Shyam Sankar: The rise of human-computer cooperation

Shyam Sankar: El auge de la cooperación entre seres humanos y computadoras

62,527 views

2012-09-06 ・ TED


New videos

Shyam Sankar: The rise of human-computer cooperation

Shyam Sankar: El auge de la cooperación entre seres humanos y computadoras

62,527 views ・ 2012-09-06

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Traductor: Paola Trenti L. Revisor: Marcelo Melero
00:15
I'd like to tell you about two games of chess.
1
15772
2556
Quiero hablarles sobre dos partidas de ajedrez.
00:18
The first happened in 1997, in which Garry Kasparov,
2
18328
3864
La primera fue en 1997, cuando Garry Kasparov,
00:22
a human, lost to Deep Blue, a machine.
3
22192
3716
un humano, perdió ante Deep Blue, una máquina.
00:25
To many, this was the dawn of a new era,
4
25908
2240
Para muchos, este era el inicio de una nueva era,
00:28
one where man would be dominated by machine.
5
28148
2779
en la que las máquinas dominarían a los hombres.
00:30
But here we are, 20 years on, and the greatest change
6
30927
3334
Sin embargo aquí estamos, 20 años después,
00:34
in how we relate to computers is the iPad,
7
34261
2690
y el mayor cambio en nuestra relación con las computadoras
00:36
not HAL.
8
36951
2045
es el iPad, no HAL.
00:38
The second game was a freestyle chess tournament
9
38996
2648
La segunda partida fue durante un torneo de ajedrez libre, en 2005,
00:41
in 2005, in which man and machine could enter together
10
41644
2969
en el que hombre y máquina podían inscribirse como equipo
00:44
as partners, rather than adversaries, if they so chose.
11
44613
4666
y no como adversarios, si así lo deseaban.
00:49
At first, the results were predictable.
12
49279
1851
Al principio se tuvieron resultados predecibles;
00:51
Even a supercomputer was beaten by a grandmaster
13
51130
2497
incluso un Gran Maestro derrotó a una supercomputadora
00:53
with a relatively weak laptop.
14
53627
2312
con un computador portátil más bien de bajo desempeño.
00:55
The surprise came at the end. Who won?
15
55939
2985
La sorpresa llegó al final: ¿quién ganó?
00:58
Not a grandmaster with a supercomputer,
16
58924
2776
No un Gran Maestro con una supercomputadora,
01:01
but actually two American amateurs
17
61700
1493
sino dos aficionados norteamericanos
01:03
using three relatively weak laptops.
18
63193
3822
con tres portátiles más bien de bajo desempeño.
01:07
Their ability to coach and manipulate their computers
19
67015
2596
Su habilidad para instruir y manipular sus computadoras
01:09
to deeply explore specific positions
20
69611
2435
para explorar posiciones específicas en profundidad
01:12
effectively counteracted the superior chess knowledge
21
72046
2390
contrarrestó con eficacia los conocimientos superiores en ajedrez
01:14
of the grandmasters and the superior computational power
22
74436
2609
de los Grandes Maestros y el poder superior de computación
01:17
of other adversaries.
23
77045
1909
de otros adversarios.
01:18
This is an astonishing result: average men,
24
78954
2905
Este es un resultado increíble: hombres promedio
01:21
average machines beating the best man, the best machine.
25
81859
4081
y máquinas convencionales que vencen al mejor hombre, a la mejor máquina.
01:25
And anyways, isn't it supposed to be man versus machine?
26
85940
3199
Y además, ¿no se supone que se trata del hombre contra la máquina?
01:29
Instead, it's about cooperation, and the right type of cooperation.
27
89139
4152
En cambio, se trata de cooperación y del tipo correcto de cooperación.
01:33
We've been paying a lot of attention to Marvin Minsky's
28
93291
2857
Durante los últimos 50 años, hemos prestado mucha atención a la visión
01:36
vision for artificial intelligence over the last 50 years.
29
96148
3242
que tiene Marvin Minsky de la inteligencia artificial
01:39
It's a sexy vision, for sure. Many have embraced it.
30
99390
2262
Es una visión atractiva, por supuesto; muchos la han adoptado.
01:41
It's become the dominant school of thought in computer science.
31
101652
2753
Se ha convertido en la escuela dominante de pensamiento en la ciencia de la computación.
