Kevin Kelly: The next 5,000 days of the web

Kevin Kelly sobre los próximos 5000 días de la "web"

211,249 views

2008-07-29 ・ TED


New videos

Kevin Kelly: The next 5,000 days of the web

Kevin Kelly sobre los próximos 5000 días de la "web"

211,249 views ・ 2008-07-29

TED


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

Traductor: Orlando Garcia Revisor: Fernando J. Vallejo U.
00:16
The Internet, the Web as we know it,
0
16160
2000
El Internet, la "web" como la conocemos,
00:18
the kind of Web -- the things we're all talking about --
1
18160
3000
la clase de red -- las cosas que estamos hablando --
00:21
is already less than 5,000 days old.
2
21160
4000
tiene ahora menos de 5,000 días de edad.
00:25
So all of the things that we've seen come about,
3
25160
4000
Entonces todas las cosas que vemos,
00:29
starting, say, with satellite images of the whole Earth,
4
29160
3000
por ejemplo, imágenes satelitales del planeta completo,
00:32
which we couldn't even imagine happening before,
5
32160
3000
las cuales nunca nos hubiéramos imaginado antes --
00:35
all these things rolling into our lives,
6
35160
4000
todo esto entrando en nuestras vidas,
00:39
just this abundance of things that are right before us,
7
39160
5000
la abundancia de lo que esta frente a nosotros,
00:44
sitting in front of our laptop, or our desktop.
8
44160
2000
sentados frente al computador
00:46
This kind of cornucopia of stuff
9
46160
2000
Esta cornucopia de cosas
00:48
just coming and never ending is amazing, and we're not amazed.
10
48160
6000
que vemos nos maravilla aunque no pareciera que lo estemos
00:54
It's really amazing that all this stuff is here.
11
54160
4000
Es realmente increíble que todo esté aca.
00:58
(Laughter)
12
58160
1000
(Risas)
00:59
It's in 5,000 days, all this stuff has come.
13
59160
4000
En sus 5,000 días, todo esto ha venido.
01:03
And I know that 10 years ago,
14
63160
3000
Y se que hace 10 años,
01:06
if I had told you that this was all coming,
15
66160
2000
si les hubiera dicho que todo esto venía,
01:08
you would have said that that's impossible.
16
68160
3000
hubieran dicho, es imposible.
01:11
There's simply no economic model that that would be possible.
17
71160
5000
Simplemente no existe modelo económico que lo hiciera posible.
01:16
And if I told you it was all coming for free,
18
76160
2000
Y si les hubiera dicho que además es gratis,
01:18
you would say, this is simply -- you're dreaming.
19
78160
2000
me hubieran respondido -- estas soñando.
01:20
You're a Californian utopian. You're a wild-eyed optimist.
20
80160
4000
eres un Californiano utópico. Un optimista excesivo
01:24
And yet it's here.
21
84160
2000
Y sin embargo está acá
01:26
The other thing that we know about it was that 10 years ago,
22
86160
4000
Lo otro que sabemos es que hace 10 años,
01:30
as I looked at what even Wired was talking about,
23
90160
3000
como incluso la revista Wired estaba hablando,
01:33
we thought it was going to be TV, but better.
24
93160
3000
pensábamos que seria como la TV, pero mejor.
01:36
That was the model. That was what everybody was suggesting
25
96160
4000
Era el modelo; lo que todos sugerían
01:40
was going to be coming.
26
100160
2000
que venía
01:42
And it turns out that that's not what it was.
27
102160
3000
Y resultó que no fue esto.
01:45
First of all, it was impossible, and it's not what it was.
28
105160
3000
Primero, era imposible. Segundo no es lo que era
01:48
And so one of the things that I think we're learning --
29
108160
1000
Entonces una de las cosas que creo aprendemos --
01:49
if you think about, like, Wikipedia,
30
109160
2000
si piensan, por ejemplo, Wikipedia,
01:51
it's something that was simply impossible.
31
111160
2000
algo que era simplemente imposible.
01:53
It's impossible in theory, but possible in practice.
32
113160
4000
Imposible en teoría, pero posible en la práctica.
01:57
And if you take all these things that are impossible,
33
117160
1000
Si toman todo lo que era imposible,
01:58
I think one of the things that we're learning from this era,
34
118160
4000
Creo que una de las cosas que estamos aprendiendo de esta era.
02:02
from this last decade, is that we have to get good at believing in the impossible,
35
122160
4000
de la ultima década, es que debemos mejorar en creer lo imposible,
02:06
because we're unprepared for it.
36
126160
3000
por que no estamos preparados para eso.
02:09
So, I'm curious about what's going to happen in the next 5,000 days.
37
129160
3000
Entonces estoy curioso, que pasará los próximos 5,000 días.
02:12
But if that's happened in the last 5,000 days,
38
132160
2000
Pero si ha pasado esto en los últimos 5,000 días.
02:14
what's going to happen in the next 5,000 days?
39
134160
3000
¿Qué pasará en los próximos 5,000 días?
02:17
So, I have a kind of a simple story,
40
137160
3000
Entonces, tengo una simple historia,
02:20
and it suggests that what we want to think about is this thing that we're making,
41
140160
3000
y sugiere que deberíamos pensar en esto que estamos haciendo,
02:23
this thing that has happened in 5,000 days --
42
143160
2000
esto que pasó en 5,000 días.
02:25
that's all these computers, all these handhelds,
43
145160
3000
Son todos estos computadores, aparatos pequeños,
02:28
all these cell phones, all these laptops, all these servers --
44
148160
4000
celulares, portátiles, servidores --
02:32
basically what we're getting out of all these connections
45
152160
4000
lo que estamos haciendo básicamente es que con estas conexiones,
02:36
is we're getting one machine.
