BOX SET: 6 Minute English - 'The Future' English mega-class! 30 minutes of new vocabulary!

217,743 views

2023-06-11 ・ BBC Learning English


New videos

BOX SET: 6 Minute English - 'The Future' English mega-class! 30 minutes of new vocabulary!

217,743 views ・ 2023-06-11

BBC Learning English


Haga doble clic en los subtítulos en inglés para reproducir el vídeo. Los subtítulos traducidos se traducen automáticamente.

00:06
Hello. I'm Rob and this is 6 Minute
0
6080
2240
Hola. Soy Rob y esto es 6 minutos de
00:08
English– the show that brings you an
1
8320
1680
inglés, el programa que te trae un
00:10
interesting topic, authentic listening
2
10000
2240
tema interesante, práctica auditiva auténtica
00:12
practice and some vocabulary to help
3
12240
2560
y algo de vocabulario para ayudarte a
00:14
you improve your language skills.
4
14800
1680
mejorar tus habilidades lingüísticas.
00:16
And hello, I'm Neil. Our topic today
5
16480
2400
Y hola, soy Neil. Nuestro tema de hoy
00:18
is transport. How do you think you'll
6
18880
2400
es el transporte. ¿Cómo crees que
00:21
be travelling to work in, say, 30
7
21280
2240
viajarás al trabajo dentro de, digamos, 30
00:23
years' time, Rob?
8
23520
1120
años, Rob?
00:24
Well, not only will homeworking
9
24640
1920
Bueno, no solo prevalecerá el trabajo a domicilio
00:26
be more prevalent – that means
10
26560
1600
(eso significa
00:28
‘common’ – but I hope I won't be
11
28160
1520
"común"), ¡sino que espero no estar
00:29
working in 30 years' time!
12
29680
1440
trabajando dentro de 30 años! ¡
00:31
Good answer! But if we look back
13
31840
2000
Buena respuesta! Pero si miramos hacia atrás
00:33
and see how transport has changed
14
33840
1920
y vemos cómo ha cambiado el transporte
00:35
in the last 30 years, it makes you
15
35760
1760
en los últimos 30 años, uno se
00:37
wonder what the future holds.
16
37520
1840
pregunta qué nos depara el futuro.
00:39
Yes, we've seen how air travel has
17
39360
2160
Sí, hemos visto cómo viajar en avión se ha
00:41
become commonplace for
18
41520
1120
convertido en algo habitual para
00:42
many people.
19
42640
960
mucha gente.
00:43
Commonplace means ‘not unusual’.
20
43600
1840
Lugar común significa 'no inusual'.
00:46
And there's been the development of
21
46000
1360
Y ha habido el desarrollo de los
00:47
high-speed train travel. But the main
22
47360
2080
viajes en tren de alta velocidad. Pero la
00:49
priority has been speed – going
23
49440
2080
prioridad principal ha sido la velocidad: ir
00:51
faster to make your journeys quicker.
24
51520
2240
más rápido para que sus viajes sean más rápidos.
00:53
That's true, and we'll be discussing
25
53760
1600
Eso es cierto, y pronto discutiremos
00:55
some ideas for making transport
26
55360
1680
algunas ideas para hacer que el transporte sea
00:57
even faster soon.
27
57040
1760
aún más rápido.
00:58
But let's not waste any time and
28
58800
1920
Pero no perdamos tiempo y
01:00
speed on to today's quiz question.
29
60720
2240
pasemos rápidamente a la pregunta del cuestionario de hoy.
01:02
Ah yes, time waits for no one, not
30
62960
2000
Ah, sí, el tiempo no espera a nadie, ni
01:04
even you, Neil.
31
64960
1200
siquiera a ti, Neil.
01:06
So, can you answer this question?
32
66160
2000
Entonces, ¿puedes responder a esta pregunta?
01:08
According to Guinness World Records,
33
68160
1920
Según Guinness World Records, ¿
01:10
in which country has the fastest
34
70080
2160
en qué país se
01:12
ever train been recorded?
35
72240
2000
ha registrado el tren más rápido de la historia? ¿
01:14
Is it in… a) China, b) Japan, or,
36
74240
3520
Está en... a) China, b) Japón o
01:17
c) France?
37
77760
960
c) Francia?
01:19
All these countries have fast
38
79760
1920
Todos estos países tienen
01:21
trains but I've heard that Chinese
39
81680
1520
trenes rápidos pero he oído que los
01:23
trains go particularly fast. So, I'm going
40
83200
2240
trenes chinos van particularmente rápido. Entonces, voy
01:25
to say a) China.
41
85440
1680
a decir a) China.
01:27
Well, you'll have to wait until the
42
87120
1680
Pues tendrás que esperar hasta el
01:28
end of the programme to see if
43
88800
1520
final del programa para ver si
01:30
you're right.
44
90320
1040
aciertas.
01:31
But let's talk more now about the
45
91360
1920
Pero hablemos más ahora sobre el
01:33
future of transport.
46
93280
1600
futuro del transporte.
01:34
One development we hear much
47
94880
1520
Un desarrollo del que escuchamos mucho
01:36
about is automation.
48
96400
1760
es la automatización.
01:38
Automation means ‘using
49
98160
1360
Automatización significa "usar
01:39
machines to do work that humans
50
99520
2000
máquinas para hacer el trabajo que
01:41
normally do’ and in terms of
51
101520
1760
normalmente hacen los humanos" y en términos de
01:43
transport this means driverless
52
103280
2080
transporte, esto significa vehículos sin conductor
01:45
vehicles.
53
105360
720
.
01:46
It won't be too long before we
54
106080
1520
No pasará mucho tiempo antes de que nos
01:47
become the passenger in a
55
107600
1200
convirtamos en el pasajero de un
01:48
driverless car.
56
108800
880
automóvil sin conductor. ¡
01:50
Scary! And the French train
57
110240
2160
Aterrador! Y la empresa francesa de ingeniería de trenes
01:52
engineering company, Alstom, is
58
112400
2000
, Alstom,
01:54
planning to test automated freight
59
114400
1760
planea probar trenes de carga automatizados a
01:56
trains later this year.
60
116160
1360
finales de este año.
01:57
The automated train prototype can
61
117520
2240
El prototipo de tren automatizado puede
01:59
travel for about 100 kilometres
62
119760
2000
viajar unos 100 kilómetros
02:01
without driver intervention.
63
121760
1840
sin la intervención del conductor.
02:03
A prototype is the first version of
64
123600
2320
Un prototipo es la primera versión de
02:05
something which can be tested
65
125920
1840
algo que se puede probar
02:07
before it is produced in large
66
127760
1520
antes de producirlo en grandes
02:09
quantities.
67
129280
720
cantidades.
02:10
Of course, some trains are already
68
130000
1840
Por supuesto, algunos trenes ya son
02:11
driven by computers but there's
69
131840
1920
conducidos por computadoras, pero existe
02:13
an exciting plan to develop a form
70
133760
2320
un plan emocionante para desarrollar una forma
02:16
of driverless vehicle that could
71
136080
1840
de vehículo sin conductor que pueda
02:17
move you around at 1,123
72
137920
4240
moverlo a 1.123
02:22
kilometres per hour.
73
142160
1440
kilómetros por hora.
02:23
Come on, Neil. That sounds a bit
74
143600
1440
Vamos, Neil. Eso suena un poco
02:25
far-fetched – like flying cars that
75
145040
2240
exagerado, como los autos voladores que
02:27
we see in sci-fi movies – it's
76
147280
1840
vemos en las películas de ciencia ficción, es
02:29
difficult to believe because
77
149120
1520
difícil de creer porque
02:30
it's unlikely to happen.
78
150640
1440
es poco probable que suceda.
02:32
Well, you say that but it's already
79
152080
1920
Bueno, dices eso, pero ya se
02:34
being tested in Nevada in the
80
154000
1440
está probando en Nevada,
02:35
USA and has a name – Hyperloop One.
81
155440
2880
EE. UU., y tiene un nombre: Hyperloop One. ¡
02:38
Tell me more!
82
158880
880
Dime más!
02:39
The idea is, you get loaded into
83
159760
2080
La idea es que lo carguen en
02:41
a pod then you're pushed through
84
161840
1840
una cápsula y luego lo empujen a través de
02:43
a metal tube at high speed, taking
85
163680
1920
un tubo de metal a alta velocidad,
02:45
you to your destination in minutes
86
165600
1920
llevándolo a su destino en minutos
02:47
rather than hours.
87
167520
1360
en lugar de horas.
02:48
Anita Sengupta is the lead systems
88
168880
2400
Anita Sengupta es la ingeniera principal de sistemas
02:51
engineer and says there's nothing
89
171280
1760
y dice que no tiene nada
02:53
scary about it…
90
173040
960
de aterrador...
02:54
The Hyperloop is a maglev train
91
174560
2240
El Hyperloop es un tren de levitación magnética
02:56
in a vacuum system – or in a vacuum
92
176800
2560
en un sistema de vacío, o en un
02:59
tube – and so you can also think of
93
179360
1680
tubo de vacío, por lo que también puede pensar en
03:01
it as an aircraft flying at 200,000 feet
94
181040
2320
él como un avión que vuela a 200,000 pies
03:03
so people don't have any issue flying
95
183360
1280
para que la gente no No tengo ningún problema para volar
03:04
in aeroplanes and people don't have
96
184640
1360
en aviones y la gente no tiene
03:06
any issue going in maglev trains.
97
186000
1360
ningún problema para viajar en trenes de levitación magnética.
03:07
This is simply combining the two
98
187360
1360
Esto es simplemente combinar los dos
03:08
and allows you to be more
99
188720
880
y le permite ser más
03:09
energy efficient.
100
189600
720
eficiente energéticamente.
03:11
So, Anita Sengupta explained the
101
191280
2720
Entonces, Anita Sengupta explicó el
03:14
type of technology the Hyperloop used.
102
194000
2720
tipo de tecnología que utilizó Hyperloop.
03:17
First she mentioned maglev – that's
103
197280
2240
Primero mencionó maglev, que es
03:19
a short way of saying magnetic levitation.
104
199520
3040
una forma abreviada de decir levitación magnética.
03:22
It's when trains travel on magnetic
105
202560
2000
Es cuando los trenes viajan sobre
03:24
track rather than conventional rails.
106
204560
2560
vías magnéticas en lugar de rieles convencionales.
03:27
And then she mentioned a vacuum
107
207120
1920
Y luego mencionó un
03:29
system - a vacuum is a space that
108
209040
2240
sistema de vacío: un vacío es un espacio del que se
03:31
has had all the air and any other
109
211280
1200
ha eliminado todo el aire y cualquier otro
03:32
gases removed from it.
