Your words may predict your future mental health | Mariano Sigman

802,510 views ・ 2016-06-16

TED


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

Traductor: Sebastian Betti Revisor: Lidia Cámara de la Fuente
00:13
We have historical records that allow us to know how the ancient Greeks dressed,
0
13006
5150
Hay registros históricos para saber cómo se vestían los antiguos griegos,
00:18
how they lived,
1
18180
1254
cómo vivían,
00:19
how they fought ...
2
19458
1522
cómo peleaban...
00:21
but how did they think?
3
21004
1524
pero ¿qué pensaban?
00:23
One natural idea is that the deepest aspects of human thought --
4
23432
4440
Una idea natural es que los aspectos más profundos del pensamiento:
00:27
our ability to imagine,
5
27896
1872
la capacidad de imaginar,
00:29
to be conscious,
6
29792
1397
de ser consciente,
00:31
to dream --
7
31213
1231
de soñar,
00:32
have always been the same.
8
32468
1619
siempre han sido los mismos.
00:34
Another possibility
9
34872
1499
Otra posibilidad
00:36
is that the social transformations that have shaped our culture
10
36395
3723
es que las transformaciones sociales que han dado forma a nuestra cultura
00:40
may have also changed the structural columns of human thought.
11
40142
3785
pueden haber cambiado las columnas estructurales del pensamiento humano.
00:44
We may all have different opinions about this.
12
44911
2524
Podemos tener diferentes opiniones sobre esto.
00:47
Actually, it's a long-standing philosophical debate.
13
47459
2717
En realidad, es un debate filosófico de larga tradición.
00:50
But is this question even amenable to science?
14
50644
2727
Pero ¿es esta pregunta acaso abordable por la ciencia?
00:54
Here I'd like to propose
15
54834
2506
Aquí me gustaría proponer que, así como podemos
00:57
that in the same way we can reconstruct how the ancient Greek cities looked
16
57364
4772
reconstruir el aspecto de las antiguas ciudades griegas
01:02
just based on a few bricks,
17
62160
2388
a partir de unos ladrillos,
01:04
that the writings of a culture are the archaeological records,
18
64572
4126
los escritos de una cultura son los registros arqueológicos,
01:08
the fossils, of human thought.
19
68722
2143
los fósiles del pensamiento humano.
01:11
And in fact,
20
71905
1174
Y, de hecho,
01:13
doing some form of psychological analysis
21
73103
2206
haciendo algún tipo de análisis psicológico
01:15
of some of the most ancient books of human culture,
22
75333
3544
de algunos de los libros más antiguos de la cultura humana,
01:18
Julian Jaynes came up in the '70s with a very wild and radical hypothesis:
23
78901
5955
Julian Jaynes sugirió en los años 70 una hipótesis fantástica y muy radical:
01:24
that only 3,000 years ago,
24
84880
2413
que hace solo 3000 años
01:27
humans were what today we would call schizophrenics.
25
87317
4888
los humanos eran lo que hoy llamaríamos esquizofrénicos.
01:33
And he made this claim
26
93753
1508
Hizo esta afirmación
01:35
based on the fact that the first humans described in these books
27
95285
3301
apoyándose en el hecho de que los humanos descritos en estos libros
01:38
behaved consistently,
28
98610
1904
se comportaban de manera sistemática
01:40
in different traditions and in different places of the world,
29
100538
3016
en diferentes tradiciones y distintos lugares del mundo,
01:43
as if they were hearing and obeying voices
30
103578
3532
como si oyeran y obedecieran voces
01:47
that they perceived as coming from the Gods,
31
107134
3040
que percibían como procedentes de los dioses,
01:50
or from the muses ...
32
110198
1198
o de las musas...
01:52
what today we would call hallucinations.
33
112063
2769
Lo que hoy llamaríamos alucinaciones.
