TED2011
Rajesh Rao: A Rosetta Stone for a lost language
Rajesh Rao: Una Piedra Rosetta para la escritura Indus.
Filmed:
Readability: 4.2
2,103,451 views
Rajesh Rao esta fascinado por "la medre de todos los crucigramas": Como descifrar la escritura Indus de 4.000 años de antigüedad. En TED 2011 nos cuenta como está incorporando modernas técnicas computacionales para leer la lengua Indus, la clave para entender esta antigua civilización.
Rajesh Rao - Computational neuroscientist
Rajesh Rao seeks to understand the human brain through computational modeling, on two fronts: developing computer models of our minds, and using tech to decipher the 4,000-year-old lost script of the Indus Valley civilization. Full bio
Rajesh Rao seeks to understand the human brain through computational modeling, on two fronts: developing computer models of our minds, and using tech to decipher the 4,000-year-old lost script of the Indus Valley civilization. Full bio
Double-click the English transcript below to play the video.
00:15
I'd like to begin with a thought experiment.
0
0
3000
Me gustaría empezar con un experimento mental.
00:19
Imagine that it's 4,000 years into the future.
1
4000
3000
Imaginen que estamos 4.000 años en el futuro.
00:22
Civilization as we know it
2
7000
2000
La civilización tal como la conocemos
00:24
has ceased to exist --
3
9000
2000
ha dejado de existir.
00:26
no books,
4
11000
2000
No hay libros,
00:28
no electronic devices,
5
13000
3000
ni dispositivos electrónicos,
00:31
no Facebook or Twitter.
6
16000
3000
ni Facebook o Twitter.
00:34
All knowledge of the English language and the English alphabet
7
19000
3000
Todo conocimiento del idioma inglés y su alfabeto
00:37
has been lost.
8
22000
2000
se ha perdido.
00:39
Now imagine archeologists
9
24000
2000
Ahora imaginen a los arqueólogos
00:41
digging through the rubble of one of our cities.
10
26000
2000
excavando en los escombros de una de nuestras ciudades.
00:43
What might they find?
11
28000
2000
¿Qué encontrarían?
00:45
Well perhaps some rectangular pieces of plastic
12
30000
3000
Bueno, quizá algunos trozos rectangulares de plástico
00:48
with strange symbols on them.
13
33000
3000
con extraños símbolos impresos.
00:51
Perhaps some circular pieces of metal.
14
36000
3000
Quizá algunos pedazos circulares de metal.
00:54
Maybe some cylindrical containers
15
39000
2000
Puede que unos recipientes cilíndricos
00:56
with some symbols on them.
16
41000
2000
con algunos símbolos.
00:58
And perhaps one archeologist becomes an instant celebrity
17
43000
3000
Y quizá una arqueóloga se hiciese famosa de repente
01:01
when she discovers --
18
46000
2000
al descubrir
01:03
buried in the hills somewhere in North America --
19
48000
2000
enterradas en las colinas de algún lugar de Norteamérica
01:05
massive versions of these same symbols.
20
50000
3000
versiones enormes de esos mismos símbolos.
01:10
Now let's ask ourselves,
21
55000
2000
Ahora preguntémonos,
01:12
what could such artifacts say about us
22
57000
3000
¿qué podrían decir de nosotros tales artefactos
01:15
to people 4,000 years into the future?
23
60000
3000
a las gentes de dentro de 4.000 años?
01:18
This is no hypothetical question.
24
63000
2000
Pero esta no es una pregunta hipotética.
01:20
In fact, this is exactly the kind of question we're faced with
25
65000
3000
De hecho, este es exactamente el tipo de preguntas a las que nos enfrentamos
01:23
when we try to understand the Indus Valley civilization,
26
68000
3000
cuando tratamos de entender la civilización del valle del Indo
01:26
which existed 4,000 years ago.
27
71000
2000
que existió hace 4.000 años.
01:28
The Indus civilization was roughly contemporaneous
28
73000
3000
La civilización del Indo fue aproximadamente contemporánea
01:31
with the much better known Egyptian and the Mesopotamian civilizations,
29
76000
3000
de las mucho mejor conocidas civilizaciones egipcia y mesopotámica,
01:34
but it was actually much larger than either of these two civilizations.
30
79000
3000
pero realmente fue mucho más grande que cualquiera de ellas dos.
01:37
It occupied the area
31
82000
2000
Ocupó un área
01:39
of approximately one million square kilometers,
32
84000
2000
de aproximadamente un millón de kilómetros cuadrados,
01:41
covering what is now Pakistan,
33
86000
2000
cubriendo lo que hoy es Pakistán,
01:43
Northwestern India
34
88000
2000
el noroeste de la India
01:45
and parts of Afghanistan and Iran.
35
90000
2000
y partes de Afganistán e Irán.
01:47
Given that it was such a vast civilization,
36
92000
2000
Dado que fue una civilización tan extensa,
01:49
you might expect to find really powerful rulers, kings,
37
94000
4000
ustedes esperarían encontrar gobernantes realmente poderosos, reyes,
01:53
and huge monuments glorifying these powerful kings.
38
98000
3000
y enormes monumentos para glorificar a estos poderosos reyes.
01:56
In fact,
39
101000
2000
De hecho,
01:58
what archeologists have found is none of that.
40
103000
2000
los arqueólogos no han encontrado nada de todo eso.
02:00
They've found small objects such as these.
41
105000
3000
Han encontrado pequeños objetos como estos.
02:03
Here's an example of one of these objects.
42
108000
3000
Aquí tenemos un ejemplo de uno de esos objetos.
02:06
Well obviously this is a replica.
43
111000
2000
Bueno, obviamente es una réplica
02:08
But who is this person?
44
113000
3000
pero, ¿quién es esta persona?
02:11
A king? A god?
45
116000
2000
¿Un rey? ¿Un dios?
02:13
A priest?
46
118000
2000
¿Un sacerdote?
