vi
stringlengths
9
986
en
stringlengths
9
847
Các quốc gia đang phát triển cần tiếp tục tạo ra tăng trưởng kinh tế để xoá bỏ những bất an về chính trị ở những nước đó .
Emerging market countries need to continue to create economic growth so that we do n't have political uncertainty in the those countries .
Các quốc gia đã phát triển nhận ra rằng họ có một trách nghiệm thực sự quan trọng không chỉ trong việc kiểm soát lượng khí CO2 thải ra và những huỷ hoại mà họ gây ra cho thế giới , mà còn tiên phong trong nghiên cứu và phát triển .
Developed countries recognize that they have a real , important responsibility not only just to manage their CO2 emissions and some of the degradation that they 're contributing to the world , but also as trendsetters in R&D .
Và bởi vậy họ cũng phải đến bàn như này .
And so they have to come to the table as well .
Nhưng về cơ bản , không thể có trường hợp chúng ta bắt đầu áp đặt những chính sách đối với những thị trường đang phát triển mà không để các nước đã phát triển tự kiểm điểm những việc họ đang làm đối với nguồn cung và nhu cầu trong thị trường của nước họ .
But in essence , it can not be a situation where we start ascribing policies to the emerging markets without developed countries themselves also taking quite a swipe at what they 're doing both in demand and supply in developed markets .
BG : Dambisa , cảm ơn bạn đã đến với TED.
BG : Dambisa , thank you for coming to TED .
DM : Cảm ơn rất nhiều .
DM : Thank you very much .
Thống kê rất có tính thuyết phục .
Statistics are persuasive .
Đến nỗi nhiều người , nhiều tổ chức , và đất nước đưa ra các quyết định quan trọng dựa trên số liệu .
So much so that people , organizations , and whole countries base some of their most important decisions on organized data .
Nhưng thống kê có một vấn đề .
But there 's a problem with that .
Bất cứ số liệu thống kê nào cũng có điều ẩn chứa đằng sau , điều có thể hoàn toàn đảo lộn kết quả .
Any set of statistics might have something lurking inside it , something that can turn the results completely upside down .
Ví dụ như tưởng tượng bạn sẽ chọn một trong hai bệnh viện để phẫu thuật cho người thân lớn tuổi của bạn .
For example , imagine you need to choose between two hospitals for an elderly relative 's surgery .
Trong số 1000 bệnh nhân gần đây của mỗi bệnh viện , 900 người sống sót ở bệnh viện A , trong khi chỉ có 800 sống sót ở bệnh viện B.
Out of each hospital 's last 1000 patient 's , 900 survived at Hospital A , while only 800 survived at Hospital B .
Vậy nên có vẻ bệnh viện A là lựa chọn tốt hơn .
So it looks like Hospital A is the better choice .
Nhưng trước khi quyết định , nhớ rằng không phải tất cả bệnh nhân đến bệnh viện với tình trạng sức khoẻ giống nhau .
But before you make your decision , remember that not all patients arrive at the hospital with the same level of health .
Và nếu ta chia 1000 bệnh nhân ở mỗi bệnh viện thành nhóm người có sức khoẻ tốt và nhóm có sức khoẻ kém , bạn sẽ thấy sự khác biệt .
And if we divide each hospital 's last 1000 patients into those who arrived in good health and those who arrived in poor health , the picture starts to look very different .
Bệnh viện A chỉ có 100 bệnh nhân có sức khoẻ kém , mà chỉ có 30 người sống sót .
Hospital A had only 100 patients who arrived in poor health , of which 30 survived .
Nhưng bệnh viện B có 400 người nhưng lại cứu sống 210 người .
But Hospital B had 400 , and they were able to save 210 .
Vì thế bệnh viện B là lựa chọn tốt hơn cho bệnh nhân có tình trạng sức khoẻ xấu , với tỉ lệ sống sót là 52.5 % .
So Hospital B is the better choice for patients who arrive at hospital in poor health , with a survival rate of 52.5 % .
Và nếu sức khoẻ người thân bạn tốt khi đến bệnh viện ?
And what if your relative 's health is good when she arrives at the hospital ?
Lạ lùng là bệnh viện B vẫn tốt hơn , với tỉ lệ sống sót là 98 % .
Strangely enough , Hospital B is still the better choice , with a survival rate of over 98 % .
Vậy làm sao bệnh viện A lại có tỉ lệ sống sót cao hơn khi bệnh viện B có tỉ lệ bệnh nhân sống sót ở mỗi nhóm cao hơn ?