01:44
But as we enter the era of big data, of network systems,
32
104405
3072
Pero a medida que entramos en la era de los grandes volúmenes de datos, de los sistemas de red,
01:47
of open platforms, and embedded technology,
33
107477
2698
de las plataformas abiertas y de la tecnología embebida,
01:50
I'd like to suggest it's time to reevaluate an alternative vision
34
110175
3392
quiero sugerir que es tiempo de reevaluar una visión alternativa
01:53
that was actually developed around the same time.
35
113567
3070
que en realidad se desarrolló en la misma época.
01:56
I'm talking about J.C.R. Licklider's human-computer symbiosis,
36
116637
3332
Me refiero a la idea de la simbiosis humano-computadora, de J.C.R. Licklider,
01:59
perhaps better termed "intelligence augmentation," I.A.
37
119969
3808
tal vez mejor llamada «aumento de la inteligencia», o I.A. (en inglés)
02:03
Licklider was a computer science titan who had a profound
38
123777
2640
Licklider fue un titán de la informática que tuvo un impacto profundo
02:06
effect on the development of technology and the Internet.
39
126417
3006
en el desarrollo de la tecnología y de internet.
02:09
His vision was to enable man and machine to cooperate
40
129423
2868
Su visión era la de habilitar la cooperación entre hombre y máquina
02:12
in making decisions, controlling complex situations
41
132291
3590
en la toma de decisiones, y controlar situaciones complejas
02:15
without the inflexible dependence
42
135881
1770
sin la dependencia inflexible
02:17
on predetermined programs.
43
137651
2533
de programas predeterminados.
02:20
Note that word "cooperate."
44
140184
2498
Fíjense en la palabra «cooperación».
02:22
Licklider encourages us not to take a toaster
45
142682
2747
Licklider nos alienta, no a tomar un tostador
02:25
and make it Data from "Star Trek,"
46
145429
2284
y convertirlo en «Data», de «Star Trek»,
02:27
but to take a human and make her more capable.
47
147713
3535
sino a tomar a un ser humano y hacerlo más capaz.
02:31
Humans are so amazing -- how we think,
48
151248
1911
Los humanos somos tan sorprendentes... cómo pensamos,
02:33
our non-linear approaches, our creativity,
49
153159
2618
nuestros enfoques no lineales, nuestra creatividad,
02:35
iterative hypotheses, all very difficult if possible at all
50
155777
2131
las hipótesis iterativas; todo esto es muy difícil, si no imposible,
02:37
for computers to do.
51
157908
1345
para las computadoras.
02:39
Licklider intuitively realized this, contemplating humans
52
159253
2452
Licklider se dio cuenta de esto intuitivamente al contemplar a los humanos
02:41
setting the goals, formulating the hypotheses,
53
161705
2327
establecer las metas, formular las hipótesis,
02:44
determining the criteria, and performing the evaluation.
54
164032
3376
determinar los criterios y realizar la evaluación.
02:47
Of course, in other ways, humans are so limited.
55
167408
1775
Por supuesto, los humanos somos muy limitados en otras áreas.
02:49
We're terrible at scale, computation and volume.
56
169183
3235
Somos muy malos para grandes escalas, volumen y para computar.
02:52
We require high-end talent management
57
172418
1836
Necesitamos una gestión superior de talento
02:54
to keep the rock band together and playing.
58
174254
2064
para mantener al grupo de rock unido y tocando.
02:56
Licklider foresaw computers doing all the routinizable work
59
176318
2204
Licklider previó que las computadoras harían todo el trabajo rutinario
02:58
that was required to prepare the way for insights and decision making.
60
178522
3276
que se necesitaba para preparar el camino al conocimiento y la toma de decisiones.
03:01
Silently, without much fanfare,
61
181798
2224
En silencio, sin mucha fanfarria,
03:04
this approach has been compiling victories beyond chess.
62
184022
3354
este enfoque ha ido acumulando triunfos más allá del ajedrez.
03:07
Protein folding, a topic that shares the incredible expansiveness of chess —
63
187376
3356
El plegamiento de proteínas, un tema que comparte con el ajedrez la increíble expansividad:
03:10
there are more ways of folding a protein than there are atoms in the universe.
64
190732
3042
hay más formas de plegar una proteína que átomos en el universo.