46
156160
2000
obtenemos una máquina.
02:38
If there is only one machine, and our little handhelds and devices
47
158160
4000
Si solo hay una máquina -- y nuestros dispositivos portátiles
02:42
are actually just little windows into those machines,
48
162160
2000
son pequeñas ventanas hacia estas maquina,
02:44
but that we're basically constructing a single, global machine.
49
164160
6000
pero que estamos básicamente construyendo una sola, máquina global.
02:50
And so I began to think about that.
50
170160
2000
Entonces comencé a pensar en eso.
02:52
And it turned out that this machine happens to be
51
172160
3000
Y resultó que esta máquina es
02:55
the most reliable machine that we've ever made.
52
175160
3000
la máquina mas fiable que hayamos fabricado.
02:58
It has not crashed; it's running uninterrupted.
53
178160
2000
No se ha caído, funcionando ininterrumpidamente.
03:00
And there's almost no other machine that we've ever made
54
180160
3000
Y no existe casi ninguna otra máquina que hayamos fabricado
03:03
that runs the number of hours, the number of days.
55
183160
4000
que funcione el numero de horas, días.
03:07
5,000 days without interruption -- that's just unbelievable.
56
187160
3000
5,000 días sin interrupción-- es simplemente increíble.
03:10
And of course, the Internet is longer than just 5,000 days;
57
190160
2000
Y por supuesto, el Internet es mas largo que solo 5,000 días --
03:12
the Web is only 5,000 days.
58
192160
2000
la web tiene solo 5,000 días.
03:14
So, I was trying to basically make measurements.
59
194160
6000
Entonces traté de sacar medidas básicas.
03:20
What are the dimensions of this machine?
60
200160
3000
¿Cuáles son las dimensiones de esta máquina?
03:23
And I started off by calculating how many billions of clicks there are
61
203160
4000
Y comencé por calcular los miles de millones de clics
03:27
all around the globe on all the computers.
62
207160
3000
alrededor del mundo en todos los computadores.
03:30
And there is a 100 billion clicks per day.
63
210160
2000
Y hay 100 mil millones de clics por día.
03:32
And there's 55 trillion links between all the Web pages of the world.
64
212160
6000
Y hay 55 trillones de links entre todas las páginas del mundo.
03:38
And so I began thinking more about other kinds of dimensions,
65
218160
3000
Y entonces comencé a pensar mas acerca de otro tipo de dimensiones,
03:41
and I made a quick list. Was it Chris Jordan, the photographer,
66
221160
5000
hice una lista rápida -- y ¿Era Chris Jordan, el fotógrafo, quien
03:46
talking about numbers being so large that they're meaningless?
67
226160
4000
estaba hablando de números que son tan grandes que pierden el sentido?
03:50
Well, here's a list of them. They're hard to tell,
68
230160
2000
Bueno, esto es una lista de estos. Son difíciles de decir
03:52
but there's one billion PC chips on the Internet,
69
232160
4000
pero hay mil millones de chips de computador en Internet,
03:56
if you count all the chips in all the computers on the Internet.
70
236160
2000
si contaran todos los chips en todos los computadores del Internet.
03:58
There's two million emails per second.
71
238160
2000
has dos millones de correos por segundo
04:00
So it's a very big number.
72
240160
2000
Entonces es un número muy grande.
04:02
It's just a huge machine,
73
242160
2000
Es simplemente una máquina enorme,
04:04
and it uses five percent of the global electricity on the planet.
74
244160
4000
y utiliza 5 por ciento del la electricidad global.
04:08
So here's the specifications,
75
248160
1000
Entonces estas son las especificaciones,
04:09
just as if you were to make up a spec sheet for it:
76
249160
2000
como si estuvieran haciendo una hoja de especificaciones técnicas:
04:11
170 quadrillion transistors, 55 trillion links,
77
251160
4000
170 quatrillones de transistores, 55 trillones de links
04:15
emails running at two megahertz itself,
78
255160
2000
correos viajando a dos mega hertz,
04:17
31 kilohertz text messaging,
79
257160
3000
mensajes de texto a 31 kilohertz
04:20
246 exabyte storage. That's a big disk.
80
260160
4000
246 hexabytes de almacenamiento, Es un gran disco.
04:24
That's a lot of storage, memory. Nine exabyte RAM.
81
264160
3000
Es mucho almacenamiento, memoria .. nueve hexabytes RAM.
04:27
And the total traffic on this
82
267160
4000
Y el trafico total
04:31
is running at seven terabytes per second.
83
271160
3000
esta viajando a siete terabytes por segundo.
04:34
Brewster was saying the Library of Congress is about twenty terabytes.
84
274160
3000
Brewster dijo que la librería del congreso es alrededor de 20 terabytes.
04:37
So every second, half of the Library of Congress
85
277160
3000
Entonces cada segundo, la mitad de la Librería del Congreso
04:40
is swooshing around in this machine. It's a big machine.
86
280160
4000
esta pasando por esta máquina. Es una gran máquina.
04:44
So I did something else. I figured out 100 billion clicks per day,
87
284160
4000
Entonces hice algo mas. Encontré que 100 mil millones de clics por día,
04:48
55 trillion links is almost the same
88
288160
3000
55 tillones de links, es casi lo mismo
04:51
as the number of synapses in your brain.
89
291160
2000
que la sinapsis de nuestro cerebro.
04:53
A quadrillion transistors is almost the same
90
293160
2000
Un quatrillon de transistores es como
04:55
as the number of neurons in your brain.
91
295160
2000
el número de neuronas en el cerebro.
