TEDxToronto 2011
Ariel Garten: Know thyself, with a brain scanner
Ariel Garten: Conócete a ti mismo, con un escáner cerebral
Filmed:
Readability: 4.2
480,514 views
Imagina jugar a un videojuego controlado por la mente. Ahora imagina que el juego también te instruye sobre tus propios patrones de estrés, sobre tu relajación y concentración. En TEDxToronto, Ariel Garten muestra cómo inspeccionar nuestra propia actividad cerebral le da un nuevo significado al antiguo aforismo "conócete a ti mismo".
Ariel Garten - Artist, scientist and entrepreneur
As CEO of InteraXon, Ariel Garten works to close the gap between science, art, business and technology. Full bio
As CEO of InteraXon, Ariel Garten works to close the gap between science, art, business and technology. Full bio
Double-click the English transcript below to play the video.
00:15
The maxim, "Know thyself"
0
0
2000
La máxima "Conócete a ti mismo"
00:17
has been around since the ancient Greeks.
1
2000
2000
viene de los antiguos griegos.
00:19
Some attribute this golden world knowledge to Plato,
2
4000
3000
Algunos atribuyen este pensamiento de la era dorada a Platón,
00:22
others to Pythagoras.
3
7000
2000
otros a Pitágoras.
00:24
But the truth is it doesn't really matter which sage said it first,
4
9000
3000
Pero la verdad es que no importa realmente qué sabio lo dijo primero
00:27
because it's still sage advice, even today.
5
12000
3000
porque es un consejo sabio incluso hoy.
00:31
"Know thyself."
6
16000
2000
"Conócete a ti mismo".
00:33
It's pithy
7
18000
2000
Es conciso,
00:35
almost to the point of being meaningless,
8
20000
2000
casi al extremo de carecer de sentido,
00:37
but it rings familiar and true, doesn't it?
9
22000
3000
pero suena familiar y verdadero, ¿no?
00:40
"Know thyself."
10
25000
3000
"Conócete a ti mismo".
00:43
I understand this timeless dictum
11
28000
2000
Entiendo este aforismo atemporal
00:45
as a statement about the problems, or more exactly the confusions,
12
30000
3000
como una declaración sobre los problemas, o más exactamente, sobre las confusiones,
00:48
of consciousness.
13
33000
2000
de la conciencia.
00:50
I've always been fascinated with knowing the self.
14
35000
2000
Siempre me fascinó el conocimiento de uno mismo.
00:52
This fascination led me to submerge myself in art,
15
37000
2000
Esta fascinación me llevó a sumergirme en el arte,
00:54
study neuroscience
16
39000
2000
a estudiar neurociencia
00:56
and later to become a psychotherapist.
17
41000
2000
y más tarde a ser psicoterapeuta.
00:58
Today I combine all my passions
18
43000
2000
Hoy combino todas mis pasiones
01:00
as the CEO of InteraXon,
19
45000
2000
como DGE de InteraXon,
01:02
a thought-controlled computing company.
20
47000
2000
una empresa de informática neurodirigida.
01:04
My goal, quite simply,
21
49000
2000
Mi objetivo, en esencia,
01:06
is to help people become more in tune
22
51000
2000
es ayudar a las personas a estar más a tono
01:08
with themselves.
23
53000
2000
con sí mismas.
01:10
I take it from this little dictum,
24
55000
2000
Y lo tomo de este aforismo:
01:12
"Know thyself."
25
57000
2000
"Conócete a ti mismo".
01:14
If you think about it,
26
59000
2000
Si lo piensan
01:16
this imperative is kind of the defining characteristic of our species,
27
61000
2000
este imperativo es una característica distintiva de nuestra especie
01:18
isn't it?
28
63000
2000
¿verdad?
01:20
I mean, it's self-awareness
29
65000
2000
Digo, es la autoconciencia
01:22
that separates Homo sapiens
30
67000
2000
la que separa al homo sapiens
01:24
from earlier instances of our mankind.
31
69000
3000
de otros eslabones de nuestra humanidad.
01:27
Today we're often too busy
32
72000
2000
Hoy estamos demasiado ocupados
01:29
tending to our iPhones and iPods
33
74000
2000
con nuestros iPhones y iPods
01:31
to really stop and get to know ourselves.