03:13
This is a world-changing problem with huge implications
65
193774
2353
Este es un problema capaz de cambiar el mundo con enormes repercusiones
03:16
for our ability to understand and treat disease.
66
196127
2308
en nuestra capacidad para comprender y tratar las enfermedades.
03:18
And for this task, supercomputer field brute force simply isn't enough.
67
198435
4248
Y para esta tarea, la fuerza bruta de las supercomputadoras simplemente no basta.
03:22
Foldit, a game created by computer scientists,
68
202683
2384
«Foldit», un juego creado por científicos de la informática,
03:25
illustrates the value of the approach.
69
205067
2502
ilustra el valor de este enfoque.
03:27
Non-technical, non-biologist amateurs play a video game
70
207569
3041
Aficionados sin formación en tecnología ni biología juegan un videojuego
03:30
in which they visually rearrange the structure of the protein,
71
210610
3073
en el que reordenan visualmente la estructura de la proteína,
03:33
allowing the computer to manage the atomic forces
72
213683
1499
permitiendo que la computadora se encargue de las fuerzas atómicas
03:35
and interactions and identify structural issues.
73
215182
2957
de las interacciones y de identificar los problemas estructurales.
03:38
This approach beat supercomputers 50 percent of the time
74
218139
3023
Este enfoque ha vencido a las supercomputadoras el 50 % de las veces
03:41
and tied 30 percent of the time.
75
221162
2584
y ha empatado con ellas el 30 %.
03:43
Foldit recently made a notable and major scientific discovery
76
223746
3137
«Foldit» realizó hace poco un descubrimiento científico importante
03:46
by deciphering the structure of the Mason-Pfizer monkey virus.
77
226883
3160
al descifrar la estructura del virus Mason-Pfizer de los monos.
03:50
A protease that had eluded determination for over 10 years
78
230043
3015
Una proteasa que no había podido ser determinada en más de 10 años
03:53
was solved was by three players in a matter of days,
79
233058
2626
fue resuelta por tres jugadores en cuestión de días;
03:55
perhaps the first major scientific advance
80
235684
2025
tal vez el primer avance científico importante
03:57
to come from playing a video game.
81
237709
2323
que haya surgido de jugar un videojuego.
04:00
Last year, on the site of the Twin Towers,
82
240032
2181
El año pasado, en el sitio de las Torres Gemelas,
04:02
the 9/11 memorial opened.
83
242213
1473
se inauguró el monumento 9/11.
04:03
It displays the names of the thousands of victims
84
243686
2721
Muestra los nombres de miles de víctimas,
04:06
using a beautiful concept called "meaningful adjacency."
85
246407
3063
usando un hermoso concepto llamado «colindancia significativa».
04:09
It places the names next to each other based on their
86
249470
2166
Coloca los nombres uno junto a otro en función de
04:11
relationships to one another: friends, families, coworkers.
87
251636
2213
las relaciones que tenían entre sí: amigos, familias,
04:13
When you put it all together, it's quite a computational
88
253849
3028
compañeros de trabajo. Hacer encajar todo es un considerable
04:16
challenge: 3,500 victims, 1,800 adjacency requests,
89
256877
4223
desafío computacional: 3500 víctimas, 1800 pedidos de colindancia,
04:21
the importance of the overall physical specifications
90
261100
3092
la importancia de las especificaciones físicas generales
04:24
and the final aesthetics.
91
264192
2137
y la estética final.
04:26
When first reported by the media, full credit for such a feat
92
266329
2615
En el primer informe de la prensa se dio crédito total por tal hazaña
04:28
was given to an algorithm from the New York City
93
268944
1892
a un algoritmo de una compañía de diseño en Nueva York
04:30
design firm Local Projects. The truth is a bit more nuanced.
94
270836
4001
llamada «Local Projects». La verdad es un poco más sutil.
04:34
While an algorithm was used to develop the underlying framework,
95
274837
2871
Si bien se utilizó un algoritmo para desarrollar la estructura base,
04:37
humans used that framework to design the final result.
96
277708
3008
fueron seres humanos quienes usaron esa estructura para diseñar el resultado final.
