ABOUT THE SPEAKER
Shyam Sankar - Data Intelligence Agent
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets.

Why you should listen

Shyam Sankar is a Director at Palantir Technologies, a secretive Silicon Valley company where he oversees deployments of the company's core technology, which helps law enforcement teams and corporations analyze giant, unrelated databases for clues to potential ... anything. Palantir technologies has been used to find missing children, to detect banking fraud, and to uncover the Shadow Network, a cyber-spy ring that stooped so low as to hack the Dalai Lama's email.

As part of his work, Sankar thinks deeply about the place where human and machine intelligence meet. While artificial intelligence (AI) is the dominant paradigm, he is an advocate of JCR Licklider's "intelligence augmentation" (IA) approach, where algorithms and brains work together to solve problems.

More profile about the speaker
Shyam Sankar | Speaker | TED.com
TEDGlobal 2012

Shyam Sankar: The rise of human-computer cooperation

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

Filmed:
947,418 views

La fuerza bruta de la computación por sí sola no puede resolver los problemas del mundo. El innovador en minería de datos Shyam Sankar explica por qué resolver grandes problemas (como atrapar terroristas o identificar enormes tendencias escondidas) no es cuestión de encontrar el algoritmo correcto, sino más bien la correcta relación simbiótica entre la computación y la creatividad humana.
- Data Intelligence Agent
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets. Full bio

Double-click the English transcript below to play the video.