34
76000
3000
como para detenernos a auto-conocernos.
01:34
Under the deluge of minute-to-minute text conversations,
35
79000
3000
Con el aluvión de conversaciones minuto a minuto,
01:37
emails, relentless exchange of media channels
36
82000
3000
los correos, el intercambio incesante de los canales de contenido,
01:40
and passwords and apps and reminders and Tweets and tags,
37
85000
3000
las claves, aplicaciones, recordatorios, los tweets y etiquetas
01:43
we lose sight of what all this fuss is supposed to be about in the first place:
38
88000
3000
perdemos de vista qué hay detrás de todo ese alboroto:
01:46
ourselves.
39
91000
2000
nosotros.
01:48
Much of the time we're transfixed
40
93000
2000
Estamos paralizados gran parte del tiempo
01:50
by all of the ways we can reflect ourselves into the world.
41
95000
4000
por las tantas maneras de reflejarnos en el mundo.
01:54
And we can barely find the time to reflect deeply
42
99000
3000
Y apenas si hallamos el tiempo para reflexionar
01:57
back in on our own selves.
43
102000
3000
sobre nuestro propio ser.
02:00
We've cluttered ourselves up with all this.
44
105000
2000
Nos enmascaramos tras todo esto.
02:02
And we feel like we have to get
45
107000
2000
Y sentimos que necesitamos irnos
02:04
far, far away to a secluded retreat, leaving it all behind.
46
109000
3000
muy, muy lejos a un retiro aislado, y dejar todo atrás.
02:07
So we go far away
47
112000
2000
Y nos vamos bien lejos
02:09
to the top of a mountain,
48
114000
2000
a la cumbre de una montaña
02:11
assuming that perching ourselves on a piece
49
116000
2000
suponiendo que si llegamos allí ilesos
02:13
is bound to give us the respite we need
50
118000
2000
seguro que eso nos dará el respiro que necesitamos
02:15
to sort the clutter, the chaotic everyday,
51
120000
2000
para ordenar el desorden, el caos cotidiano,
02:17
and find ourselves again.
52
122000
2000
y reencontrarnos nuevamente.
02:19
But on that mountain
53
124000
2000
Pero en esa montaña
02:21
where we gain that beautiful peace of mind,
54
126000
3000
en la que conseguimos esa hermosa paz mental
02:24
what are we really achieving?
55
129000
3000
¿qué estamos logrando?
02:27
It's really only a successful escape.
56
132000
3000
Sólo es un escape exitoso.
02:30
Think of the term we use, "Retreat."
57
135000
2000
Piensen en la palabra que usamos: "retiro".
02:32
This is the term that armies use when they've lost a battle.
58
137000
3000
La "retirada" es el término que usa el ejército cuando pierde una batalla.
02:35
It means we've got to get out of here.
59
140000
2000
Significa que tenemos que irnos de aquí.
02:37
Is this how we feel about the pressures of our world,
60
142000
2000
¿Sentimos de esa manera las presiones del mundo
02:39
that in order to get inside ourselves,
61
144000
2000
que, para adentrarnos en nosotros mismos,
02:41
you have to run for the hills?
62
146000
3000
tenemos que correr a las montañas?
02:44
And the problem with escaping your day-to-day life
63
149000
3000
Y el problema de escaparse del día a día
02:47
is that you have to come home eventually.
64
152000
3000
es que tarde o temprano tenemos que volver.
02:50
So when you think about it,
65
155000
2000
Así que, si lo pensamos,
02:52
we're almost like a tourist
66
157000
2000
somos casi como turistas
02:54
visiting ourselves over there.
67
159000
3000
que nos visitamos a nosotros mismos.
02:57
And eventually that vacation's got to come to an end.
68
162000
3000
Y a la larga las vacaciones se terminan.
03:00
So my question to you is,
69
165000
3000
Y mi pregunta es entonces:
03:03
can we find ways to know ourselves
70
168000
2000
¿hay maneras de auto-conocernos
03:05
without the escape?
71
170000
2000
sin escapar?