04:40
So in this case, a computer had evaluated millions
97
280716
2225
Así que, en este caso, una computadora evaluó los millones
04:42
of possible layouts, managed a complex relational system,
98
282941
3335
de diseños posibles, manejó un sistema relacional complejo
04:46
and kept track of a very large set of measurements
99
286276
2414
y monitoreó un gran conjunto de mediciones
04:48
and variables, allowing the humans to focus
100
288690
2410
y variables, lo que permitió a los humanos enfocarse
04:51
on design and compositional choices.
101
291100
2802
en el diseño y las alternativas de composición.
04:53
So the more you look around you,
102
293902
1036
Entre más miren a su alrededor,
04:54
the more you see Licklider's vision everywhere.
103
294938
1962
más verán por todos lados la visión de Licklider.
04:56
Whether it's augmented reality in your iPhone or GPS in your car,
104
296900
3304
Ya sea la realidad aumentada en su iPhone o el GPS en su auto,
05:00
human-computer symbiosis is making us more capable.
105
300204
2970
la simbiosis humano-computadora nos está volviendo más capaces.
05:03
So if you want to improve human-computer symbiosis,
106
303174
1655
Entonces, si quieren mejorar la simbiosis humano-computadora,
05:04
what can you do?
107
304829
1429
¿qué pueden hacer?
05:06
You can start by designing the human into the process.
108
306258
2452
Pueden empezar por incluir al ser humano en el diseño del proceso.
05:08
Instead of thinking about what a computer will do to solve the problem,
109
308710
2204
En vez de pensar qué hará una computadora para resolver el problema,
05:10
design the solution around what the human will do as well.
110
310914
3869
diseñen la solución en función de lo que hará el ser humano también.
05:14
When you do this, you'll quickly realize that you spent
111
314783
1937
Al hacer esto, pronto se darán cuenta de que han pasado
05:16
all of your time on the interface between man and machine,
112
316720
2879
todo su tiempo en la interfaz entre hombre y máquina,
05:19
specifically on designing away the friction in the interaction.
113
319599
3099
específicamente en el diseño para eliminar la fricción en la interacción.
05:22
In fact, this friction is more important than the power
114
322698
2766
De hecho, esta fricción es más importante que el poder
05:25
of the man or the power of the machine
115
325464
2052
del hombre o de la máquina
05:27
in determining overall capability.
116
327516
1931
para determinar la capacidad total.
05:29
That's why two amateurs with a few laptops
117
329447
1977
Es por eso que dos aficionados con unas cuantas computadoras portátiles
05:31
handily beat a supercomputer and a grandmaster.
118
331424
2456
vencieron fácilmente a una supercomputadora y a un Gran Maestro.
05:33
What Kasparov calls process is a byproduct of friction.
119
333880
3005
Lo que Kasparov llama proceso es un subproducto de la fricción.
05:36
The better the process, the less the friction.
120
336885
2401
Cuanto mejor sea el proceso, menor será la fricción,
05:39
And minimizing friction turns out to be the decisive variable.
121
339286
4256
y minimizar la fricción resulta ser la variable decisiva.
05:43
Or take another example: big data.
122
343542
2243
O bien, tomen otro ejemplo: los grandes volúmenes de datos.
05:45
Every interaction we have in the world is recorded
123
345785
1906
Nuestras interacciones con en el mundo se registran
05:47
by an ever growing array of sensors: your phone,
124
347691
3059
por una variedad de sensores cada vez mayor: teléfonos,
05:50
your credit card, your computer. The result is big data,
125
350750
2373
tarjetas de crédito, computadoras. El resultado es el gran volumen de datos;
05:53
and it actually presents us with an opportunity
126
353123
1742
y en realidad nos ofrece la oportunidad de
05:54
to more deeply understand the human condition.
127
354865
2662
entender más profundamente la condición humana.
05:57
The major emphasis of most approaches to big data
128
357527
2305
El mayor énfasis de casi todos los enfoques al alto volumen de datos
05:59
focus on, "How do I store this data? How do I search
129
359832
2215
se centra en: «¿Cómo almaceno estos datos?,
06:02
this data? How do I process this data?"
130
362047
2276
¿cómo busco estos datos?, ¿cómo proceso estos datos?»
06:04
These are necessary but insufficient questions.
131
364323
2204
Estas preguntas son necesarias, pero insuficientes.
06:06
The imperative is not to figure out how to compute,
132
366527
2471
El imperativo no es resolver cómo computar,
06:08
but what to compute. How do you impose human intuition
133
368998
2184
sino qué computar. ¿Cómo se aplica la intuición humana
06:11
on data at this scale?