04:57
So to a first approximation, we have these things --
92
297160
3000
Entonces en una primera aproximacion, tenemos estas cosas --
05:00
twenty petahertz synapse firings.
93
300160
2000
veinte-petahertz disparos sinápticos.
05:02
Of course, the memory is really huge.
94
302160
2000
Por supuesto la memoria es enorme.
05:04
But to a first approximation, the size of this machine is the size --
95
304160
6000
Pero en una primera aproximación, el tamaño de la máquina es --
05:10
and its complexity, kind of -- to your brain.
96
310160
5000
y su complejidad , algo como -- el cerebro.
05:15
Because in fact, that's how your brain works -- in kind of the same way that the Web works.
97
315160
4000
Por que incluso, es así como funciona el cerebro --de la misma forma que la red.
05:19
However, your brain isn't doubling every two years.
98
319160
4000
Sin embargo, su cerebro no se esta duplicando cada dos años.
05:23
So if we say this machine right now that we've made
99
323160
5000
Entonces si decimos que esta máquina que hemos fabricado,
05:28
is about one HB, one human brain,
100
328160
3000
es como un cerebro humano,
05:31
if we look at the rate that this is increasing,
101
331160
3000
si estimamos la velocidad a la que crece,
05:34
30 years from now, there'll be six billion HBs.
102
334160
5000
de ahora en treinta años, habrán seis mil millones de cerebros humanos.
05:39
So by the year 2040, the total processing of this machine
103
339160
4000
Para el 2040, el procesamiento total de esta máquina
05:43
will exceed a total processing power of humanity,
104
343160
3000
excedera la capacidad de procesamiento de la humanidad,
05:46
in raw bits and stuff. And this is, I think, where
105
346160
3000
por partes, Y esto es, yo creo, donde
05:49
Ray Kurzweil and others get this little chart saying that we're going to cross.
106
349160
5000
Ray Kurzwel y otros obtuvieron este pequeño cuadro diciendo que cruzaremos.
05:54
So, what about that? Well, here's a couple of things.
107
354160
6000
¿Quá tal eso? Bueno, acá hay un par de cosas.
06:00
I have three kind of general things
108
360160
3000
Tengo tres clases de elementos generales
06:03
I would like to say, three consequences of this.
109
363160
4000
Me gustaría decir; tres consecuencias de esto.
06:07
First, that basically what this machine is doing is embodying.
110
367160
5000
Primero, que básicamente lo que está haciendo esta máquina es tomando cuerpo --
06:12
We're giving it a body. And that's what we're going to do
111
372160
2000
le estamos dando cuerpo. Y eso es lo que haremos
06:14
in the next 5,000 days -- we're going to give this machine a body.
112
374160
3000
en los próximos 5,000 días -- le daremos a esta máquina un cuerpo.
06:17
And the second thing is, we're going to restructure its architecture.
113
377160
3000
Y la segunda cosa es: reestructuraremos su arquitectura.
06:20
And thirdly, we're going to become completely codependent upon it.
114
380160
4000
Tercero, seremos completamente co-dependientes de esta
06:24
So let me go through those three things.
115
384160
2000
Entonces permitanme ver estas tres cosas.
06:26
First of all, we have all these things in our hands.
116
386160
3000
Primero que todo, tenemos todo esto en nuestras manos.
06:29
We think they're all separate devices,
117
389160
2000
Pensamos que son dispositivos separados,
06:31
but in fact, every screen in the world
118
391160
3000
pero, cada pantalla en el mundo
06:34
is looking into the one machine.
119
394160
3000
está mirando hacia La Máquina.
06:37
These are all basically portals into that one machine.
120
397160
3000
Estos son básicamente portales hacia La Máquina
06:40
The second thing is that -- some people call this the cloud,
121
400160
4000
Lo segundo es que -- algunas personas le llaman a esto la nube,
06:44
and you're kind of touching the cloud with this.
122
404160
2000
y estamos tocando la nube con esto.
06:46
And so in some ways, all you really need is a cloudbook.
123
406160
4000
y de alguna forma, todo lo que se necesita es un "cloudbook".
06:50
And the cloudbook doesn't have any storage.
124
410160
3000
Y el cloudbook no almacena nada
06:53
It's wireless. It's always connected.
125
413160
3000
Es inalambrico. Esta siempre conectado.
06:56
There's many things about it. It becomes very simple,
126
416160
2000
Es muy simple.
06:58
and basically what you're doing is you're just touching the machine,
127
418160
2000
y simplemente lo que hacen es solo tocar La Maquina
07:00
you're touching the cloud and you're going to compute that way.
128
420160
3000
están tocando la nube y calculando la vía.
07:03
So the machine is computing.
129
423160
2000
Entonces La Máquina está calculando.
07:05
And in some ways, it's sort of back
130
425160
1000
En algunas forma, es algo
07:06
to the kind of old idea of centralized computing.
131
426160
3000
como la vieja idea de cálculos centralizados.
07:09
But everything, all the cameras, and the microphones,
132
429160
4000
Pero todo, todas las cámaras, y los micrófonos,
07:13
and the sensors in cars
133
433160
4000
y los sensores de los autos
07:17
and everything is connected to this machine.
134
437160
2000
y todo conectado a esta máquina.
07:19
And everything will go through the Web.
135
439160
2000
Y todo pasará por la red.
07:21
And we're seeing that already with, say, phones.
136
441160
2000
Y ya estamos viendo esto con, por ejemplo, teléfonos.
07:23
Right now, phones don't go through the Web,
137
443160
2000
Justo ahora, los teléfonos no van por la red,
07:25
but they are beginning to, and they will.
138
445160
3000
pero van a comenzar a hacerlo, y lo harán.