03:07
Can we redefine our relationship
72
172000
2000
¿Podemos redefinir nuestra relación
03:09
with the technologized world
73
174000
2000
con el mundo tecnologizado
03:11
in order to have the heightened sense of self-awareness
74
176000
2000
para tener ese sentimiento profundo de auto-conciencia
03:13
that we seek?
75
178000
2000
que estamos buscando?
03:15
Can we live here and now in our wired web
76
180000
3000
¿Podemos vivir el aquí y ahora interconectado
03:18
and still follow those ancient instructions,
77
183000
3000
y aún así seguir ese mandato ancestral
03:21
"Know thyself?"
78
186000
3000
"conócete a ti mismo"?
03:24
I say the answer is yes.
79
189000
2000
Y yo digo que la respuesta es sí.
03:26
And I'm here today to share a new way
80
191000
2000
Estoy aquí hoy para compartir una nueva forma
03:28
that we're working with technology to this end
81
193000
2000
de trabajar con la tecnología con este fin
03:30
to get familiar with our inner self
82
195000
2000
de familiarizarnos con nuestro yo interior
03:32
like never before --
83
197000
2000
como nunca antes;
03:34
humanizing technology
84
199000
2000
humanizando la tecnología,
03:36
and furthering that age-old quest of ours
85
201000
2000
fomentando esa búsqueda secular del hombre
03:38
to more fully know the self.
86
203000
3000
por conocerse más a sí mismo.
03:41
It's called thought-controlled computing.
87
206000
4000
Se llama informática neurodirigida.
03:47
You may or may not have noticed
88
212000
2000
Puede que hayan notado, o no,
03:49
that I'm wearing a tiny electrode on my forehead.
89
214000
2000
que tengo un pequeño electrodo en la frente.
03:51
This is actually a brainwave sensor
90
216000
2000
En realidad un sensor de ondas cerebrales
03:53
that's reading the electrical activity of my brain
91
218000
2000
que lee la actividad eléctrica del cerebro
03:55
as I give this talk.
92
220000
2000
conforme doy esta charla.
03:57
These brainwaves are being analyzed and we can see them as a graph.
93
222000
3000
Estas ondas cerebrales se pueden analizar y ver en forma gráfica.
04:00
Let me show you what it looks like.
94
225000
3000
Se los mostraré.
04:03
That blue line there is my brainwave.
95
228000
3000
Esa línea azul es la onda cerebral.
04:06
It's the direct signal being recorded from my head,
96
231000
2000
Es la señal directa registrada en mi cabeza
04:08
rendered in real time.
97
233000
2000
graficada en tiempo real.
04:10
The green and red bars show that same signal displayed by frequency,
98
235000
3000
Las barras verdes y rojas muestran esa misma señal vista por frecuencia:
04:13
with lower frequencies here
99
238000
2000
las frecuencias más bajas aquí,
04:15
and higher frequencies up here.
100
240000
2000
y las más altas por aquí.
04:17
You're actually looking inside my head as I speak.
101
242000
3000
Están viendo dentro de mi cabeza mientras hablo.
04:22
These graphs are compelling, they're undulating,
102
247000
3000
Son gráficos atractivos, ondulantes,
04:25
but from a human's perspective,
103
250000
2000
pero, desde una perspectiva humana,
04:27
they're actually not very useful.
104
252000
2000
en realidad no son muy útiles.
04:29
That's why we've spent a lot of time
105
254000
2000
Por eso hemos pasado mucho tiempo
04:31
thinking about how to make this data meaningful
106
256000
2000
pensando la forma de dotarlo de sentido
04:33
to the people who use it.
107
258000
2000
para los usuarios.
04:35
For instance, what if I could use this data
108
260000
3000
Por ejemplo: ¿qué tal si uso estos datos
04:38
to find out how relaxed I am at any moment?
109
263000
2000
para ver mi estado de relajación actual?
04:40
Or what if I can take that information
110
265000
2000
¿Y si extraigo esa información
04:42
and put it into an organic shape up on the screen?
111
267000
3000
y le doy forma orgánica en la pantalla?
04:45
The shape on the right over here
112
270000
3000
La figura de la derecha
04:48
has become an indicator of what's going on in my head.
113
273000
2000
se vuelve un indicador de lo que sucede en mi cabeza.