110
212480
1520
gas.
03:34
So the tube these pods travel in have
111
214000
2240
Entonces, el tubo en el que viajan estas cápsulas
03:36
no air in so there's no resistance.
112
216240
1760
no tiene aire, por lo que no hay resistencia.
03:38
And these technologies are more
113
218560
1520
Y estas tecnologías son más
03:40
efficient and they save energy.
114
220080
1840
eficientes y ahorran energía.
03:41
Which is a good thing.
115
221920
1120
Lo que es algo bueno.
03:43
This sounds like a great way to
116
223760
1360
Esto suena como una gran manera de
03:45
travel but will it take off?
117
225120
2080
viajar, pero ¿despegará?
03:47
Well, BBC technology correspondent
118
227200
2000
Bueno, el corresponsal de tecnología de la BBC,
03:49
Rory Cellan-Jones isn't so sure.
119
229200
2480
Rory Cellan-Jones, no está tan seguro.
03:51
He thinks it will be quite challenging
120
231680
2080
Piensa que será bastante difícil
03:53
to convince governments to allow
121
233760
1680
convencer a los gobiernos de que permitan la
03:55
long metal tubes to be built on or
122
235440
2160
construcción de largos tubos metálicos sobre o
03:57
below ground.
123
237600
880
bajo tierra.
03:58
But we have to try these new
124
238480
1600
Pero tenemos que probar estas nuevas
04:00
technologies, Rob.
125
240080
1120
tecnologías, Rob. ¡
04:01
If we didn't, we'd still be travelling
126
241200
2000
Si no lo hiciéramos, todavía estaríamos viajando
04:03
around on horse and cart!
127
243200
1440
en caballos y carretas!
04:05
A good point, Neil – and we wouldn't
128
245200
2000
Un buen punto, Neil, y no habríamos
04:07
have been able to travel at the great
129
247200
1920
podido viajar a las grandes
04:09
speeds mentioned in today's question.
130
249120
2560
velocidades mencionadas en la pregunta de hoy.
04:11
Now, earlier I asked you, according to
131
251680
1920
Ahora, antes te pregunté, según
04:13
Guinness World Records, in which
132
253600
1680
Guinness World Records, ¿en qué
04:15
country has the fastest ever train
133
255280
2400
país ha viajado el tren más rápido
04:17
travelled?
134
257680
880
? ¿
04:18
Is it in…a) China, b) Japan, or
135
258560
3440
Está en... a) China, b) Japón o
04:22
c) France?
136
262000
1280
c) Francia?
04:23
And I said a) China.
137
263280
1920
Y dije a) China.
04:26
And you were wrong, Neil.
138
266320
1680
Y estabas equivocado, Neil.
04:28
China does have some very
139
268000
1600
China tiene algunos
04:29
fast trains.
140
269600
1200
trenes muy rápidos.
04:30
But the fastest recorded train was a
141
270800
2080
Pero el tren más rápido registrado fue un
04:32
maglev from the Central Japan
142
272880
2160
maglev de Central Japan
04:35
Railway Company, which ran on a
143
275040
2000
Railway Company, que corrió en una
04:37
test track at a speed of 603
144
277040
2320
pista de prueba a una velocidad de 603
04:39
kilometres per hour.
145
279360
1120
kilómetros por hora. ¡
04:40
Now that would make my
146
280480
1200
Eso haría que mi
04:41
commute to work very quick!
147
281680
1280
viaje al trabajo fuera muy rápido!
04:43
OK, shall we recap some of the
148
283520
2000
Bien, ¿podemos recapitular algo del
04:45
vocabulary we've heard today?
149
285520
1600
vocabulario que hemos escuchado hoy?
04:47
Starting with commonplace.
150
287120
2000
Empezando por lo común.
04:49
Yes. Which means ‘not unusual or often seen’.
151
289120
3840
Sí. Lo que significa 'no inusual o visto a menudo'.
04:52
For example, 'free Wi-Fi in coffee shops
152
292960
2400
Por ejemplo, 'la conexión Wi-Fi gratuita en las cafeterías
04:55
is commonplace these days.'
153
295360
1520
es un lugar común en estos días'. ¡
04:56
And very useful it is too!
154
296880
1360
Y muy útil también!
04:58
Next we had automation, meaning
155
298800
2480
Luego teníamos la automatización, que significa
05:01
‘using a machine to do something
156
301280
1360
"usar una máquina para hacer algo
05:02
instead of a human.’
157
302640
1360
en lugar de un ser humano". "La
05:04
'Automation in the car making
158
304000
1680
automatización en la industria de fabricación de automóviles
05:05
industry has led to the loss of
159
305680
1600
ha provocado la pérdida de
05:07
hundreds of jobs.'
160
307280
1520
cientos de puestos de trabajo".
05:08
Of course, when you build a new car
161
308800
1840
Por supuesto, cuando construyes un auto nuevo,
05:10
you need to make a prototype – that's
162
310640
2320
necesitas hacer un prototipo; esa es
05:12
the first version of something which
163
312960
1920
la primera versión de algo que se
05:14
can be tested before it is produced in
164
314880
2000
puede probar antes de que se produzca en
05:16
large quantities.
165
316880
1280
grandes cantidades.
05:18
'The prototype of a new solar-powered
166
318160
2080
"El prototipo de una nueva bicicleta con energía solar
05:20
bike has been so successful that it's
167
320240
2160
ha tenido tanto éxito que
05:22
now going into mass-production.'
168
322400
1440
ahora se está produciendo en masa".
05:24
Come on, Rob, that sounds a bit
169
324560
1440
Vamos, Rob, eso suena un poco
05:26
far-fetched – and by that I mean ‘so
170
326000
2400
descabellado, y con eso quiero decir "tan
05:28
unbelievable it's unlikely to happen.’
171
328400
2480
increíble que es poco probable que suceda".
05:30
Well, something people once thought
172
330880
2160
Bueno, algo que la gente alguna vez pensó que era
05:33
far-fetched is now a reality and that's
173
333040
2960
descabellado ahora es una realidad y eso es
05:36
maglev – that's short for magnetic
174
336000
2320
maglev, que es la abreviatura de
05:38
levitation and is how some of the
175
338320
2240
levitación magnética y así viajan algunos de los
05:40
world's fastest trains travel.
176
340560
1760
trenes más rápidos del mundo.
05:42
Finally, we discussed the word vacuum.
177
342960
2560
Finalmente, discutimos la palabra vacío.
05:45
It's a space that has had all the air and
178
345520
2400
Es un espacio al que se le ha quitado todo el aire y
05:47
other gases removed from
179
347920
1280
otros gases
05:49
it – basically an empty space.
180
349200
2080
, básicamente un espacio vacío.
05:51
'The plan for Virgin's Hyperloop One
181
351280
2160
"El plan para el Hyperloop One de Virgin
05:53
is to make a maglev even faster by
182
353440
2480
es hacer un maglev aún más rápido
05:55
putting it in a vacuum tube.'
183
355920
2240
colocándolo en un tubo de vacío".
05:58
And that brings us to the end of
184
358160
1200
Y eso nos lleva al final de los
05:59
today’s 6 Minute English.
185
359360
1600
6 minutos de inglés de hoy.
06:00
Don’t forget to check out our You Tube,
186
360960
2240
No olvide visitar nuestras páginas de YouTube,
06:03
Facebook, Twitter and Instagram pages,
187
363200
2240
Facebook, Twitter e Instagram,
06:05
and we’ll see you next time. Goodbye.
188
365440
1680
y nos vemos la próxima vez. Adiós.
06:07
Bye
189
367120
500
Adiós
06:13
Hello. This is 6 Minute English from
190
373520
1840
Hola. Esto es 6 minutos de inglés de
06:15
BBC Learning English. I’m Neil.
191
375360
2080
BBC Learning English. Soy Neil.
06:17
And I’m Rob.
192
377440
880
Y yo soy Rob.
06:18
From the ancient Roman sea god, Neptune,
193
378320
2720
Desde el antiguo dios romano del mar, Neptuno,
06:21
to myths of mermaids, to modern Hollywood
194
381040
2640
hasta los mitos de las sirenas y
06:23
films like Finding Nemo, people throughout
195
383680
2640
las películas modernas de Hollywood como Buscando a Nemo, la gente a lo largo de la
06:26
history have been fascinated by the idea of
196
386320
2720
historia ha estado fascinada con la idea de
06:29
living underwater.
197
389040
1280
vivir bajo el agua.
06:30
In this programme, we’ll be hearing about
198
390880
1680
En este programa, escucharemos sobre
06:32
projects to create liveable underwater
199
392560
2480
proyectos para crear hábitats submarinos habitables
06:35
habitats and the challenges they face.
200
395040
2800
y los desafíos que enfrentan.
06:37
We’ll be finding out how realistic it is to
201
397840
2240
Descubriremos cuán realista es
06:40
believe that in a few years we could be
202
400080
2400
creer que en unos años podríamos estar
06:42
eating breakfast whilst watching fish
203
402480
2720
desayunando mientras vemos peces
06:45
swim outside the kitchen window, before
204
405200
2080
nadando afuera de la ventana de la cocina, antes de
06:47
heading off to work in an office under
205
407280
2000
irnos a trabajar a una oficina bajo
06:49
the ocean...
206
409280
880
el mar...
06:50
…and we’ll be learning some related
207
410160
1600
...y vamos a estar aprendiendo algo de
06:51
vocabulary as well.
208
411760
1360
vocabulario relacionado también.
06:53
But first, it’s time for our quiz question.
209
413120
3040
Pero primero, es hora de nuestra pregunta de prueba.
06:56
One of the first adventure stories to fire
210
416160
2480
Una de las primeras historias de aventuras que disparó la
06:58
the public’s imagination about the
211
418640
1840
imaginación del público sobre el
07:00
underwater world was the 1870 novel,
212
420480
3120
mundo submarino fue la novela de 1870
07:03
Twenty Thousand Leagues Under the Sea.
213
423600
2320
Veinte mil leguas de viaje submarino.
07:05
But who wrote this underwater classic?
214
425920
2800
Pero, ¿quién escribió este clásico submarino? ¿
07:08
Was it: a) H G Wells?, b) Arthur
215
428720
3280
Fue: a) H. G. Wells?, b) ¿Arthur
07:12
Conan Doyle?, or c) Jules Verne?
216
432000
2960
Conan Doyle?, o c) ¿Julio Verne?
07:16
I think I know this one, Neil. Wasn’t it,
217
436160
2000
Creo que conozco a este, Neil. ¿No fue,
07:18
a) H G Wells?
218
438160
1920
a) H. G. Wells?