134
371182
1791
sobre los datos a esta escala?
06:12
Again, we start by designing the human into the process.
135
372973
3499
De nuevo, empezamos por incluir al ser humano en el diseño del proceso.
06:16
When PayPal was first starting as a business, their biggest
136
376472
2812
En los inicios de la compañía «PayPal»,
06:19
challenge was not, "How do I send money back and forth online?"
137
379284
2804
su mayor desafío no fue: cómo enviar y recibir dinero en línea,
06:22
It was, "How do I do that without being defrauded by organized crime?"
138
382088
3872
sino cómo enviarlo sin ser estafado por el crimen organizado.
06:25
Why so challenging? Because while computers can learn
139
385960
2088
¿Por qué tanto desafío? Porque las computadoras pueden aprender
06:28
to detect and identify fraud based on patterns,
140
388048
3144
a detectar fraudes con base en patrones,
06:31
they can't learn to do that based on patterns
141
391192
1479
pero no pueden aprender a hacerlo con base en patrones
06:32
they've never seen before, and organized crime
142
392671
2116
que nunca han visto, y el crimen organizado
06:34
has a lot in common with this audience: brilliant people,
143
394787
2709
tiene mucho en común con este público: es gente brillante,
06:37
relentlessly resourceful, entrepreneurial spirit — (Laughter) —
144
397496
3640
incansablemente ingeniosa, con un espíritu emprendedor…—(Risas)—
06:41
and one huge and important difference: purpose.
145
401136
2712
y una diferencia enorme y muy importante: sus intenciones.
06:43
And so while computers alone can catch all but the cleverest
146
403848
2832
Si bien las computadoras por sí solas pueden atrapar a todos los estafadores
06:46
fraudsters, catching the cleverest is the difference
147
406680
2253
excepto a los más astutos,
06:48
between success and failure.
148
408933
2545
atrapar a los más astutos hace la diferencia entre el éxito y el fracaso.
06:51
There's a whole class of problems like this, ones with
149
411478
2221
Hay toda una clase de problemas como este, que tienen
06:53
adaptive adversaries. They rarely if ever present with a
150
413699
2575
adversarios adaptables. Rara vez presentan
06:56
repeatable pattern that's discernable to computers.
151
416274
2736
un patrón repetitivo que las computadoras puedan discernir.
06:59
Instead, there's some inherent component of innovation or disruption,
152
419010
3993
Al contrario, hay un componente intrínseco de innovación o disrupción,
07:03
and increasingly these problems are buried in big data.
153
423003
2735
y se esconden cada vez más entre el alto volumen de datos.
07:05
For example, terrorism. Terrorists are always adapting
154
425738
2500
El terrorismo, por ejemplo. Los terroristas se adaptan siempre
07:08
in minor and major ways to new circumstances, and despite
155
428238
2052
en mayor o menor medida a circunstancias nuevas.
07:10
what you might see on TV, these adaptations,
156
430290
3094
Y a pesar de lo que puedan ver en la TV, estas adaptaciones
07:13
and the detection of them, are fundamentally human.
157
433384
2293
y su detección son fundamentalmente humanas.
07:15
Computers don't detect novel patterns and new behaviors,
158
435677
3117
Las computadoras no detectan patrones y comportamientos novedosos,
07:18
but humans do. Humans, using technology, testing hypotheses,
159
438794
3235
pero los seres humanos sí. Los seres humanos, al usar tecnología, al probar una hipótesis,
07:22
searching for insight by asking machines to do things for them.
160
442029
4620
al buscar entendimiento al pedir a las máquinas que hagan cosas por ellos.
07:26
Osama bin Laden was not caught by artificial intelligence.
161
446649
2320
La inteligencia artificial no atrapó a Osama Bin Laden.
07:28
He was caught by dedicated, resourceful, brilliant people
162
448969
2553
Lo atraparon personas entregadas, ingeniosas y brillantes
07:31
in partnerships with various technologies.
163
451522
4269
en asociación con tecnologías varias.
07:35
As appealing as it might sound, you cannot algorithmically
164
455791
2818
Aunque suene atractivo, no se puede llegar a una respuesta
07:38
data mine your way to the answer.
165
458609
1601
haciendo minería de datos algorítmicamente.