04:50
The more relaxed I am,
114
275000
2000
Cuanto más me relajo,
04:52
the more the energy's going to fall through it.
115
277000
2000
menos energía pasará por ahí.
04:54
I may also be interested in knowing
116
279000
2000
También puede interesarme saber
04:56
how focused I am,
117
281000
2000
mi estado de concentración;
04:58
so I can put my level of attention into the circuit board on the other side.
118
283000
3000
por eso puedo poner mi nivel de atención en el tablero, del otro lado.
05:01
And the more focused my brain is,
119
286000
2000
Cuanto más concentrado esté mi cerebro,
05:03
the more the circuit board is going to surge with energy.
120
288000
3000
más energía aparecerá en el tablero.
05:06
Ordinarily, I would have no way of knowing how focused or relaxed I was
121
291000
3000
Por lo general no tenemos forma de saber cuán concentrados o relajados estamos
05:09
in any tangible way.
122
294000
3000
de manera tangible.
05:12
As we know, our feelings about how we're feeling
123
297000
2000
Como sabemos, nuestra percepción de cómo nos sentimos
05:14
are notoriously unreliable.
124
299000
2000
es muy poco confiable.
05:16
We've all had stress creep up on us without even noticing it
125
301000
3000
Es ese aumento paulatino de estrés que ni siquiera notamos
05:19
until we lost it on someone who didn't deserve it,
126
304000
2000
hasta que surte efecto en alguien que no se lo merecía
05:21
and then we realize that we probably should have checked in with ourselves
127
306000
3000
y ahí nos damos cuenta que quizá deberíamos habernos controlado
05:24
a little earlier.
128
309000
2000
un poco antes.
05:26
This new awareness
129
311000
2000
Esta nueva conciencia brinda
05:28
opens up vast possibilities
130
313000
2000
un abanico enorme de aplicaciones
05:30
for applications that help improve our lives and ourselves.
131
315000
3000
para ayudarnos a mejorar nuestras vidas y a nosotros mismos.
05:33
We're trying to create technology that uses the insights
132
318000
3000
Tratamos de crear tecnologías que usen esas ideas
05:36
to make our work more efficient, our breaks more relaxing
133
321000
3000
para hacer más eficiente nuestro trabajo, más relajado el descanso
05:39
and our connections deeper and more fulfilling than ever.
134
324000
3000
más profundas nuestras conexiones, y más gratificantes que nunca.
05:43
I'm going to share some of these visions with you in a bit,
135
328000
3000
Compartiré algunos proyectos con Uds. en un momento
05:46
but first I want to take a look at how we got here.
136
331000
3000
pero primero quiero que veamos cómo llegamos hasta aquí.
05:49
By the way, feel free to check in on my head at any time.
137
334000
3000
Por cierto, siéntanse libres de mirar mi actividad cerebral.
05:52
(Laughter)
138
337000
2000
(Risas)
05:54
My team at InteraXon and I
139
339000
2000
Mi equipo de InteraXon y yo
05:56
have been developing throught-controlled application for almost a decade now.
140
341000
3000
hace casi 10 años que hacemos aplicaciones neurodirigidas.
05:59
In the first phase of development
141
344000
2000
En la primera fase del desarrollo
06:01
we were really enthused by all the things we could control with our mind.
142
346000
3000
nos entusiasmaban todas las cosas que se pueden controlar con la mente.
06:04
We were making things activate, light up and work
143
349000
3000
Hacíamos que las cosas se activen, enciendan y funcionen
06:07
just by thinking.
144
352000
2000
con sólo pensar.
06:09
We were transcending the space
145
354000
2000
Estábamos trascendiendo el espacio
06:11
between the mind and the device.
146
356000
2000
entre la mente y el dispositivo.
06:13
We brought to life a vast array of prototypes and products
147
358000
3000
Pergeñamos muchos prototipos y productos
06:16
that you could control with your mind,
148
361000
2000
dirigidos por la actividad neuronal
06:18
like thought-controlled home appliances
149
363000
2000
como los electrodomésticos neurodirigidos,
06:20
or slot car games or video games
150
365000
2000
carreras de autos, videojuegos,
06:22
or a levitating chair.
151
367000
2000
o sillas que levitaban.