02:15
Or perhaps an ordinary person
47
120000
2000
O ¿quizá una persona normal
02:17
like you or me?
48
122000
2000
como ustedes o yo?
02:19
We don't know.
49
124000
2000
No lo sabemos.
02:21
But the Indus people also left behind artifacts with writing on them.
50
126000
3000
Pero las gentes del Indo también dejaron tras de sí artefactos con textos escritos en ellos.
02:24
Well no, not pieces of plastic,
51
129000
2000
Bueno, no trozos de plástico,
02:26
but stone seals, copper tablets,
52
131000
3000
sino sellos de piedra, tablillas de cobre,
02:29
pottery and, surprisingly,
53
134000
2000
cerámica y, sorprendentemente,
02:31
one large sign board,
54
136000
2000
un gran letrero,
02:33
which was found buried near the gate of a city.
55
138000
2000
que se encontró enterrado cerca de la entrada a una ciudad.
02:35
Now we don't know if it says Hollywood,
56
140000
2000
No sabemos si pone "Hollywood",
02:37
or even Bollywood for that matter.
57
142000
2000
o mejor para el caso, "Bollywood".
02:39
In fact, we don't even know
58
144000
2000
De hecho, no sabemos
02:41
what any of these objects say,
59
146000
2000
lo que pone en ninguno de estos objetos.
02:43
and that's because the Indus script is undeciphered.
60
148000
3000
Y eso es porque la escritura del Indo no se ha descifrado.
02:46
We don't know what any of these symbols mean.
61
151000
2000
No sabemos lo que significa ninguno de estos símbolos.
02:48
The symbols are most commonly found on seals.
62
153000
3000
Los símbolos se encuentran más frecuentemente en los sellos.
02:51
So you see up there one such object.
63
156000
2000
Ahí arriba pueden ver uno de esos objetos.
02:53
It's the square object with the unicorn-like animal on it.
64
158000
3000
Es el objeto cuadrado con un animal parecido a un unicornio.
02:56
Now that's a magnificent piece of art.
65
161000
2000
Es una magnifica pieza de arte.
02:58
So how big do you think that is?
66
163000
2000
¿Cómo de grande creen que es?
03:00
Perhaps that big?
67
165000
2000
¿Quizá así de grande?
03:02
Or maybe that big?
68
167000
2000
¿O así?
03:04
Well let me show you.
69
169000
2000
Bueno, déjenme mostrárselo.
03:07
Here's a replica of one such seal.
70
172000
3000
Aquí tengo una réplica de un sello así.
03:10
It's only about one inch by one inch in size --
71
175000
2000
Sólo tiene unos dos centímetros y medio por dos centímetros y medio,
03:12
pretty tiny.
72
177000
2000
bastante pequeño.
03:14
So what were these used for?
73
179000
2000
Así que, ¿para qué se usaban?
03:16
We know that these were used for stamping clay tags
74
181000
3000
Sabemos que fueron usados para estampar etiquetas de barro
03:19
that were attached to bundles of goods that were sent from one place to the other.
75
184000
3000
que se adjuntaban a fardos de mercancías que eran enviados de un lugar a otro.
03:22
So you know those packing slips you get on your FedEx boxes?
76
187000
3000
¿Saben esas etiquetas que vienen con las cajas de FedEx?
03:25
These were used to make those kinds of packing slips.
77
190000
3000
Pues estos sellos fueron usados para hacer ese tipo de etiquetas.
03:28
You might wonder what these objects contain
78
193000
3000
Ahora quizá se pregunten que contenían esos objetos
03:31
in terms of their text.
79
196000
2000
en lo que a sus textos se refiere.
03:33
Perhaps they're the name of the sender
80
198000
2000
Así que,quizá son el nombre del remitente
03:35
or some information about the goods
81
200000
2000
o alguna información sobre las mercancías
03:37
that are being sent from one place to the other -- we don't know.
82
202000
3000
que se envían de un sitio al otro. No lo sabemos.
03:40
We need to decipher the script to answer that question.
83
205000
2000
Necesitamos descifrar la escritura para contestar esa pregunta.
03:42
Deciphering the script
84
207000
2000
Descifrar la escritura
03:44
is not just an intellectual puzzle;
85
209000
2000
no es sólo un rompecabezas intelectual,
03:46
it's actually become a question
86
211000
2000
Realmente se convierte en una cuestión
03:48
that's become deeply intertwined
87
213000
2000
que se entrelaza profundamente
03:50
with the politics and the cultural history of South Asia.
88
215000
3000
con la política y la historia cultural del sur de Asía.
03:53
In fact, the script has become a battleground of sorts
89
218000
3000
De hecho, el texto se ha convertido en un campo de batalla
03:56
between three different groups of people.
90
221000
2000
entre tres grupos diferentes de personas.
03:58
First, there's a group of people
91
223000
2000
Así que primero, hay un grupo de personas
04:00
who are very passionate in their belief
92
225000
2000
muy vehementes en su creencia
04:02
that the Indus script
93
227000
2000
de que la escritura de los Indus
04:04
does not represent a language at all.
94
229000
2000
no representa una lengua en absoluto.
04:06
These people believe that the symbols
95
231000
2000
Estas personas creen que los símbolos
04:08
are very similar to the kind of symbols you find on traffic signs
96
233000
3000
son muy similares al tipo de símbolos que se encuentran en las señales de tráfico
04:11
or the emblems you find on shields.
97
236000
3000
o los emblemas que se encuentran en los escudos.
04:14
There's a second group of people
98
239000
2000
Hay un segundo grupo de personas
04:16
who believe that the Indus script represents an Indo-European language.
99
241000
3000
que creen que los escritos Indus representan una lengua Indo-Europea.
04:19
If you look at a map of India today,
100
244000
2000
Si miran a un mapa de la India actual,
04:21
you'll see that most of the languages spoken in North India
101
246000
3000
verán que la mayoría de las lenguas habladas en el norte de la India
04:24
belong to the Indo-European language family.
