Kenneth Cukier: Big data is better data

Kenneth Cukier: Datos masivos, datos mucho mejores

Traductor: Lidia Cámara de la Fuente Revisor: Ciro Gomez

America's favorite pie is?

¿Pastel favorito en EEUU?

Audience: Apple. Kenneth Cukier: Apple. Of course it is.

Audiencia: El de manzana. Kenneth Cukier: De manzana. Por supuesto.

How do we know it?

¿Cómo lo sabemos?

Because of data.

Por los datos.

You look at supermarket sales.

Se miran las ventas en supermercados.

You look at supermarket sales of 30-centimeter pies

Se miran las ventas en supermercados de pasteles de 30 cm

that are frozen, and apple wins, no contest.

congelados, y los de manzana ganan, sin rival.

The majority of the sales are apple.

La mayoría de las ventas son los de manzana.

But then supermarkets started selling

Pero los supermercados comenzaron a vender

smaller, 11-centimeter pies,

pasteles más pequeños, de 11 cm,

and suddenly, apple fell to fourth or fifth place.

y de repente, el de manzana cayó al 4º o 5º lugar.

Why? What happened?

¿Por qué? ¿Qué paso?

Okay, think about it.

Bueno, piensen en ello.

When you buy a 30-centimeter pie,

Cuando compramos un pastel de 30 cm,

the whole family has to agree,

toda la familia tiene que estar de acuerdo,

and apple is everyone's second favorite.

y el de manzana es el segundo favorito de todos.

(Laughter)

(Risas)

But when you buy an individual 11-centimeter pie,

Pero si uno compra un pastel de 11 cm individual,

you can buy the one that you want.

puede comprar el que desee.

You can get your first choice.

Puede comprar su primera opción.

You have more data.

Tenemos más datos.

You can see something

Podemos ver algo

that you couldn't see

que no se podía ver

when you only had smaller amounts of it.

cuando solo había menor cantidad de datos.

Now, the point here is that more data

Ahora, el punto es que muchos más datos

doesn't just let us see more,

no solo nos permiten ver más,

more of the same thing we were looking at.

más de lo mismo que ya veíamos.

More data allows us to see new.

Más datos nos permiten ver cosas nuevas.

It allows us to see better.

Nos permiten ver mejor.

It allows us to see different.

Nos permiten ver de forma diferente.

In this case, it allows us to see

En este caso, nos permiten ver

what America's favorite pie is:

que el pastel favorito de EEUU es:

not apple.

no el de manzana.

Now, you probably all have heard the term big data.

Puede que todos hayan oído escuchado el término "Datos masivos".

In fact, you're probably sick of hearing the term

De hecho, es probable que estén hartos de escucharlo

big data.

"Datos masivos".

It is true that there is a lot of hype around the term,

Es cierto que se exagera mucho el término,

and that is very unfortunate,

y eso es muy lamentable,

because big data is an extremely important tool

porque los datos masivos son una herramienta muy importante

by which society is going to advance.

para que la sociedad avance.

In the past, we used to look at small data

En el pasado, solíamos observar pequeñas cantidades de datos

and think about what it would mean

y pensar qué significarían

to try to understand the world,

para tratar de entender el mundo.

and now we have a lot more of it,

Ahora tenemos mucho más de ello,

more than we ever could before.

más de lo que podía existir antes.

What we find is that when we have

Lo que encontramos es que cuando tenemos

a large body of data, we can fundamentally do things

una gran cantidad de datos, podemos hacer cosas

that we couldn't do when we only had smaller amounts.

que no podíamos hacer teniendo solo cantidades más pequeñas.

Big data is important, and big data is new,

Los datos masivos son importantes y es algo nuevo,

and when you think about it,

y cuando se piensa en ello,

the only way this planet is going to deal

la única forma en que este planeta afronte

with its global challenges —

sus desafíos mundiales, esto es,

to feed people, supply them with medical care,

alimentar a la gente, ofrecer atención médica,

supply them with energy, electricity,

suministrar energía, electricidad,

and to make sure they're not burnt to a crisp

y asegurarse de que no nos achicharramos

because of global warming —

debido al calentamiento global,

is because of the effective use of data.

es utilizando de forma eficaz los datos.