07:20
OK, Rob, we’ll find out later if you’re right.
219
440080
2880
De acuerdo, Rob, nos enteraremos más tarde si tienes razón.
07:22
Now, one of the most ambitious designs
220
442960
2240
Ahora, uno de los diseños más ambiciosos
07:25
for an underwater city is Ocean Spiral,
221
445200
2960
para una ciudad submarina es Ocean Spiral,
07:28
a huge transparent globe attached
222
448160
2480
un enorme globo transparente adherido
07:30
to the seabed – the solid ground
223
450640
2160
al lecho marino, el suelo sólido
07:32
which lies deep below the sea level.
224
452800
2480
que se encuentra muy por debajo del nivel del mar.
07:35
The top of the globe stands above
225
455280
2080
La parte superior del globo se encuentra sobre
07:37
the surface of the ocean and
226
457360
1680
la superficie del océano y,
07:39
running through the centre is a tower
227
459040
2240
atravesando el centro, hay una torre
07:41
to add strength, and to provide space
228
461280
2240
para agregar fuerza y ​​proporcionar espacio
07:43
for homes, offices and even an
229
463520
2240
para hogares, oficinas e incluso un
07:45
amusement park for five thousand
230
465760
2320
parque de diversiones para cinco mil
07:48
underwater residents.
231
468080
1520
residentes submarinos.
07:49
Ocean Spiral has been dreamt up
232
469600
2080
Ocean Spiral ha sido ideado
07:51
by the Japanese Shimizu Corporation.
233
471680
2320
por la corporación japonesa Shimizu.
07:54
Here’s Shimizu engineer, Maksaki
234
474560
2080
Aquí está el ingeniero de Shimizu, Maksaki
07:56
Takeuchi, explaining to BBC World
235
476640
2560
Takeuchi, explicando al programa de BBC World
07:59
Service programme, CrowdScience,
236
479200
1840
Service, CrowdScience,
08:01
the motivation behind the idea:
237
481040
1840
la motivación detrás de la idea:
08:06
At the moment the world is facing a
238
486960
3120
En este momento, el mundo se enfrenta a
08:10
lot of serious problems regarding food,
239
490080
3200
muchos problemas serios relacionados con los alimentos, la
08:13
energy, water, natural resources...
240
493280
3520
energía, el agua, los recursos naturales...
08:16
however, we are trying to solve the
241
496800
2480
sin embargo, estamos tratando de resolver los
08:19
issues just by using our land.
242
499280
3680
problemas simplemente usando nuestra tierra.
08:22
Our idea is to connect the sea surface
243
502960
3600
Nuestra idea es conectar la superficie del mar
08:26
and the deep sea vertically and that way
244
506560
3680
y las profundidades del mar verticalmente y de esa manera
08:30
we believe that we can utilise the
245
510240
3440
creemos que podemos utilizar la
08:33
capability of the deep sea and that’s the
246
513680
3040
capacidad de las profundidades del mar y ese es el
08:36
purpose of this whole project.
247
516720
3120
propósito de todo este proyecto.
08:41
The effects of human activity on the
248
521200
2080
Los efectos de la actividad humana en la
08:43
land have led some to look to the oceans
249
523280
2720
tierra han llevado a algunos a mirar hacia los océanos en
08:46
for natural resources - naturally existing
250
526000
2720
busca de recursos naturales, cosas que existen naturalmente,
08:48
things such as minerals, oil, coal and
251
528720
2640
como minerales, petróleo, carbón y
08:51
other energy sources that can be
252
531360
1760
otras fuentes de energía que pueden ser
08:53
used by people.
253
533120
1040
utilizadas por las personas.
08:54
This search deep underwater is
254
534160
1760
Esta búsqueda en las profundidades del agua se lleva
08:55
happening vertically - at a ninety
255
535920
2400
a cabo verticalmente, en un
08:58
degree angle straight up or down
256
538320
1920
ángulo de noventa grados hacia arriba o hacia abajo
09:00
from the ground, as opposed to
257
540240
1440
desde el suelo, a diferencia de la
09:01
horizontally, or flat across the
258
541680
2160
horizontal o plana sobre la
09:03
Earth’s surface.
259
543840
1120
superficie de la Tierra.
09:04
But as yet, Shimizu Corporation’s plans
260
544960
2720
Pero hasta el momento, los planes de Shimizu Corporation
09:07
for an underwater city are still in the
261
547680
2400
para una ciudad submarina aún se encuentran en las
09:10
planning stages - no part of the project
262
550080
2560
etapas de planificación: aún no se ha construido ninguna parte del proyecto
09:12
has yet been built and the total cost
263
552640
2080
y se cree que el costo total
09:14
is thought to exceed 26 billion dollars.
264
554720
2865
supera los 26 mil millones de dólares.
09:17
In fact, the longest anyone has spent
265
557585
2000
De hecho, el tiempo más largo que alguien ha pasado
09:19
living under the sea is only 73 days.
266
559600
2960
viviendo bajo el mar es de solo 73 días.
09:22
That record was set by Roger Garcia,
267
562560
2480
Ese récord lo estableció Roger García,
09:25
ex-military diver and head of The
268
565040
2080
exbuzo militar y jefe de The
09:27
Aquarius, currently the world’s only
269
567120
2320
Aquarius, actualmente la única
09:29
underwater research station.
270
569440
2000
estación de investigación submarina del mundo.
09:31
Here’s Roger Garcia, explaining to
271
571440
1920
Aquí está Roger García, explicando al
09:33
BBC World Service programme,
272
573360
1600
programa de BBC World Service,
09:34
CrowdScience, what happens to the
273
574960
2080
CrowdScience, lo que le sucede al
09:37
human body after living underwater
274
577040
2320
cuerpo humano después de vivir bajo el agua
09:39
for so long:
275
579360
1226
durante tanto tiempo:
09:41
Perhaps a change in their voice, not
276
581017
2823
Quizás un cambio en su voz, no
09:43
much ‘cos we’re not very deep, that’s
277
583840
1920
mucho porque no estamos muy profundos, eso se debe a que
09:45
because the air becomes denser.
278
585760
2003
el aire se vuelve más denso. . Sin embargo
09:47
Physiologically, the most important thing
279
587763
2477
, fisiológicamente, lo más importante
09:50
though, is that since you are, in this case,
280
590240
4320
es que, dado que, en este caso, estás
09:54
at two and a half times atmospheric
281
594560
2240
a dos veces y media la
09:56
pressure you do take on more inner gas,
282
596800
3360
presión atmosférica, tomas más gas interno
10:00
and, in this case, inside The Aquarius we
283
600160
2880
y, en este caso, dentro del Aquarius
10:03
just breathe normal air - you’re gonna
284
603040
2400
solo respiramos aire normal: tú
10:05
take on more nitrogen and depending
285
605440
3040
tomará más nitrógeno y, dependiendo
10:08
on how long you stay in The Aquarius,
286
608480
2080
de cuánto tiempo permanezca en The Aquarius,
10:10
that’s going to incur some sort of
287
610560
1760
incurrirá en algún tipo de
10:12
decompressed obligation.
288
612320
2136
obligación de descompresión.
10:14
In addition to engineering challenges,
289
614703
2257
Además de los desafíos de ingeniería,
10:16
living underwater for long periods of
290
616960
1920
vivir bajo el agua durante largos períodos de
10:18
time also affects the human body.
291
618880
2720
tiempo también afecta al cuerpo humano.
10:21
One example is the bends – or
292
621600
2000
Un ejemplo son las curvas, o
10:23
decompression sickness, a serious
293
623600
2480
enfermedad por descompresión, un
10:26
medical disorder created by nitrogen
294
626080
2400
trastorno médico grave creado por
10:28
bubbles in the muscles when returning
295
628480
1920
burbujas de nitrógeno en los músculos cuando regresan
10:30
to the surface of the sea too quickly.
296
630400
2718
a la superficie del mar demasiado rápido.
10:33
The bends, and changes to the voice,
297
633118
2236
Las curvas y los cambios en la voz
10:35
are examples of how underwater living
298
635354
2326
son ejemplos de cómo la vida bajo el agua
10:37
changes the body
299
637680
1200
cambia el cuerpo
10:38
physiologically – relating
300
638880
1840
fisiológicamente, en relación
10:40
to how the bodies of living humans and
301
640720
2080
con el funcionamiento de los cuerpos de los humanos y los
10:42
animals function.
302
642800
1200
animales vivos.
10:44
As divers descend deep below the
303
644000
2000
A medida que los buzos descienden profundamente por debajo de la
10:46
ocean’s surface, there is an increase in
304
646000
2320
superficie del océano, hay un aumento en la
10:48
atmospheric pressure – the normal air
305
648320
2720
presión atmosférica, la presión normal del aire
10:51
pressure within the Earth’s atmosphere.
306
651040
2480
dentro de la atmósfera de la Tierra.
10:53
The deeper they dive, the higher
307
653520
1644
Cuanto más profundo se sumergen, mayor es
10:55
the pressure.
308
655164
1236
la presión. Las
10:56
Physiological reactions like the bends are
309
656400
2480
reacciones fisiológicas como las curvas son
10:58
caused by divers incorrectly readjusting
310
658880
2560
causadas por buzos que se reajustan incorrectamente
11:01
to normal atmospheric pressure.
311
661440
2240
a la presión atmosférica normal.
11:03
Well, Neil, with so many difficulties, it’s
312
663680
2560
Bueno, Neil, con tantas dificultades,
11:06
no surprise that H G Wells's fantasy of
313
666240
3120
no sorprende que la fantasía de H. G. Wells de
11:09
living under the sea is still science-fiction.
314
669360
3360
vivir bajo el mar siga siendo ciencia ficción.
11:12
Ah, but are you sure it was H G Wells,
315
672720
2560
Ah, pero ¿estás seguro de que fue H. G. Wells,
11:15
Rob?
316
675280
800
Rob?
11:16
In my quiz question I asked you who wrote
317
676080
2320
En mi pregunta de prueba te pregunté quién escribió
11:18
the classic underwater adventure Twenty
318
678400
2320
la clásica aventura submarina Veinte
11:20
Thousand Leagues Under the Sea.
319
680720
1840
mil leguas de viaje submarino.
11:22
Yes, and I said a) H G Wells.
320
682560
2800
Sí, y dije a) H G Wells. ¡
11:25
Which was… the wrong answer!
321
685360
2400
Cuál era… la respuesta incorrecta!
11:27
It was, in fact, c) Jules Verne, the
322
687760
2560
Era, de hecho, c) Julio Verne, el
11:30
French author who also wrote Around
323
690320
2080
autor francés que también escribió La vuelta
11:32
the World in Eighty Days.