00:16
I'd like to tell you about two gamesjuegos of chessajedrez.
0
512
2556
Quiero hablarles sobre dos partidas de ajedrez.
00:18
The first happenedsucedió in 1997, in whichcual GarryGarry KasparovKasparov,
1
3068
3864
La primera fue en 1997, cuando Garry Kasparov,
00:22
a humanhumano, lostperdió to DeepProfundo BlueAzul, a machinemáquina.
2
6932
3716
un humano, perdió ante Deep Blue, una máquina.
00:26
To manymuchos, this was the dawnamanecer of a newnuevo eraera,
3
10648
2240
Para muchos, este era el inicio de una nueva era,
00:28
one where man would be dominateddominado by machinemáquina.
4
12888
2779
en la que las máquinas dominarían a los hombres.
00:31
But here we are, 20 yearsaños on, and the greatestmejor changecambio
5
15667
3334
Sin embargo aquí estamos, 20 años después,
00:34
in how we relaterelacionar to computersordenadores is the iPadiPad,
6
19001
2690
y el mayor cambio en nuestra relación con las computadoras
00:37
not HALHAL.
7
21691
2045
es el iPad, no HAL.
00:39
The secondsegundo gamejuego was a freestyleestilo libre chessajedrez tournamenttorneo
8
23736
2648
La segunda partida fue durante un torneo de ajedrez libre, en 2005,
00:42
in 2005, in whichcual man and machinemáquina could enterentrar togetherjuntos
9
26384
2969
en el que
hombre y máquina podían inscribirse como equipo
00:45
as partnersfogonadura, rathermás bien than adversariesadversarios, if they so choseElegir.
10
29353
4666
y no como adversarios, si así lo deseaban.
00:49
At first, the resultsresultados were predictableprevisible.
11
34019
1851
Al principio se tuvieron resultados predecibles;
00:51
Even a supercomputersupercomputadora was beatenvencido by a grandmasterGran Maestro
12
35870
2497
incluso un Gran Maestro derrotó a una supercomputadora
00:54
with a relativelyrelativamente weakdébiles laptopordenador portátil.
13
38367
2312
con un computador portátil más bien de bajo desempeño.
00:56
The surprisesorpresa camevino at the endfin. Who wonwon?
14
40679
2985
La sorpresa llegó al final: ¿quién ganó?
00:59
Not a grandmasterGran Maestro with a supercomputersupercomputadora,
15
43664
2776
No un Gran Maestro con una supercomputadora,
01:02
but actuallyactualmente two Americanamericano amateursamateurs
16
46440
1493
sino dos aficionados norteamericanos
01:03
usingutilizando threeTres relativelyrelativamente weakdébiles laptopslaptops.
17
47933
3822
con tres portátiles más bien de bajo desempeño.
01:07
TheirSu abilitycapacidad to coachentrenador and manipulatemanipular theirsu computersordenadores
18
51755
2596
Su habilidad para instruir y
manipular sus computadoras
01:10
to deeplyprofundamente exploreexplorar specificespecífico positionsposiciones
19
54351
2435
para explorar posiciones específicas en profundidad
01:12
effectivelyeficazmente counteractedcontrarrestado the superiorsuperior chessajedrez knowledgeconocimiento
20
56786
2390
contrarrestó con eficacia
los conocimientos superiores en ajedrez
01:15
of the grandmastersgrandes maestros and the superiorsuperior computationalcomputacional powerpoder
21
59176
2609
de los Grandes Maestros
y el poder superior de computación
01:17
of other adversariesadversarios.
22
61785
1909
de otros adversarios.
01:19
This is an astonishingasombroso resultresultado: averagepromedio menhombres,
23
63694
2905
Este es un resultado increíble: hombres promedio
01:22
averagepromedio machinesmáquinas beatingpaliza the bestmejor man, the bestmejor machinemáquina.
24
66599
4081
y máquinas convencionales que vencen
al mejor hombre, a la mejor máquina.
01:26
And anywaysde todos modos, isn't it supposedsupuesto to be man versusversus machinemáquina?
25
70680
3199
Y además, ¿no se supone que se trata del hombre contra la máquina?
01:29
InsteadEn lugar, it's about cooperationcooperación, and the right typetipo of cooperationcooperación.
26
73879
4152
En cambio, se trata de cooperación
y del tipo correcto de cooperación.
01:33
We'veNosotros tenemos been payingpago a lot of attentionatención to MarvinMarvin Minsky'sMinsky
27
78031
2857
Durante los últimos 50 años, hemos prestado mucha atención a la visión
01:36
visionvisión for artificialartificial intelligenceinteligencia over the last 50 yearsaños.
28
80888
3242
que tiene Marvin Minsky de la inteligencia artificial
01:40
It's a sexysexy visionvisión, for sure. ManyMuchos have embracedabrazado it.
29
84130
2262
Es una visión atractiva, por supuesto;
muchos la han adoptado.
01:42
It's becomevolverse the dominantdominante schoolcolegio of thought in computercomputadora scienceciencia.
30
86392
2753
Se ha convertido en la escuela dominante de pensamiento en la ciencia de la computación.
01:45
But as we enterentrar the eraera of biggrande datadatos, of networkred systemssistemas,
31
89145
3072
Pero a medida que entramos en la era de los grandes volúmenes de datos, de los sistemas de red,
01:48
of openabierto platformsplataformas, and embeddedincrustado technologytecnología,
32
92217
2698
de las plataformas abiertas
y de la tecnología embebida,
01:50
I'd like to suggestsugerir it's time to reevaluatereevaluar an alternativealternativa visionvisión
33
94915
3392
quiero sugerir que es tiempo
de reevaluar una visión alternativa
01:54
that was actuallyactualmente developeddesarrollado around the samemismo time.
34
98307
3070
que en realidad se desarrolló en la misma época.
01:57
I'm talkinghablando about J.C.R. Licklider'sLicklider's human-computerhumano-computadora symbiosissimbiosis,
35
101377
3332
Me refiero a la idea de la simbiosis
humano-computadora, de J.C.R. Licklider,
02:00
perhapsquizás better termeddenominado "intelligenceinteligencia augmentationaumento," I.A.
36
104709
3808
tal vez mejor llamada
«aumento de la inteligencia», o I.A. (en inglés)
02:04
LickliderLicklider was a computercomputadora scienceciencia titantitán who had a profoundprofundo
37
108517
2640
Licklider fue un titán de la informática
que tuvo un impacto profundo
02:07
effectefecto on the developmentdesarrollo of technologytecnología and the InternetInternet.
38
111157
3006
en el desarrollo de la tecnología
y de internet.
02:10
His visionvisión was to enablehabilitar man and machinemáquina to cooperatecooperar
39
114163
2868
Su visión era la de habilitar la cooperación
entre hombre y máquina
02:12