01:55
And only then, as time went on,
34
115888
2626
Y solo luego, con el transcurso del tiempo,
01:58
they began to recognize that they were the creators,
35
118538
3651
empezaron a reconocer que ellos mismos eran los creadores,
02:02
the owners of these inner voices.
36
122213
2515
los dueños de esas voces interiores.
02:05
And with this, they gained introspection:
37
125316
2715
Y con esto, ganaron introspección:
02:08
the ability to think about their own thoughts.
38
128055
2483
la capacidad de pensar los propios pensamientos.
02:11
So Jaynes's theory is that consciousness,
39
131785
3397
La teoría de Jaynes dice que la conciencia,
02:15
at least in the way we perceive it today,
40
135206
3166
al menos como la percibimos hoy
02:18
where we feel that we are the pilots of our own existence --
41
138396
3540
es decir, que sentimos ser pilotos de nuestra propia existencia,
02:21
is a quite recent cultural development.
42
141960
2737
es un desarrollo cultural bastante reciente.
02:25
And this theory is quite spectacular,
43
145456
1786
Y esta teoría es espectacular,
02:27
but it has an obvious problem
44
147266
1433
pero tiene un problema obvio
02:28
which is that it's built on just a few and very specific examples.
45
148723
3992
y es que está construida sobre pocos ejemplos muy específicos.
02:33
So the question is whether the theory
46
153085
1763
Por eso, la pregunta es si la teoría
02:34
that introspection built up in human history only about 3,000 years ago
47
154872
4751
de que la introspección se creó en la historia humana hace solo unos 3000 años
02:39
can be examined in a quantitative and objective manner.
48
159647
2984
puede examinarse de manera cuantitativa y objetiva.
02:43
And the problem of how to go about this is quite obvious.
49
163543
3563
Y el problema de cómo abordar esto es bastante obvio.
02:47
It's not like Plato woke up one day and then he wrote,
50
167130
3460
No es que Platón se haya despertado un día y escrito:
02:50
"Hello, I'm Plato,
51
170614
1659
"Hola, soy Platón
02:52
and as of today, I have a fully introspective consciousness."
52
172297
2889
y, hoy, tengo una conciencia totalmente introspectiva".
02:55
(Laughter)
53
175210
2293
(Risas)
02:57
And this tells us actually what is the essence of the problem.
54
177527
3333
Y esto nos dice en realidad cuál es la esencia del problema.
03:01
We need to find the emergence of a concept that's never said.
55
181467
4055
Tenemos que encontrar la emergencia de un concepto que nunca se dijo.
03:06
The word introspection does not appear a single time
56
186434
4310
La palabra introspección no aparece ni una sola vez
03:10
in the books we want to analyze.
57
190768
1919
en los libros que queremos analizar.
03:13
So our way to solve this is to build the space of words.
58
193728
4087
Por eso nuestra manera de resolverlo es construyendo el espacio de palabras.
03:18
This is a huge space that contains all words
59
198571
3287
Este es un espacio enorme que contiene todas las palabras
03:21
in such a way that the distance between any two of them
60
201882
2802
de manera que la distancia entre cualquiera de ambas
03:24
is indicative of how closely related they are.
61
204708
2883
es indicativa de lo estrechamente relacionadas que están.
03:28
So for instance,
62
208460
1151
Así, por ejemplo, uno quiere que
03:29
you want the words "dog" and "cat" to be very close together,
63
209635
2897
las palabras "perro" y "gato" estén muy próximas entre sí,
03:32
but the words "grapefruit" and "logarithm" to be very far away.
64
212556
3831
pero las palabras "pomelo" y "logaritmo"muy alejadas.
03:36
And this has to be true for any two words within the space.
65
216809
3896
Y esto debe cumplirse para cualquier par de palabras dentro del espacio.
03:41
And there are different ways that we can construct the space of words.
66
221626
3341
Y hay diferentes maneras de construir el espacio de palabras.