06:24
We created technology and applications
152
369000
2000
Creamos tecnologías y aplicaciones
06:26
that engaged people's imaginations,
153
371000
2000
que cautivaron la imaginación de las personas
06:28
and it was really exciting.
154
373000
2000
y fue muy emocionante.
06:30
And then we were asked to do something really big
155
375000
2000
Luego nos pidieron hacer algo muy importante
06:32
for the Olympics.
156
377000
2000
para los JJ.OO.
06:34
We were invited to create a massive installation
157
379000
2000
Nos convocaron para crear una instalación gigante
06:36
at the Vancouver 2010 winter Olympics,
158
381000
2000
en los Juegos Olímpicos de Vancouver 2010.
06:38
were used in Vancouver,
159
383000
2000
Desde Vancouver
06:40
got to control the lighting on the C.N. Tower,
160
385000
2000
se controlaban las luces de la Torre C.N.
06:42
the Canadian Parliament buildings and Niagara Falls
161
387000
3000
el edificio del Parlamento de Canadá y las Cataratas del Niágara
06:45
from all the way across the country
162
390000
3000
atravesando todo el país
06:48
using their minds.
163
393000
2000
con sus mentes.
06:50
Over 17 days at the Olympics 7,000 visitors from all over the world
164
395000
3000
En los JJ.OO., en 17 días los 7000 visitantes de todo el mundo
06:53
actually got to individually control the light
165
398000
2000
realmente controlaron la iluminación
06:55
from the C.N. Tower, parliament and Niagara in real time
166
400000
2000
de la Torre C.N., del Parlamento y de Niágara en tiempo real
06:57
with their minds from across the country,
167
402000
2000
usando sus mentes a través del país
06:59
3,000 km away.
168
404000
2000
a 3000 km.
07:01
So controlling stuff with your mind
169
406000
2000
Así que controlar cosas con la mente
07:03
is pretty cool.
170
408000
2000
es genial.
07:05
But we're always interested in multi-tiered levels of human interaction.
171
410000
3000
Pero a nosotros siempre nos interesa la interacción humana multicapa.
07:08
And so we began looking into inventing
172
413000
2000
Por eso empezamos a investigar
07:10
thought-controlled applications
173
415000
2000
las aplicaciones neurodirigidas
07:12
in a more complex frame than just control.
174
417000
3000
en un marco más complejo que sólo el control.
07:15
And that was responsiveness.
175
420000
3000
Tenía que ver con la receptividad.
07:18
We realized that we had a system
176
423000
2000
Nos dimos cuenta de que teníamos un sistema
07:20
that allowed technology to know something about you.
177
425000
2000
con una tecnología que conocía algo sobre nosotros.
07:22
And it could join into the relationship with you.
178
427000
4000
Que podía entablar una relación con nosotros.
07:26
We created the responsive room
179
431000
2000
Creamos una sala receptiva en la que
07:28
where the lights music and blinds adjusted to your state.
180
433000
3000
la música, las luces y las persianas responden a nuestro estado.
07:31
They followed these little shifts in your mental activity.
181
436000
3000
Acompañan esos pequeños cambios de la actividad mental.
07:34
So as you settled into relaxation at the end of a hard day,
182
439000
2000
A medida que uno se va relajando al final de un día ajetreado,
07:36
on the couch in our office,
183
441000
2000
en el sofá o en la oficina,
07:38
the music would mellow with you.
184
443000
3000
la música se va atenuando con uno.
07:41
When you read, the desk lamp would get brighter.
185
446000
2000
Cuando uno lee, la lámpara del escritorio se pone brillante.
07:43
If you nod off, the system would know,
186
448000
3000
Si uno dormita, el sistema lo advierte,
07:46
dimming to darkness as you do.
187
451000
3000
y atenúa las luces al mismo tiempo.
07:49
We then realized that if technology could know something about you
188
454000
3000
Después nos dimos cuenta de que si la tecnología sabe algo de nosotros
07:52
and use it to help you,
189
457000
2000
y lo usa para ayudarnos
07:54
there's an even more valuable application than that.
190
459000
3000
se le puede dar una aplicación más útil que esa.
07:57
That you could know something about yourself.
191
462000
3000
Podríamos conocer algo de nosotros mismos.
