては複雑な構造や

  • SG: So that's exactly right.

    繋がり方のパターンから 探し出されたものです

  • We've got ourselves in a world

    全くその通りです

  • that's massively complex,

    私たちは非常に複雑な世界に

  • and we've been using algorithms to kind of filter it down

    生きるようになり

  • so we can navigate through it.

    様々なアルゴリズムを使って 世界を簡素化して

  • And those algorithms, whilst being kind of useful,

    対応しています

  • are also very, very narrow, and we can do better than that,

    これらのアルゴリズムは 便利ですが

  • because we can realize that their complexity is not random.

    限られたものなので もっと良い方法があるはずです

  • It has mathematical structure,

    複雑さは無秩序ではなく

  • and we can use that mathematical structure

    数学的構造があると解れば

  • to go and explore things like the world of ideas

    その考えを使い

  • to see what's being said, to see what's not being said,

    アイデアの世界を探り

  • and to be a little bit more human

    何が語られ 何が語られていないかを知り

  • and, hopefully, a little smarter.

    もう少し人間らしく生き

  • Thank you.

    願わくば少し賢くもなるのです

  • (Applause)

    有り難うございました

Eric Berlow: I'm an ecologist, and Sean's a physicist,

翻訳: Reiko Bovee 校正: Wataru Terada

字幕と単語

動画の操作 ここで「動画」の調整と「字幕」の表示を設定することができます

B1 中級 日本語 TED トーク アイデア トピック 数学 生態

TED】Eric Berlow and Sean Gourley.広める価値のあるマッピングのアイデア (Eric Berlow and Sean Gourley: Mapping ideas worth spreading) (【TED】Eric Berlow and Sean Gourley: Mapping ideas worth spreading (Eric Berlow and Sean Gourley: Mapping ideas worth spreading))

  • 2038 100
    CUChou に公開 2021 年 01 月 14 日
動画の中の単語