03:44
One is just asking the experts,
67
224991
1643
Una es preguntando a los expertos,
03:46
a bit like we do with dictionaries.
68
226658
1896
un poco como hacemos con los diccionarios.
03:48
Another possibility
69
228896
1428
Otra posibilidad
03:50
is following the simple assumption that when two words are related,
70
230348
3715
es seguir el supuesto simple de que cuando dos palabras se relacionan
03:54
they tend to appear in the same sentences,
71
234087
2349
tienden a aparecer en las mismas frases,
03:56
in the same paragraphs,
72
236460
1453
en los mismos párrafos,
03:57
in the same documents,
73
237937
1770
en los mismos documentos,
03:59
more often than would be expected just by pure chance.
74
239731
3182
más a menudo de lo esperado simplemente por pura casualidad.
04:04
And this simple hypothesis,
75
244231
2050
Y esta hipótesis simple,
04:06
this simple method,
76
246305
1306
este método simple,
04:07
with some computational tricks
77
247635
1607
con trucos computacionales
04:09
that have to do with the fact
78
249266
1389
relacionados con el hecho
04:10
that this is a very complex and high-dimensional space,
79
250679
3064
de que este es un espacio multidimensional muy complejo,
04:13
turns out to be quite effective.
80
253767
1665
resulta ser muy eficaz.
04:16
And just to give you a flavor of how well this works,
81
256155
2802
Y solo para darles una muestra de lo bien que funciona,
04:18
this is the result we get when we analyze this for some familiar words.
82
258981
3912
este es el resultado obtenido al analizar algunas palabras familiares.
04:23
And you can see first
83
263607
1185
Y lo primero que ven
04:24
that words automatically organize into semantic neighborhoods.
84
264816
3278
es que las palabras se organizan automáticamente en campos semánticos.
04:28
So you get the fruits, the body parts,
85
268118
2217
Las frutas, las partes del cuerpo,
04:30
the computer parts, the scientific terms and so on.
86
270359
2425
las piezas de la computadora, los términos científicos, etc.
04:33
The algorithm also identifies that we organize concepts in a hierarchy.
87
273119
4222
El algoritmo también identifica que organizamos los conceptos en jerarquías.
04:37
So for instance,
88
277852
1151
Entonces, por ejemplo,
04:39
you can see that the scientific terms break down into two subcategories
89
279027
3597
se puede ver que los términos científicos se separan en dos subcategorías:
04:42
of the astronomic and the physics terms.
90
282648
2100
términos de astronomía y de física.
04:45
And then there are very fine things.
91
285338
2246
Y luego hay cosas muy sutiles.
04:47
For instance, the word astronomy,
92
287608
1905
Por ejemplo, la palabra astronomía,
04:49
which seems a bit bizarre where it is,
93
289537
1815
que parece tener una ubicación extraña,
04:51
is actually exactly where it should be,
94
291376
2048
está exactamente donde debería estar,
04:53
between what it is,
95
293448
1595
entre lo que es,
04:55
an actual science,
96
295067
1270
una ciencia real,
04:56
and between what it describes,
97
296361
1536
y entre lo que describe,
04:57
the astronomical terms.
98
297921
1492
los términos astronómicos.
Y podríamos seguir y seguir con esto.
05:00
And we could go on and on with this.
99
300182
1891
En realidad, si uno mira con atención esto durante un tiempo,
05:02
Actually, if you stare at this for a while,
100
302097
2060
05:04
and you just build random trajectories,
101
304181
1858
y construye trayectorias aleatorias,
05:06
you will see that it actually feels a bit like doing poetry.
102
306063
3166
verá que, en realidad, se parece un poco a hacer poesía.
05:10
And this is because, in a way,
103
310018
1882
Y esto se debe, en cierta forma,
05:11
walking in this space is like walking in the mind.
104
311924
2940
a que caminar en este espacio es como caminar por la mente.