324
692400
1680
al mundo en ochenta días.
11:34
In this programme, we’ve been
325
694080
1280
En este programa, hemos
11:35
discussing the challenge of living
326
695360
1520
discutido el desafío de vivir
11:36
underwater, going down vertically – at
327
696880
2560
bajo el agua, descendiendo verticalmente, en
11:39
a 90 degree angle – to the seabed – the
328
699440
2640
un ángulo de 90 grados, hasta el lecho marino, la
11:42
solid ground hundreds of metres under
329
702080
1920
tierra firme a cientos de metros bajo
11:44
the sea.
330
704000
640
11:44
Ocean explorers search underwater
331
704640
2080
el mar. Los
exploradores del océano buscan bajo el agua
11:46
for natural resources – useful materials
332
706720
2800
recursos naturales: materiales útiles
11:49
like coal and oil.
333
709520
1360
como el carbón y el petróleo.
11:50
But they face many physiological
334
710880
1920
Pero enfrentan muchos
11:52
problems – problems relating to how
335
712800
2160
problemas fisiológicos, problemas relacionados con el
11:54
the human body functions, such as the
336
714960
2240
funcionamiento del cuerpo humano, como las
11:57
bends – a painful medical condition
337
717200
2640
curvas, una condición médica dolorosa
11:59
caused by returning too quickly to
338
719840
1920
causada por regresar demasiado rápido a la
12:01
atmospheric pressure – the Earth’s
339
721760
2000
presión atmosférica, la
12:03
usual air pressure.
340
723760
1280
presión de aire habitual de la Tierra.
12:05
That’s all for this programme, but we
341
725040
1520
Eso es todo por este programa, pero
12:06
hope you’ll be diving back into 6 Minute
342
726560
2320
esperamos que vuelvas a sumergirte en 6 Minute
12:08
English very soon.
343
728880
1200
English muy pronto. ¡
12:10
Bye for now!
344
730080
1027
Adiós por ahora! ¡
12:11
Bye!
345
731107
683
Adiós!
12:17
Hello and welcome to 6 Minute
346
737520
1680
Hola y bienvenidos a 6 Minute
12:19
English. I'm Dan and joining me
347
739200
1600
English. Soy Dan y hoy me acompaña
12:20
today is Neil. Hi, Neil.
348
740800
1360
Neil. Hola, Neil.
12:22
Hi Dan. What’s with the protective
349
742160
2320
hola ¿Qué pasa con el
12:24
gear and helmet?
350
744480
1120
equipo de protección y el casco?
12:25
I’m just getting ready for the inevitable
351
745600
2240
Me estoy preparando para el inevitable
12:27
rise of the machines. That’s the takeover
352
747840
2480
ascenso de las máquinas. Esa es la conquista
12:30
of the world by artificial intelligence, or
353
750320
3200
del mundo por parte de la inteligencia artificial, o
12:33
AI, which some people predict will happen.
354
753520
3760
IA, que algunas personas predicen que sucederá.
12:37
'Inevitable' means 'cannot be avoided or
355
757280
2480
'Inevitable' significa 'no se puede evitar o
12:39
stopped'. Rise of the machines? What do
356
759760
2560
detener'. ¿Rebelión de las máquinas? ¿Qué
12:42
you mean?
357
762320
720
quieres decir?
12:43
It’s our topic in this 6 Minute English.
358
763040
2480
Es nuestro tema en este inglés de 6 minutos.
12:45
We’ll be talking about that, giving you
359
765520
1920
Hablaremos de eso, brindándole
12:47
six related pieces of vocabulary and, of
360
767440
2560
seis piezas de vocabulario relacionadas y, por
12:50
course, our regular quiz question.
361
770000
2400
supuesto, nuestra pregunta de prueba habitual.
12:52
That’s the first thing you’ve said that
362
772400
1600
Eso es lo primero que has dicho que
12:54
makes any sense. What’s the question?
363
774000
2240
tiene algún sentido. ¿Cuál es la pregunta?
12:56
The word ‘robot’ as we use it today was first
364
776240
2880
La palabra 'robot', tal como la usamos hoy en día, se
12:59
used in a 1920’s Czech play ‘Rossum’s Universal
365
779120
4480
utilizó por primera vez en una obra de teatro checa de 1920 'Rossum's Universal
13:03
Robots’. But before this, what was its
366
783600
3440
Robots'. Pero antes de esto, ¿cuál era su
13:07
original meaning:
367
787040
1520
significado original:
13:08
a) forced labour, b) metal man, or
368
788560
3040
a) trabajo forzado, b) hombre de metal, o
13:11
c) heartless thing?
369
791600
2160
c) cosa sin corazón?
13:13
I will go for a) forced labour.
370
793760
2880
Iré por a) trabajos forzados.
13:17
We’ll find out if you were right or not
371
797200
2080
Descubriremos si tenías razón o no
13:19
later in the show.
372
799280
1360
más adelante en el programa. Está
13:20
OK Dan. Tell me what’s going on.
373
800640
2160
bien Dan. Dime qué está pasando.
13:22
I saw a news article written by BBC
374
802800
2480
Vi un artículo de noticias escrito por el
13:25
technology correspondent Rory
375
805280
1920
corresponsal de tecnología de la BBC, Rory
13:27
Cellan-Jones about the recent CES
376
807200
3120
Cellan-Jones, sobre la reciente
13:30
technology show in Las Vegas.
377
810320
2480
feria de tecnología CES en Las Vegas.
13:32
He interviewed David Hanson, founder
378
812800
2800
Entrevistó a David Hanson, fundador
13:35
of Hanson Robotics, who said it was his
379
815600
3120
de Hanson Robotics, quien dijo que su
13:38
ambition to achieve an AI that can beat
380
818720
3840
ambición era lograr una IA que pudiera vencer a los
13:42
humans at any intellectual task.
381
822560
3200
humanos en cualquier tarea intelectual. ¡
13:45
Surely, it’s a good thing! Better AI and
382
825760
2640
Sin duda, es algo bueno! Una mejor IA y
13:48
robotics could take over many of the
383
828400
2080
robótica podrían hacerse cargo de muchos de los
13:50
jobs that we don’t want to do, or that
384
830480
2240
trabajos que no queremos hacer, o que
13:52
are so important to get 100% right…
385
832720
2560
son tan importantes para hacerlo 100 % bien...
13:55
like air traffic control.
386
835280
1920
como el control del tráfico aéreo.
13:57
We’d never have another plane crash.
387
837200
1920
Nunca tendríamos otro accidente de avión.
13:59
It would be infallible because it
388
839120
1760
Sería infalible porque
14:00
would be so clever.
389
840880
1440
sería muy inteligente.
14:02
'Infallible' means 'never failing'.
390
842320
2320
'Infalible' significa 'nunca fallando'.
14:04
And that’s what bothers me.
391
844640
1600
Y eso es lo que me molesta. ¿
14:06
What happens when its intelligence
392
846240
1920
Qué sucede cuando su inteligencia
14:08
surpasses ours? Why should it do
393
848160
2480
supera a la nuestra? ¿Por qué debería hacer
14:10
what we want it to do?
394
850640
1600
lo que queremos que haga?
14:12
To surpass something is to do or
395
852240
1920
Superar algo es hacer o
14:14
be better than it. Dan, you’ve been
396
854160
1840
ser mejor que eso. Dan, has estado
14:16
watching too many movies.
397
856000
1440
viendo demasiadas películas.
14:17
Robots fighting humanity is a
398
857440
1760
Los robots que luchan contra la humanidad es un
14:19
popular theme. Guess what… humanity
399
859200
2960
tema popular. Adivina qué... la humanidad
14:22
often wins. And besides, we would
400
862160
2080
a menudo gana. Y además,
14:24
programme the computer to be
401
864240
1280
programaríamos la computadora para ser
14:25
benevolent.
402
865520
1120
benevolente.
14:26
'Benevolent' means 'kind and helpful'.
403
866640
2480
'Benevolente' significa 'amable y servicial'.
14:29
But that’s just it, once the intelligence
404
869120
2560
Pero eso es todo, una vez que la inteligencia
14:31
becomes sentient, or able to think for
405
871680
2640
se vuelve sensible, o capaz de pensar por
14:34
itself, who knows what it will do.
406
874320
2480
sí misma, quién sabe qué hará. Los
14:36
We humans are not exactly perfect,
407
876800
1840
humanos no somos exactamente perfectos,
14:38
you know. What happens if it decides
408
878640
2160
ya sabes. ¿Qué pasa si decide
14:40
that it is better than us and wants us
409
880800
2160
que es mejor que nosotros y quiere quitarnos de
14:42
out of the way?
410
882960
1120
en medio?
14:44
Don’t worry. Asimov thought of that.
411
884080
2800
No te preocupes. Asimov pensó en eso.
14:46
Isaac Asimov was an American
412
886880
1760
Isaac Asimov fue un
14:48
science fiction writer who, among
413
888640
2080
escritor estadounidense de ciencia ficción que, entre
14:50
other things, wrote about robots.
414
890720
1920
otras cosas, escribió sobre robots.
14:52
He came up with three laws that
415
892640
2000
Se le ocurrieron tres leyes que
14:54
every robot would have to follow to
416
894640
2160
todo robot tendría que seguir para
14:56
stop it from acting against humanity.
417
896800
2160
evitar que actúe contra la humanidad. ¡
14:58
So we’re safe!
418
898960
1440
Así que estamos a salvo!
15:00
I’m not so sure. A sentient robot could
419
900400
2800
No estoy muy seguro. Un robot sensible podría
15:03
make up its own mind about how to
420
903200
2000
decidir por sí mismo cómo
15:05
interpret the laws. For example, imagine
421
905200
3120
interpretar las leyes. Por ejemplo, imagina
15:08
if we created an AI system to protect
422
908320
2880
si creamos un sistema de IA para proteger a
15:11
all of humanity.
423
911200
1120
toda la humanidad. ¡
15:12
Well, that’s great! No more war.
424
912320
1920
Bueno, eso es genial! No más guerra.
15:14
No more murder. No more fighting.
425
914240
1920
No más asesinatos. No más peleas. ¿De
15:16
Do you really think that humans
426
916160
1600
verdad crees que los humanos
15:17
can stop fighting? What if the AI decides
427
917760
2880
pueden dejar de pelear? ¿Qué pasa si la IA decide
15:20
that the only way to stop us from hurting
428
920640
2240
que la única forma de evitar que nos hagamos daño a
15:22
ourselves and each other is to control
429
922880
3920
nosotros mismos y a los demás es controlar
15:26
everything we do, so it takes over to
430
926800
3040
todo lo que hacemos, por lo que toma el control para
15:29
protect us. Then we would lose our
431
929840
2880
protegernos? ¡Entonces perderíamos nuestra
15:32
freedom to a thing that we created
432
932720
2480
libertad ante una cosa que creamos
15:35
that is infallible and more intelligent
433
935200
2960
que es infalible y más inteligente
15:38
than we are! That’s the end, Neil!