07:40
There is no "Find Terrorist" button, and the more data
166
460210
2855
No existe un botón que diga «Encontrar Terrorista», y mientras más datos
07:43
we integrate from a vast variety of sources
167
463065
2302
integremos de una amplia variedad de fuentes
07:45
across a wide variety of data formats from very
168
465367
2133
y sobre una gran variedad de formatos de
07:47
disparate systems, the less effective data mining can be.
169
467500
3309
sistemas muy dispares, menos efectiva será la minería de datos.
07:50
Instead, people will have to look at data
170
470809
2024
En vez de esto, la gente tendrá que mirar los datos
07:52
and search for insight, and as Licklider foresaw long ago,
171
472833
3456
y buscar respuestas, y como lo predijo Licklider hace tiempo,
07:56
the key to great results here is the right type of cooperation,
172
476289
2685
la clave de los grandes resultados es la forma correcta de cooperación;
07:58
and as Kasparov realized,
173
478974
1524
y como lo notó Kasparov,
08:00
that means minimizing friction at the interface.
174
480498
3031
eso significa minimizar la fricción en la interfaz.
08:03
Now this approach makes possible things like combing
175
483529
2758
Este enfoque posibilita procesos como la exploración
08:06
through all available data from very different sources,
176
486287
3386
de todos los datos disponibles provenientes de fuentes muy diferentes,
08:09
identifying key relationships and putting them in one place,
177
489673
2792
identificar relaciones clave y ponerlas en un mismo lugar,
08:12
something that's been nearly impossible to do before.
178
492465
2928
algo que antes era casi imposible de hacer.
08:15
To some, this has terrifying privacy and civil liberties
179
495393
1942
Para algunos, esto conlleva consecuencias aterradoras para la privacidad
08:17
implications. To others it foretells of an era of greater
180
497335
3410
y las libertades civiles. Para otros, presagia una era de mayor
08:20
privacy and civil liberties protections,
181
500745
1909
protección de las mismas.
08:22
but privacy and civil liberties are of fundamental importance.
182
502654
2936
Pero, la privacidad y las libertades civiles son de capital importancia.
08:25
That must be acknowledged, and they can't be swept aside,
183
505590
2193
Esto tiene que ser reconocido, y no se pueden dejar de lado
08:27
even with the best of intents.
184
507783
2530
ni con la mejor de las intenciones.
08:30
So let's explore, through a couple of examples, the impact
185
510313
2518
Así que exploremos, mediante un par de ejemplos, el impacto
08:32
that technologies built to drive human-computer symbiosis
186
512831
2406
que las tecnologías construidas para impulsar la simbiosis humano-computadora
08:35
have had in recent time.
187
515237
2919
han tenido en los últimos tiempos.
08:38
In October, 2007, U.S. and coalition forces raided
188
518156
3416
En octubre del 2007, los EE. UU. y las fuerzas de coalición incursionaron
08:41
an al Qaeda safe house in the city of Sinjar
189
521572
2416
en una casa de seguridad de Al Qaeda en la ciudad de Sinjar
08:43
on the Syrian border of Iraq.
190
523988
1934
en la frontera sirio-iraquí.
08:45
They found a treasure trove of documents:
191
525922
2376
Encontraron un tesoro de documentos:
08:48
700 biographical sketches of foreign fighters.
192
528298
2335
700 esbozos biográficos de combatientes extranjeros.
08:50
These foreign fighters had left their families in the Gulf,
193
530633
2584
Estos combatientes habían dejado a sus familias en el golfo,
08:53
the Levant and North Africa to join al Qaeda in Iraq.
194
533217
3146
en el Levante mediterráneo y el norte de África para unirse a Al Qaeda en Iraq.
08:56
These records were human resource forms.
195
536363
1616
Estos registros eran formularios de recursos humanos;
08:57
The foreign fighters filled them out as they joined the organization.
196
537979
2855
los combatientes extranjeros los completaban al unirse a la organización.
09:00
It turns out that al Qaeda, too,
197
540834
1211
Resulta que también Al Qaeda
09:02
is not without its bureaucracy. (Laughter)
198
542045
2597
tiene su burocracia. (Risas)
09:04
They answered questions like, "Who recruited you?"
199
544642
2098
Respondían a preguntas como: «¿Quién te reclutó?»,
09:06
"What's your hometown?" "What occupation do you seek?"