05:16
And the last thing
105
316027
1617
Y lo último es que
05:17
is that this algorithm also identifies what are our intuitions,
106
317668
4040
este algoritmo también identifica cuáles son nuestras intuiciones,
05:21
of which words should lead in the neighborhood of introspection.
107
321732
3896
respecto a qué palabras nos llevarían al campo de la introspección.
05:25
So for instance,
108
325652
1223
Así, por ejemplo,
05:26
words such as "self," "guilt," "reason," "emotion,"
109
326899
3979
palabras como "yo", "culpa", "razón", "emoción",
05:30
are very close to "introspection,"
110
330902
1889
están muy cerca de "introspección",
05:32
but other words,
111
332815
1151
pero otras palabras como
05:33
such as "red," "football," "candle," "banana,"
112
333990
2167
"rojo", "fútbol", "vela", "banana",
05:36
are just very far away.
113
336181
1452
están muy lejos.
05:38
And so once we've built the space,
114
338054
2762
Y así, una vez que hemos construido el espacio,
05:40
the question of the history of introspection,
115
340840
2826
la cuestión de la historia de la introspección,
05:43
or of the history of any concept
116
343690
2333
o de la historia de cualquier concepto
05:46
which before could seem abstract and somehow vague,
117
346047
4779
que antes podía parecer abstracto y en cierta forma impreciso,
05:50
becomes concrete --
118
350850
1604
se vuelve concreto,
05:52
becomes amenable to quantitative science.
119
352478
2738
se vuelve abordable por la ciencia cuantitativa.
05:56
All that we have to do is take the books,
120
356216
2762
Solo nos resta tomar los libros,
05:59
we digitize them,
121
359002
1381
digitalizarlos,
06:00
and we take this stream of words as a trajectory
122
360407
2809
tomar esta corriente de palabras como una trayectoria,
06:03
and project them into the space,
123
363240
1969
proyectarla en el espacio, y luego preguntarnos
06:05
and then we ask whether this trajectory spends significant time
124
365233
3754
si esta trayectoria pasa un tiempo considerable
06:09
circling closely to the concept of introspection.
125
369011
2992
rodeando de cerca al concepto de introspección.
06:12
And with this,
126
372760
1196
Y con esto,
06:13
we could analyze the history of introspection
127
373980
2112
se podría analizar la historia de la introspección
06:16
in the ancient Greek tradition,
128
376116
1921
en la tradición griega antigua,
06:18
for which we have the best available written record.
129
378061
2602
de la cual tenemos el mejor registro escrito disponible.
06:21
So what we did is we took all the books --
130
381631
2255
Por eso tomamos todos los libros
06:23
we just ordered them by time --
131
383910
2284
y los ordenamos cronológicamente,
06:26
for each book we take the words
132
386218
1752
por cada libro tomamos las palabras
06:27
and we project them to the space,
133
387994
1961
y las proyectamos al espacio,
06:29
and then we ask for each word how close it is to introspection,
134
389979
3032
y luego nos preguntamos por cada palabra cuan cercana está a la introspección,
06:33
and we just average that.
135
393035
1230
y calculamos su promedio.
06:34
And then we ask whether, as time goes on and on,
136
394590
3198
Luego nos preguntamos si, con el transcurso del tiempo,
06:37
these books get closer, and closer and closer
137
397812
3252
estos libros se acercaban cada vez más
06:41
to the concept of introspection.
138
401088
1754
al concepto de introspección.
06:42
And this is exactly what happens in the ancient Greek tradition.
139
402866
3801
Y esto es exactamente lo que sucede en la tradición griega antigua.
06:47
So you can see that for the oldest books in the Homeric tradition,
140
407698
3127
Se puede ver que en los libros más antiguos en la tradición homérica,
06:50
there is a small increase with books getting closer to introspection.
141
410849
3412
hay un pequeño acercamiento a la introspección.