So how can Hospital A have a better overall survival rate if Hospital B has better survival rates for patients in each of the two groups ?
Vấn đề ta gặp phải gọi là Nghịch lí Simpson , khi nhóm số liệu giống nhau cho các xu hướng trái ngược dựa vào cách nó được phân nhóm .
What we 've stumbled upon is a case of Simpson 's paradox , where the same set of data can appear to show opposite trends depending on how it 's grouped .
Điều này thường xảy ra khi dữ liệu tổng hợp mất một biến có điều kiện đôi khi được gọi là biến ẩn , là một yếu tố gián tiếp gây ảnh hưởng lớn đến kết quả .
This often occurs when aggregated data hides a conditional variable , sometimes known as a lurking variable , which is a hidden additional factor that significantly influences results .
Ở đây , yếu tố gián tiếp là lượng bệnh nhân đến trong tình trạng sức khoẻ tốt hay kém .
Here , the hidden factor is the relative proportion of patients who arrive in good or poor health .
Nghịch lí Simpston không chỉ xuất hiện trong lí thuyết .
Simpson 's paradox is n't just a hypothetical scenario .
Nó còn hay xuất hiện trong cuộc sống , thỉnh thoảng còn trong các trường hợp quan trọng .
It pops up from time to time in the real world , sometimes in important contexts .
Một nghiên cứu ở Anh cho thấy lượng người hút thuốc sống sót nhiều hơn người không hút trong khoảng thời gian 20 năm .
One study in the UK appeared to show that smokers had a higher survival rate than nonsmokers over a twenty - year time period .
Tuy nhiên , khi chia người tham gia nghiên cứu theo nhóm tuổi trung bình người không hút thuốc lớn tuổi hơn nhiều , và vì thế dễ chết trong thời gian thí nghiệm , phần vì họ nhìn chung sống lâu hơn .
That is , until dividing the participants by age group showed that the nonsmokers were significantly older on average , and thus , more likely to die during the trial period , precisely because they were living longer in general .
Ở đây , nhóm tuổi chính là biến ẩn , và quyết định đến tính đúng đắn của số liệu .
Here , the age groups are the lurking variable , and are vital to correctly interpret the data .
Trong trường hợp khác , một phân tích các vụ tử hình ở Florida cho thấy không có sự phân biệt sắc tộc khi tuyên án giữa những người da trắng và da đen bị kết tội giết người .
In another example , an analysis of Florida 's death penalty cases seemed to reveal no racial disparity in sentencing between black and white defendants convicted of murder .
Nhưng khi chia các trường hợp theo sắc tộc lại có sự khác biệt .
But dividing the cases by the race of the victim told a different story .
Trong mỗi trường hợp , bị cáo da đen có xu hướng bị án tử hình hơn .
In either situation , black defendants were more likely to be sentenced to death .
Nhìn chung tỉ lệ tuyên án cho bị cáo da trắng cao hơn bởi vì trường hợp các nạn nhân là người da trắng có xu hướng đưa ra án tử hình , hơn trường hợp nạn nhân là người da đen , và phần lớn vụ giết người diễn ra giữa nguời cùng màu da .
The slightly higher overall sentencing rate for white defendants was due to the fact that cases with white victims were more likely to elicit a death sentence than cases where the victim was black , and most murders occurred between people of the same race .
Vậy làm sao để tránh nghịch lí này ?
So how do we avoid falling for the paradox ?
Tiếc rằng , không có câu trả lời nào đúng cho mọi trường hợp .
Unfortunately , there 's no one - size - fits - all answer .
Số liệu có thể được nhóm lại và chia ra theo nhiều cách khác nhau , và các số liệu tổng hợp thường đưa ra kết quả chính xác hơn là số liệu được phân chia thành các nhóm không phù hợp .
Data can be grouped and divided in any number of ways , and overall numbers may sometimes give a more accurate picture than data divided into misleading or arbitrary categories .
Những gì ta có thể làm là khảo sát kĩ các tình huống thực tế được mô tả và xem xét khả năng xuất hiện của các thay đổi ẩn .
All we can do is carefully study the actual situations the statistics describe and consider whether lurking variables may be present .
Nếu không , ta sẽ dễ trở thành đối tượng của những người dùng thông tin để chi phối người khác và phục vụ cho lợi ích của bản thân .
Otherwise , we leave ourselves vulnerable to those who would use data to manipulate others and promote their own agendas .