08:00
We could know sides of ourselves
192
465000
2000
Podríamos conocer lados de nosotros mismos
08:02
that were all but invisible
193
467000
2000
que eran casi invisibles
08:04
and come to see things that were previously hidden.
194
469000
3000
y llegar a ver cosas que antes estaban ocultas.
08:07
Let me show you an example of what I'm talking about here.
195
472000
2000
Ahora les mostraré a qué me refiero, con un ejemplo.
08:09
Here's an application
196
474000
2000
Esta es una aplicación
08:11
that I created for the iPad.
197
476000
2000
que hice para el iPad.
08:13
So the goal of the original game Zen Bound
198
478000
2000
El objetivo del primer juego Zen Bound
08:15
is to wrap a rope around a wooden form.
199
480000
2000
es envolver una pieza de madera con una cuerda.
08:17
So you use it with your headset.
200
482000
2000
Esta versión con un dispositivo en la cabeza
08:19
The headset connects wirelessly to an iPad or a smartphone.
201
484000
3000
se conecta de forma inalámbrica al iPad o al teléfono.
08:22
In that headset
202
487000
2000
En el dispositivo
08:24
you have fabric sensors on your forehead and above the ear.
203
489000
3000
hay sensores en el tejido sobre la frente y encima de la oreja.
08:27
In the original Zen Bound game,
204
492000
2000
En el primer juego Zen Bound
08:29
you play it by scrolling your fingers over the pad.
205
494000
3000
uno interactuaba con los dedos sobre la superficie.
08:32
In the game that we created, of course,
206
497000
2000
En nuestro juego, por supuesto,
08:34
you control the wooden form that's on the screen there
207
499000
2000
uno controla la pieza de madera que aparece en pantalla
08:36
with your mind.
208
501000
2000
con la mente.
08:38
As you focus on the wooden form,
209
503000
2000
Si nos concentramos en la pieza de madera,
08:40
it rotates.
210
505000
2000
ésta rota.
08:42
The more you focus, the faster the rotation.
211
507000
3000
Cuanto más nos concentramos, más rápido rota.
08:45
This is for real.
212
510000
2000
Esto es de verdad.
08:47
This is not a fake.
213
512000
2000
No es un truco.
08:49
What's really interesting to me though
214
514000
2000
Pero lo que más me interesa
08:51
is at the end of the game you get stats and feedback
215
516000
2000
es que al final del juego nos da estadísticas y retorno
08:53
about how you did.
216
518000
2000
de lo que hicimos.
08:55
You have graphs and charts
217
520000
2000
Nos da gráficos y tablas
08:57
that tell you how your brain was doing --
218
522000
2000
que nos muestran el desempeño del cerebro
08:59
not just how much rope you used or what your high score is,
219
524000
3000
y no sólo cuánta cuerda usamos o cuántos puntos hicimos
09:02
but what was going on
220
527000
2000
sino qué sucedió
09:04
inside of your mind.
221
529000
2000
dentro de nuestra mente.
09:06
And this is valuable feedback
222
531000
2000
Es información de retorno valiosa
09:08
that we can use to understand what's going on
223
533000
3000
que podemos usar para entender qué sucede
09:11
inside of ourselves.
224
536000
3000
en nuestro interior.
09:14
I like to call this
225
539000
2000
Me gusta llamarlo
09:16
"intra-active."
226
541000
2000
"intraactivo".
09:18
Normally we think about technology
227
543000
2000
Por lo general pensamos la tecnología
09:20
as interactive.
228
545000
2000
como interactiva.
09:22
This technology
229
547000
2000
Esta tecnología
09:24
is intra-active.
230
549000
2000
es intraactiva.
09:26
It understands what's inside of you
231
551000
3000
Comprende lo que ocurre en nuestro interior
09:29
and builds a sort of responsive relationship
232
554000
3000
y entabla una especie de relación receptiva
09:32
between you and your technology
233
557000
2000
entre nosotros y nuestra tecnología
09:34
so that you can use this information
234
559000
2000
de modo que podamos usarla
09:36
to move you forward.
235
561000
2000
para progresar nosotros.
09:38
So you can use this information
236
563000
2000
Podemos usar esta información
09:40
to understand you in a responsive loop.