102
249000
3000
pertenecen a la familia de las lenguas Indo-Europeas.
04:27
So some people believe that the Indus script
103
252000
2000
Así que algunos creen que la escritura de los Indus
04:29
represents an ancient Indo-European language such as Sanskrit.
104
254000
3000
representa una antigua lengua Indo-Europea como el Sánscrito.
04:32
There's a last group of people
105
257000
2000
Hay un último grupo de personas
04:34
who believe that the Indus people
106
259000
3000
que creen que los Indus
04:37
were the ancestors of people living in South India today.
107
262000
3000
fueron los ancestros de la gente que vive en el sur de la India hoy en día.
04:40
These people believe that the Indus script
108
265000
2000
Estas personas creen que la escritura de los Indus
04:42
represents an ancient form
109
267000
2000
representa una forma antigua
04:44
of the Dravidian language family,
110
269000
2000
de la familia de lenguas dravídicas,
04:46
which is the language family spoken in much of South India today.
111
271000
3000
que es la familia de las lenguas habladas en la mayor parte del sur de la India actual.
04:49
And the proponents of this theory
112
274000
2000
Y los que proponen esta teoría
04:51
point to that small pocket of Dravidian-speaking people in the North,
113
276000
3000
señalan a esa pequeña bolsa de hablantes dravídicos en el norte,
04:54
actually near Afghanistan,
114
279000
2000
en realidad cerca de Afganistán,
04:56
and they say that perhaps, sometime in the past,
115
281000
3000
y dicen que quizá en algún momento del pasado,
04:59
Dravidian languages were spoken all over India
116
284000
3000
las lenguas dravídicas fueron habladas en toda la India
05:02
and that this suggests
117
287000
2000
y que eso sugiere
05:04
that the Indus civilization is perhaps also Dravidian.
118
289000
3000
que la civilización del Indo es quizá también dravídica.
05:07
Which of these hypotheses can be true?
119
292000
3000
¿Cuál de estas hipótesis puede ser cierta?
05:10
We don't know, but perhaps if you deciphered the script,
120
295000
2000
No lo sabemos, pero quizá si descifráramos la escritura,
05:12
you would be able to answer this question.
121
297000
2000
seríamos capaces de responder esta pregunta.
05:14
But deciphering the script is a very challenging task.
122
299000
2000
Pero descifrar la escritura es una tarea muy desafiante.
05:16
First, there's no Rosetta Stone.
123
301000
2000
Primero, no hay una Piedra Rosetta.
05:18
I don't mean the software;
124
303000
2000
No me refiero al software;
05:20
I mean an ancient artifact
125
305000
2000
me refiero a un antiguo artefacto
05:22
that contains in the same text
126
307000
2000
que contiene en el mismo texto
05:24
both a known text and an unknown text.
127
309000
3000
a la vez un texto conocido y uno desconocido.
05:27
We don't have such an artifact for the Indus script.
128
312000
3000
Así que no tenemos un artefacto como ese para la escritura Indus
05:30
And furthermore, we don't even know what language they spoke.
129
315000
3000
Y además, ni siquiera sabemos que lengua hablaban.
05:33
And to make matters even worse,
130
318000
2000
Y para ponerlo aún peor,
05:35
most of the text that we have are extremely short.
131
320000
2000
la mayoría de los textos que conocemos son extremadamente cortos.
05:37
So as I showed you, they're usually found on these seals
132
322000
2000
Como les mostré, se encuentran habitualmente en estos sellos
05:39
that are very, very tiny.
133
324000
2000
que son muy, muy pequeños.
05:41
And so given these formidable obstacles,
134
326000
2000
Y dados estos formidables obstáculos,
05:43
one might wonder and worry
135
328000
2000
uno podría preguntarse y preocuparse
05:45
whether one will ever be able to decipher the Indus script.
136
330000
3000
por si, siquiera alguna vez, será capaz de descifrar la escritura Indus.
05:48
In the rest of my talk,
137
333000
2000
En el resto de mi charla,
05:50
I'd like to tell you about how I learned to stop worrying
138
335000
2000
me gustaría contarles como aprendí a dejar de preocuparme
05:52
and love the challenge posed by the Indus script.
139
337000
2000
y amar el reto que plantea la escritura Indus.
05:54
I've always been fascinated by the Indus script
140
339000
3000
Siempre me ha fascinado la escritura Indus
05:57
ever since I read about it in a middle school textbook.
141
342000
2000
desde que leí sobre ella en un libro de texto de la escuela secundaria.
05:59
And why was I fascinated?
142
344000
2000
Y ¿por qué me fascino?
06:01
Well it's the last major undeciphered script in the ancient world.
143
346000
4000
Bueno, es la última gran lengua del mundo antiguo sin descifrar.
06:05
My career path led me to become a computational neuroscientist,
144
350000
3000
Mi trayectoria profesional me llevo a convertirme en neurocientífico computacional,
06:08
so in my day job,
145
353000
2000
así que en mi trabajo diario,
06:10
I create computer models of the brain
146
355000
2000
creo modelos informáticos del cerebro
06:12
to try to understand how the brain makes predictions,
147
357000
3000
para tratar de entender como hace predicciones el cerebro,
06:15
how the brain makes decisions,
148
360000
2000
como toma decisiones
06:17
how the brain learns and so on.
149
362000
2000
como aprende, etcétera.
06:19
But in 2007, my path crossed again with the Indus script.
150
364000
3000
Pero en 2007, mi camino se cruzó de nuevo con la escritura Indus.
06:22
That's when I was in India,
151
367000
2000
Fue cuando estaba en la India,
06:24
and I had the wonderful opportunity
152
369000
2000
y tuve la maravillosa oportunidad
06:26
to meet with some Indian scientists
153
371000
2000
de conocer a algunos científicos Indios
06:28
who were using computer models to try to analyze the script.
154
373000
3000
que estaban usando modelos informáticos para tratar de analizar la escritura.