434
938160
2720
que nosotros! ¡Ese es el final, Neil!
15:40
I think that’s a little far-fetched, which
435
940880
2080
Creo que es un poco exagerado, lo que
15:42
means difficult to believe.
436
942960
1360
significa que es difícil de creer.
15:44
I’m sure others don’t think that way.
437
944320
1840
Estoy seguro de que otros no piensan de esa manera.
15:46
OK. Let’s hear what the Learning
438
946160
1920
DE ACUERDO. Escuchemos lo que
15:48
English team say when I ask them
439
948080
2240
dice el equipo de Learning English cuando les pregunto
15:50
if they are worried that AI and robots
440
950320
2480
si les preocupa que la IA y los robots
15:52
could take over the world.
441
952800
1810
puedan dominar el mundo.
15:55
Well, it’s possible, but unlikely.
442
955417
3143
Bueno, es posible, pero poco probable.
15:58
There will come a point where our
443
958560
1120
Llegará un punto en el que nuestra
15:59
technology will be limited – probably
444
959680
2160
tecnología será limitada, probablemente
16:01
before real AI is achieved.
445
961840
2340
antes de que se logre la IA real.
16:05
Never in a million years. First of all,
446
965120
2960
Ni en un millón de años. En primer lugar,
16:08
we’d programme them so that they
447
968080
1760
los programaríamos para que
16:09
couldn’t, and secondly we’d beat
448
969840
2400
no pudieran y, en segundo lugar,
16:12
them anyway. Haven’t you ever
449
972240
1760
los venceríamos de todos modos. ¿Nunca has
16:14
seen a movie?
450
974000
1709
visto una película?
16:16
I totally think it could happen.
451
976697
2183
Creo totalmente que podría pasar.
16:18
We only have to make a robot
452
978880
1680
Solo tenemos que hacer un robot
16:20
that’s smart enough to start
453
980560
1280
que sea lo suficientemente inteligente como para empezar a
16:21
thinking for itself. After that, who
454
981840
2240
pensar por sí mismo. Después de eso, quién
16:24
knows what it might do.
455
984080
1466
sabe lo que podría hacer. Hay
16:26
A mixed bag of opinions there, Dan.
456
986480
1920
una mezcla de opiniones allí, Dan.
16:28
It seems you aren’t alone.
457
988400
2160
Parece que no estás solo.
16:30
Nope. But I don’t exactly have
458
990560
1840
No. Pero tampoco tengo exactamente
16:32
an army of support either. I guess
459
992400
2480
un ejército de apoyo. Supongo que
16:34
we’ll just have to wait and see.
460
994880
1440
tendremos que esperar y ver.
16:36
Speak for yourself. I’ve waited
461
996320
1600
Habla por ti mismo. He esperado lo
16:37
long enough – for our quiz question
462
997920
1600
suficiente, por nuestra pregunta
16:39
that is.
463
999520
560
del cuestionario. ¡
16:40
Oh yeah! I asked you what the
464
1000080
1680
Oh sí! Le pregunté cuál era el
16:41
original meaning of the word ‘robot’
465
1001760
1920
significado original de la palabra 'robot'
16:43
was before it was used in its
466
1003680
2080
antes de que se usara en su
16:45
modern form:
467
1005760
1280
forma moderna:
16:47
a) forced labour, b) metal man, or
468
1007040
2960
a) trabajo forzado, b) hombre de metal, o
16:50
c) heartless thing?
469
1010000
1760
c) cosa sin corazón.
16:51
And I said a) forced labour.
470
1011760
1760
Y dije a) trabajo forzoso. ¡
16:53
And you were… right!
471
1013520
2240
Y tenías… razón! ¿
16:55
Shall we take a look at the
472
1015760
880
Echamos un vistazo al
16:56
vocabulary then?
473
1016640
1280
vocabulario entonces?
16:57
OK. First we had inevitable.
474
1017920
3040
DE ACUERDO. Primero tuvimos inevitable.
17:00
If something is inevitable then it
475
1020960
2000
Si algo es inevitable, entonces
17:02
cannot be avoided or stopped.
476
1022960
2400
no se puede evitar ni detener. ¿
17:05
Can you think of something
477
1025360
880
Puedes pensar en algo
17:06
inevitable, Neil?
478
1026240
1040
inevitable, Neil?
17:07
It is inevitable that one day the
479
1027280
2000
Es inevitable que un día el
17:09
Sun will stop burning. Then we had
480
1029280
2960
Sol deje de arder. Luego tuvimos
17:12
infallible, which means never failing.
481
1032240
2720
infalible, lo que significa nunca fallar.
17:14
Give us an example, Dan.
482
1034960
1360
Danos un ejemplo, Dan.
17:16
The vaccine for smallpox is infallible.
483
1036320
2560
La vacuna contra la viruela es infalible.
17:18
The natural spread of that disease
484
1038880
1600
La propagación natural de esa enfermedad se
17:20
has been completely stopped.
485
1040480
2000
ha detenido por completo.
17:22
After that was 'surpasses'.
486
1042480
2320
Después de eso fue 'supera'.
17:24
If something surpasses something
487
1044800
1920
Si algo supera a
17:26
else then it becomes better than it.
488
1046720
2560
otra cosa, entonces se vuelve mejor que eso.
17:29
Many parents across the world hope
489
1049280
1680
Muchos padres en todo el mundo esperan
17:30
that their children will surpass them
490
1050960
1680
que sus hijos los superen
17:32
in wealth, status or achievement.
491
1052640
2960
en riqueza, estatus o logros.
17:35
After that we heard benevolent, which
492
1055600
1760
Después de eso escuchamos benévolo, que
17:37
means kind and helpful. Name a person
493
1057360
2240
significa amable y servicial. Nombra a una persona
17:39
famous for being benevolent, Dan.
494
1059600
1877
famosa por ser benevolente, Dan.
17:41
Father Christmas is a benevolent
495
1061477
2363
Papá Noel es un
17:43
character.
496
1063840
1160
personaje benévolo.
17:45
After that we heard sentient.
497
1065000
2360
Después de eso escuchamos consciente.
17:47
If something is sentient, it is able
498
1067360
2160
Si algo es sensible, es capaz
17:49
to think for itself.
499
1069520
1360
de pensar por sí mismo.
17:50
Indeed. Many people wonder about
500
1070880
1520
En efecto. Muchas personas se preguntan acerca de
17:52
the possibility of sentient life on
501
1072400
2480
la posibilidad de vida sensible en
17:54
other planets. Finally, we heard
502
1074880
2160
otros planetas. Finalmente, escuchamos
17:57
far-fetched, which means difficult
503
1077040
1600
descabellado, lo que significa difícil
17:58
to believe. Like that far-fetched
504
1078640
2000
de creer. Como esa
18:00
story you told me the other day
505
1080640
1280
historia descabellada que me contaste el otro día
18:01
about being late because of a
506
1081920
1280
sobre llegar tarde por culpa de un
18:03
dragon, Dan.
507
1083200
880
dragón, Dan. ¡
18:04
I swear it was real! It had big sharp
508
1084080
2560
Te juro que era real! ¡Tenía dientes grandes y afilados
18:06
teeth and everything!
509
1086640
960
y todo!
18:07
Yeah, yeah, yeah. And that’s the end
510
1087600
1920
Si, si, si. Y ese es el final
18:09
of this 6 Minute English. Don’t forget
511
1089520
1840
de este inglés de 6 minutos. No olvide
18:11
to check out our Facebook, Twitter,
512
1091360
1600
visitar nuestras páginas de Facebook, Twitter
18:12
and YouTube pages.
513
1092960
1200
y YouTube. ¡
18:14
See you next time!
514
1094160
1120
Hasta la próxima! ¡
18:15
Bye!
515
1095280
560
18:15
Bye.
516
1095840
500
Adiós!
Adiós.
18:22
Hello. This is 6 Minute English
517
1102000
1600
Hola. Esto es 6 minutos de inglés
18:23
from BBC Learning English.
518
1103600
1520
de BBC Learning English.
18:25
I’m Neil.
519
1105120
880
Soy Neil.
18:26
And I’m Sam.
520
1106000
1360
Y yo soy Sam. ¿
18:27
Are you feeling well, Sam?
521
1107360
1680
Te sientes bien, Sam? ¿
18:29
No headache or sore throat?
522
1109040
2160
No tienes dolor de cabeza ni de garganta?
18:31
No, I feel fine, thanks, Neil.
523
1111200
2560
No, me siento bien, gracias, Neil. ¿
18:33
Why do you ask?
524
1113760
1520
Por qué lo preguntas?
18:35
Well, I’ve been reading some
525
1115280
1360
Bueno, he estado leyendo algunas
18:36
inspirational stories about the
526
1116640
1760
historias inspiradoras sobre
18:38
doctors and nurses
527
1118400
1120
médicos y enfermeras que
18:39
fighting Covid. When I was a boy, I
528
1119520
2320
luchan contra el covid. Cuando era niño,
18:41
always dreamed of becoming a doctor.
529
1121840
2310
siempre soñé con ser médico.
18:44
Ah, I see. Have you ever been in
530
1124150
2570
Ah, ya veo. ¿Alguna vez has estado en el
18:46
hospital?
531
1126720
1280
hospital?
18:48
Yes, I have, and I remember the
532
1128000
2080
Sí, lo he hecho, y recuerdo los
18:50
nurse’s bedside manner – you
533
1130080
1520
modales de la enfermera junto a la cama, ya sabes
18:51
know, the kind and caring way
534
1131600
1840
, la forma amable y afectuosa en
18:53
that doctors and nurses
535
1133440
1280
que los médicos y las enfermeras
18:54
treat people who are ill.
536
1134720
1680
tratan a las personas enfermas.
18:56
Nowadays more and more of the
537
1136400
1680
Hoy en día, cada vez más los
18:58
jobs that humans do are being carried
538
1138080
2080
trabajos que realizan los humanos están siendo
19:00
out by machines. But I doubt that a
539
1140160
2720
realizados por máquinas. Pero dudo que la
19:02
doctor’s bedside manner could easily
540
1142880
2160
actitud de un médico junto a la cama pueda
19:05
be replaced by a robot.
541
1145040
2093
ser reemplazada fácilmente por un robot.