06:54
But about four centuries before Christ,
142
414285
2206
Pero unos cuatro siglos antes de Cristo,
06:56
this starts ramping up very rapidly to an almost five-fold increase
143
416515
4708
empieza a despegar rápidamente hasta casi quintuplicarse
07:01
of books getting closer, and closer and closer
144
421247
2500
el acercamiento paulatino de los libros
07:03
to the concept of introspection.
145
423771
1682
al concepto de introspección.
07:06
And one of the nice things about this
146
426159
2424
Y algo bueno de esto
07:08
is that now we can ask
147
428607
1198
es que ahora podemos preguntarnos
07:09
whether this is also true in a different, independent tradition.
148
429829
4147
si esto también es cierto en una tradición diferente, independiente.
07:14
So we just ran this same analysis on the Judeo-Christian tradition,
149
434962
3176
Por eso hicimos este mismo análisis en la tradición judeocristiana,
07:18
and we got virtually the same pattern.
150
438162
2721
y obtuvimos prácticamente el mismo patrón.
07:21
Again, you see a small increase for the oldest books in the Old Testament,
151
441548
4635
De nuevo, se ve un pequeño acercamiento
en los libros más antiguos del Antiguo Testamento,
07:26
and then it increases much more rapidly
152
446207
1914
y luego se acerca mucho más rápidamente
07:28
in the new books of the New Testament.
153
448145
1839
en los nuevos libros del Nuevo Testamento.
07:30
And then we get the peak of introspection
154
450008
2032
Y luego tenemos el pico de la introspección
07:32
in "The Confessions of Saint Augustine,"
155
452064
2127
en "Las confesiones de San Agustín",
07:34
about four centuries after Christ.
156
454215
1857
unos cuatro siglos después de Cristo.
07:36
And this was very important,
157
456897
1944
Y esto fue muy importante,
07:38
because Saint Augustine had been recognized by scholars,
158
458865
3373
porque San Agustín había sido reconocido por eruditos,
07:42
philologists, historians,
159
462262
2172
filólogos, historiadores,
07:44
as one of the founders of introspection.
160
464458
2078
como uno de los fundadores de la introspección.
07:47
Actually, some believe him to be the father of modern psychology.
161
467060
3297
En realidad, algunos creen que él es el padre de la psicología moderna.
07:51
So our algorithm,
162
471012
1839
Por lo tanto nuestro algoritmo,
07:52
which has the virtue of being quantitative,
163
472875
2842
que tiene la virtud de ser cuantitativo,
07:55
of being objective,
164
475741
1263
de ser objetivo,
07:57
and of course of being extremely fast --
165
477028
2016
y, por supuesto, de ser extremadamente rápido
07:59
it just runs in a fraction of a second --
166
479068
2397
-- corre en una fracción de segundo --
08:01
can capture some of the most important conclusions
167
481489
3503
puede capturar algunas de las conclusiones más importantes
08:05
of this long tradition of investigation.
168
485016
2222
de esta larga tradición de investigación.
08:08
And this is in a way one of the beauties of science,
169
488317
3651
Y esta es en cierto modo una de las bellezas de la ciencia,
08:11
which is that now this idea can be translated
170
491992
3476
y es que ahora esta idea se puede trasladar
08:15
and generalized to a whole lot of different domains.
171
495492
2571
y generalizar a muchos y diferentes dominios.
08:18
So in the same way that we asked about the past of human consciousness,
172
498769
4767
Y así como nos preguntamos sobre el pasado de la conciencia humana,
08:23
maybe the most challenging question we can pose to ourselves
173
503560
3406
tal vez la pregunta más difícil que podemos plantearnos
08:26
is whether this can tell us something about the future of our own consciousness.
174
506990
4137
es si esto puede decirnos algo sobre el futuro de nuestra propia conciencia.