06:31
And so it was then that I realized
155
376000
2000
Y así fue como entonces me di cuenta
06:33
there was an opportunity for me to collaborate with these scientists,
156
378000
3000
de que había una oportunidad para mí de colaborar con estos científicos,
06:36
and so I jumped at that opportunity.
157
381000
2000
y me lancé a por aquella oportunidad.
06:38
And I'd like to describe some of the results that we have found.
158
383000
2000
Y me gustaría describir algunos de los resultados que he encontrado.
06:40
Or better yet, let's all collectively decipher.
159
385000
3000
O, incluso mejor, vamos a descifrar colectivamente.
06:43
Are you ready?
160
388000
2000
¿Listos?
06:45
The first thing that you need to do when you have an undeciphered script
161
390000
3000
Lo primero que tienen que hacer cuando tienes un escrito sin descifrar
06:48
is try to figure out the direction of writing.
162
393000
2000
es tratar de entender la dirección de escritura.
06:50
Here are two texts that contain some symbols on them.
163
395000
3000
Aquí tenemos dos textos que contienen algunos símbolos.
06:53
Can you tell me
164
398000
2000
¿Pueden decirme
06:55
if the direction of writing is right to left or left to right?
165
400000
3000
si la dirección de escritura es de derecha a izquierda o de izquierda a derecha?
06:58
I'll give you a couple of seconds.
166
403000
3000
Les daré unos segundos.
07:01
Okay. Right to left, how many? Okay.
167
406000
3000
Vale. De derecha a izquierda, ¿cuántos? Muy bien.
07:04
Okay. Left to right?
168
409000
2000
Vale. ¿De izquierda a derecha?
07:06
Oh, it's almost 50/50. Okay.
169
411000
2000
Oh, está casi al 50 por ciento. Vale.
07:08
The answer is:
170
413000
2000
La respuesta es:
07:10
if you look at the left-hand side of the two texts,
171
415000
2000
Si miran a la parte izquierda de los dos textos,
07:12
you'll notice that there's a cramping of signs,
172
417000
3000
verán que hay unos signos amontonados,
07:15
and it seems like 4,000 years ago,
173
420000
2000
parece como si hace 4.000 años,
07:17
when the scribe was writing from right to left,
174
422000
2000
cuando el escriba estaba escribiendo de derecha a izquierda,
07:19
they ran out of space.
175
424000
2000
se quedaron sin espacio.
07:21
And so they had to cram the sign.
176
426000
2000
Y tuvieron que amontonar los signos.
07:23
One of the signs is also below the text on the top.
177
428000
2000
Uno de los signos esta también por debajo del texto de arriba.
07:25
This suggests the direction of writing
178
430000
2000
Y esto sugiere que la dirección de escritura
07:27
was probably from right to left,
179
432000
2000
era probablemente de derecha a izquierda.
07:29
and so that's one of the first things we know,
180
434000
2000
Y esta es una de las primeras cosas que sabemos,
07:31
that directionality is a very key aspect of linguistic scripts.
181
436000
3000
que la direccionalidad es una aspecto clave en los escritos lingüísticos.
07:34
And the Indus script now has
182
439000
2000
Y la escritura Indus tiene ahora
07:36
this particular property.
183
441000
2000
esta particular propiedad.
07:38
What other properties of language does the script show?
184
443000
2000
¿Cuáles son las propiedades de la lengua que esto nos muestra?
07:40
Languages contain patterns.
185
445000
2000
Las lenguas contienen patrones.
07:42
If I give you the letter Q
186
447000
2000
Así que si yo les doy la letra Q
07:44
and ask you to predict the next letter, what do you think that would be?
187
449000
3000
y les pido que predigan la siguiente letra, ¿cuál piensan que sería?
07:47
Most of you said U, which is right.
188
452000
2000
La mayoría de ustedes diría que la U, lo que es correcto.
07:49
Now if I asked you to predict one more letter,
189
454000
2000
Ahora, si les pido predecir una letra más,
07:51
what do you think that would be?
190
456000
2000
¿cuál piensan que sería?
07:53
Now there's several thoughts. There's E. It could be I. It could be A,
191
458000
3000
Ahora hay varias posibilidades. Está la E. Podría ser la I. Podría ser la A,
07:56
but certainly not B, C or D, right?
192
461000
3000
pero ciertamente no la B, la C o la D ¿verdad?
07:59
The Indus script also exhibits similar kinds of patterns.
193
464000
3000
La escritura Indus presenta tipos similares de patrones.
08:02
There's a lot of text that start with this diamond-shaped symbol.
194
467000
3000
Hay un montón de textos que empiezan con un símbolo con forma de diamante.
08:05
And this in turn tends to be followed
195
470000
2000
Y este a su vez tiende a preceder
08:07
by this quotation marks-like symbol.
196
472000
2000
a este símbolo con parecido a unas comillas.
08:09
And this is very similar to a Q and U example.
197
474000
2000
Y esto es muy similar al ejemplo de la Q y la U.
08:11
This symbol can in turn be followed
198
476000
2000
A su vez a este signo le pueden seguir
08:13
by these fish-like symbols and some other signs,
199
478000
3000
estos símbolos parecidos a peces y algunos otros signos,
08:16
but never by these other signs at the bottom.
200
481000
2000
pero nunca estos otros signos de abajo.
08:18
And furthermore, there's some signs
201
483000
2000
Y además, hay algunos signos
08:20
that really prefer the end of texts,
202
485000
2000
que realmente prefieren el final de los textos,
08:22
such as this jar-shaped sign,
203
487000
2000
como este con forma de jarra.
08:24
and this sign, in fact, happens to be
204
489000
2000
Y este signo, de hecho, resulta ser
08:26
the most frequently occurring sign in the script.
205
491000
2000
el signo que aparece con más frecuencia en la escritura.
08:28
Given such patterns, here was our idea.
206
493000
3000
Ahora, dados tales patrones, aquí va nuestra idea.