07:28
And if you imagine what, say, just as an example, what Google Labs has
139
448160
4000
Y si imaginan, por ejemplo, lo que Google Labs tiene
07:32
in terms of experiments with Google Docs, Google Spreadsheets, blah, blah, blah --
140
452160
4000
en términos de experimentos con Google docs, Google hoja de calculo, blah, blah
07:36
all these things are going to become Web based.
141
456160
3000
todo esto será basado en la red.
07:39
They're going through the machine.
142
459160
2000
Pasarán por La Máquina.
07:41
And I am suggesting that every bit will be owned by the Web.
143
461160
5000
Y estoy sugiriendo que cada parte sea de la red.
07:46
Right now, it's not. If you do spreadsheets and things at work,
144
466160
3000
Ahora no es así -- si haces hojas de cálculo en el trabajo,
07:49
a Word document, they aren't on the Web,
145
469160
3000
un documento Word, no está en la Web,
07:52
but they are going to be. They're going to be part of this machine.
146
472160
2000
pero estará, hará parte de esta máquina.
07:54
They're going to speak the Web language.
147
474160
2000
Hablarán el idioma de la red.
07:56
They're going to talk to the machine.
148
476160
2000
Le hablarán a La Máquina
07:58
The Web, in some sense, is kind of like a black hole
149
478160
3000
La red, en cierto sentido, es como un agujero negro,
08:01
that's sucking up everything into it.
150
481160
3000
que absorbe todo
08:04
And so every thing will be part of the Web.
151
484160
4000
Entonces todo será parte de la red.
08:08
So every item, every artifact that we make, will have embedded in it
152
488160
5000
Cada elemento, cada artefacto que hagamos, incluirá
08:13
some little sliver of Web-ness and connection,
153
493160
3000
alguna conectividad a la red,
08:16
and it will be part of this machine,
154
496160
2000
y será parte de La Máquina,
08:18
so that our environment -- kind of in that ubiquitous computing sense --
155
498160
3000
entonces nuestro entorno -- en un sentido ubicuo computacional --
08:21
our environment becomes the Web. Everything is connected.
156
501160
5000
nuestro entorno se convierte en la red. Todo conectado.
08:26
Now, with RFIDs and other things -- whatever technology it is,
157
506160
3000
Ahora, con RFID y otras cosas --cualquier tecnología que sea
08:29
it doesn't really matter. The point is that everything
158
509160
3000
no importa realmente, es punto es que todo
08:32
will have embedded in it some sensor connecting it to the machine,
159
512160
3000
incluirá alguna colectividad con La Máquina
08:35
and so we have, basically, an Internet of things.
160
515160
3000
entonces tenemos, básicamente, un Internet de cosas.
08:38
So you begin to think of a shoe as a chip with heels,
161
518160
4000
Entonces pensamos en un zapato como un chip con suela,
08:42
and a car as a chip with wheels,
162
522160
3000
un auto como un chip con ruedas.
08:45
because basically most of the cost of manufacturing cars
163
525160
3000
Porque básicamente gran parte del costo de manufactura de un auto
08:48
is the embedded intelligence and electronics in it, and not the materials.
164
528160
6000
es la inteligencia y los electrones al interior, y no los materiales.
08:54
A lot of people think about the new economy
165
534160
2000
Muchas personas piensan acerca de la nueva economía
08:56
as something that was going to be a disembodied,
166
536160
2000
como algo que seria desencarnado,
08:58
alternative, virtual existence,
167
538160
3000
existencia virtual alternativa,
09:01
and that we would have the old economy of atoms.
168
541160
3000
y que tendiéramos la vieja economía de los átomos.
09:04
But in fact, what the new economy really is
169
544160
3000
Pero ahora, lo que la economía realmente es
09:07
is the marriage of those two, where we embed the information,
170
547160
4000
es la unión entre esas dos, donde la información interior,
09:11
and the digital nature of things into the material world.
171
551160
2000
y la naturaleza digital de las cosas dentro del mundo material.
09:13
That's what we're looking forward to. That is where we're going --
172
553160
4000
Es lo que estamos esperando. A donde vamos --
09:17
this union, this convergence of the atomic and the digital.
173
557160
7000
esta unión, esta convergencia entre lo atómico y digital.
09:24
And so one of the consequences of that, I believe,
174
564160
2000
Entonces una de las consecuencias, yo creo
09:26
is that where we have this sort of spectrum of media right now --
175
566160
4000
es que donde tengamos esta especie de espectro de medios ahora --
09:30
TV, film, video -- that basically becomes one media platform.
176
570160
3000
TV, películas, vídeos -- que se convierte en una plataforma de medios.
09:33
And while there's many differences in some senses,
177
573160
2000
Y aunque hay muchas diferencias en algunos sentidos,
09:35
they will share more and more in common with each other.
178
575160
3000
compartirían mas y mas entre si
09:38
So that the laws of media, such as the fact that copies have no value,
179
578160
5000
Para que las leyes del medio, como: el hecho que las copias no tienen valor.
09:43
the value's in the uncopiable things,
180
583160
2000
El valor de cosas incopiables.
09:45
the immediacy, the authentication, the personalization.
181
585160
5000
La inmediatez, autenticación, personalización --
09:50
The media wants to be liquid.
182
590160
3000
el medio quiere ser liquido;
09:53
The reason why things are free is so that you can manipulate them,
183
593160
3000
la razón por la cual las cosas son libres es para que se puedan manipular,
09:56
not so that they are "free" as in "beer," but "free" as in "freedom."
184
596160
4000
no gratis, sino libres como en libertad
10:00
And the network effects rule,
185
600160
2000
Y rige el efecto de red --
10:02
meaning that the more you have, the more you get.