So what is new about big data? What is the big deal?

Entonces, ¿qué es lo nuevo de los datos masivos? ¿Cuál es la gran cosa?

Well, to answer that question, let's think about

Bueno, para responder a esto, pensaremos en

what information looked like,

cómo se veía la información,

physically looked like in the past.

físicamente en el pasado.

In 1908, on the island of Crete,

En 1908 en la isla de Creta,

archaeologists discovered a clay disc.

los arqueólogos descubrieron un disco de arcilla.

They dated it from 2000 B.C., so it's 4,000 years old.

Datan del año 2000 aC, así que tienen 4000 años de antigüedad.

Now, there's inscriptions on this disc,

Hay inscripciones en este disco,

but we actually don't know what it means.

pero, no sabemos qué significan.

It's a complete mystery, but the point is that

Es un completo misterio, pero el punto es que

this is what information used to look like

así solía verse la información

4,000 years ago.

hace 4000 años.

This is how society stored

Esta es la forma en que la sociedad almacenaba

and transmitted information.

y transmitía la información.

Now, society hasn't advanced all that much.

Ahora, la sociedad no ha avanzado tanto.

We still store information on discs,

Todavía guardamos la información en discos,

but now we can store a lot more information,

pero ahora podemos almacenar mucha más información,

more than ever before.

más que nunca.

Searching it is easier. Copying it easier.

Buscar es más fácil. Copiar es más fácil.

Sharing it is easier. Processing it is easier.

El compartir es más fácil. El procesamiento es más fácil.

And what we can do is we can reuse this information

Y podemos volver a utilizar esta información

for uses that we never even imagined

para usos que nunca nos imaginamos

when we first collected the data.

cuando se recogieron los primeros datos.

In this respect, the data has gone

A este respecto, los datos han evolucionado

from a stock to a flow,

de un almacén a un flujo,

from something that is stationary and static

de algo que es estacionario y estático

to something that is fluid and dynamic.

a algo que es fluido y dinámico.

There is, if you will, a liquidity to information.

Hay, si quieren, una liquidez de información.

The disc that was discovered off of Crete

El disco descubierto fuera de Creta

that's 4,000 years old, is heavy,

que tiene 4000 años de antigüedad, es pesado,

it doesn't store a lot of information,

no almacena gran cantidad de información,

and that information is unchangeable.

y esa información no es modificable.

By contrast, all of the files

Por el contrario, todos los archivos

that Edward Snowden took

que Edward Snowden tomó

from the National Security Agency in the United States

de la Agencia de Seguridad Nacional de EEUU

fits on a memory stick

caben en un dispositivo de memoria extraíble

the size of a fingernail,

del tamaño de una uña,

and it can be shared at the speed of light.

y pueden compartirse a la velocidad de la luz.

More data. More.

Más datos. Más.

Una razón para tener tantos datos hoy en el mundo

Now, one reason why we have so much data in the world today

is we are collecting things

es que recolectamos cosas

that we've always collected information on,

sobre las que siempre hemos recopilado información,

but another reason why is we're taking things

pero otra razón es que estamos tomando cosas

that have always been informational

que siempre han sido informacionales

but have never been rendered into a data format

pero nunca se habían convertido a un formato de datos

and we are putting it into data.

y las estamos convirtiendo en datos.

Think, for example, the question of location.

Piensen, por ejemplo, en la cuestión de la ubicación.

Take, for example, Martin Luther.

Tomemos, por ejemplo, Martín Lutero.

If we wanted to know in the 1500s

Si hubiéramos querido saber en 1500

where Martin Luther was,

donde estaba Martín Lutero,

we would have to follow him at all times,

habríamos tenido que seguirlo en todo momento,

maybe with a feathery quill and an inkwell,

quizá con pluma y tintero,

and record it,

y anotarlo.

but now think about what it looks like today.

Pero piensen cómo es hoy en día.