in makingfabricación decisionsdecisiones, controllingcontrolador complexcomplejo situationssituaciones
40
117031
3590
en la toma de decisiones,
y controlar situaciones complejas
02:16
withoutsin the inflexibleinflexible dependencedependencia
41
120621
1770
sin la dependencia inflexible
02:18
on predeterminedpredeterminado programsprogramas.
42
122391
2533
de programas predeterminados.
02:20
NoteNota that wordpalabra "cooperatecooperar."
43
124924
2498
Fíjense en la palabra «cooperación».
02:23
LickliderLicklider encouragesanima us not to take a toastertostadora
44
127422
2747
Licklider nos alienta, no a tomar un tostador
02:26
and make it DataDatos from "StarEstrella TrekEmigrar,"
45
130169
2284
y convertirlo en «Data», de «Star Trek»,
02:28
but to take a humanhumano and make her more capablecapaz.
46
132453
3535
sino a tomar a un ser humano y hacerlo más capaz.
02:31
HumansHumanos are so amazingasombroso -- how we think,
47
135988
1911
Los humanos somos tan sorprendentes...
cómo pensamos,
02:33
our non-linearno lineal approachesenfoques, our creativitycreatividad,
48
137899
2618
nuestros enfoques no lineales, nuestra creatividad,
02:36
iterativeiterativo hypotheseshipótesis, all very difficultdifícil if possibleposible at all
49
140517
2131
las hipótesis iterativas;
todo esto es muy difícil, si no imposible,
02:38
for computersordenadores to do.
50
142648
1345
para las computadoras.
02:39
LickliderLicklider intuitivelyintuitivamente realizeddio cuenta this, contemplatingcontemplando humanshumanos
51
143993
2452
Licklider se dio cuenta de esto intuitivamente
al contemplar a los humanos
02:42
settingajuste the goalsmetas, formulatingformulando the hypotheseshipótesis,
52
146445
2327
establecer las metas, formular las hipótesis,
02:44
determiningdeterminando the criteriacriterios, and performingamaestrado the evaluationevaluación.
53
148772
3376
determinar los criterios y realizar la evaluación.
02:48
Of coursecurso, in other waysformas, humanshumanos are so limitedlimitado.
54
152148
1775
Por supuesto, los humanos somos muy limitados
en otras áreas.
02:49
We're terribleterrible at scaleescala, computationcálculo and volumevolumen.
55
153923
3235
Somos muy malos para grandes escalas, volumen y para computar.
02:53
We requireexigir high-endgama alta talenttalento managementadministración
56
157158
1836
Necesitamos una gestión superior de talento
02:54
to keep the rockrock bandbanda togetherjuntos and playingjugando.
57
158994
2064
para mantener al grupo de rock unido y tocando.
02:56
LickliderLicklider foresawprevió computersordenadores doing all the routinizablerutinizable work
58
161058
2204
Licklider previó que las computadoras
harían todo el trabajo rutinario
02:59
that was requirednecesario to preparepreparar the way for insightsideas and decisiondecisión makingfabricación.
59
163262
3276
que se necesitaba para preparar el camino
al conocimiento y la toma de decisiones.
03:02
SilentlySilenciosamente, withoutsin much fanfaretrompeteo,
60
166538
2224
En silencio, sin mucha fanfarria,
03:04
this approachenfoque has been compilingcompilando victoriesvictorias beyondmás allá chessajedrez.
61
168762
3354
este enfoque ha ido acumulando triunfos
más allá del ajedrez.
03:08
ProteinProteína foldingplegable, a topictema that sharesComparte the incredibleincreíble expansivenessexpansividad of chessajedrez
62
172116
3356
El plegamiento de proteínas, un tema que comparte con el ajedrez la increíble expansividad:
03:11
there are more waysformas of foldingplegable a proteinproteína than there are atomsátomos in the universeuniverso.
63
175472
3042
hay más formas de plegar una proteína
que átomos en el universo.
03:14
This is a world-changingcambio de mundo problemproblema with hugeenorme implicationstrascendencia
64
178514
2353
Este es un problema capaz de cambiar el mundo
con enormes repercusiones
03:16
for our abilitycapacidad to understandentender and treattratar diseaseenfermedad.
65
180867
2308
en nuestra capacidad para comprender
y tratar las enfermedades.
03:19
And for this tasktarea, supercomputersupercomputadora fieldcampo brutebruto forcefuerza simplysimplemente isn't enoughsuficiente.
66
183175
4248
Y para esta tarea, la fuerza bruta de las supercomputadoras simplemente no basta.
03:23
FolditFoldit, a gamejuego createdcreado by computercomputadora scientistscientíficos,
67
187423
2384
«Foldit», un juego creado por
científicos de la informática,
03:25
illustratesilustra the valuevalor of the approachenfoque.
68
189807
2502
ilustra el valor de este enfoque.
03:28
Non-technicalNo técnico, non-biologistno biólogo amateursamateurs playjugar a videovídeo gamejuego
69
192309
3041
Aficionados sin formación en tecnología ni biología
juegan un videojuego
03:31
in whichcual they visuallyvisualmente rearrangearreglar de nuevo the structureestructura of the proteinproteína,
70
195350
3073
en el que reordenan visualmente
la estructura de la proteína,
03:34
allowingpermitir the computercomputadora to managegestionar the atomicatómico forcesefectivo
71
198423
1499
permitiendo que la computadora
se encargue de las fuerzas atómicas
03:35
and interactionsinteracciones and identifyidentificar structuralestructural issuescuestiones.
72
199922
2957
de las interacciones
y de identificar los problemas estructurales.
03:38
This approachenfoque beatgolpear supercomputerssupercomputadoras 50 percentpor ciento of the time
73
202879
3023
Este enfoque ha vencido a las supercomputadoras
el 50 % de las veces
03:41
and tiedatado 30 percentpor ciento of the time.
74
205902
2584
y ha empatado con ellas el 30 %.
03:44
FolditFoldit recentlyrecientemente madehecho a notableIncapaz and majormayor scientificcientífico discoverydescubrimiento
75
208486
3137
«Foldit» realizó hace poco
un descubrimiento científico importante
03:47
by decipheringdescifrando the structureestructura of the Mason-PfizerMason-Pfizer monkeymono virusvirus.
76
211623
3160
al descifrar la estructura del virus Mason-Pfizer de los monos.
03:50
A proteaseproteasa that had eludedeludido determinationdeterminación for over 10 yearsaños
77
214783
3015
Una proteasa que no había podido ser determinada
en más de 10 años
03:53
was solvedresuelto was by threeTres playersjugadores in a matterimportar of daysdías,
78