186
602160
2000
es decir que entre mas tienes, mas obtienes.
10:04
The first fax machine -- the person who bought the first fax machine
187
604160
3000
La primera maquina de fax -- la persona que compro el primer fax
10:07
was an idiot, because there was nobody to fax to.
188
607160
5000
era un idiota. porque no había a quien enviarle un fax.
10:12
But here she became an evangelist, recruiting others
189
612160
4000
Pero se convirtió en una evangelista, reclutando a otros
10:16
to get the fax machines because it made their purchase more valuable.
190
616160
3000
para que consiguieran máquinas fax porque valoraba su compra.
10:19
Those are the effects that we're going to see.
191
619160
2000
Estos son los efectos que veremos.
10:21
Attention is the currency.
192
621160
2000
Atención es la moneda.
10:23
So those laws are going to kind of spread throughout all media.
193
623160
5000
Entonces estas leyes van a esparcirse a través de todos los medios.
10:28
And the other thing about this embodiment
194
628160
2000
Y lo otro de este encarnamiento
10:30
is that there's kind of what I call the McLuhan reversal.
195
630160
3000
es que pasa lo que llamo el inverso de McLuhan.
10:33
McLuhan was saying, "Machines are the extensions of the human senses."
196
633160
2000
McLuhan dijo, "Las máquinas son extensiones de los sentidos humanos."
10:35
And I'm saying, "Humans are now going to be
197
635160
2000
Y estoy diciendo, "Los humanos ahora serán
10:37
the extended senses of the machine," in a certain sense.
198
637160
3000
los sentidos de las máquinas extendidos," en cierta forma
10:40
So we have a trillion eyes, and ears, and touches,
199
640160
4000
Entonces tenemos un trillón de ojos, orejas, y tactos,
10:44
through all our digital photographs and cameras.
200
644160
3000
por medio de todas nuestras fotos y cámaras.
10:47
And we see that in things like Flickr,
201
647160
5000
Y vemos en cosas como Flickr,
10:52
or Photosynth, this program from Microsoft
202
652160
3000
o Photosynth, este programa de Microsoft
10:55
that will allow you to assemble a view of a touristy place
203
655160
4000
que permitirá ensamblar un vista turística de un lugar
10:59
from the thousands of tourist snapshots of it.
204
659160
4000
de los miles de fotos turísticas.
11:03
In a certain sense, the machine is seeing through the pixels of individual cameras.
205
663160
6000
En algún sentido, la máquina ve por medio de pixeles de cámaras individuales.
11:09
Now, the second thing that I want to talk about was this idea of restructuring,
206
669160
4000
Ahora, lo segundo de lo quería hablarles es la idea de re estructurar --
11:13
that what the Web is doing is restructuring.
207
673160
2000
que lo que está haciendo la red es re estructurar
11:15
And I have to warn you, that what we'll talk about is --
208
675160
2000
Y les debo advertir, que lo que hablaremos es --
11:17
I'm going to give my explanation of a term you're hearing, which is a "semantic Web."
209
677160
4000
Voy a entregarles mi explicación de un termino que han escuchado, "red semántica "
11:21
So first of all, the first stage that we've seen
210
681160
3000
Primero que todo, el primer paso que hemos visto
11:24
of the Internet was that it was going to link computers.
211
684160
3000
del Internet sería que conectaría computadores.
11:27
And that's what we called the Net; that was the Internet of nets.
212
687160
3000
Y fue lo que llamamos La Red -- la Internet de redes.
11:30
And we saw that, where you have all the computers of the world.
213
690160
3000
Y vimos que donde teníamos todos los computadores del mundo --
11:33
And if you remember, it was a kind of green screen with cursors,
214
693160
4000
si recuerdan, era como una pantalla verde con cursores,
11:37
and there was really not much to do, and if you wanted to connect it,
215
697160
2000
y no había realmente mucho que hacer, si querían conectarla,
11:39
you connected it from one computer to another computer.
216
699160
3000
la conectaban de un computador a otro.
11:42
And what you had to do was -- if you wanted to participate in this,
217
702160
2000
Y lo que deban hacer era, si querían participar en esto,
11:44
you had to share packets of information.
218
704160
4000
debían compartir paquetes de información.
11:48
So you were forwarding on. You didn't have control.
219
708160
2000
Entonces estarían transmitiendo, No tenían control.
11:50
It wasn't like a telephone system where you had control of a line:
220
710160
2000
No era como un sistema telefónico donde se tenía control de la linea --
11:52
you had to share packets.
221
712160
2000
debían compartir paquetes.
11:54
The second stage that we're in now is the idea of linking pages.
222
714160
5000
La segunda etapa donde estamos ahora es la idea de conectar páginas.
11:59
So in the old one, if I wanted to go on to an airline Web page,
223
719160
3000
Entonces en la antigua, si queríamos entrar a la página de una linea aérea,
12:02
I went from my computer, to an FTP site, to another airline computer.
224
722160
4000
Iba de mi computador, a un sitio FTP, luego al computador de la aerolínea.
12:06
Now we have pages -- the unit has been resolved into pages,
225
726160
5000
Ahora tenemos páginas -- la unidad se ha resuelto en páginas,
12:11
so one page links to another page.
226
731160
2000
entonces una página conecta a otra.
12:13
And if I want to go in to book a flight,
227
733160
3000
Y si quisiéramos seguir y reservar un vuelo,
12:16
I go into the airline's flight page, the website of the airline,
228
736160
5000
Iría a la pagina de la aerolínea, el sitio web de la aerolínea,
12:21
and I'm linking to that page.