200
546740
2854
«¿Cuál es tu ciudad natal?», «¿Qué ocupación buscas?»
09:09
In that last question, a surprising insight was revealed.
201
549594
3169
Con esta última pregunta, se reveló un dato sorprendente.
09:12
The vast majority of foreign fighters
202
552763
2400
La gran mayoría de los combatientes extranjeros
09:15
were seeking to become suicide bombers for martyrdom --
203
555163
2400
buscaban ser hombres bomba para convertirse en mártires...
09:17
hugely important, since between 2003 and 2007, Iraq
204
557563
4338
De tremenda importancia, ya que entre 2003 y 2007,
09:21
had 1,382 suicide bombings, a major source of instability.
205
561901
4244
Iraq sufrió 1382 ataques suicidas, una gran fuente de inestabilidad.
09:26
Analyzing this data was hard. The originals were sheets
206
566145
2058
Analizar estos datos fue difícil. Los originales eran hojas
09:28
of paper in Arabic that had to be scanned and translated.
207
568203
2742
de papel escritas en árabe que debieron ser escaneadas y traducidas.
09:30
The friction in the process did not allow for meaningful
208
570945
2192
La fricción en el proceso no permitió obtener resultados
09:33
results in an operational time frame using humans, PDFs
209
573137
3350
significativos en un plazo de tiempo operativo usando solo seres humanos, PDFs
09:36
and tenacity alone.
210
576487
2218
y tenacidad.
09:38
The researchers had to lever up their human minds
211
578705
1953
Los investigadores debían apoyar sus mentes humanas
09:40
with technology to dive deeper, to explore non-obvious
212
580658
2345
con tecnología para profundizar más, para explorar hipótesis que no fuesen obvias,
09:43
hypotheses, and in fact, insights emerged.
213
583003
3218
y de hecho, surgieron algunas revelaciones.
09:46
Twenty percent of the foreign fighters were from Libya,
214
586221
2644
El 20 % de los combatientes extranjeros provenían de Libia,
09:48
50 percent of those from a single town in Libya,
215
588865
2968
un 50 % de ellos de una misma ciudad de Libia,
09:51
hugely important since prior statistics put that figure at
216
591833
2450
de tremenda importancia, ya que estadísticas previas lo calculaban
09:54
three percent. It also helped to hone in on a figure
217
594283
2383
en un 3 %. También ayudó a centrarse en un objetivo
09:56
of rising importance in al Qaeda, Abu Yahya al-Libi,
218
596666
2977
de creciente importancia en Al Qaeda, Abu Yahya al-Libi,
09:59
a senior cleric in the Libyan Islamic fighting group.
219
599643
2631
un clérigo de alto rango en el grupo de combate libio-islámico.
10:02
In March of 2007, he gave a speech, after which there was
220
602274
2664
En marzo de 2007, este pronunció un discurso, después del cual se produjo
10:04
a surge in participation amongst Libyan foreign fighters.
221
604938
3466
un repentino aumento en la participación de combatientes libios.
10:08
Perhaps most clever of all, though, and least obvious,
222
608404
3106
Quizás lo más ingenioso de todo, sin embargo, y lo menos obvio,
10:11
by flipping the data on its head, the researchers were
223
611510
2073
al darle vueltas en la cabeza a los datos, los investigadores
10:13
able to deeply explore the coordination networks in Syria
224
613583
2900
pudieron explorar en profundidad las redes de coordinación en Siria
10:16
that were ultimately responsible for receiving and
225
616483
2517
que eran las responsables finales de recibir y transportar
10:19
transporting the foreign fighters to the border.
226
619000
2464
a los combatientes extranjeros hacia la frontera.
10:21
These were networks of mercenaries, not ideologues,
227
621464
2633
Estas eran redes de mercenarios, no de ideólogos,
10:24
who were in the coordination business for profit.
228
624097
2398
que estaban en el negocio de la coordinación por las ganancias.
10:26
For example, they charged Saudi foreign fighters
229
626495
1904
Por ejemplo, a los combatientes sauditas les cobraban
10:28
substantially more than Libyans, money that would have
230
628399
2199
considerablemente más que a los libios; dinero que de otra manera
10:30
otherwise gone to al Qaeda.
231
630598
2320
habría sido para Al Qaeda.