217798
2626
fue resuelta por tres jugadores en cuestión de días;
03:56
perhapsquizás the first majormayor scientificcientífico advanceavanzar
79
220424
2025
tal vez el primer avance científico importante
03:58
to come from playingjugando a videovídeo gamejuego.
80
222449
2323
que haya surgido de jugar un videojuego.
04:00
Last yearaño, on the sitesitio of the TwinGemelo TowersTorres,
81
224772
2181
El año pasado, en el sitio de las Torres Gemelas,
04:02
the 9/11 memorialmemorial openedabrió.
82
226953
1473
se inauguró el monumento 9/11.
04:04
It displaysmuestra the namesnombres of the thousandsmiles of victimsvíctimas
83
228426
2721
Muestra los nombres de miles de víctimas,
04:07
usingutilizando a beautifulhermosa conceptconcepto calledllamado "meaningfulsignificativo adjacencyproximidad."
84
231147
3063
usando un hermoso concepto
llamado «colindancia significativa».
04:10
It placeslugares the namesnombres nextsiguiente to eachcada other basedbasado on theirsu
85
234210
2166
Coloca los nombres uno junto a otro en función de
04:12
relationshipsrelaciones to one anotherotro: friendsamigos, familiesfamilias, coworkerscompañeros de trabajo.
86
236376
2213
las relaciones que tenían entre sí:
amigos, familias,
04:14
When you put it all togetherjuntos, it's quitebastante a computationalcomputacional
87
238589
3028
compañeros de trabajo.
Hacer encajar todo es un considerable
04:17
challengereto: 3,500 victimsvíctimas, 1,800 adjacencyproximidad requestspeticiones,
88
241617
4223
desafío computacional:
3500 víctimas, 1800 pedidos de colindancia,
04:21
the importanceimportancia of the overallen general physicalfísico specificationspresupuesto
89
245840
3092
la importancia de
las especificaciones físicas generales
04:24
and the finalfinal aestheticsestética.
90
248932
2137
y la estética final.
04:26
When first reportedreportado by the mediamedios de comunicación, fullcompleto creditcrédito for suchtal a feathazaña
91
251069
2615
En el primer informe de la prensa
se dio crédito total por tal hazaña
04:29
was givendado to an algorithmalgoritmo from the NewNuevo YorkYork CityCiudad
92
253684
1892
a un algoritmo de una compañía de diseño
en Nueva York
04:31
designdiseño firmfirma LocalLocal ProjectsProyectos. The truthverdad is a bitpoco more nuancedmatizado.
93
255576
4001
llamada «Local Projects».
La verdad es un poco más sutil.
04:35
While an algorithmalgoritmo was used to developdesarrollar the underlyingsubyacente frameworkmarco de referencia,
94
259577
2871
Si bien se utilizó un algoritmo
para desarrollar la estructura base,
04:38
humanshumanos used that frameworkmarco de referencia to designdiseño the finalfinal resultresultado.
95
262448
3008
fueron seres humanos quienes usaron esa estructura
para diseñar el resultado final.
04:41
So in this casecaso, a computercomputadora had evaluatedevaluado millionsmillones
96
265456
2225
Así que, en este caso, una computadora
evaluó los millones
04:43
of possibleposible layoutsdiseños, managedmanejado a complexcomplejo relationalrelacional systemsistema,
97
267681
3335
de diseños posibles,
manejó un sistema relacional complejo
04:46
and keptmantenido trackpista of a very largegrande setconjunto of measurementsmediciones
98
271016
2414
y monitoreó un gran conjunto de mediciones
04:49
and variablesvariables, allowingpermitir the humanshumanos to focusatención
99
273430
2410
y variables, lo que permitió a los humanos enfocarse
04:51
on designdiseño and compositionalcomposicional choiceselecciones.
100
275840
2802
en el diseño y las alternativas de composición.
04:54
So the more you look around you,
101
278642
1036
Entre más miren a su alrededor,
04:55
the more you see Licklider'sLicklider's visionvisión everywhereen todos lados.
102
279678
1962
más verán por todos lados la visión de Licklider.
04:57
WhetherSi it's augmentedaumentado realityrealidad in your iPhoneiPhone or GPSGPS in your carcoche,
103
281640
3304
Ya sea la realidad aumentada en su iPhone
o el GPS en su auto,
05:00
human-computerhumano-computadora symbiosissimbiosis is makingfabricación us more capablecapaz.
104
284944
2970
la simbiosis humano-computadora
nos está volviendo más capaces.
05:03
So if you want to improvemejorar human-computerhumano-computadora symbiosissimbiosis,
105
287914
1655
Entonces, si quieren mejorar
la simbiosis humano-computadora,
05:05
what can you do?
106
289569
1429
¿qué pueden hacer?
05:06
You can startcomienzo by designingdiseño the humanhumano into the processproceso.
107
290998
2452
Pueden empezar por incluir al ser humano
en el diseño del proceso.
05:09
InsteadEn lugar of thinkingpensando about what a computercomputadora will do to solveresolver the problemproblema,
108
293450
2204
En vez de pensar qué hará una computadora
para resolver el problema,
05:11
designdiseño the solutionsolución around what the humanhumano will do as well.
109
295654
3869
diseñen la solución en función de
lo que hará el ser humano también.
05:15
When you do this, you'lltu vas a quicklycon rapidez realizedarse cuenta de that you spentgastado
110
299523
1937
Al hacer esto, pronto se darán cuenta de que han pasado
05:17
all of your time on the interfaceinterfaz betweenEntre man and machinemáquina,
111
301460
2879
todo su tiempo en la interfaz
entre hombre y máquina,
05:20
specificallyespecíficamente on designingdiseño away the frictionfricción in the interactionInteracción.
112
304339
3099
específicamente en el diseño
para eliminar la fricción en la interacción.
05:23
In facthecho, this frictionfricción is more importantimportante than the powerpoder
113
307438
2766
De hecho, esta fricción
es más importante que el poder
05:26
of the man or the powerpoder of the machinemáquina
114
310204
2052
del hombre o de la máquina
05:28
in determiningdeterminando overallen general capabilitycapacidad.
115
312256
1931
para determinar la capacidad total.
05:30
That's why two amateursamateurs with a fewpocos laptopslaptops
116
314187
1977
Es por eso que dos aficionados con unas cuantas computadoras portátiles
05:32
handilycómodamente beatgolpear a supercomputersupercomputadora and a grandmasterGran Maestro.
117
316164
2456
vencieron fácilmente a una supercomputadora
y a un Gran Maestro.
05:34
What KasparovKasparov callsllamadas processproceso is a byproductsubproducto of frictionfricción.