19:07
In this programme, we’ll be discussing
542
1147133
2067
En este programa, debatiremos
19:09
whether the revolution in artificial
543
1149200
1920
si la revolución de la
19:11
intelligence, often shortened to ‘AI’,
544
1151120
2560
inteligencia artificial, a menudo abreviada como "IA",
19:13
could replace human doctors
545
1153680
1600
podría reemplazar a los médicos
19:15
and nurses.
546
1155280
880
y enfermeras humanos.
19:16
We’ll be asking: can you imagine a
547
1156160
2000
Nos preguntaremos: ¿te imaginas un
19:18
future without doctors?
548
1158160
2000
futuro sin médicos?
19:20
In fact, machines are already doing
549
1160160
2320
De hecho, las máquinas ya están haciendo
19:22
some of the jobs traditionally done
550
1162480
1840
algunos de los trabajos que tradicionalmente realizan los
19:24
by doctors - scanning people’s
551
1164320
2160
médicos, por ejemplo, escanear los cuerpos de las personas
19:26
bodies to detect skin cancer,
552
1166480
2160
para detectar cáncer de piel
19:28
for example.
553
1168640
1360
.
19:30
Yes, that’s true, Sam, and it links to
554
1170000
1840
Sí, eso es cierto, Sam, y está vinculado a
19:31
my quiz question which is about
555
1171840
1760
mi pregunta del cuestionario que trata sobre la
19:33
human skin. It’s a well-known fact that
556
1173600
2800
piel humana. Es un hecho bien conocido que
19:36
skin is the human body’s largest
557
1176400
2160
la piel es el órgano más grande del cuerpo humano
19:38
organ – but how much skin does the
558
1178560
2320
, pero ¿cuánta piel tiene un
19:40
average adult have? Is it:
559
1180880
2000
adulto promedio? ¿Es:
19:42
a) 2 square metres?,
560
1182880
2240
a) 2 metros cuadrados?,
19:45
b) 3 square metres? or
561
1185120
2640
b) 3 metros cuadrados? o
19:47
c) 4 square metres?
562
1187760
2640
c) 4 metros cuadrados?
19:50
Of course our skin gets loose as
563
1190400
2000
Por supuesto, nuestra piel se suelta a medida que
19:52
we age but I can’t believe there’s
564
1192400
2240
envejecemos, ¡pero no puedo creer que haya
19:54
3 square metres of it!
565
1194640
2320
3 metros cuadrados!
19:56
I’ll say the answer is
566
1196960
1280
Diré que la respuesta es
19:58
a) 2 square metres.
567
1198240
2646
a) 2 metros cuadrados.
20:00
OK, we’ll find out if that’s correct later.
568
1200886
3194
Bien, veremos si eso es correcto más tarde.
20:04
Every year in the UK over 5 million
569
1204080
2560
Cada año en el Reino Unido, más de 5 millones de
20:06
people are treated for skin cancer.
570
1206640
2080
personas reciben tratamiento por cáncer de piel.
20:08
Catch it early and your chances
571
1208720
1600
Atrápelo temprano y sus posibilidades
20:10
of survival are increased.
572
1210320
2130
de supervivencia aumentan.
20:12
Usually a skin specialist, or
573
1212450
2430
Por lo general, un especialista de la piel, o un
20:14
dermatologist, will examine your skin
574
1214880
2880
dermatólogo, examinará su piel
20:17
using a handheld microscope.
575
1217760
2720
con un microscopio de mano.
20:20
But in 2017, a team of researchers
576
1220480
2800
Pero en 2017, un equipo de investigadores
20:23
at Stanford Medical School made
577
1223280
2240
de la Escuela de Medicina de Stanford hizo
20:25
an exciting announcement.
578
1225520
2000
un anuncio emocionante.
20:27
Here’s Oxford University researcher
579
1227520
2000
Aquí está el investigador de la Universidad de Oxford,
20:29
Daniel Susskind, telling BBC World
580
1229520
2160
Daniel Susskind, contándole al programa de Servicio Mundial de la BBC
20:31
Service programme, The Big Idea, what
581
1231680
2240
, La gran idea, lo que
20:33
the medics at Stanford had invented:
582
1233920
3069
los médicos de Stanford habían inventado:
20:36
A team of researchers at Stamford
583
1236989
2371
Un equipo de investigadores de Stamford
20:39
last year announced the development
584
1239360
1360
anunció el año pasado el desarrollo
20:40
of a system that, if you give it a photo
585
1240720
1520
de un sistema que, si le das una foto
20:42
of a freckle it can tell you as accurately
586
1242240
2480
de una peca puede decirle con tanta precisión
20:44
as twenty-one leading dermatologists
587
1244720
2560
como veintiún dermatólogos líderes
20:47
whether or not that freckle is cancerous.
588
1247280
2703
si esa peca es cancerosa o no.
20:51
The Stanford medical team had
589
1251183
1937
El equipo médico de Stanford había
20:53
invented an AI system to analyse
590
1253120
2960
inventado un sistema de inteligencia artificial para analizar las
20:56
freckles – small brown spots
591
1256080
2560
pecas, pequeñas manchas marrones que
20:58
found on people’s
592
1258640
880
se encuentran en la piel de las personas
20:59
skin, especially on pale skin.
593
1259520
3419
, especialmente en la piel pálida.
21:02
As it turned out, the AI programme was
594
1262939
2501
Al final resultó que, el programa de IA fue
21:05
better than human doctors at
595
1265440
1440
mejor que los médicos humanos para
21:06
telling whether a freckle was harmless
596
1266880
1840
decir si una peca era inofensiva
21:08
or cancerous – connected to some
597
1268720
1920
o cancerosa, conectada a algún
21:10
type of cancer.
598
1270640
1280
tipo de cáncer.
21:11
So, it seems that artificial intelligence
599
1271920
2160
Entonces, parece que la inteligencia artificial
21:14
is already replacing humans when
600
1274080
2160
ya está reemplazando a los humanos cuando
21:16
it comes to detecting
601
1276240
1520
se trata de detectar el
21:17
cancer – and doing
602
1277760
1600
cáncer, y está haciendo
21:19
a better job of it.
603
1279360
1840
un mejor trabajo al respecto.
21:21
But Daniel Susskind isn’t convinced.
604
1281200
2640
Pero Daniel Susskind no está convencido.
21:23
One reason is that AI systems still
605
1283840
2240
Una de las razones es que los sistemas de IA aún
21:26
need humans to programme
606
1286080
1440
necesitan humanos para
21:27
them – and as it turns out, knowing
607
1287520
2320
programarlos, y resulta que saber
21:29
exactly how doctors detect
608
1289840
1680
exactamente cómo los médicos detectan
21:31
illness remains
609
1291520
960
enfermedades sigue siendo
21:32
something of a mystery.
610
1292480
1760
un misterio.
21:34
Here’s Daniel Susskind again in
611
1294240
2000
Aquí está Daniel Susskind nuevamente en
21:36
conversation with BBC World
612
1296240
1600
una conversación con el programa del Servicio Mundial de la BBC
21:37
Service programme, The Big Idea:
613
1297840
2836
, La gran idea:
21:41
If you ask a doctor how it is they
614
1301697
2463
si le pregunta a un médico cómo es que
21:44
make a diagnosis, they might be
615
1304160
2480
hace un diagnóstico, es posible que pueda
21:46
able to point you to particularly
616
1306640
2240
indicarle
21:48
revealing parts of a reference book
617
1308880
1840
partes particularmente reveladoras de un libro de referencia
21:50
or give you a few rules of thumb,
618
1310720
1760
o darle algunas reglas. en resumen,
21:52
but ultimately they’d struggle…
619
1312480
1200
pero en última instancia tendrían dificultades...
21:53
they’d say again it requires
620
1313680
1440
dirían nuevamente que se requieren
21:55
things like creativity and judgment,
621
1315120
1680
cosas como creatividad y buen juicio,
21:56
and these things are very difficult to
622
1316800
2240
y estas cosas son muy difíciles de
21:59
articulate – and so traditionally it’s
623
1319040
1920
articular, y por lo tanto, tradicionalmente se
22:00
been thought very hard to
624
1320960
1040
ha pensado que es muy difícil
22:02
automate – if a human being can’t
625
1322000
1520
automatizarlas, si un ser humano no puede
22:03
explain how they do these special
626
1323520
1760
explique cómo hacen estas
22:05
things, where on earth do we begin
627
1325280
2160
cosas especiales, ¿dónde diablos empezamos a
22:07
in writing instructions for a
628
1327440
1200
escribir instrucciones para que las
22:08
machine to follow?
629
1328640
2800
siga una máquina?
22:12
Most doctors find it difficult to
630
1332000
2080
A la mayoría de los médicos les resulta difícil
22:14
explain how they make a
631
1334080
1440
explicar cómo hacen un
22:15
diagnosis – their judgement
632
1335520
1840
diagnóstico: su juicio
22:17
about what someone’s
633
1337360
1120
sobre cuál
22:18
particular sickness is, made by
634
1338480
1920
es la enfermedad particular de alguien, hecho al
22:20
examining them.
635
1340400
1123
examinarlo.
22:21
Diagnosing someone’s illness is
636
1341920
1920
Diagnosticar la enfermedad de alguien es
22:23
complicated but there are some
637
1343840
1760
complicado, pero hay algunas
22:25
rules of thumb. A rule of thumb is
638
1345600
3120
reglas generales. Una regla empírica es
22:28
a practical but approximate way
639
1348720
2800
una forma práctica pero aproximada
22:31
of doing something.
640
1351520
1440
de hacer algo.
22:32
For example, when cooking, a good
641
1352960
2080
Por ejemplo, al cocinar, una buena
22:35
rule of thumb is two portions of
642
1355040
1840
regla general es dos porciones de
22:36
water to one portion of rice.
643
1356880
2480
agua por una porción de arroz.
22:39
Exactly. And because identifying
644
1359360
2640
Exactamente. Y debido a que identificar
22:42
sickness is so difficult, Daniel
645
1362000
2560
la enfermedad es tan difícil, Daniel
22:44
says “where on earth do we
646
1364560
1840
dice "¿dónde diablos
22:46
begin writing instructions for a
647
1366400
1760
empezamos a escribir instrucciones para una
22:48
machine?” We use phrases like
648
1368160
2480
máquina?" Usamos frases como
22:50
where, how or what on earth to show
649
1370640
3360
dónde, cómo o qué diablos para mostrar
22:54
feelings like anger, surprise
650
1374000
2640
sentimientos como ira, sorpresa
22:56
or disbelief.
651
1376640
1360
o incredulidad.
22:58
I might show surprise by asking
652
1378000
1760
Podría mostrar sorpresa al preguntarle a
22:59
Sam, ‘how on earth did you know
653
1379760
1600
Sam: "¿Cómo diablos supiste
23:01
the answer to that?’