229
741160
2000
y me conectaria con esa página.
12:23
And what we're sharing were links, so you had to be kind of open with links.
230
743160
4000
Y lo que compartimos son conexiones, entonces debemos estar abiertos a conexiones
12:27
You couldn't deny -- if someone wanted to link to you,
231
747160
2000
No lo podríamos negar -- si alguien quisiera conectarnos,
12:29
you couldn't stop them. You had to participate in this idea
232
749160
4000
no lo podríamos evitar; deberíamos participar en esta idea
12:33
of opening up your pages to be linked by anybody.
233
753160
3000
de abrir su página para que lo conecte quienquiera.
12:36
So that's what we were doing.
234
756160
2000
Entonces eso estamos haciendo.
12:38
We're now entering to the third stage, which is what I'm talking about,
235
758160
4000
Estamos entrando al la tercera etapa, que es a lo que me refiero,
12:42
and that is where we link the data.
236
762160
2000
y es donde conectamos los datos.
12:44
So, I don't know what the name of this thing is.
237
764160
2000
Entonces, no se como se llama esto.
12:46
I'm calling it the one machine. But we're linking data.
238
766160
2000
Lo llamare "La Máquina". pero estamos conectando datos.
12:48
So we're going from machine to machine,
239
768160
2000
Vamos de máquina en máquina,
12:50
from page to page, and now data to data.
240
770160
2000
de página a página, y ahora de datos a datos.
12:52
So the difference is, is that rather than linking from page to page,
241
772160
4000
Entonces la diferencia es, que en vez de conectar de página a página,
12:56
we're actually going to link from one idea on a page
242
776160
4000
vamos a conectar de una idea a una página
13:00
to another idea, rather than to the other page.
243
780160
2000
a otra idea, en vez de a otra pagina
13:02
So every idea is basically being supported --
244
782160
3000
Entonces todo está soportado --
13:05
or every item, or every noun -- is being supported by the entire Web.
245
785160
3000
o todo los elementos, o cada sustantivo, esta soportado por la red.
13:08
It's being resolved at the level of items, or ideas, or words, if you want.
246
788160
6000
Está siendo resuelto al nivel de los elementos, ideas o palabras
13:14
So besides physically coming out again into this idea
247
794160
4000
entonces además de físicamente volviendo a esta idea
13:18
that it's not just virtual, it's actually going out to things.
248
798160
4000
no es solamente virtual, están saliendo cosas.
13:22
So something will resolve down to the information
249
802160
3000
Entonces algo resolverá la información
13:25
about a particular person, so every person will have a unique ID.
250
805160
4000
acerca de una persona en particular, todos tendremos identificación única
13:29
Every person, every item will have a something
251
809160
2000
Cada persona, cada elemento, tendrá algo
13:31
that will be very specific, and will link
252
811160
2000
que sera muy específico, y conectará
13:33
to a specific representation of that idea or item.
253
813160
4000
a una representación específica de esa idea o elemento.
13:37
So now, in this new one, when I link to it,
254
817160
3000
Entonces ahora en esta nueva, cuando me conecto,
13:40
I would link to my particular flight, my particular seat.
255
820160
6000
Me conecto a mi vuelo, mi silla.
13:46
And so, giving an example of this thing,
256
826160
3000
Entonces -- dando un ejemplo --
13:49
I live in Pacifica, rather than -- right now Pacifica
257
829160
2000
Yo vivo en Pacifica. -- justo ahora, Pacífica
13:51
is just sort of a name on the Web somewhere.
258
831160
3000
es solo un nombre en la red en algún lado.
13:54
The Web doesn't know that that is actually a town,
259
834160
2000
La red no sabe que ese es un pueblo,
13:56
and that it's a specific town that I live in,
260
836160
2000
y que es específicamente el pueblo donde yo vivo,
13:58
but that's what we're going to be talking about.
261
838160
3000
pero eso es lo que estaremos hablando.
14:01
It's going to link directly to --
262
841160
2000
Estará conectando directamente a si mismo --
14:03
it will know, the Web will be able to read itself
263
843160
3000
la red podrá leer por si sola
14:06
and know that that actually is a place,
264
846160
2000
y saber que eso realmente es un lugar,
14:08
and that whenever it sees that word, "Pacifica,"
265
848160
2000
y que cuando vea la palabra "Pacifica"
14:10
it knows that it actually has a place,
266
850160
1000
sabe que es un lugar
14:11
latitude, longitude, a certain population.
267
851160
3000
latitud, longitud, una cierta población,
14:14
So here are some of the technical terms, all three-letter things,
268
854160
3000
Entonces acá estan algunos de los términos técnicos, todos de tres letras
14:17
that you'll see a lot more of.
269
857160
2000
que verán mucho mas.
14:19
All these things are about enabling this idea of linking to the data.
270
859160
5000
Todo esto se trata de relacionar los datos.
14:24
So I'll give you one kind of an example.
271
864160
3000
Les daré un ejemplo
14:27
There's like a billion social sites on the Web.
272
867160
4000
Hay como mil millones de sitios sociales en la red.
14:31
Each time you go into there, you have to tell it again who you are
273
871160
3000
cada vez que entras, debes decir quien eres de nuevo,
14:34
and all your friends are.
274
874160
1000
y quienes son tus amigos.
14:35
Why should you be doing that? You should just do that once,
275
875160
2000
¿Por qué deberíamos hacer esto? solo deberíamos hacer eso una vez,
14:37
and it should know who all your friends are.
276
877160
3000
y deberían saber quienes son tus amigos.
14:40
So that's what you want, is all your friends are identified,
277
880160
2000
Entonces esto es lo que queremos, todos los amigo identificados,
14:42
and you should just carry these relationships around.