118
318620
3005
Lo que Kasparov llama proceso
es un subproducto de la fricción.
05:37
The better the processproceso, the lessMenos the frictionfricción.
119
321625
2401
Cuanto mejor sea el proceso,
menor será la fricción,
05:39
And minimizingminimizando frictionfricción turnsvueltas out to be the decisivedecisivo variablevariable.
120
324026
4256
y minimizar la fricción resulta ser la variable decisiva.
05:44
Or take anotherotro exampleejemplo: biggrande datadatos.
121
328282
2243
O bien, tomen otro ejemplo:
los grandes volúmenes de datos.
05:46
EveryCada interactionInteracción we have in the worldmundo is recordedgrabado
122
330525
1906
Nuestras interacciones con en el mundo
se registran
05:48
by an ever growingcreciente arrayformación of sensorssensores: your phoneteléfono,
123
332431
3059
por una variedad de sensores cada vez mayor: teléfonos,
05:51
your creditcrédito cardtarjeta, your computercomputadora. The resultresultado is biggrande datadatos,
124
335490
2373
tarjetas de crédito, computadoras.
El resultado es el gran volumen de datos;
05:53
and it actuallyactualmente presentspresenta us with an opportunityoportunidad
125
337863
1742
y en realidad nos ofrece la oportunidad de
05:55
to more deeplyprofundamente understandentender the humanhumano conditioncondición.
126
339605
2662
entender más profundamente la condición humana.
05:58
The majormayor emphasisénfasis of mostmás approachesenfoques to biggrande datadatos
127
342267
2305
El mayor énfasis de casi todos los enfoques
al alto volumen de datos
06:00
focusatención on, "How do I storealmacenar this datadatos? How do I searchbuscar
128
344572
2215
se centra en: «¿Cómo almaceno estos datos?,
06:02
this datadatos? How do I processproceso this datadatos?"
129
346787
2276
¿cómo busco estos datos?,
¿cómo proceso estos datos?»
06:04
These are necessarynecesario but insufficientinsuficiente questionspreguntas.
130
349063
2204
Estas preguntas son necesarias, pero insuficientes.
06:07
The imperativeimperativo is not to figurefigura out how to computecalcular,
131
351267
2471
El imperativo no es resolver cómo computar,
06:09
but what to computecalcular. How do you imposeimponer humanhumano intuitionintuición
132
353738
2184
sino qué computar.
¿Cómo se aplica la intuición humana
06:11
on datadatos at this scaleescala?
133
355922
1791
sobre los datos a esta escala?
06:13
Again, we startcomienzo by designingdiseño the humanhumano into the processproceso.
134
357713
3499
De nuevo, empezamos por incluir al ser humano
en el diseño del proceso.
06:17
When PayPalPayPal was first startingcomenzando as a businessnegocio, theirsu biggestmás grande
135
361212
2812
En los inicios de la compañía «PayPal»,
06:19
challengereto was not, "How do I sendenviar moneydinero back and forthadelante onlineen línea?"
136
364024
2804
su mayor desafío no fue:
cómo enviar y recibir dinero en línea,
06:22
It was, "How do I do that withoutsin beingsiendo defraudeddefraudado by organizedorganizado crimecrimen?"
137
366828
3872
sino cómo enviarlo
sin ser estafado por el crimen organizado.
06:26
Why so challengingdesafiante? Because while computersordenadores can learnaprender
138
370700
2088
¿Por qué tanto desafío?
Porque las computadoras pueden aprender
06:28
to detectdetectar and identifyidentificar fraudfraude basedbasado on patternspatrones,
139
372788
3144
a detectar fraudes con base en patrones,
06:31
they can't learnaprender to do that basedbasado on patternspatrones
140
375932
1479
pero no pueden aprender a hacerlo
con base en patrones
06:33
they'veellos tienen never seenvisto before, and organizedorganizado crimecrimen
141
377411
2116
que nunca han visto, y el crimen organizado
06:35
has a lot in commoncomún with this audienceaudiencia: brilliantbrillante people,
142
379527
2709
tiene mucho en común con este público:
es gente brillante,
06:38
relentlesslyimplacablemente resourcefulingenioso, entrepreneurialde emprendedor spiritespíritu — (LaughterRisa) —
143
382236
3640
incansablemente ingeniosa,
con un espíritu emprendedor…—(Risas)—
06:41
and one hugeenorme and importantimportante differencediferencia: purposepropósito.
144
385876
2712
y una diferencia enorme y muy importante:
sus intenciones.
06:44
And so while computersordenadores alonesolo can catchcaptura all but the cleverestingenioso
145
388588
2832
Si bien las computadoras por sí solas pueden atrapar a todos los estafadores
06:47
fraudstersestafadores, catchingatractivo the cleverestingenioso is the differencediferencia
146
391420
2253
excepto a los más astutos,
06:49
betweenEntre successéxito and failurefracaso.
147
393673
2545
atrapar a los más astutos hace la diferencia
entre el éxito y el fracaso.
06:52
There's a wholetodo classclase of problemsproblemas like this, onesunos with
148
396218
2221
Hay toda una clase de problemas como este,
que tienen
06:54
adaptiveadaptado adversariesadversarios. They rarelyraramente if ever presentpresente with a
149
398439
2575
adversarios adaptables. Rara vez presentan
06:56
repeatablerepetible patternpatrón that's discernablediscernable to computersordenadores.
150
401014
2736
un patrón repetitivo
que las computadoras puedan discernir.
06:59
InsteadEn lugar, there's some inherentinherente componentcomponente of innovationinnovación or disruptionruptura,
151
403750
3993
Al contrario, hay un componente intrínseco
de innovación o disrupción,
07:03
and increasinglycada vez más these problemsproblemas are buriedenterrado in biggrande datadatos.
152
407743
2735
y se esconden cada vez más
entre el alto volumen de datos.
07:06
For exampleejemplo, terrorismterrorismo. TerroristsTerroristas are always adaptingadaptación
153
410478
2500
El terrorismo, por ejemplo.
Los terroristas se adaptan siempre
07:08
in minormenor and majormayor waysformas to newnuevo circumstancescircunstancias, and despiteA pesar de
154
412978
2052
en mayor o menor medida a
circunstancias nuevas.
07:10
what you mightpodría see on TVtelevisión, these adaptationsadaptaciones,
155
415030
3094
Y a pesar de lo que puedan ver en la TV,
estas adaptaciones
07:14
and the detectiondetección of them, are fundamentallyfundamentalmente humanhumano.
156
418124
2293
y su detección son fundamentalmente humanas.
07:16