654
1381360
1246
la respuesta a eso?" ¡Ja,
23:02
Ha ha! I guess you’re talking about
655
1382606
2114
ja! Supongo que estás hablando de
23:04
your quiz question, Neil? And
656
1384720
2080
tu pregunta del cuestionario, Neil. Y
23:06
you needn’t be so
657
1386800
880
no te
23:07
surprised – I’m naturally brainy!
658
1387680
2720
sorprendas tanto, ¡soy inteligente por naturaleza!
23:10
Of course you are. In my quiz
659
1390400
1760
Por supuesto que lo eres. En mi
23:12
question, I asked Sam how
660
1392160
1440
pregunta del cuestionario, le pregunté a Sam cuánta
23:13
much skin there is
661
1393600
1120
piel hay
23:14
on an adult human body.
662
1394720
2240
en un cuerpo humano adulto.
23:16
And I said it was a) 2 square
663
1396960
2320
Y dije que era a) 2
23:19
metres.
664
1399280
1123
metros cuadrados. ¡
23:20
Which was… the correct answer!
665
1400403
2477
Cuál era… la respuesta correcta!
23:22
With your brains, I think you’d make
666
1402880
1520
Con tu cerebro, creo que serías
23:24
a good doctor, Sam, and I’m sure
667
1404400
1840
un buen médico, Sam, y estoy seguro de que también
23:26
you’d have a good bedside
668
1406240
1360
tendrías buenos
23:27
manner too.
669
1407600
1440
modales junto a la cama.
23:29
You mean, the kind and caring way
670
1409040
2720
Te refieres a la forma amable y afectuosa en
23:31
that doctors and nurses treat
671
1411760
1440
que los médicos y las enfermeras tratan a
23:33
their patients.
672
1413200
1306
sus pacientes.
23:34
OK, let’s recap the rest of the
673
1414506
1974
Bien, recapitulemos el resto del
23:36
vocabulary, starting with freckle – a
674
1416480
2720
vocabulario, comenzando con pecas: una
23:39
small brown spot
675
1419200
1200
pequeña mancha marrón
23:40
on someone’s skin.
676
1420400
1280
en la piel de alguien.
23:41
Freckles are usually harmless, but
677
1421680
1680
Las pecas suelen ser inofensivas, pero
23:43
some skin spots can be
678
1423360
1360
algunas manchas en la piel pueden ser
23:44
cancerous – connected to cancer.
679
1424720
2640
cancerosas, relacionadas con el cáncer. El
23:47
A doctor’s diagnosis is their
680
1427360
1840
diagnóstico de un médico es su
23:49
judgement about what someone’s
681
1429200
1600
juicio sobre cuál
23:50
particular sickness
682
1430800
1200
23:52
or disease is.
683
1432000
1523
es la enfermedad o enfermedad particular de alguien.
23:53
A rule of thumb is a useful but
684
1433523
2157
Una regla general es una forma útil pero
23:55
approximate way of doing or
685
1435680
1680
aproximada de hacer o
23:57
measuring something.
686
1437360
1440
medir algo.
23:58
And finally, we use phrases
687
1438800
1680
Y finalmente, usamos frases
24:00
like, 'where on earth..?'
688
1440480
1789
como, '¿dónde diablos...?'
24:02
as a way to show emotions
689
1442269
1657
como una forma de mostrar emociones
24:03
like anger, surprise or disbelief.
690
1443926
2874
como la ira, la sorpresa o la incredulidad.
24:06
That’s all for this programme
691
1446800
1360
Eso es todo por este programa,
24:08
but join us for the next edition
692
1448160
1520
pero únase a nosotros para la próxima edición
24:09
of 6 Minute English
693
1449680
1280
de 6 minutos en inglés,
24:10
when we’ll discuss another
694
1450960
1200
donde discutiremos otro
24:12
trending topic
695
1452160
880
tema de moda
24:13
and the related vocabulary.
696
1453040
2216
y el vocabulario relacionado. ¿
24:15
Why on earth would you miss it?
697
1455256
2024
Por qué diablos te lo perderías? ¡
24:17
Goodbye for now!
698
1457280
1440
Adiós por ahora! ¡
24:18
Goodbye!
699
1458720
926
Adiós!
24:25
Hello. This is 6 Minute English
700
1465400
1842
Hola. Esto es 6 minutos de inglés
24:27
from BBC Learning English.
701
1467242
1414
de BBC Learning English.
24:28
I’m Neil.
702
1468656
864
Soy Neil.
24:29
And I’m Rob.
703
1469520
717
Y yo soy Rob.
24:30
From the bubonic plague to
704
1470237
1853
Desde la peste bubónica hasta el
24:32
cholera and tuberculosis, disease
705
1472090
2916
cólera y la tuberculosis, las enfermedades
24:35
and pandemics have changed the
706
1475006
2036
y las pandemias han cambiado la
24:37
way cities have been built.
707
1477042
2074
forma en que se han construido las ciudades.
24:39
For example, buildings in 19th century Paris
708
1479116
3284
Por ejemplo, los edificios del siglo XIX en París
24:42
were designed with large, high-up windows
709
1482400
2696
se diseñaron con ventanas grandes y altas
24:45
to allow plenty of sunlight.
710
1485096
1728
para permitir la entrada de mucha luz solar. Se
24:46
They were supposed to stop
711
1486824
1466
suponía que iban a detener
24:48
the spread of tuberculosis.
712
1488290
2000
la propagación de la tuberculosis. El
24:50
Coronavirus has been no different.
713
1490290
2730
coronavirus no ha sido diferente.
24:53
In lockdown, cities from Rio to Barcelona
714
1493020
3835
Durante el confinamiento, las ciudades desde Río hasta Barcelona
24:56
were transformed as wildlife and birdsong
715
1496855
2697
se transformaron a medida que la vida silvestre y el canto de los pájaros
24:59
replaced the noise of taxi horns
716
1499552
2000
reemplazaron el ruido de las bocinas de los taxis
25:01
and traffic. And with no car pollution,
717
1501552
2403
y el tráfico. ¡Y sin la contaminación de los automóviles,
25:03
you could even see the stars at night!
718
1503955
3056
incluso podrías ver las estrellas por la noche!
25:07
In this programme, we’ll be asking if cities
719
1507011
2190
En este programa, preguntaremos si las ciudades
25:09
after lockdown will ever be the same
720
1509201
1926
después del cierre volverán a ser las mismas,
25:11
again – and if we want them to be.
721
1511127
1964
y si queremos que lo sean.
25:13
We’ll be hearing some ideas from
722
1513091
1853
Escucharemos algunas ideas de
25:14
different cities around the world.
723
1514944
2073
diferentes ciudades alrededor del mundo.
25:17
And, of course, we’ll be learning
724
1517017
1780
Y, por supuesto, aprenderemos
25:18
some new vocabulary along the way.
725
1518797
2257
vocabulario nuevo en el camino.
25:21
One of the cities most affected by
726
1521054
2000
Una de las ciudades más afectadas por el
25:23
Covid-19 was Mumbai in India –
727
1523054
2696
Covid-19 fue Mumbai en India,
25:25
but approximately how many people
728
1525750
1670
pero ¿cuántas personas aproximadamente
25:27
were affected? What’s the estimated
729
1527420
2404
se vieron afectadas? ¿Cuál es la
25:29
population of Mumbai?
730
1529824
1413
población estimada de Bombay?
25:31
That’s my quiz question for you today, Rob.
731
1531237
2367
Esa es mi pregunta de prueba para ti hoy, Rob. ¿
25:33
Is it: a) 15 million people,
732
1533604
3062
Es: a) 15 millones de personas,
25:36
b) 20 million people, or
733
1536666
1487
b) 20 millones de personas, o
25:38
c) 25 million people?
734
1538153
2330
c) 25 millones de personas?
25:40
I know Mumbai is an international
735
1540483
2957
Sé que Mumbai es una
25:43
mega-city, so I’ll say
736
1543440
2364
megaciudad internacional, así que diré
25:45
b) 20 million people.
737
1545804
2516
b) 20 millones de personas.
25:48
OK, Rob, we’ll find out later if
738
1548320
1920
De acuerdo, Rob, lo averiguaremos más tarde si
25:50
that’s right.
739
1550240
1200
eso es correcto.
25:51
Now, Beatriz Colomina is a professor
740
1551440
2640
Ahora, Beatriz Colomina es profesora
25:54
of architecture at Princeton University
741
1554080
2400
de arquitectura en la Universidad de Princeton
25:56
in the United States. She’s spent years
742
1556480
2560
en Estados Unidos. Ha pasado años
25:59
researching the relationship between
743
1559040
1760
investigando la relación entre las
26:00
cities and disease. Here she is talking
744
1560800
2800
ciudades y las enfermedades. Aquí ella está hablando
26:03
with Kavita Puri, presenter of BBC
745
1563600
2640
con Kavita Puri, presentadora del
26:06
World Service programme, The Inquiry:
746
1566240
2440
programa del Servicio Mundial de la BBC, The Inquiry:
26:09
Take tuberculosis. Unlike
747
1569010
2590
Take tuberculosis. A diferencia del
26:11
cholera, which
748
1571600
800
cólera, que
26:12
was eliminated in London by
749
1572400
1840
se eliminó en Londres al
26:14
re-designing the sewage system
750
1574240
1760
rediseñar el sistema de alcantarillado
26:16
in the 1850s, TB was airborne.
751
1576000
3920
en la década de 1850, la tuberculosis se transmitía por el aire.
26:19
It became a real problem with
752
1579920
2400
Se convirtió en un problema real con
26:22
the rise of the industrial cities, the
753
1582320
2640
el surgimiento de las ciudades industriales, las
26:24
metropolis, before an antibiotic
754
1584960
2960
metrópolis, antes de que un antibiótico
26:27
was effective.
755
1587920
1520
fuera efectivo.
26:29
One in seven people on the
756
1589440
1520
Una de cada siete personas en el
26:30
planet had TB, but in dense cities
757
1590960
2800
planeta tenía tuberculosis, pero en ciudades densas
26:33
like Paris, it was one in three. Closely
758
1593760
4000
como París, era una de cada tres.
26:37
packed tenements meant the disease
759
1597760
2240
Las viviendas apiñadas significaron que la enfermedad
26:40
spread like wildfire and architects
760
1600000
3120
se propagó como un reguero de pólvora y los arquitectos
26:43
and planning experts responded.
761
1603120
2480
y expertos en planificación respondieron.