278
882160
2000
y solo cargar esas relaciones
14:44
All this data about you should just be conveyed,
279
884160
3000
todos estos datos deberían trasmitirse
14:47
and you should do it once and that's all that should happen.
280
887160
3000
y solo se debería hacer una vez, y esto es todo lo que debería pasar
14:50
And you should have all the networks
281
890160
2000
Y deberíamos tener todas las redes
14:52
of all the relationships between those pieces of data.
282
892160
2000
de todas las relaciones entre esos pedazos de información
14:54
That's what we're moving into -- where it sort of knows these things down to that level.
283
894160
5000
A eso es a lo que nos estamos moviendo -- donde se sabe este tipo de cosas a este nivel.
14:59
A semantic Web, Web 3.0, giant global graph --
284
899160
3000
Una red semántica, Web 3.0, gigante global grafica --
15:02
we're kind of trying out what we want to call this thing.
285
902160
3000
estamos tratando de ver como podemos llamar a esto.
15:05
But what's it's doing is sharing data.
286
905160
2000
lo que esta haciendo es compartir datos.
15:07
So you have to be open to having your data shared, which is a much bigger step
287
907160
5000
Entonces debes estar abierto a compartir tu información, lo cual es un paso mucho mas grande
15:12
than just sharing your Web page, or your computer.
288
912160
2000
que solo compartir su pagina web, o su computador.
15:14
And all these things that are going to be on this
289
914160
4000
Y todos estos elementos que estarán sobre esto
15:18
are not just pages, they are things.
290
918160
3000
no son solo paginas, son cosas.
15:21
Everything we've described, every artifact or place,
291
921160
4000
Todo lo que hemos descrito, cada artefacto o lugar
15:25
will be a specific representation,
292
925160
2000
serán una representación específica,
15:27
will have a specific character that can be linked to directly.
293
927160
5000
tendrá un carácter especifico que se podrá conectar directamente.
15:32
So we have this database of things.
294
932160
2000
Entonces tenemos esta base de datos de cosas.
15:34
And so there's actually a fourth thing that we have not get to,
295
934160
4000
Finalmente hay una cuarta cosa que no hemos cubierto todavía,
15:38
that we won't see in the next 10 years, or 5,000 days,
296
938160
2000
que no veremos en los próximos 10 años o 5,000 días
15:40
but I think that's where we're going to. And as the Internet of things --
297
940160
5000
pero pienso que a eso es a donde vamos, Y como un Internet de cosas --
15:45
where I'm linking directly to the particular things of my seat on the plane --
298
945160
4000
donde me conecto directamente a mi silla en el avión --
15:49
that that physical thing becomes part of the Web.
299
949160
3000
esta cosa física hace parte de la web.
15:52
And so we are in the middle of this thing
300
952160
2000
Entonces estamos en el medio de todo esto
15:54
that's completely linked, down to every object
301
954160
3000
que esta completamente conectado, a cada objeto
15:57
in the little sliver of a connection that it has.
302
957160
2000
en la pequeña astilla de conexión que tiene.
15:59
So, the last thing I want to talk about is this idea
303
959160
2000
Entonce la última cosa que quiero decir, es esta idea:
16:01
that we're going to be codependent.
304
961160
3000
de que seremos co-dependientes
16:04
It's always going to be there, and the closer it is, the better.
305
964160
4000
siempre estará ahí y entre mas cerca mejor.
16:08
If you allow Google to, it will tell you your search history.
306
968160
3000
Si le permitimos a Google, nos dirá nuestra historia de búsquedas
16:11
And I found out by looking at it
307
971160
2000
Y mirándola encontré que
16:13
that I search most at 11 o'clock in the morning.
308
973160
2000
yo buscaba mas que todo a las 11 de la mañana.
16:16
So I am open, and being transparent to that.
309
976160
3000
Entonces estoy abierto y transparente a eso
16:19
And I think total personalization in this new world will require total transparency.
310
979160
6000
Y creo que la personalización total en este nuevo mundo requerirá total transparencia
16:25
That is going to be the price.
311
985160
2000
Ese sera el precio.
16:27
If you want to have total personalization,
312
987160
1000
Si quieren total personalización,
16:28
you have to be totally transparent.
313
988160
2000
deberán ser totalmente transparentes.
16:30
Google. I can't remember my phone number, I'll just ask Google.
314
990160
3000
Google, No recuerdo mi numero telefónico, Le preguntare a Google.
16:33
We're so dependent on this that I have now gotten to the point
315
993160
2000
Somos tan dependientes de eso que he llegado al punto
16:35
where I don't even try to remember things --
316
995160
2000
donde no trato de recordar todo --
16:37
I'll just Google it. It's easier to do that.
317
997160
2000
Lo buscare en Google, es mas fácil
16:39
And we kind of object at first, saying, "Oh, that's awful."
318
999160
3000
Y al principio nos resistimos, diciendo " Oh, es horrible"
16:42
But if we think about the dependency that we have on this other technology,
319
1002160
3000
Pero si pensamos en la dependencia que tenemos en esta otra tecnología,
16:45
called the alphabet, and writing,
320
1005160
2000
llamada alfabeto, y escritura --
16:47
we're totally dependent on it, and it's transformed culture.
321
1007160
3000
somos totalmente dependientes de esta, ha transformado la cultura
16:50
We cannot imagine ourselves without the alphabet and writing.
322
1010160
4000
No nos podemos imaginar sin el alfabeto y la escritura.
16:54
And so in the same way, we're going to not imagine ourselves
323
1014160
3000
Entonce de la misma forma, no nos imaginaremos luego
16:57
without this other machine being there.