You know that somewhere,

Uds. saben que en algún lugar,

probably in a telecommunications carrier's database,

quizá en la base de datos de una empresa de telecomunicaciones,

there is a spreadsheet or at least a database entry

hay una hoja de cálculo o entrada de base de datos

that records your information

donde se registra su información

of where you've been at all times.

de donde han estado en todo momento.

If you have a cell phone,

Si tienen celular,

and that cell phone has GPS, but even if it doesn't have GPS,

y el teléfono tiene GPS, pero incluso si no tiene GPS,

it can record your information.

se puede registrar su información.

In this respect, location has been datafied.

En este sentido, la localización ha sido un campo de datos.

Now think, for example, of the issue of posture,

Ahora piensen, por ejemplo, en el tema de la postura,

the way that you are all sitting right now,

la forma en que están sentados ahora,

the way that you sit,

la forma en Ud. está sentado,

the way that you sit, the way that you sit.

la de Ud., la de Ud.

It's all different, and it's a function of your leg length

Todas diferentes, en función de la longitud de las piernas,

and your back and the contours of your back,

la espalda y su contorno,

and if I were to put sensors, maybe 100 sensors

y si pusiera censores, tal vez 100

into all of your chairs right now,

en todos los asientos ahora,

I could create an index that's fairly unique to you,

podría crear un índice que es único para cada uno,

sort of like a fingerprint, but it's not your finger.

algo así como una huella digital, que no es del dedo.

So what could we do with this?

Y entonces, ¿qué podemos hacer con esto?

Researchers in Tokyo are using it

Los investigadores en Tokio están utilizando

as a potential anti-theft device in cars.

como un dispositivo potencial antirobo en los autos.

The idea is that the carjacker sits behind the wheel,

La idea es que el ladrón se siente al volante,

tries to stream off, but the car recognizes

intente encenderlo, pero el auto reconoce

that a non-approved driver is behind the wheel,

que un conductor no autorizado está en el auto

and maybe the engine just stops, unless you

y, tal vez el motor se detiene, a menos que

type in a password into the dashboard

escriba una contraseña en el salpicadero

to say, "Hey, I have authorization to drive." Great.

para decir, "Tengo la autorización para conducir". Estupendo.

What if every single car in Europe

¿Qué pasaría si cada automóvil en Europa

had this technology in it?

tuviera esta tecnología?

What could we do then?

¿Qué podemos hacer entonces?

Maybe, if we aggregated the data,

Tal vez, si agregamos los datos,

maybe we could identify telltale signs

tal vez podríamos identificar signos reveladores

that best predict that a car accident

que predijeran mejor que un accidente de auto

is going to take place in the next five seconds.

tendrá lugar en los próximos cinco segundos.

And then what we will have datafied

Y entonces, la base de datos que tendremos

is driver fatigue,

es la fatiga del conductor,

and the service would be when the car senses

y el servicio se activaría cuando los sensores del automóvil

that the person slumps into that position,

detectaran que la persona reposa en esa posición,

automatically knows, hey, set an internal alarm

y automáticamente se activa una alarma interna

that would vibrate the steering wheel, honk inside

que haría vibrar el volante, sonar una alarma

to say, "Hey, wake up,

para decir, "Despierta,

pay more attention to the road."

presta más atención a la carretera".

These are the sorts of things we can do

Este es el tipo de cosas que podemos hacer

when we datafy more aspects of our lives.

cuando tomamos datos en más aspectos de nuestras vidas.

So what is the value of big data?

Entonces, ¿cuál es el valor de los datos masivos?

Well, think about it.

Bueno, piensen en ello.

You have more information.

Tienen más información.

You can do things that you couldn't do before.

Pueden hacer cosas que antes no se podían hacer.

One of the most impressive areas

Una de las zonas más impresionantes

where this concept is taking place

donde este concepto se ve aplicado

is in the area of machine learning.

es en el área del aprendizaje automático.

Machine learning is a branch of artificial intelligence,

El aprendizaje automático es una rama de la inteligencia artificial,

which itself is a branch of computer science.

que en sí es una rama de la informática.