26:45
Some diseases, like cholera, could
762
1605600
2080
Algunas enfermedades, como el cólera, podrían
26:47
be prevented by redesigning cities
763
1607680
2400
prevenirse rediseñando las ciudades
26:50
to improve hygiene, like the waste
764
1610080
2240
para mejorar la higiene, como las
26:52
water sewers in 19th century London.
765
1612320
2880
alcantarillas de aguas residuales en el Londres del siglo XIX.
26:55
But the problem with tuberculosis, or
766
1615200
2320
Pero el problema con la tuberculosis, o
26:57
TB for short, was that the disease is
767
1617520
2960
TB para abreviar, era que la enfermedad se transmite
27:00
airborne – carried and spread in
768
1620480
2000
por el aire, se transporta y se propaga por
27:02
the air.
769
1622480
720
el aire.
27:03
Adding to the problem was the fact
770
1623200
1680
Al problema se sumó el hecho de
27:04
that antibiotics – medicines like
771
1624880
2480
que los antibióticos (medicamentos como la
27:07
penicillin that can destroy harmful
772
1627360
2080
penicilina que pueden destruir
27:09
bacteria or stop their growth – was
773
1629440
2560
bacterias dañinas o detener su crecimiento)
27:12
not discovered until 1928 – too late
774
1632000
3280
no se descubrieron hasta 1928, demasiado tarde
27:15
to save the thousands of people who
775
1635280
1840
para salvar a las miles de personas que
27:17
died in Mumbai, New York, Paris and
776
1637120
2240
murieron en Mumbai, Nueva York, París y
27:19
other cities during the 1800s.
777
1639360
2080
otras ciudades durante el 1800
27:21
Diseases like TB killed more and
778
1641440
2240
Enfermedades como la tuberculosis mataron a más y
27:23
more people as cities industrialised
779
1643680
2880
más personas a medida que las ciudades se industrializaban
27:26
and grew bigger and bigger, leading
780
1646560
1840
y crecían más y más, lo que llevó
27:28
to the creation of the
781
1648400
1360
a la creación de la
27:29
metropolis – the largest, busiest and
782
1649760
2640
metrópolis, la ciudad más grande, concurrida e
27:32
most important
783
1652400
880
importante
27:33
city in a country or region.
784
1653280
1680
de un país o región.
27:34
Many people crowded together in
785
1654960
1520
Mucha gente se amontonaba en las
27:36
large metropolises meaning that
786
1656480
1920
grandes metrópolis, lo que significa que la
27:38
disease could spread like wildfire – an
787
1658400
2560
enfermedad podría propagarse como un reguero de pólvora, una
27:40
idiom meaning spread quickly around
788
1660960
2000
expresión idiomática que significa propagarse rápidamente entre
27:42
many people.
789
1662960
1040
muchas personas.
27:44
Even today disease is shaping
790
1664000
1840
Incluso hoy en día, la enfermedad está dando forma a
27:45
our cities. In post-Covid Paris, new
791
1665840
3280
nuestras ciudades. En el París post-Covid, las nuevas
27:49
ideas for a ’15 minute city’ aim to
792
1669120
2720
ideas para una "ciudad de 15 minutos" tienen como objetivo
27:51
make all public services available
793
1671840
2000
hacer que todos los servicios públicos estén disponibles
27:53
within a fifteen minute walk to help
794
1673840
2160
a quince minutos a pie para ayudar a las
27:56
people working from home.
795
1676000
1680
personas que trabajan desde casa.
27:57
Other countries want to build
796
1677680
1440
Otros países quieren construir
27:59
better, more affordable housing
797
1679120
1680
viviendas mejores y más asequibles
28:00
outside the city centre.
798
1680800
1680
fuera del centro de la ciudad.
28:02
But according to Mumbai resident
799
1682480
1680
Pero según el
28:04
Dr Vaidehi Tandel, this won’t
800
1684160
2240
Dr. Vaidehi Tandel, residente de Mumbai, esto no
28:06
work – even if the housing on
801
1686400
2000
funcionará, incluso si la vivienda que se
28:08
offer is better.
802
1688400
1280
ofrece es mejor. ¿
28:09
But why? The reason is work.
803
1689680
3120
Pero por qué? El motivo es el trabajo.
28:12
When you shift them out, you’re
804
1692800
1360
Cuando los cambia,
28:14
moving them away from their
805
1694160
1280
los está alejando de sus
28:15
livelihoods and they’re not going to
806
1695440
1360
medios de subsistencia y no
28:16
be able to sustain themselves there
807
1696800
1680
podrán mantenerse allí
28:18
so, they will be coming back because
808
1698480
2400
, por lo que regresarán porque
28:20
their jobs are in the city and they
809
1700880
1680
sus trabajos están en la ciudad y no
28:22
cannot afford the commute from
810
1702560
2000
pueden pagar el viaje desde
28:24
further off places.
811
1704560
1200
más lejos. fuera de lugares
28:26
Dr Vaidehi Tandel there, talking on
812
1706400
2160
El Dr. Vaidehi Tandel allí, hablando en
28:28
the BBC World Service programme
813
1708560
1840
el programa The Inquiry del Servicio Mundial de la BBC. Intentar
28:30
The Inquiry.Trying to make cities less
814
1710400
2720
que las ciudades estén menos
28:33
crowded is one way to minimise the
815
1713120
2160
pobladas es una forma de minimizar los
28:35
risks from disease. But moving people
816
1715280
2480
riesgos de enfermedades. Pero alejar a la gente
28:37
away from the city centre means moving
817
1717760
2080
del centro de la ciudad significa
28:39
them away from their livelihood – their
818
1719840
1920
alejarlos de su medio de vida: su
28:41
job or other way of earning money to
819
1721760
1760
trabajo u otra forma de ganar dinero para
28:43
pay for food, housing and clothing.
820
1723520
2880
pagar la comida, la vivienda y la ropa.
28:46
Many people still want to live near
821
1726400
1600
Muchas personas todavía quieren vivir cerca de
28:48
their workplace in the city centre
822
1728000
2080
su lugar de trabajo en el centro de la ciudad
28:50
because they can’t afford to pay
823
1730080
1600
porque no pueden pagar
28:51
for the commute – the journey
824
1731680
1520
el viaje diario, el viaje
28:53
between their home and their
825
1733200
1360
entre su casa y su
28:54
place of work.
826
1734560
1440
lugar de trabajo. ¿
28:56
Which is real problem when you
827
1736000
1440
Cuál es el verdadero problema cuando
28:57
live in a city of… how many people
828
1737440
2400
vives en una ciudad de… cuántas personas
28:59
did you say live in Mumbai, Neil?
829
1739840
2000
dijiste que viven en Mumbai, Neil?
29:01
Ah yes, in our quiz question I asked
830
1741840
2320
Ah, sí, en nuestra pregunta de prueba
29:04
you what the estimated population
831
1744160
2000
te pregunté cuál es la población estimada
29:06
of Mumbai is.
832
1746160
1200
de Mumbai.
29:07
I said b) 20 million people.
833
1747360
2720
Dije b) 20 millones de personas. ¡
29:10
And you were absolutely right!
834
1750080
1760
Y tenías toda la razón!
29:11
Around 20 million people live in
835
1751840
1920
Alrededor de 20 millones de personas viven en
29:13
the Mumbai metropolis, making it
836
1753760
2000
la metrópolis de Mumbai, lo que
29:15
very difficult to socially distance.
837
1755760
2640
dificulta mucho el distanciamiento social.
29:18
In this programme, we’ve been
838
1758400
1360
En este programa, hemos estado
29:19
discussing the relationship between
839
1759760
1600
discutiendo la relación entre las
29:21
cities and disease. In the 1800s,
840
1761360
3040
ciudades y la enfermedad. En la década de 1800, la
29:24
tuberculous, or TB, killed thousands
841
1764400
3360
tuberculosis, o TB, mató a miles
29:27
because it was an airborne
842
1767760
1680
porque era una
29:29
disease – spread
843
1769440
1280
enfermedad transmitida por el aire: se propagaba
29:30
in the air, and hard to prevent.
844
1770720
2080
por el aire y era difícil de prevenir.
29:32
Antibiotics – medicinal chemicals
845
1772800
2400
Los antibióticos, sustancias químicas medicinales
29:35
like penicillin which can destroy
846
1775200
1920
como la penicilina, que pueden destruir
29:37
harmful germs, couldn’t help
847
1777120
2160
gérmenes dañinos, no pudieron ayudar
29:39
because they weren’t discovered
848
1779280
1360
porque no se descubrieron
29:40
until decades later.
849
1780640
1760
hasta décadas después.
29:42
So in metropolises – the largest and
850
1782400
2640
Entonces, en las metrópolis, las
29:45
most important cities, where people
851
1785040
1760
ciudades más grandes e importantes, donde las personas
29:46
live crowded close together, diseases
852
1786800
2960
viven hacinadas, las enfermedades
29:49
spread like wildfire – an idiom
853
1789760
2400
se propagan como la pólvora, una expresión idiomática que
29:52
meaning spread widely and quickly.
854
1792160
2400
significa propagarse amplia y rápidamente.
29:54
In Mumbai and other places, the
855
1794560
1840
En Mumbai y otros lugares, el
29:56
problem remains that many
856
1796400
1440
problema sigue siendo que muchas
29:57
people need the city for their
857
1797840
1440
personas necesitan la ciudad para su
29:59
livelihood – job or other way of
858
1799280
2240
sustento: trabajo u otra forma de
30:01
earning money.
859
1801520
960
ganar dinero.
30:02
So, they prefer to live in the city
860
1802480
1600
Por lo tanto, prefieren vivir en el
30:04
centre instead of paying for the
861
1804080
1600
centro de la ciudad en lugar de pagar el viaje
30:05
daily commute – a journey, often
862
1805680
2160
diario al trabajo, un viaje, a menudo
30:07
by train, bus or car, from your home
863
1807840
2240
en tren, autobús o automóvil, desde su hogar
30:10
to your workplace.
864
1810080
1600
hasta su lugar de trabajo.
30:11
That’s all we have time for in
865
1811680
1600
Eso es todo para lo que tenemos tiempo en
30:13
this programme, but remember you
866
1813280
1440
este programa, pero recuerda que
30:14
can find more useful vocabulary,
867
1814720
2000
puedes encontrar más vocabulario útil,
30:16
trending topics and help with your
868
1816720
1760
temas de moda y ayuda con tu
30:18
language learning here at
869
1818480
1440
aprendizaje de idiomas aquí en
30:19
BBC Learning English.
870
1819920
1520
BBC Learning English. ¡
30:21
Bye for now!
871
1821440
1050
Adiós por ahora! ¡
30:22
Bye bye!
872
1822490
793
Adiós!
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7