Đây là sơ đồ của hệ thống thị giác .
It 's a diagram of the visual system .
Và có những điều trông rất quen thuộc so với ngày nay .
And some things look very familiar today .
Hai mắt ở phía dưới , thần kinh giác mạc tủa ra từ phía sau .
Two eyes at the bottom , optic nerve flowing out from the back .
Có một cái mũi rất lớn có vẻ như không được liên hệ với bộ phận nào cụ thể .
There 's a very large nose that does n't seem to be connected to anything in particular .
Và nếu chúng ta so sánh bức hình này với những hình ảnh mới gần đây diễn tả hệ thống thị giác , bạn sẽ thấy rằng mọi thứ đã trở nên phức tạp hơn rất nhiều so với những gì được vẽ hàng ngàn năm trước .
And if we compare this to more recent representations of the visual system , you 'll see that things have gotten substantially more complicated over the intervening thousand years .
Và đó là vì ngày nay chúng ta có thể thấy có gì trong bộ não , hơn là chỉ nhìn vào dáng vẻ tổng quan của nó .
And that 's because today we can see what 's inside of the brain , rather than just looking at its overall shape .
Tưởng tượng rằng bạn muốn hiểu làm thế nào một cái máy tính hoạt động được và tất cả mọi thứ bạn có thể nhìn thấy là bàn phím , con chuột , màn hình .
Imagine you wanted to understand how a computer works and all you could see was a keyboard , a mouse , a screen .
Bạn thực sự đã không gặp may mắn .
You really would be kind of out of luck .
Bạn muốn có khả năng mở nó ra , tháo tung ra , để nhìn vào đống dây bên trong .
You want to be able to open it up , crack it open , look at the wiring inside .
Và cho đến hơn một thế kỉ trước một chút , không ai có thể có thể làm điều đó với bộ não .
And up until a little more than a century ago , nobody was able to do that with the brain .
Không ai từng được nhìn thoáng qua sợi dây thần kinh của bộ não .
Nobody had had a glimpse of the brain 's wiring .
Và lý do là vì nếu bạn bỏ bộ não ra khỏi sọ và bạn cắt một lát mỏng của nó , ngay cả bỏ nó vào một kính hiển vi cực kì hiện đại , bạn cũng không thể thấy gì hết .
And that 's because if you take a brain out of the skull and you cut a thin slice of it , put it under even a very powerful microscope , there 's nothing there .
Nó màu xám và không có hình dạng .
It 's gray , formless .
Cũng không có cấu trúc .
There 's no structure .
Nó chẳng giúp bạn hiểu thêm được điều gì .
It wo n't tell you anything .
Và tất cả điều này thay đổi vào cuối thế kỉ 19 .
And this all changed in the late 19th century .
Bất ngờ , những hoá chất nhuộm mới cho mô não đã được phát triển và chúng cho chúng ta những cái nhìn thoáng qua về dây thần kinh .
Suddenly , new chemical stains for brain tissue were developed and they gave us our first glimpses at brain wiring .
Máy tính đã được mở bung ra .
The computer was cracked open .
Như vậy thứ thực sự khởi động ngành khoa học thần kinh hiện đại là một thuốc nhuộm gọi là thuốc nhuộm Golgi .
So what really launched modern neuroscience was a stain called the Golgi stain .
Và nó cũng hoạt động theo một cách riêng biệt .
And it works in a very particular way .
Thay vì nhuộm tất cả các tế bào trong mô , theo cách nào đó nó chỉ đánh dấu một phần trăm tế bào .
Instead of staining all of the cells inside of a tissue , it somehow only stains about one percent of them .
Nó dọn đám rừng , tiết lộ các cây bên trong .
It clears the forest , reveals the trees inside .
Nếu mọi thứ đều đã được dán nhãn , kết quả ta sẽ không thấy được gì .
If everything had been labeled , nothing would have been visible .
Nhà não đồ học người Tây Ban Nha Santiago Ramon y Cajal , người được coi là cha đẻ của ngành khoa học thần kinh hiện đại , đã ứng dụng phương pháp nhuộm Golgi này , đã cho ra những dữ liệu như thế này , và thực sự đã giúp chúng ta khái niệm hiện đại về tế bào thần kinh , hay còn gọi là nơ - ron .
Spanish neuroanatomist Santiago Ramon y Cajal , who 's widely considered the father of modern neuroscience , applied this Golgi stain , which yields data which looks like this , and really gave us the modern notion of the nerve cell , the neuron .