The general idea is that instead of

La idea general es que en lugar de

instructing a computer what do do,

enseñar a un equipo algo,

we are going to simply throw data at the problem

simplemente transferiremos datos al problema

and tell the computer to figure it out for itself.

para decirle a la computadora que lo averigüe sola.

And it will help you understand it

Y nos ayude a entenderlo

by seeing its origins.

al ver sus orígenes.

In the 1950s, a computer scientist

En la década de 1950, un científico de computación

at IBM named Arthur Samuel liked to play checkers,

en IBM llamado Arthur Samuel al que le gustaba jugar a damas,

so he wrote a computer program

por eso escribió un programa

so he could play against the computer.

para poder jugar contra la computadora.

He played. He won.

Jugó. Ganó.

He played. He won.

Jugó. Ganó.

He played. He won,

Jugó. Ganó,

because the computer only knew

porque el equipo solo sabía

what a legal move was.

lo que era un movimiento legal.

Arthur Samuel knew something else.

Arthur Samuel sabía algo más.

Arthur Samuel knew strategy.

Arthur Samuel sabía estrategia.

So he wrote a small sub-program alongside it

Así que escribió un pequeño subprograma

operating in the background, and all it did

operando en el fondo. Y todo lo que hizo

was score the probability

fue anotar la probabilidad

that a given board configuration would likely lead

de que una configuración del tablero condujera

to a winning board versus a losing board

a un tablero ganador frente a un tablero perdedor

after every move.

después de cada movimiento.

He plays the computer. He wins.

Él jugó contra el equipo. Él ganó.

He plays the computer. He wins.

Él jugó contra el equipo. Él ganó.

He plays the computer. He wins.

Él jugó contra el equipo. Él ganó.

And then Arthur Samuel leaves the computer

Y luego Arthur Samuel dejó que la computadora

to play itself.

jugara sola.

It plays itself. It collects more data.

Juega sola. Y recoge más datos.

It collects more data. It increases the accuracy of its prediction.

Recoge más datos. Aumenta la precisión de su predicción.

And then Arthur Samuel goes back to the computer

Y luego Arthur Samuel vuelve al equipo

and he plays it, and he loses,

juega y pierde.

and he plays it, and he loses,

Y juega y pierde.

and he plays it, and he loses,

Y juega y pierde.

and Arthur Samuel has created a machine

Y Arthur Samuel ha creado una máquina

that surpasses his ability in a task that he taught it.

que supera su capacidad en una tarea que él enseñó.

And this idea of machine learning

Y esta idea de aprendizaje automático

is going everywhere.

irá a todas partes.

How do you think we have self-driving cars?

¿Cómo creen que tenemos autos autodirigidos?

Are we any better off as a society

¿Estamos mejor como sociedad

enshrining all the rules of the road into software?

almacenando todas las reglas de la carretera en un software?

No. Memory is cheaper. No.

No. La memoria es más barata. No.

Algorithms are faster. No. Processors are better. No.

Los algoritmos son más rápidos. No. Los procesadores son mejores. No.

All of those things matter, but that's not why.

Todas esas cosas importan, pero no es por eso.

It's because we changed the nature of the problem.

Es porque hemos cambiado la naturaleza del problema.

We changed the nature of the problem from one

Hemos cambiado el problema de uno

in which we tried to overtly and explicitly

en el que intentábamos abierta y explícitamente

explain to the computer how to drive

explicar a la computadora cómo conducir,

to one in which we say,

a uno en la que decimos,

"Here's a lot of data around the vehicle.

"Aquí hay una gran cantidad de datos del vehículo.

You figure it out.

Haz los números.

You figure it out that that is a traffic light,

Te diste cuenta de que eso es un semáforo,

that that traffic light is red and not green,

que está en rojo y no verde,

that that means that you need to stop

eso significa que tienes que detenerte

and not go forward."

y no seguir".

Machine learning is at the basis

El aprendizaje automático está en la base

of many of the things that we do online:

de muchas cosas que hacemos en línea:

search engines,

motores de búsqueda,

Amazon's personalization algorithm,

el algoritmo de personalización de Amazon,

computer translation,

la traducción automática por computadora,

voice recognition systems.

los sistemas de reconocimiento de voz.