08:31
The idea was to use a computer
207
496000
2000
La idea era usar un ordenador
08:33
to learn these patterns,
208
498000
2000
para aprender estos patrones.
08:35
and so we gave the computer the existing texts.
209
500000
3000
Así que le dimos al ordenador los textos existentes,
08:38
And the computer learned a statistical model
210
503000
2000
y el ordenador aprendió un modelo estadístico
08:40
of which symbols tend to occur together
211
505000
2000
de qué símbolos tendían a aparecer juntos
08:42
and which symbols tend to follow each other.
212
507000
2000
que qué símbolos tendían a seguirse unos a otros.
08:44
Given the computer model,
213
509000
2000
Ahora, dado el modelo por ordenador,
08:46
we can test the model by essentially quizzing it.
214
511000
3000
podemos ponerlo a prueba básicamente haciéndole preguntas.
08:49
So we could deliberately erase some symbols,
215
514000
2000
Podemos borrar un símbolo deliberadamente,
08:51
and we can ask it to predict the missing symbols.
216
516000
3000
y pedirle que prediga el símbolo que falta.
08:54
Here are some examples.
217
519000
3000
Aquí tenemos algunos ejemplos.
09:00
You may regard this
218
525000
2000
Pueden considerar este
09:02
as perhaps the most ancient game
219
527000
2000
como el juego más antiguo
09:04
of Wheel of Fortune.
220
529000
3000
de La Ruleta de la Fortuna. (Risas)
09:08
What we found
221
533000
2000
Lo que encontramos
09:10
was that the computer was successful in 75 percent of the cases
222
535000
2000
fue que el ordenador acertaba en el 75 por ciento de los casos
09:12
in predicting the correct symbol.
223
537000
2000
el símbolo que faltaba.
09:14
In the rest of the cases,
224
539000
2000
En el resto de los casos,
09:16
typically the second best guess or third best guess was the right answer.
225
541000
3000
normalmente la segunda o tercera mejor opción era la respuesta correcta.
09:19
There's also practical use
226
544000
2000
Hay también un uso práctico
09:21
for this particular procedure.
227
546000
2000
para este procedimiento en particular.
09:23
There's a lot of these texts that are damaged.
228
548000
2000
Muchos de estos textos están dañados,
09:25
Here's an example of one such text.
229
550000
2000
aquí hay un ejemplo de un texto así.
09:27
And we can use the computer model now to try to complete this text
230
552000
3000
Y ahora podemos usar el modelo informático para tratar de completar el texto
09:30
and make a best guess prediction.
231
555000
2000
y hacer una mejor predicción.
09:32
Here's an example of a symbol that was predicted.
232
557000
3000
Aquí hay un ejemplo de un símbolo que fue predicho.
09:35
And this could be really useful as we try to decipher the script
233
560000
2000
Y puede ser realmente útil mientras tratamos de descifrar la escritura,
09:37
by generating more data that we can analyze.
234
562000
3000
generando más datos que podamos analizar.
09:40
Now here's one other thing you can do with the computer model.
235
565000
3000
Hay otra cosa que puedes hacer con el modelo informático.
09:43
So imagine a monkey
236
568000
2000
Imaginen un mono
09:45
sitting at a keyboard.
237
570000
2000
sentado frente a un teclado.
09:47
I think you might get a random jumble of letters that looks like this.
238
572000
3000
Pienso que podrían obtener un revoltijo aleatorio de letras parecido a esto.
09:50
Such a random jumble of letters
239
575000
2000
De un revoltijo de letras aleatorio tal
09:52
is said to have a very high entropy.
240
577000
2000
se dice que tiene una entropía muy alta.
09:54
This is a physics and information theory term.
241
579000
2000
Este es un término de física y teoría de la información.
09:56
But just imagine it's a really random jumble of letters.
242
581000
3000
Pero simplemente imaginen que es realmente un revoltijo aleatorio de letras.
09:59
How many of you have ever spilled coffee on a keyboard?
243
584000
4000
¿Cuántos de ustedes habéis derramado alguna vez el café sobre el teclado?
10:03
You might have encountered the stuck-key problem --
244
588000
2000
Puede que se hayan encontrado el problema del teclado atascado
10:05
so basically the same symbol being repeated over and over again.
245
590000
3000
en el que el mismo símbolo es repetido una y otra vez.
10:08
This kind of a sequence is said to have a very low entropy
246
593000
3000
De este tipo de secuencia se dice que tiene una entropía muy baja
10:11
because there's no variation at all.
247
596000
2000
porque no hay variaciones en absoluto.
10:13
Language, on the other hand, has an intermediate level of entropy;
248
598000
3000
Por otra parte, el lenguaje tiene un nivel de entropía intermedio;
10:16
it's neither too rigid,
249
601000
2000
ni es demasiado rígido,
10:18
nor is it too random.
250
603000
2000
ni demasiado aleatorio.
10:20
What about the Indus script?
251
605000
2000
¿Y qué hay de la escritura Indus?
10:22
Here's a graph that plots the entropies of a whole bunch of sequences.
252
607000
4000
Este es un gráfico que traza las entropías de unas pocas secuencias.
10:26
At the very top you find the uniformly random sequence,
253
611000
2000
Arriba del todo se encuentra la secuencia uniformemente aleatoria,
10:28
which is a random jumble of letters --
254
613000
2000
que es un revoltijo aleatorio de letras,
10:30
and interestingly, we also find
255
615000
2000
y curiosamente, encontramos también
10:32
the DNA sequence from the human genome and instrumental music.
256
617000
3000
la secuencia del ADN del genoma humano y música instrumental.
10:35
And both of these are very, very flexible,
257
620000
2000
Ambos son muy, muy flexibles,
10:37
which is why you find them in the very high range.
258
622000
2000
y es por ello que se encuentran en un rango muy alto.