Và nếu bạn đang nghĩ bộ não như là một chiếc máy vi tính , thì đây là bộ bán dẫn .
And if you 're thinking of the brain as a computer , this is the transistor .
Và rất nhanh chóng Cajal nhận ra rằng các nơ - ron không hoạt động một mình , nhưng chúng sẽ bắt kết nối với những nơ - ron khác , từ đó tạo thành mạch điện giống như máy vi tính .
And very quickly Cajal realized that neurons do n't operate alone , but rather make connections with others that form circuits just like in a computer .
Ngày nay , một thế kỉ sau , khi các nhà khoa học muốn nhìn thấy nơ - tron , họ làm chúng sáng lên từ bên trong hơn là làm chúng tối đi .
Today , a century later , when researchers want to visualize neurons , they light them up from the inside rather than darkening them .
Và có rất nhiều cách làm điều này .
And there 's several ways of doing this .
Nhưng một trong những cách thông dụng nhất liên quan đến các protein huỳnh quang màu lục .
But one of the most popular ones involves green fluorescent protein .
Bây giờ nói về protein huỳnh quang màu lục , kỳ lạ là nó có nguồn gốc từ con sứa phát quang sinh học . và nó rất hữu dụng .
Now green fluorescent protein , which oddly enough comes from a bioluminescent jellyfish , is very useful .
Bởi vì nếu bạn lấy gen tổng hợp protein huỳnh quang màu lục và cấy nó vào một tế bào , thì tế bào đó sẽ phát sáng màu xanh lục - - hoặc với rất nhiều các biến thể khác của protein huỳnh quang màu lục bạn có thể làm một tế bào phát sáng với nhiều màu khác nhau .
Because if you can get the gene for green fluorescent protein and deliver it to a cell , that cell will glow green -- or any of the many variants now of green fluorescent protein , you get a cell to glow many different colors .
Và như vậy quay trở về với bộ não , đây là từ con chuột được cấy gien gọi là'não cầu vồng
And so coming back to the brain , this is from a genetically engineered mouse called ' Brainbow .
Và nó được gọi tên như thế , tất nhiên , vì tất cả các nơ - ron này đều phát sáng với những màu sắc khác nhau .
And it 's so called , of course , because all of these neurons are glowing different colors .
Đôi khi các nhà khoa học thần kinh cần phải xác định xem từng thành phần phân tử riêng biệt của nơ - ron , phân tử , hơn là toàn bộ tế bào não .
Now sometimes neuroscientists need to identify individual molecular components of neurons , molecules , rather than the entire cell .
Và có rất nhiều cách để làm điều này , nhưng một trong những cách phổ biến nhất bao gồm sử dụng kháng thể .
And there 's several ways of doing this , but one of the most popular ones involves using antibodies .
Và nếu như bạn quen với , tất nhiên , là với kháng thể như tay sai của hệ thống miễn dịch .
And you 're familiar , of course , with antibodies as the henchmen of the immune system .
Nhưng nó hoá ra rằng chúng cũng có ích cho hệ thống miễn dịch vì chúng có thể nhận diện từng phân tử đặc trưng , giống như là , ví dụ , protein mã hoá của một vi - rút đang xâm chiếm cơ thể .
But it turns out that they 're so useful to the immune system because they can recognize specific molecules , like , for example , the coat protein of a virus that 's invading the body .
Và các nhà khoa học đã đang sử dụng cơ sở này để nhận diện ra các phân tử đặc trưng trong bộ não , nhận diện tiểu cấu trúc đặc trưng của tế bào và nhận diện chúng một cách riêng biệt .
And researchers have used this fact in order to recognize specific molecules inside of the brain , recognize specific substructures of the cell and identify them individually .
Và rất nhiều hình ảnh tôi đã cho các bạn xem ở đây rất đẹp , nhưng chúng cũng có ý nghĩa cực kỳ to lớn .
And a lot of the images I 've been showing you here are very beautiful , but they 're also very powerful .
Chúng có sức mạnh giảng giải lớn lao .
They have great explanatory power .
Đây , ví dụ , là một kháng thể nhuộm chống lại vận chuyển serotonin trong một lát cắt não chuột .
This , for example , is an antibody staining against serotonin transporters in a slice of mouse brain .
Và bạn đã nghe đến serotonin , tất nhiên , trong các loại bệnh như căng thẳng và lo âu .
And you 've heard of serotonin , of course , in the context of diseases like depression and anxiety .