324
1017160
2000
son estas otras máquinas estando ahi.
16:59
And what is happening with this is
325
1019160
3000
Y lo que ocurre es
17:02
some kind of AI, but it's not the AI in conscious AI,
326
1022160
2000
que alguna clase de Inteligencia Artificial, pero no consciente
17:04
as being an expert, Larry Page told me
327
1024160
3000
como -- siendo un experto Larry Page me dijo
17:07
that that's what they're trying to do,
328
1027160
1000
que eso es que lo que estaban intentando,
17:08
and that's what they're trying to do.
329
1028160
2000
eso es lo que están intentando.
17:10
But when six billion humans are Googling,
330
1030160
3000
Pero cuando 6 mil millones de personas se están "googleando",
17:13
who's searching who? It goes both ways.
331
1033160
2000
quien busca a quien? Es de doble vía,
17:15
So we are the Web, that's what this thing is.
332
1035160
4000
Entonces somos la red,lo que es esto.
17:19
We are going to be the machine.
333
1039160
2000
Seremos una máquina.
17:21
So the next 5,000 days, it's not going to be the Web and only better.
334
1041160
5000
Entonces los próximos 5,000 días -- no será la web y mejor.
17:26
Just like it wasn't TV and only better.
335
1046160
2000
Así como no fue TV pero mejor
17:28
The next 5,000 days, it's not just going to be the Web
336
1048160
3000
Los próximos 5,000 días -- no sera solo la web,
17:31
but only better -- it's going to be something different.
337
1051160
2000
pero mejor, sera algo diferente
17:33
And I think it's going to be smarter.
338
1053160
4000
Y creo que sera mas inteligente.
17:37
It'll have an intelligence in there, that's not, again, conscious.
339
1057160
4000
Tendrá una inteligencia, pero que no es consciente,
17:41
But it'll anticipate what we're doing, in a good sense.
340
1061160
4000
Pero anticipara lo que hacemos, en un buen sentido
17:45
Secondly, it's become much more personalized.
341
1065160
3000
será mucho mas personalizada.
17:48
It will know us, and that's good.
342
1068160
2000
nos conocerá, y eso es bueno.
17:50
And again, the price of that will be transparency.
343
1070160
4000
Y de nuevo el precio sera la transparencia.
17:54
And thirdly, it's going to become more ubiquitous
344
1074160
2000
y por último, será mas ubicua
17:56
in terms of filling your entire environment, and we will be in the middle of it.
345
1076160
5000
en términos de estar en todo el entorno, y estaremos en la mitad de esto.
18:01
And all these devices will be portals into that.
346
1081160
3000
todos los dispositivos serán portales hacia esto
18:04
So the single idea that I wanted to leave with you
347
1084160
3000
Entonces la idea con la que les quiero dejar
18:07
is that we have to begin to think about this as not just "the Web, only better,"
348
1087160
6000
es que tenemos que comenzar a pensar no solo en "la web y un poco mejor"
18:13
but a new kind of stage in this development.
349
1093160
3000
pero una nueva etapa de desarrollo.
18:16
It looks more global. If you take this whole thing,
350
1096160
3000
Se ve mas global -- Si tomamos todo esto,
18:19
it is a very big machine, very reliable machine,
351
1099160
3000
es una gran máquina, muy confiable,
18:22
more reliable than its parts.
352
1102160
2000
mas confiable que sus partes.
18:24
But we can also think about it as kind of a large organism.
353
1104160
3000
Pero también lo podemos pensar como un gran organismo
18:27
So we might respond to it more as if this was a whole system,
354
1107160
5000
Entonces podremos responder mas como si fuera un sistema entero
18:32
more as if this wasn't a large organism
355
1112160
2000
mas como si no fuera un gran organismo
18:34
that we are going to be interacting with. It's a "One."
356
1114160
4000
con el que vamos a estar ínteractuando, Es "Uno"
18:38
And I don't know what else to call it, than the One.
357
1118160
3000
y no se como mas llamarlo que, el "Uno."
18:41
We'll have a better word for it.
358
1121160
1000
Tendremos una mejor palabra para ello.
18:42
But there's a unity of some sort that's starting to emerge.
359
1122160
3000
Pero hay una unidad de alguna clase que esta comenzando a emerger.
18:45
And again, I don't want to talk about consciousness,
360
1125160
3000
Y de nuevo, No quiero hablar de que tiene conciencia
18:48
I want to talk about it just as if it was a little bacteria,
361
1128160
2000
Quiero hablar de ello como si fuera una pequeña bacteria,
18:50
or a volvox, which is what that organism is.
362
1130160
3000
o un Volvox, lo que es el organismo.
18:53
So, to do, action, take-away. So, here's what I would say:
363
1133160
6000
Entonces, hacer, acción, tomar, Entonces esto es lo que diria:
18:59
there's only one machine, and the Web is its OS.
364
1139160
4000
solo hay una maquina, y la web es si sistema operativo.
19:03
All screens look into the One. No bits will live outside the Web.
365
1143160
4000
Todas las pantallas miran al "One". ningún bit vive fuera de la web
19:07
To share is to gain. Let the One read it.
366
1147160
4000
Compartir es ganar. Deja que el "One" lo lea.
19:11
It's going to be machine-readable.
367
1151160
1000
Sera legible para la máquina;
19:12
You want to make something that the machine can read.
368
1152160
3000
queremos hacer algo que la maquina pueda leer.
19:15
And the One is us. We are in the One.
369
1155160
5000
Y el "One" somos nosotros -- estamos en el "One"
19:20
I appreciate your time.
370
1160160
2000
Agradezco su tiempo.
19:22
(Applause)
371
1162160
3000
(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