10:39
At the lower end of the scale,
259
624000
2000
Ahora, en lo más bajo de la escala,
10:41
you find a rigid sequence, a sequence of all A's,
260
626000
2000
te encuentras una secuencia rígida, una secuencia sólo de aes,
10:43
and you also find a computer program,
261
628000
2000
y también un programa de ordenador,
10:45
in this case in the language Fortran,
262
630000
2000
en este caso en lenguaje Fortran,
10:47
which obeys really strict rules.
263
632000
2000
que obedece reglas realmente estrictas.
10:49
Linguistic scripts
264
634000
2000
Los textos lingüísticos
10:51
occupy the middle range.
265
636000
2000
ocupan el rango medio.
10:53
Now what about the Indus script?
266
638000
2000
¿Y qué hay de la escritura Indus?
10:55
We found that the Indus script
267
640000
2000
Pues encontramos que la escritura Indus
10:57
actually falls within the range of the linguistic scripts.
268
642000
2000
en realidad está en el rango de los textos lingüísticos.
10:59
When this result was first published,
269
644000
2000
Cuando este resultado fue publicado por primera vez,
11:01
it was highly controversial.
270
646000
3000
fue muy controvertido.
11:04
There were people who raised a hue and cry,
271
649000
3000
Hubo gente que puso el grito en el cielo,
11:07
and these people were the ones who believed
272
652000
2000
y estas personas eran aquellos que creían
11:09
that the Indus script does not represent language.
273
654000
3000
que la escritura Indus no representa una lengua.
11:12
I even started to get some hate mail.
274
657000
2000
Incluso empecé a recibir cartas amenazantes.
11:14
My students said
275
659000
2000
Mis estudiantes decían
11:16
that I should really seriously consider getting some protection.
276
661000
3000
que debería considerar seriamente obtener algo de protección.
11:19
Who'd have thought
277
664000
2000
¿Quién hubiera pensado
11:21
that deciphering could be a dangerous profession?
278
666000
2000
que descifrar podría ser una profesión peligrosa?
11:23
What does this result really show?
279
668000
2000
¿Qué muestra este resultado en realidad?
11:25
It shows that the Indus script
280
670000
2000
Muestra que la escritura Indus
11:27
shares an important property of language.
281
672000
2000
comparte una propiedad importante del lenguaje.
11:29
So, as the old saying goes,
282
674000
2000
Así que, como reza el antiguo dicho,
11:31
if it looks like a linguistic script
283
676000
2000
si parece un texto lingüístico,
11:33
and it acts like a linguistic script,
284
678000
2000
y se comporta como un texto lingüístico,
11:35
then perhaps we may have a linguistic script on our hands.
285
680000
3000
entonces quizá tengamos un texto lingüístico entre manos.
11:38
What other evidence is there
286
683000
2000
¿Qué otra evidencias hay de
11:40
that the script could actually encode language?
287
685000
2000
que la escritura pudiera en realidad codificar una lengua?
11:42
Well linguistic scripts can actually encode multiple languages.
288
687000
3000
Bueno, en realidad los textos lingüísticos pueden codificar múltiples lenguas.
11:45
So for example, here's the same sentence written in English
289
690000
3000
Por ejemplo, aquí está la misma frase escrita en inglés
11:48
and the same sentence written in Dutch
290
693000
2000
y la misma frase escrita en holandés
11:50
using the same letters of the alphabet.
291
695000
2000
usando las mismas letras del alfabeto.
11:52
If you don't know Dutch and you only know English
292
697000
3000
Si no saben holandés y sólo saben inglés
11:55
and I give you some words in Dutch,
293
700000
2000
y les doy algunas palabras en holandés,
11:57
you'll tell me that these words contain
294
702000
2000
me dirán que esas palabras contienen
11:59
some very unusual patterns.
295
704000
2000
algunos patrones muy inusuales.
12:01
Some things are not right,
296
706000
2000
Algunas cosas no están bien,
12:03
and you'll say these words are probably not English words.
297
708000
3000
y me dirán que estas palabras probablemente no son inglesas.
12:06
The same thing happens in the case of the Indus script.
298
711000
2000
Pasa lo mismo en el caso de la escritura Indus.
12:08
The computer found several texts --
299
713000
2000
El ordenador encontró algunos textos,
12:10
two of them are shown here --
300
715000
2000
dos de ellos se muestran aquí,
12:12
that have very unusual patterns.
301
717000
2000
que tienen patrones muy inusuales.
12:14
So for example the first text:
302
719000
2000
Por ejemplo el primer texto:
12:16
there's a doubling of this jar-shaped sign.
303
721000
3000
Hay un doble signo con forma de jarra.
12:19
This sign is the most frequently-occurring sign
304
724000
2000
Este signo es el que aparece con más frecuencia
12:21
in the Indus script,
305
726000
2000
en la escritura Indus,
12:23
and it's only in this text
306
728000
2000
y sólo en este texto
12:25
that it occurs as a doubling pair.
307
730000
2000
aparece duplicado.
12:27
Why is that the case?
308
732000
2000
Así que, ¿por qué se da este caso?
12:29
We went back and looked at where these particular texts were found,
309
734000
3000
Dimos marcha atrás y miramos donde fueron encontrados estos textos en particular,
12:32
and it turns out that they were found
310
737000
2000
y resultó que fueron encontrados
12:34
very, very far away from the Indus Valley.
311
739000
2000
muy, muy lejos del valle del Indo.
12:36
They were found in present day Iraq and Iran.
312
741000
3000
Fueron encontrados en lo que hoy son Irak e Irán.
12:39
And why were they found there?
313
744000
2000
¿Y por qué fueron encontrados allí?
12:41
What I haven't told you is that
314
746000
2000
Pero lo que nos les he dicho
12:43
the Indus people were very, very enterprising.
315
748000
2000
es que los Indus eran muy, muy emprendedores.
12:45
They used to trade with people pretty far away from where they lived,
316
750000
3000
Solían comerciar con gente bastante lejos de donde ellos vivían.
12:48
and so in this case, they were traveling by sea
317
753000
3000
Y como en este caso, viajaban por mar
12:51
all the way to Mesopotamia, present-day Iraq.