10:32
Perhaps the adversary would disrupt their own network
232
632918
2045
Tal vez el adversario interrumpiría su propia red
10:34
if they knew they cheating would-be jihadists.
233
634963
3035
si supiera que estaban engañando a aspirantes a yihadistas.
10:37
In January, 2010, a devastating 7.0 earthquake struck Haiti,
234
637998
3745
En enero de 2010, un terremoto devastador de 7,0 grados sacudió Haití.
10:41
third deadliest earthquake of all time, left one million people,
235
641743
2916
El tercer terremoto más letal de la historia, dejó un millón de personas,
10:44
10 percent of the population, homeless.
236
644659
2584
el 10 % de la población, sin hogar.
10:47
One seemingly small aspect of the overall relief effort
237
647243
3137
Un aspecto en apariencia pequeño de la ayuda humanitaria global
10:50
became increasingly important as the delivery of food
238
650380
2176
se volvió cada vez más importante cuando comenzó
10:52
and water started rolling.
239
652556
2160
la entrega de agua y alimentos.
10:54
January and February are the dry months in Haiti,
240
654716
1458
Enero y febrero son los meses secos en Haití,
10:56
yet many of the camps had developed standing water.
241
656174
2942
pero en muchos campamentos se habían formado aguas estancadas.
10:59
The only institution with detailed knowledge of Haiti's
242
659116
2122
La única institución con un conocimiento detallado
11:01
floodplains had been leveled
243
661238
1297
de las llanuras aluviales de Haití se había derrumbado
11:02
in the earthquake, leadership inside.
244
662535
3008
durante el terremoto, con sus líderes dentro.
11:05
So the question is, which camps are at risk,
245
665543
2575
Así que la pregunta era: qué campamentos estaban en riesgo,
11:08
how many people are in these camps, what's the
246
668118
1921
cuánta gente había en esos campamentos, cuáles eran los
11:10
timeline for flooding, and given very limited resources
247
670039
2311
plazos de las inundaciones y dados los muy escasos recursos
11:12
and infrastructure, how do we prioritize the relocation?
248
672350
3384
e infraestructura, cómo priorizar el traslado.
11:15
The data was incredibly disparate. The U.S. Army had
249
675734
2344
Los datos eran increíblemente dispares. El ejército de los EE.UU. tenía
11:18
detailed knowledge for only a small section of the country.
250
678078
2929
información detallada de solo una pequeña porción del país.
11:21
There was data online from a 2006 environmental risk
251
681007
2511
Había datos en línea de una conferencia de riesgo ambiental
11:23
conference, other geospatial data, none of it integrated.
252
683518
2664
de 2006, otros datos geoespaciales, nada de ello integrado.
11:26
The human goal here was to identify camps for relocation
253
686182
2958
La meta humana era identificar los campamentos a trasladar
11:29
based on priority need.
254
689140
2395
en función de las necesidades prioritarias.
11:31
The computer had to integrate a vast amount of geospacial
255
691535
2440
La computadora debía integrar una gran cantidad de información geoespacial,
11:33
information, social media data and relief organization
256
693975
2584
datos de los medios sociales e información sobre la organización
11:36
information to answer this question.
257
696559
3480
de ayuda humanitaria para responder a esta pregunta.
11:40
By implementing a superior process, what was otherwise
258
700039
2415
Mediante la implementación de un proceso superior, lo que habría sido
11:42
a task for 40 people over three months became
259
702454
2608
una tarea para 40 personas durante 3 meses, se volvió
11:45
a simple job for three people in 40 hours,
260
705062
3176
un trabajo simple para 3 personas en 40 horas,
11:48
all victories for human-computer symbiosis.
261
708238
2628
todas victorias de la simbiosis humano-computadora.
11:50
We're more than 50 years into Licklider's vision
262
710866
2054
Han pasado más de 50 años de la visión de Licklider
11:52
for the future, and the data suggests that we should be
263
712920
2242
para el futuro, y los datos sugieren que deberíamos sentirnos
11:55
quite excited about tackling this century's hardest problems,
264
715162
3030
muy emocionados de poder atacar los problemas más difíciles del siglo,
11:58
man and machine in cooperation together.
265
718192
2947
hombre y máquina cooperando juntos.
12:01
Thank you. (Applause)
266
721139
2197
Gracias. (Aplausos)
12:03
(Applause)
267
723336
2505
(Aplausos)
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