237
565000
3000
para comprendernos en un ciclo de respuesta.
09:43
At InteraXon,
238
568000
4000
En InteraXon,
09:47
intra-active technology
239
572000
3000
la tecnología intraactiva
09:50
is one of our really defining mandates.
240
575000
3000
es una de nuestras ideas fuerza.
09:53
It's how we understand the world inside
241
578000
3000
Se trata de comprender el mundo interior
09:56
and reflect it outside
242
581000
2000
y reflejarlo hacia el exterior
09:58
into this tight loop.
243
583000
3000
con este ciclo estrecho.
10:01
For example, thought-controlled computing
244
586000
3000
Por ejemplo, la informática neurodirigida
10:04
can teach children with ADD
245
589000
2000
puede enseñarle a los niños con TDAH
10:06
how to improve their focus.
246
591000
2000
a concentrar su atención.
10:08
With ADD, children have a low proportion of beta waves for focus states
247
593000
4000
Al concentrase en algo, los niños con TDAH registran baja proporción de ondas beta
10:12
and a high proportion of theta states.
248
597000
2000
y altas proporciones de estados theta.
10:14
So you can create applications that reward focused brain states.
249
599000
3000
Pueden crearse aplicaciones que premien los estados de concentración.
10:17
So you can imagine kids playing video games with their brain waves
250
602000
3000
Así, imaginemos niños que manejan videojuegos con sus ondas cerebrales
10:20
and improving their ADD symptoms as they do it.
251
605000
3000
y, al hacerlo, van mejorando los síntomas del TDAH.
10:23
This can be as effective as Ritalin.
252
608000
3000
Puede ser tan efectivo como el Ritalin.
10:26
Perhaps even more importantly,
253
611000
2000
Y tal vez más importante aún,
10:28
thought-controlled computing can give children with ADD
254
613000
2000
la informática neurodirigida puede darle datos a los niños
10:30
insights into their own fluctuating mental states,
255
615000
3000
con ADAH sobre la fluctuación de sus propios estados mentales
10:33
so they can better understand themselves
256
618000
2000
para que puedan conocerse mejor a sí mismos
10:35
and their learning needs.
257
620000
2000
y conocer mejor sus necesidades de aprendizaje.
10:37
The way these children will be able to use their new awareness to improve themselves
258
622000
4000
La forma en que estos niños puedan usar este conocimiento para mejorarse
10:41
will upend many of the damaging and widespread social stigmas
259
626000
3000
pondrá fin a muchos estigmas sociales, tan nocivos y generalizados,
10:44
that people who are diagnosed as different
260
629000
2000
que enfrentan las personas diagnosticadas
10:46
are challenged with.
261
631000
2000
como diferentes.
10:48
We can peer inside our heads
262
633000
2000
Podemos observar el interior de nuestras cabezas
10:50
and interact with what was once locked away from us,
263
635000
2000
e interactuar con eso que antes nos estaba vedado,
10:52
what once mystified and separated us.
264
637000
5000
que alguna vez nos desconcertaba y separaba.
10:57
Brainwave technology can understand us, anticipate our emotions
265
642000
3000
La tecnología cerebral puede comprendernos, anticipar nuestras emociones
11:00
and find the best solutions for our needs.
266
645000
2000
y encontrar las mejores soluciones a nuestras necesidades.
11:02
Imagine this collected awareness of the individual
267
647000
3000
Imaginen toda este conocimiento de la persona
11:05
computed and reflected across an entire lifespan.
268
650000
3000
procesado y proyectado a lo largo de toda la vida.
11:08
Imagine the insights that you can gain
269
653000
2000
Imaginen las ideas que pueden sacar
11:10
from this kind of second sight.
270
655000
2000
de esta suerte de segunda mirada.
11:12
It would be like plugging into your own personal Google.
271
657000
3000
Será como conectarnos a nuestro propio Google.
11:15
On the subject of Google,
272
660000
2000
Y, ya que menciono a Google,
11:17
today you can search and tag images
273
662000
2000
hoy es posible buscar y etiquetar imágenes
11:19
based on the thoughts and feelings you had while you watched them.
274
664000
3000
en función de lo uno pensaba y sentía en el momento de mirarlas.