08:31
To put it more precisely,
175
511550
1470
Para decirlo con mayor precisión,
08:33
whether the words we say today
176
513044
2416
si las palabras que decimos hoy
08:35
can tell us something of where our minds will be in a few days,
177
515484
5197
nos pueden decir algo de dónde estarán nuestras mentes en unos días,
08:40
in a few months
178
520705
1151
en unos meses,
08:41
or a few years from now.
179
521880
1182
o dentro de unos años.
08:43
And in the same way many of us are now wearing sensors
180
523597
3020
Y así como muchos de nosotros ahora usamos sensores
08:46
that detect our heart rate,
181
526641
1786
que detectan nuestro ritmo cardíaco,
08:48
our respiration,
182
528451
1269
nuestra respiración,
08:49
our genes,
183
529744
1667
nuestros genes,
08:51
on the hopes that this may help us prevent diseases,
184
531435
3651
con la esperanza de que esto pueda ayudarnos a prevenir enfermedades,
08:55
we can ask whether monitoring and analyzing the words we speak,
185
535110
3521
podemos preguntar si monitorear y analizar las palabras que decimos,
08:58
we tweet, we email, we write,
186
538655
2683
que tuiteamos, que escribimos,
09:01
can tell us ahead of time whether something may go wrong with our minds.
187
541362
4808
pueden decirnos de antemano si algo puede estar mal en nuestra mente.
09:07
And with Guillermo Cecchi,
188
547087
1534
Y con Guillermo Cecchi,
09:08
who has been my brother in this adventure,
189
548645
3001
que ha sido mi hermano en esta aventura,
09:11
we took on this task.
190
551670
1555
nos embarcamos en esa tarea.
09:14
And we did so by analyzing the recorded speech of 34 young people
191
554228
5532
Analizamos la voz grabada de 34 jóvenes
09:19
who were at a high risk of developing schizophrenia.
192
559784
2801
con alto riesgo de desarrollar esquizofrenia.
09:23
And so what we did is, we measured speech at day one,
193
563434
2881
Medimos el discurso el primer día,
09:26
and then we asked whether the properties of the speech could predict,
194
566339
3242
y luego nos preguntamos si las propiedades del discurso podían predecir,
09:29
within a window of almost three years,
195
569605
2496
en el periodo de casi tres años,
09:32
the future development of psychosis.
196
572125
2035
el desarrollo de la psicosis futura.
09:35
But despite our hopes,
197
575427
2366
Pero a pesar de nuestras esperanzas,
09:37
we got failure after failure.
198
577817
3117
tuvimos un fracaso tras otro.
09:41
There was just not enough information in semantics
199
581793
3882
Sencillamente no había suficiente información en la semántica
09:45
to predict the future organization of the mind.
200
585699
2793
para predecir la organización futura de la mente.
09:48
It was good enough
201
588516
1809
Era suficientemente buena
09:50
to distinguish between a group of schizophrenics and a control group,
202
590349
4175
para distinguir entre un grupo de esquizofrénicos y un grupo de control,
09:54
a bit like we had done for the ancient texts,
203
594548
2712
tal y como nos había ocurrido con los textos antiguos,
09:57
but not to predict the future onset of psychosis.
204
597284
2994
pero no para predecir el inicio de la psicosis futura.
10:01
But then we realized
205
601164
1706
Pero luego nos dimos cuenta
10:02
that maybe the most important thing was not so much what they were saying,
206
602894
4088
de que quizá lo más importante no era tanto lo que decían,
10:07
but how they were saying it.
207
607006
1673
sino cómo lo estaban diciendo.
10:09
More specifically,
208
609679
1220
Más específicamente,
10:10
it was not in which semantic neighborhoods the words were,
209
610923
2827
no eran los campos semánticos donde estaban las palabras
10:13
but how far and fast they jumped
210
613774
2600
sino cuán lejos y rápido saltaban
10:16
from one semantic neighborhood to the other one.
211
616398
2301
de un campo semántico al otro.