Bạn đã nghe đến SSRIs , chúng là thuốc dùng để chữa các loại bệnh này .
You 've heard of SSRIs , which are drugs that are used to treat these diseases .
Và để hiểu serotonin hoạt động như thế nào , điều quan trọng là hiểu bộ máy serontonin ở đâu .
And in order to understand how serotonin works , it 's critical to understand where the serontonin machinery is .
Và những kháng thể nhuộm giống như cái này có thể dùng để trả lời dạng câu hỏi như vậy .
And antibody stainings like this one can be used to understand that sort of question .
Tôi muốn để lại cho các bạn với suy nghĩ sau đây : Protein huỳnh quanh màu lục và kháng thể Cả hai đều là sản phẩm tự nhiên ở lúc ban đầu .
I 'd like to leave you with the following thought : Green fluorescent protein and antibodies are both totally natural products at the get - go .
Chúng đều được phát triển bởi tự nhiên để làm cho một con sứa phát sáng xanh vì bất kì lý do gì , hoặc để phát hiện protein mã hoá của một virus xâm nhập , ví dụ vây .
They were evolved by nature in order to get a jellyfish to glow green for whatever reason , or in order to detect the coat protein of an invading virus , for example .
Và chỉ sau một khoảng thời gian rất dài các nhà khoa học mới dẫn đến được bối cảnh này và nói'Này , đây là các công cụ , đây là các công năng mà chúng ta có thể dùng trong bảng công cụ nghiên cứu của riêng chúng ta'.
And only much later did scientists come onto the scene and say , ' Hey , these are tools , these are functions that we could use in our own research tool palette .
Và thay vì ứng dụng các trí não yếu ớt của con người để thiết kế các công cụ này từ con số không , ngay trong tự nhiên đã có sẵn giải pháp cho chúng ta , đã được phát triển và sàng lọc ổn định qua hàng triệu năm bởi người kĩ sư vĩ đại nhất của nhân loại .
And instead of applying feeble human minds to designing these tools from scratch , there were these ready - made solutions right out there in nature developed and refined steadily for millions of years by the greatest engineer of all .
Tôi được nuôi lớn ở Seoul , Hàn Quốc , và chuyển tới thành phố New York năm 1999 để học đại học .
I was raised in Seoul , Korea , and moved to New York City in 1999 to attend college .
Lúc đó tôi học dự bị ngành y , và tôi nghĩ mình sẽ làm bác sĩ phẫu thuật bởi tôi quan tâm đến giải phẫu và việc mổ xẻ động vật thực sự khơi dậy trí tò mò của tôi .
I was pre-med at the time , and I thought I would become a surgeon because I was interested in anatomy and dissecting animals really piqued my curiosity .
Cùng lúc đó , tôi bắt đầu yêu thành phố New York .
At the same time , I fell in love with New York City .
Tôi bắt đầu nhận ra mình có thể nhìn cả thành phố như một thể sống .
I started to realize that I could look at the whole city as a living organism .
Tôi muốn giải phẫu nó và nhìn sâu vào những tầng lớp chưa được nhìn thấy .
I wanted to dissect it and look into its unseen layers .
Và cách thực hiện điều đó , với tôi , là qua nghệ thuật .
And the way to it , for me , was through artistic means .
Vậy nên cuối cùng tôi quyết định học Thạc sĩ Nghệ thuật thay vì Thạc sỹ Dược .
So , eventually I decided to pursue an MFA instead of an M.D .
và ở bậc sau đại học tôi bắt đầu quan tâm đến những sinh vật sống trong những góc khuất của thành phố .
and in grad school I became interested in creatures that dwell in the hidden corners of the city .
Ở New York , chuột là một phần trong cuộc sống hằng ngày của những người dùng giao thông công cộng .
In New York City , rats are part of commuters ' daily lives .
Hầu hết mọi người không để ý hoặc sợ chúng .
Most people ignore them or are frightened of them .
Nhưng tôi cảm thấy thích chúng bởi chúng sống bên rìa xã hội .
But I took a liking to them because they dwell on the fringes of society .
Và mặc dù chúng được dùng trong phòng thí nghiệm để nâng cao cuộc sống con người , chúng cũng được xếp vào nhóm động vật gây hại .
And even though they 're used in labs to promote human lives , they 're also considered pests .
Tôi bắt đầu tìm kiếm quanh thành phố và cố gắng chụp ảnh chúng .
I also started looking around in the city and trying to photograph them .