318
756000
3000
todo el trayecto hasta Mesopotamia, el Irak de hoy día.
12:54
And what seems to have happened here
319
759000
2000
Y lo que parece haber pasado aquí
12:56
is that the Indus traders, the merchants,
320
761000
3000
es que los comerciantes Indus, los mercaderes,
12:59
were using this script to write a foreign language.
321
764000
3000
estaban usando esta escritura para escribir una lengua extranjera.
13:02
It's just like our English and Dutch example.
322
767000
2000
Es justo como el ejemplo del inglés y el holandés.
13:04
And that would explain why we have these strange patterns
323
769000
2000
Y eso explicaría por qué tenemos estos patrones extraños
13:06
that are very different from the kinds of patterns you see in the text
324
771000
3000
que son muy diferentes del tipo de patrones que se ven en los textos
13:09
that are found within the Indus Valley.
325
774000
3000
que son encontrados en el valle del Indo.
13:12
This suggests that the same script, the Indus script,
326
777000
2000
Esto sugiere que la misma escritura, la escritura Indus,
13:14
could be used to write different languages.
327
779000
3000
pudo ser usada para escribir en diferentes lenguas.
13:17
The results we have so far seem to point to the conclusion
328
782000
3000
Los resultados que tenemos hasta ahora parecen apuntar a la conclusión
13:20
that the Indus script probably does represent language.
329
785000
3000
de que la escritura Indus probablemente representa lenguaje.
13:23
If it does represent language,
330
788000
2000
Así que si representa lenguaje,
13:25
then how do we read the symbols?
331
790000
2000
entonces ¿cómo leemos los símbolos?
13:27
That's our next big challenge.
332
792000
2000
Ese es nuestro siguiente gran reto.
13:29
So you'll notice that many of the symbols
333
794000
2000
Se darán cuenta de que muchos de los símbolos
13:31
look like pictures of humans, of insects,
334
796000
2000
parecen dibujos de humanos, de insectos,
13:33
of fishes, of birds.
335
798000
3000
de peces, de pájaros.
13:36
Most ancient scripts
336
801000
2000
La mayoría de las escrituras antiguas
13:38
use the rebus principle,
337
803000
2000
usan el principio Rebus
13:40
which is, using pictures to represent words.
338
805000
3000
que es usar imágenes para representar palabras.
13:43
So as an example, here's a word.
339
808000
3000
Por ejemplo, aquí tienen una palabra. (Belief = Creencia en inglés)
13:46
Can you write it using pictures?
340
811000
2000
¿Pueden escribirla usando dibujos?
13:48
I'll give you a couple seconds.
341
813000
2000
Les daré un par de segundos.
13:50
Got it?
342
815000
2000
¿Lo tienen?
13:52
Okay. Great.
343
817000
2000
Ok, fenomenal.
13:54
Here's my solution.
344
819000
2000
Aquí está mi solución (fonéticamente: "Bee" = abeja + "Leaf" = hoja --> "Belief")
13:56
You could use the picture of a bee followed by a picture of a leaf --
345
821000
2000
Así que puedes usar la imagen de una abeja ("Bee") con la imagen de una hoja ("Leaf")
13:58
and that's "belief," right.
346
823000
2000
y eso hace "Creencia" ("Belief") ¿correcto?
14:00
There could be other solutions.
347
825000
2000
Puede haber otras soluciones.
14:02
In the case of the Indus script,
348
827000
2000
Ahora, en el caso de la escritura Indus,
14:04
the problem is the reverse.
349
829000
2000
El problema es el contrario.
14:06
You have to figure out the sounds of each of these pictures
350
831000
3000
Tienes que imaginarte el sonido para cada uno de estos dibujos
14:09
such that the entire sequence makes sense.
351
834000
2000
de tal modo que la secuencia completa tenga sentido.
14:11
So this is just like a crossword puzzle,
352
836000
3000
Esto es justo como un crucigrama,
14:14
except that this is the mother of all crossword puzzles
353
839000
3000
excepto que es la madre de todos los crucigramas,
14:17
because the stakes are so high if you solve it.
354
842000
4000
porque es mucho lo que está en juego si lo resuelves.
14:21
My colleagues, Iravatham Mahadevan and Asko Parpola,
355
846000
3000
Mis colegas, Iravatham Mahadevan y Asko Parpola
14:24
have been making some headway on this particular problem.
356
849000
2000
han estado realizando algunos progresos en este problema en particular.
14:26
And I'd like to give you a quick example of Parpola's work.
357
851000
2000
Y me gustaría darles un ejemplo rápido del trabajo de Parpola
14:28
Here's a really short text.
358
853000
2000
Aquí tenemos un texto realmente corto.
14:30
It contains seven vertical strokes followed by this fish-like sign.
359
855000
3000
Contiene siete trazos verticales seguidos de este símbolo parecido a un pez.
14:33
And I want to mention that these seals were used
360
858000
2000
Y quiero mencionar que estos sellos se usaron
14:35
for stamping clay tags
361
860000
2000
para estampar etiquetas de barro
14:37
that were attached to bundles of goods,
362
862000
2000
que se adjuntaban a fardos de mercancías,
14:39
so it's quite likely that these tags, at least some of them,
363
864000
3000
así que es bastante probable que estas etiquetas, al menos algunas de ellas,
14:42
contain names of merchants.
364
867000
2000
contengan nombres de comerciantes.
14:44
And it turns out that in India
365
869000
2000
Y resulta que en la India
14:46
there's a long tradition
366
871000
2000
hay una larga tradición
14:48
of names being based on horoscopes
367
873000
2000
de basar los nombres en horóscopos
14:50
and star constellations present at the time of birth.
368
875000
3000
y constelaciones de estrellas presentes a la hora del nacimiento.
14:53
In Dravidian languages,
369
878000
2000
En las lenguas dravídicas
14:55
the word for fish is "meen"
370
880000
2000
la palabra para pez es "min"
14:57
which happens to sound just like the word for star.