ComputersOrdenadores don't detectdetectar novelnovela patternspatrones and newnuevo behaviorscomportamientos,
157
420417
3117
Las computadoras no detectan
patrones y comportamientos novedosos,
07:19
but humanshumanos do. HumansHumanos, usingutilizando technologytecnología, testingpruebas hypotheseshipótesis,
158
423534
3235
pero los seres humanos sí. Los seres humanos,
al usar tecnología, al probar una hipótesis,
07:22
searchingbuscando for insightvisión by askingpreguntando machinesmáquinas to do things for them.
159
426769
4620
al buscar entendimiento
al pedir a las máquinas que hagan cosas por ellos.
07:27
OsamaOsama bincompartimiento LadenCargado was not caughtatrapado by artificialartificial intelligenceinteligencia.
160
431389
2320
La inteligencia artificial no atrapó
a Osama Bin Laden.
07:29
He was caughtatrapado by dedicateddedicado, resourcefulingenioso, brilliantbrillante people
161
433709
2553
Lo atraparon personas
entregadas, ingeniosas y brillantes
07:32
in partnershipsasociaciones with variousvarios technologiestecnologías.
162
436262
4269
en asociación con tecnologías varias.
07:36
As appealingatractivo as it mightpodría soundsonar, you cannotno poder algorithmicallyalgorítmicamente
163
440531
2818
Aunque suene atractivo,
no se puede llegar a una respuesta
07:39
datadatos minemía your way to the answerresponder.
164
443349
1601
haciendo minería de datos algorítmicamente.
07:40
There is no "Find TerroristTerrorista" buttonbotón, and the more datadatos
165
444950
2855
No existe un botón que diga «Encontrar Terrorista»,
y mientras más datos
07:43
we integrateintegrar from a vastvasto varietyvariedad of sourcesfuentes
166
447805
2302
integremos de una amplia variedad de fuentes
07:46
acrossa través de a wideamplio varietyvariedad of datadatos formatsformatos from very
167
450107
2133
y sobre una gran variedad de formatos de
07:48
disparatedispar systemssistemas, the lessMenos effectiveeficaz datadatos miningminería can be.
168
452240
3309
sistemas muy dispares,
menos efectiva será la minería de datos.
07:51
InsteadEn lugar, people will have to look at datadatos
169
455549
2024
En vez de esto, la gente tendrá que mirar los datos
07:53
and searchbuscar for insightvisión, and as LickliderLicklider foresawprevió long agohace,
170
457573
3456
y buscar respuestas,
y como lo predijo Licklider hace tiempo,
07:56
the keyllave to great resultsresultados here is the right typetipo of cooperationcooperación,
171
461029
2685
la clave de los grandes resultados
es la forma correcta de cooperación;
07:59
and as KasparovKasparov realizeddio cuenta,
172
463714
1524
y como lo notó Kasparov,
08:01
that meansmedio minimizingminimizando frictionfricción at the interfaceinterfaz.
173
465238
3031
eso significa minimizar la fricción en la interfaz.
08:04
Now this approachenfoque makeshace possibleposible things like combingpeinada
174
468269
2758
Este enfoque posibilita procesos como la exploración
08:06
throughmediante all availabledisponible datadatos from very differentdiferente sourcesfuentes,
175
471027
3386
de todos los datos disponibles provenientes de fuentes muy diferentes,
08:10
identifyingidentificando keyllave relationshipsrelaciones and puttingponiendo them in one placelugar,
176
474413
2792
identificar relaciones clave
y ponerlas en un mismo lugar,
08:13
something that's been nearlycasi impossibleimposible to do before.
177
477205
2928
algo que antes era casi imposible de hacer.
08:16
To some, this has terrifyingespantoso privacyintimidad and civilcivil libertieslibertades
178
480133
1942
Para algunos, esto conlleva consecuencias aterradoras para la privacidad
08:17
implicationstrascendencia. To othersotros it foretellspronostica of an eraera of greatermayor
179
482075
3410
y las libertades civiles.
Para otros, presagia una era de mayor
08:21
privacyintimidad and civilcivil libertieslibertades protectionsprotecciones,
180
485485
1909
protección de las mismas.
08:23
but privacyintimidad and civilcivil libertieslibertades are of fundamentalfundamental importanceimportancia.
181
487394
2936
Pero, la privacidad y las libertades civiles
son de capital importancia.
08:26
That mustdebe be acknowledgedadmitido, and they can't be sweptbarrido asideaparte,
182
490330
2193
Esto tiene que ser reconocido,
y no se pueden dejar de lado
08:28
even with the bestmejor of intentsintenciones.
183
492523
2530
ni con la mejor de las intenciones.
08:30
So let's exploreexplorar, throughmediante a couplePareja of examplesejemplos, the impactimpacto
184
495053
2518
Así que exploremos, mediante un par de ejemplos,
el impacto
08:33
that technologiestecnologías builtconstruido to drivemanejar human-computerhumano-computadora symbiosissimbiosis
185
497571
2406
que las tecnologías construidas
para impulsar la simbiosis humano-computadora
08:35
have had in recentreciente time.
186
499977
2919
han tenido en los últimos tiempos.
08:38
In Octoberoctubre, 2007, U.S. and coalitioncoalición forcesefectivo raidedasaltado
187
502896
3416
En octubre del 2007,
los EE. UU. y las fuerzas de coalición incursionaron
08:42
an alAlabama QaedaQaeda safeseguro housecasa in the cityciudad of SinjarSinjar
188
506312
2416
en una casa de seguridad de Al Qaeda
en la ciudad de Sinjar
08:44
on the SyrianSirio borderfrontera of IraqIrak.
189
508728
1934
en la frontera sirio-iraquí.
08:46
They foundencontró a treasuretesoro trovetrove of documentsdocumentos:
190
510662
2376
Encontraron un tesoro de documentos:
08:48
700 biographicalbiográfico sketchesbocetos of foreignexterior fightersluchadores.
191
513038
2335
700 esbozos biográficos
de combatientes extranjeros.
08:51
These foreignexterior fightersluchadores had left theirsu familiesfamilias in the GulfGolfo,
192
515373
2584
Estos combatientes
habían dejado a sus familias en el golfo,
08:53
the LevantLevante and Northnorte AfricaÁfrica to joinunirse alAlabama QaedaQaeda in IraqIrak.
193
517957
3146
en el Levante mediterráneo y el norte de África
para unirse a Al Qaeda en Iraq.
08:57
These recordsarchivos were humanhumano resourcerecurso formsformularios.
194
521103
1616
Estos registros
eran formularios de recursos humanos;
08:58
The foreignexterior fightersluchadores filledlleno them out as they joinedunido the organizationorganización.
195