10:19
And so we came up with this measure,
212
619247
1731
Y se nos ocurrió esta medida,
10:21
which we termed semantic coherence,
213
621002
2389
que denominamos "coherencia semántica",
10:23
which essentially measures the persistence of speech within one semantic topic,
214
623415
4804
que mide esencialmente la persistencia del discurso dentro de un tema semántico,
10:28
within one semantic category.
215
628243
1529
dentro de una categoría semántica.
10:31
And it turned out to be that for this group of 34 people,
216
631294
4047
Y resultó ser que para este grupo de 34 personas,
10:35
the algorithm based on semantic coherence could predict,
217
635365
3659
el algoritmo basado en la coherencia semántica podía predecir,
10:39
with 100 percent accuracy,
218
639048
2500
con 100 % de precisión,
10:41
who developed psychosis and who will not.
219
641572
2507
quién desarrollará psicosis y quién no lo hará.
10:44
And this was something that could not be achieved --
220
644976
2937
Y esto era algo que no podía lograrse
10:47
not even close --
221
647937
1508
-- ni por aproximación --
10:49
with all the other existing clinical measures.
222
649469
3126
con las demás medidas clínicas existentes.
10:54
And I remember vividly, while I was working on this,
223
654525
3579
Y recuerdo vívidamente, mientras estaba trabajando en esto,
10:58
I was sitting at my computer
224
658128
2317
sentado ante mi computadora
11:00
and I saw a bunch of tweets by Polo --
225
660469
2635
que vi un montón de tuits de Polo;
11:03
Polo had been my first student back in Buenos Aires,
226
663128
3167
Polo había sido mi primer estudiante de regreso en Buenos Aires,
11:06
and at the time he was living in New York.
227
666319
2070
y en ese momento vivía en Nueva York.
11:08
And there was something in this tweets --
228
668413
2088
Y había algo en esos tuits,
11:10
I could not tell exactly what because nothing was said explicitly --
229
670525
3501
no podría decir exactamente qué porque no había algo explícito,
11:14
but I got this strong hunch,
230
674050
2021
pero tuve ese presentimiento,
11:16
this strong intuition, that something was going wrong.
231
676095
2955
esa intuición fuerte de que algo iba mal.
11:20
So I picked up the phone, and I called Polo,
232
680347
2723
Así que tomé el teléfono y llamé Polo,
11:23
and in fact he was not feeling well.
233
683094
1919
y, de hecho, no se sentía bien.
11:25
And this simple fact,
234
685362
1937
Y este simple hecho,
11:27
that reading in between the lines,
235
687323
2491
de leer entre líneas,
11:29
I could sense, through words, his feelings,
236
689838
4262
de sentir, a través de las palabras, sus sentimientos,
11:34
was a simple, but very effective way to help.
237
694124
2619
fue una manera simple pero efectiva de ayudar.
11:37
What I tell you today
238
697987
1638
Los que les digo hoy
11:39
is that we're getting close to understanding
239
699649
2508
es que estamos cerca de comprender
11:42
how we can convert this intuition that we all have,
240
702181
4286
cómo convertir esta intuición que todos tenemos,
11:46
that we all share,
241
706491
1365
que todos compartimos,
11:47
into an algorithm.
242
707880
1197
en un algoritmo.
11:50
And in doing so,
243
710102
1461
Y, al hacerlo,
11:51
we may be seeing in the future a very different form of mental health,
244
711587
4650
podríamos ver en un futuro una forma muy diferente de salud mental,
11:56
based on objective, quantitative and automated analysis
245
716261
5621
basada en un análisis automatizado, cuantitativo, objetivo,
12:01
of the words we write,
246
721906
1709
de las palabras que escribimos,
12:03
of the words we say.
247
723639
1537
de las palabras que decimos.
12:05
Gracias.
248
725200
1151
Gracias.
12:06
(Applause)
249
726375
6883
(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