371
882000
3000
que resulta que suena justo como la palabra estrella.
15:00
And so seven stars
372
885000
2000
y así, siete estrellas
15:02
would stand for "elu meen,"
373
887000
2000
lo que significaría "elu min"
15:04
which is the Dravidian word
374
889000
2000
que es la palabra dravídica
15:06
for the Big Dipper star constellation.
375
891000
2000
para la constelación de la Osa Mayor.
15:08
Similarly, there's another sequence of six stars,
376
893000
3000
De forma parecida, hay otra secuencia de seis estrellas,
15:11
and that translates to "aru meen,"
377
896000
2000
y que se transcribe como "aru min"
15:13
which is the old Dravidian name
378
898000
2000
que es el antiguo nombre dravídico
15:15
for the star constellation Pleiades.
379
900000
2000
para la constelación de las Pléyades.
15:17
And finally, there's other combinations,
380
902000
3000
Y, por último, hay otras combinaciones,
15:20
such as this fish sign with something that looks like a roof on top of it.
381
905000
3000
como este signo pez con algo parecido a un tejado encima.
15:23
And that could be translated into "mey meen,"
382
908000
3000
Que se podría transcribir como "mey min"
15:26
which is the old Dravidian name for the planet Saturn.
383
911000
3000
que es el antiguo nombre dravídico para el planeta Saturno.
15:29
So that was pretty exciting.
384
914000
2000
Fue bastante emocionante.
15:31
It looks like we're getting somewhere.
385
916000
2000
Parece que estamos llegando a alguna parte.
15:33
But does this prove
386
918000
2000
Pero ¿prueba esto
15:35
that these seals contain Dravidian names
387
920000
2000
que estos sellos contengan nombres dravídicos
15:37
based on planets and star constellations?
388
922000
2000
basados en planteas y constelaciones?
15:39
Well not yet.
389
924000
2000
Bueno, aun no.
15:41
So we have no way of validating
390
926000
2000
No tenemos forma de validar
15:43
these particular readings,
391
928000
2000
estas lecturas en particular,
15:45
but if more and more of these readings start making sense,
392
930000
3000
pero si más y más de estas lecturas comienzan a tener sentido,
15:48
and if longer and longer sequences
393
933000
2000
y si secuencias más y más largas
15:50
appear to be correct,
394
935000
2000
parecen ser correctas,
15:52
then we know that we are on the right track.
395
937000
2000
entonces sabemos que vamos por buen camino.
15:54
Today,
396
939000
2000
Hoy,
15:56
we can write a word such as TED
397
941000
3000
podemos escribir una palabra, como TED
15:59
in Egyptian hieroglyphics and in cuneiform script,
398
944000
3000
en egipcio jeroglífico y en escritura cuneiforme,
16:02
because both of these were deciphered
399
947000
2000
porque ambos fueron descifrados
16:04
in the 19th century.
400
949000
2000
en el siglo XIX.
16:06
The decipherment of these two scripts
401
951000
2000
El descifrado de estas dos escrituras
16:08
enabled these civilizations to speak to us again directly.
402
953000
3000
permitió a estas civilizaciones hablarnos directamente de nuevo.
16:11
The Mayans
403
956000
2000
Los Mayas
16:13
started speaking to us in the 20th century,
404
958000
2000
empezaron a hablarnos en el siglo XX,
16:15
but the Indus civilization remains silent.
405
960000
3000
pero la civilización del Indo permanece en silencio.
16:18
Why should we care?
406
963000
2000
¿Por qué debería importarnos?
16:20
The Indus civilization does not belong
407
965000
2000
La civilización del Indo no pertenece
16:22
to just the South Indians or the North Indians
408
967000
2000
solo a los Indios del sur o los Indios del norte
16:24
or the Pakistanis;
409
969000
2000
o a los paquistaníes.
16:26
it belongs to all of us.
410
971000
2000
Nos pertenece a todos nosotros.
16:28
These are our ancestors --
411
973000
2000
Estos son nuestros ancestros,
16:30
yours and mine.
412
975000
2000
suyos y míos.
16:32
They were silenced
413
977000
2000
Fueron silenciados
16:34
by an unfortunate accident of history.
414
979000
2000
por un desafortunado accidente de la historia.
16:36
If we decipher the script,
415
981000
2000
Si desciframos la escritura,
16:38
we would enable them to speak to us again.
416
983000
2000
debemos permitirles hablarnos de nuevo.
16:40
What would they tell us?
417
985000
3000
¿Qué nos dirían?
16:43
What would we find out about them? About us?
418
988000
3000
¿Qué descubriremos sobre ellos? ¿Sobre nosotros?
16:46
I can't wait to find out.
419
991000
3000
No puedo esperar para enterarme.
16:49
Thank you.
420
994000
2000
Gracias.
16:51
(Applause)
421
996000
4000
(Aplausos)
ABOUT THE SPEAKER
Rajesh Rao - Computational neuroscientistRajesh Rao seeks to understand the human brain through computational modeling, on two fronts: developing computer models of our minds, and using tech to decipher the 4,000-year-old lost script of the Indus Valley civilization.
Why you should listen
Rajesh Rao is looking for the computational principles underlying the brain's remarkable ability to learn, process and store information -- hoping to apply this knowledge to the task of building adaptive robotic systems and artificially intelligent agents.
Some of the questions that motivate his research include: How does the brain learn efficient representations of novel objects and events occurring in the natural environment? What are the algorithms that allow useful sensorimotor routines and behaviors to be learned? What computational mechanisms allow the brain to adapt to changing circumstances and remain fault-tolerant and robust?
By investigating these questions within a computational and probabilistic framework, it is often possible to derive algorithms that not only provide functional interpretations of neurobiological properties but also suggest solutions to difficult problems in computer vision, speech, robotics and artificial intelligence.
Rajesh Rao | Speaker | TED.com