522719
2855
los combatientes extranjeros
los completaban al unirse a la organización.
09:01
It turnsvueltas out that alAlabama QaedaQaeda, too,
196
525574
1211
Resulta que también Al Qaeda
09:02
is not withoutsin its bureaucracyburocracia. (LaughterRisa)
197
526785
2597
tiene su burocracia. (Risas)
09:05
They answeredcontestada questionspreguntas like, "Who recruitedreclutado you?"
198
529382
2098
Respondían a preguntas como:
«¿Quién te reclutó?»,
09:07
"What's your hometownciudad natal?" "What occupationocupación do you seekbuscar?"
199
531480
2854
«¿Cuál es tu ciudad natal?»,
«¿Qué ocupación buscas?»
09:10
In that last questionpregunta, a surprisingsorprendente insightvisión was revealedrevelado.
200
534334
3169
Con esta última pregunta,
se reveló un dato sorprendente.
09:13
The vastvasto majoritymayoria of foreignexterior fightersluchadores
201
537503
2400
La gran mayoría de los combatientes extranjeros
09:15
were seekingbuscando to becomevolverse suicidesuicidio bombersbombarderos for martyrdommartirio --
202
539903
2400
buscaban ser hombres bomba
para convertirse en mártires...
09:18
hugelyenormemente importantimportante, sinceya que betweenEntre 2003 and 2007, IraqIrak
203
542303
4338
De tremenda importancia, ya que entre 2003 y 2007,
09:22
had 1,382 suicidesuicidio bombingsbombardeos, a majormayor sourcefuente of instabilityinestabilidad.
204
546641
4244
Iraq sufrió 1382 ataques suicidas,
una gran fuente de inestabilidad.
09:26
AnalyzingAnalizando this datadatos was harddifícil. The originalsoriginales were sheetssábanas
205
550885
2058
Analizar estos datos fue difícil.
Los originales eran hojas
09:28
of paperpapel in ArabicArábica that had to be scannedescaneado and translatedtraducido.
206
552943
2742
de papel escritas en árabe
que debieron ser escaneadas y traducidas.
09:31
The frictionfricción in the processproceso did not allowpermitir for meaningfulsignificativo
207
555685
2192
La fricción en el proceso
no permitió obtener resultados
09:33
resultsresultados in an operationalOperacional time framemarco usingutilizando humanshumanos, PDFsArchivos PDF
208
557877
3350
significativos en un plazo de tiempo operativo
usando solo seres humanos, PDFs
09:37
and tenacitytenacidad alonesolo.
209
561227
2218
y tenacidad.
09:39
The researchersinvestigadores had to leverpalanca up theirsu humanhumano mindsmentes
210
563445
1953
Los investigadores debían
apoyar sus mentes humanas
09:41
with technologytecnología to divebucear deeperMás adentro, to exploreexplorar non-obviousno obvio
211
565398
2345
con tecnología para profundizar más,
para explorar hipótesis que no fuesen obvias,
09:43
hypotheseshipótesis, and in facthecho, insightsideas emergedsurgió.
212
567743
3218
y de hecho, surgieron algunas revelaciones.
09:46
TwentyVeinte percentpor ciento of the foreignexterior fightersluchadores were from LibyaLibia,
213
570961
2644
El 20 % de los combatientes extranjeros
provenían de Libia,
09:49
50 percentpor ciento of those from a singlesoltero townpueblo in LibyaLibia,
214
573605
2968
un 50 % de ellos de una misma ciudad de Libia,
09:52
hugelyenormemente importantimportante sinceya que prioranterior statisticsestadística put that figurefigura at
215
576573
2450
de tremenda importancia,
ya que estadísticas previas lo calculaban
09:54
threeTres percentpor ciento. It alsoademás helpedayudado to honepiedra de afilar in on a figurefigura
216
579023
2383
en un 3 %. También ayudó a centrarse en un objetivo
09:57
of risingcreciente importanceimportancia in alAlabama QaedaQaeda, AbuAbu YahyaYahya al-Libial-Libi,
217
581406
2977
de creciente importancia en Al Qaeda,
Abu Yahya al-Libi,
10:00
a seniormayor clericclérigo in the Libyanlibio Islamicislámico fightinglucha groupgrupo.
218
584383
2631
un clérigo de alto rango
en el grupo de combate libio-islámico.
10:02
In Marchmarzo of 2007, he gavedio a speechhabla, after whichcual there was
219
587014
2664
En marzo de 2007, este pronunció un discurso,
después del cual se produjo
10:05
a surgeoleada in participationparticipación amongstentre Libyanlibio foreignexterior fightersluchadores.
220
589678
3466
un repentino aumento
en la participación de combatientes libios.
10:09
PerhapsQuizás mostmás cleverinteligente of all, thoughaunque, and leastmenos obviousobvio,
221
593144
3106
Quizás lo más ingenioso de todo, sin embargo,
y lo menos obvio,
10:12
by flippingvolteando the datadatos on its headcabeza, the researchersinvestigadores were
222
596250
2073
al darle vueltas en la cabeza a los datos,
los investigadores
10:14
ablepoder to deeplyprofundamente exploreexplorar the coordinationcoordinación networksredes in SyriaSiria
223
598323
2900
pudieron explorar en profundidad
las redes de coordinación en Siria
10:17
that were ultimatelypor último responsibleresponsable for receivingrecepción and
224
601223
2517
que eran las responsables finales
de recibir y transportar
10:19
transportingtransportando the foreignexterior fightersluchadores to the borderfrontera.
225
603740
2464
a los combatientes extranjeros hacia la frontera.
10:22
These were networksredes of mercenariesmercenarios, not ideologuesideólogos,
226
606204
2633
Estas eran redes de mercenarios, no de ideólogos,
10:24
who were in the coordinationcoordinación businessnegocio for profitlucro.
227
608837
2398
que estaban en el negocio de la coordinación
por las ganancias.
10:27
For exampleejemplo, they chargedcargado SaudiSaudi foreignexterior fightersluchadores
228
611235
1904
Por ejemplo, a los combatientes sauditas les cobraban
10:29
substantiallysustancialmente more than LibyansLibios, moneydinero that would have
229
613139
2199
considerablemente más que a los libios;
dinero que de otra manera
10:31
otherwisede otra manera goneido to alAlabama QaedaQaeda.
230
615338
2320
habría sido para Al Qaeda.
10:33
PerhapsQuizás the adversaryadversario would disruptinterrumpir theirsu ownpropio networkred
231
617658
2045
Tal vez el adversario interrumpiría su propia red
10:35
if they knewsabía they cheatingengañando would-besería jihadistsjihadistas.
232
619703
3035
si supiera que estaban engañando
a aspirantes a yihadistas.
10:38
In Januaryenero, 2010, a devastatingdevastador 7.0 earthquaketerremoto struckgolpeado HaitiHaití,
233
622738
3745