Researchers recently have looked at

Recientemente, los investigadores han examinado

the question of biopsies,

la cuestión de biopsias,

cancerous biopsies,

biopsias de cáncer,

and they've asked the computer to identify

y han usado la computadora para identificar,

by looking at the data and survival rates

mirando los datos y las tasas de supervivencia,

to determine whether cells are actually

si las células son en realidad

cancerous or not,

cancerosas o no,

and sure enough, when you throw the data at it,

y claro, al trasferir los datos

through a machine-learning algorithm,

por un algoritmo de aprendizaje automático,

the machine was able to identify

la máquina fue capaz de identificar

the 12 telltale signs that best predict

los 12 signos reveladores que mejor predicen

that this biopsy of the breast cancer cells

si en esta biopsia de células de cáncer de mama,

are indeed cancerous.

hay, en efecto, cáncer.

The problem: The medical literature

El problema: la literatura médica

only knew nine of them.

solo sabía nueve de ellos.

Three of the traits were ones

Tres de los rasgos eran de

that people didn't need to look for,

los que las personas no buscan,

but that the machine spotted.

pero que la máquina descubrió.

Now, there are dark sides to big data as well.

También hay lados oscuros en los datos masivos.

It will improve our lives, but there are problems

Mejorará nuestras vidas, pero hay problemas

that we need to be conscious of,

de los que tenemos que ser conscientes,

and the first one is the idea

y el primero es la idea

that we may be punished for predictions,

de que podemos ser castigados por las predicciones,

that the police may use big data for their purposes,

que la policía puede utilizar datos masivos para sus fines,

a little bit like "Minority Report."

un poco como "Minority Report".

Now, it's a term called predictive policing,

Es un término conocido como policial predictiva,

or algorithmic criminology,

o criminología algorítmica,

and the idea is that if we take a lot of data,

y la idea es que, con gran cantidad de datos,

for example where past crimes have been,

por ejemplo, donde hubo crímenes antes,

we know where to send the patrols.

sabremos dónde enviar a las patrullas.

That makes sense, but the problem, of course,

Tiene sentido, pero, el problema, claro,

is that it's not simply going to stop on location data,

es que no solo se quedarán en los datos de ubicación,

it's going to go down to the level of the individual.

irán al nivel del individuo.

Why don't we use data about the person's

¿Por qué no usamos los datos de personas

high school transcript?

con un alto expediente académico?

Maybe we should use the fact that

Tal vez utilizar el hecho de que

they're unemployed or not, their credit score,

estén sin empleo, su record crediticio,

their web-surfing behavior,

su comportamiento en la web,

whether they're up late at night.

si están despiertos tarde en la noche.

Their Fitbit, when it's able to identify biochemistries,

Su controlador físico digital, cuando identifique datos bioquímicos,

will show that they have aggressive thoughts.

mostrará si tienen pensamientos agresivos.

We may have algorithms that are likely to predict

Podemos tener algoritmos que pueden predecir

what we are about to do,

lo que estamos a punto de hacer,

and we may be held accountable

y podemos ser responsables

before we've actually acted.

antes de que realmente hayamos actuado.

Privacy was the central challenge

la privacidad era el desafío principal

in a small data era.

en la era de los datos pequeños.

In the big data age,

En la era de los datos masivos,

the challenge will be safeguarding free will,

el reto será salvaguardar el libre albedrío,

moral choice, human volition,

la elección moral, la voluntad humana,

human agency.

la acción humana.

There is another problem:

Hay otro problema:

Big data is going to steal our jobs.

los datos masivos nos quitarán nuestros puestos de trabajo.

Big data and algorithms are going to challenge

Los datos masivos y algoritmos desafiarán

white collar, professional knowledge work

los conocimientos profesionales de gestión

in the 21st century

en el siglo XXI

in the same way that factory automation

de la misma manera que la automatización de las fábricas

and the assembly line

y las cadenas de montaje

challenged blue collar labor in the 20th century.

desafiaron el trabajo de los obreros en el siglo XX.

Think about a lab technician

Piensen en un técnico de laboratorio

who is looking through a microscope

que mira en un microscopio

at a cancer biopsy

una biopsia de cáncer

and determining whether it's cancerous or not.

para determinar si es cáncer o no.

The person went to university.

La persona que fue a la universidad.

The person buys property.

En el que compra propiedades.

He or she votes.

Él o ella vota.

He or she is a stakeholder in society.

Él o ella es un constituyente de la sociedad.

And that person's job,

Y el trabajo de esa persona,

as well as an entire fleet

así como toda una flota

of professionals like that person,

de profesionales como esa persona,

is going to find that their jobs are radically changed

se encontrará que sus puestos de trabajo han cambiado radicalmente

or actually completely eliminated.

o, en realidad, se han eliminado completamente.

Now, we like to think

Ahora, nos gusta pensar

that technology creates jobs over a period of time

que la tecnología crea puestos de trabajo

after a short, temporary period of dislocation,

después de un corto período de dislocación temporal,

and that is true for the frame of reference

y es cierto para el marco de referencia

with which we all live, the Industrial Revolution,

de la Revolución Industrial, que vivimos,

because that's precisely what happened.

porque eso es precisamente lo que ocurrió.

But we forget something in that analysis:

Pero nos olvidamos de algo en el análisis:

There are some categories of jobs

Hay algunas categorías de empleos

that simply get eliminated and never come back.

que simplemente se eliminan y no se crean nunca más.

The Industrial Revolution wasn't very good

La Revolución Industrial no era muy buena

if you were a horse.

si eras un caballo.

So we're going to need to be careful

Así que tendremos que tener cuidado

and take big data and adjust it for our needs,

y tomar datos masivos y ajustarlos a nuestras necesidades,

our very human needs.

a nuestras necesidades muy humanas.

We have to be the master of this technology,

Tenemos que ser los dueños de esta tecnología,

not its servant.

no sus siervos.

We are just at the outset of the big data era,

Estamos justo en el comienzo de la era de los datos masivos,

and honestly, we are not very good

y honestamente, no somos muy buenos

at handling all the data that we can now collect.

en el manejo de todos los datos que ahora podemos recoger.

It's not just a problem for the National Security Agency.

No es solo un problema para la Agencia de Seguridad Nacional.

Businesses collect lots of data, and they misuse it too,

Las empresas recogen muchos datos, y también, hacen mal uso de ellos,

and we need to get better at this, and this will take time.

y tenemos que mejorar en esto, y esto tomará tiempo.

It's a little bit like the challenge that was faced

Es un poco como el desafío que enfrentó

by primitive man and fire.

el hombre primitivo y el fuego.

This is a tool, but this is a tool that,

Es una herramienta, pero que,

unless we're careful, will burn us.

a menos que seamos cuidadosos, nos va a quemar.

Big data is going to transform how we live,

Los datos masivos transformarán la manera en que vivimos,

how we work and how we think.

cómo trabajamos y cómo pensamos.

It is going to help us manage our careers

Nos ayudarán con nuestras carreras

and lead lives of satisfaction and hope

y a llevar una vida de satisfacción y esperanza

and happiness and health,

y felicidad y salud,

but in the past, we've often looked at information technology

pero en el pasado, frecuentemente, vimos esa tecnología

and our eyes have only seen the T,

y nuestros ojos solo han visto la T

the technology, the hardware,

la tecnología, el hardware,

because that's what was physical.

porque eso es físico.

We now need to recast our gaze at the I,

Ahora tenemos que reformular nuestra mirada a la I,

the information,

la información,

which is less apparent,

que es menos tangible,

but in some ways a lot more important.

pero en algunos aspectos mucho más importante.

Humanity can finally learn from the information

La humanidad finalmente puede aprender de la información

that it can collect,

que puede recoger,

as part of our timeless quest

como parte de nuestra búsqueda eterna

to understand the world and our place in it,

para entender el mundo y nuestro lugar en él,

and that's why big data is a big deal.

y por eso los datos masivos es un gran asunto.

(Applause)

(Aplausos)