En enero de 2010, un terremoto devastador
de 7,0 grados sacudió Haití.
10:42
thirdtercero deadliestel más mortífero earthquaketerremoto of all time, left one millionmillón people,
234
626483
2916
El tercer terremoto más letal de la historia,
dejó un millón de personas,
10:45
10 percentpor ciento of the populationpoblación, homelesssin hogar.
235
629399
2584
el 10 % de la población, sin hogar.
10:47
One seeminglyaparentemente smallpequeña aspectaspecto of the overallen general reliefalivio effortesfuerzo
236
631983
3137
Un aspecto en apariencia pequeño
de la ayuda humanitaria global
10:51
becameconvirtió increasinglycada vez más importantimportante as the deliveryentrega of foodcomida
237
635120
2176
se volvió cada vez más importante cuando comenzó
10:53
and wateragua startedempezado rollinglaminación.
238
637296
2160
la entrega de agua y alimentos.
10:55
Januaryenero and Februaryfebrero are the dryseco monthsmeses in HaitiHaití,
239
639456
1458
Enero y febrero son los meses secos en Haití,
10:56
yettodavía manymuchos of the campscampamentos had developeddesarrollado standingen pie wateragua.
240
640914
2942
pero en muchos campamentos
se habían formado aguas estancadas.
10:59
The only institutioninstitución with detaileddetallado knowledgeconocimiento of Haiti'sHaití
241
643856
2122
La única institución con un conocimiento detallado
11:01
floodplainsllanuras de inundación had been levelednivelado
242
645978
1297
de las llanuras aluviales de Haití
se había derrumbado
11:03
in the earthquaketerremoto, leadershipliderazgo insidedentro.
243
647275
3008
durante el terremoto, con sus líderes dentro.
11:06
So the questionpregunta is, whichcual campscampamentos are at riskriesgo,
244
650283
2575
Así que la pregunta era:
qué campamentos estaban en riesgo,
11:08
how manymuchos people are in these campscampamentos, what's the
245
652858
1921
cuánta gente había en esos campamentos,
cuáles eran los
11:10
timelinelinea de tiempo for floodinginundación, and givendado very limitedlimitado resourcesrecursos
246
654779
2311
plazos de las inundaciones
y dados los muy escasos recursos
11:12
and infrastructureinfraestructura, how do we prioritizepriorizar the relocationreubicación?
247
657090
3384
e infraestructura, cómo priorizar el traslado.
11:16
The datadatos was incrediblyincreíblemente disparatedispar. The U.S. ArmyEjército had
248
660474
2344
Los datos eran increíblemente dispares.
El ejército de los EE.UU. tenía
11:18
detaileddetallado knowledgeconocimiento for only a smallpequeña sectionsección of the countrypaís.
249
662818
2929
información detallada
de solo una pequeña porción del país.
11:21
There was datadatos onlineen línea from a 2006 environmentalambiental riskriesgo
250
665747
2511
Había datos en línea
de una conferencia de riesgo ambiental
11:24
conferenceconferencia, other geospatialgeoespacial datadatos, noneninguna of it integratedintegrado.
251
668258
2664
de 2006, otros datos geoespaciales,
nada de ello integrado.
11:26
The humanhumano goalGol here was to identifyidentificar campscampamentos for relocationreubicación
252
670922
2958
La meta humana
era identificar los campamentos a trasladar
11:29
basedbasado on priorityprioridad need.
253
673880
2395
en función de las necesidades prioritarias.
11:32
The computercomputadora had to integrateintegrar a vastvasto amountcantidad of geospacialgeospacial
254
676275
2440
La computadora debía integrar
una gran cantidad de información geoespacial,
11:34
informationinformación, socialsocial mediamedios de comunicación datadatos and reliefalivio organizationorganización
255
678715
2584
datos de los medios sociales
e información sobre la organización
11:37
informationinformación to answerresponder this questionpregunta.
256
681299
3480
de ayuda humanitaria
para responder a esta pregunta.
11:40
By implementingimplementar a superiorsuperior processproceso, what was otherwisede otra manera
257
684779
2415
Mediante la implementación de un proceso superior,
lo que habría sido
11:43
a tasktarea for 40 people over threeTres monthsmeses becameconvirtió
258
687194
2608
una tarea para 40 personas durante 3 meses,
se volvió
11:45
a simplesencillo jobtrabajo for threeTres people in 40 hourshoras,
259
689802
3176
un trabajo simple para 3 personas en 40 horas,
11:48
all victoriesvictorias for human-computerhumano-computadora symbiosissimbiosis.
260
692978
2628
todas victorias de la simbiosis humano-computadora.
11:51
We're more than 50 yearsaños into Licklider'sLicklider's visionvisión
261
695606
2054
Han pasado más de 50 años
de la visión de Licklider
11:53
for the futurefuturo, and the datadatos suggestssugiere that we should be
262
697660
2242
para el futuro, y los datos sugieren que
deberíamos sentirnos
11:55
quitebastante excitedemocionado about tacklingabordando this century'sdel siglo hardestmás duro problemsproblemas,
263
699902
3030
muy emocionados de poder atacar
los problemas más difíciles del siglo,
11:58
man and machinemáquina in cooperationcooperación togetherjuntos.
264
702932
2947
hombre y máquina cooperando juntos.
12:01
Thank you. (ApplauseAplausos)
265
705879
2197
Gracias. (Aplausos)
12:03
(ApplauseAplausos)
266
708076
2505
(Aplausos)
Translated by Paola Trenti L.
Reviewed by Marcelo Melero

▲Back to top

ABOUT THE SPEAKER
Shyam Sankar - Data Intelligence Agent
An advocate of human-computer symbiosis, Shyam Sankar looks for clues in big and disparate data sets.

Why you should listen

Shyam Sankar is a Director at Palantir Technologies, a secretive Silicon Valley company where he oversees deployments of the company's core technology, which helps law enforcement teams and corporations analyze giant, unrelated databases for clues to potential ... anything. Palantir technologies has been used to find missing children, to detect banking fraud, and to uncover the Shadow Network, a cyber-spy ring that stooped so low as to hack the Dalai Lama's email.

As part of his work, Sankar thinks deeply about the place where human and machine intelligence meet. While artificial intelligence (AI) is the dominant paradigm, he is an advocate of JCR Licklider's "intelligence augmentation" (IA) approach, where algorithms and brains work together to solve problems.

More profile about the speaker
Shyam Sankar | Speaker | TED.com