11:22
You can tag pictures of baby animals as happy,
275
667000
2000
Pueden etiquetar con "feliz" las imágenes de cachorros,
11:24
or whatever baby animals are to you,
276
669000
3000
o el nombre que los cachorros les inspiren,
11:27
and then you can search that database,
277
672000
2000
y después pueden buscar en esa base de datos
11:29
navigating with your feelings,
278
674000
2000
y navegarla según sus sentimientos
11:31
rather than the keywords that just hint at them.
279
676000
3000
en vez de poner claves que sólo insinúan cosas.
11:34
Or you could tag Facebook photos
280
679000
2000
O pueden etiquetar fotos de Facebook
11:36
with the emotions that you had associated
281
681000
3000
con las emociones que les despertaron
11:39
with those memories
282
684000
2000
esos recuerdos
11:41
and then instantly prioritize
283
686000
2000
y luego priorizar de inmediato
11:43
the streams that catch your attention,
284
688000
2000
los flujos que captan nuestra atención
11:45
just like this.
285
690000
3000
como éste.
11:48
Humanizing technology
286
693000
2000
La tecnología humanizante
11:50
is about taking what's already natural about the human-tech experience
287
695000
3000
consiste en tomar lo que ya es natural de la experiencia humano-tecnología
11:53
and building technology seamlessly in tandem with it.
288
698000
3000
y crear tecnología que se ajuste a eso perfectamente.
11:56
As it aligns with our human behaviors,
289
701000
2000
Y que alineada con nuestro comportamiento humano
11:58
it can allow us to make better sense of what we do
290
703000
3000
nos permita darle más sentido a lo que hacemos
12:01
and, more importantly, why,
291
706000
3000
y entender por qué lo hacemos
12:04
creating a big picture
292
709000
2000
brindando un panorama general
12:06
out of all the important little details
293
711000
2000
a partir de los detallitos importantes
12:08
that make up who we are.
294
713000
2000
que hacen de nosotros quienes somos.
12:10
With humanized technology
295
715000
2000
La tecnología humanizada
12:12
we can monitor the quality of your sleep cycles.
296
717000
2000
permite controlar la calidad de los ciclos del sueño.
12:14
When our productivity starts to slacken,
297
719000
3000
Cuando nuestra productividad empieza a mermar
12:17
we can go back to that data
298
722000
2000
podemos volver a los datos
12:19
and see how we can make more effective balance
299
724000
2000
y ver cómo establecer un equilibrio más efectivo
12:21
between work and play.
300
726000
2000
entre trabajo y juego.
12:23
Do you know what causes fatigue in you
301
728000
2000
¿Saben qué cosas les producen fatiga,
12:25
or what brings out your energetic self,
302
730000
2000
o qué cosa les consumen ese yo energético,
12:27
what triggers cause you to be depressed
303
732000
3000
qué desencadena ese estado de depresión,
12:30
or what fun things are going to bring you out of that funk?
304
735000
4000
o qué cosas divertidas los sacarán de esa mieditis?
12:34
Imagine if you had access to data
305
739000
2000
Imaginen si tuvieran acceso a esos datos
12:36
that allowed you to rank on a scale of overall happiness
306
741000
3000
y pudieran calificar en una escala de felicidad general
12:39
which people in your life made you the happiest,
307
744000
3000
qué personas les han hecho más felices en la vida
12:42
or what activities brought you joy.
308
747000
3000
o qué actividades les producen alegría.
12:45
Would you make more time for those people? Would you prioritize?
309
750000
3000
¿Les dedicarían más tiempo a esas personas? ¿Tendrían más prioridad?
12:48
Would you get a divorce?
310
753000
3000
¿Se divorciarían?
12:51
What thought-controlled computing can allow you to do
311
756000
2000
La informática neurodirigida puede permitirnos crear
12:53
is build colorful layered pictures of our lives.
312
758000
3000
imágenes, coloridas y estratificadas, de nuestras vidas.
12:56
And with this, we can get the skinny on our psychological happenings
313
761000
3000
Con esto podemos obtener la información interna de nuestra felicidad psíquica
12:59
and build a story of our behaviors over time.
314
764000
3000
y armar una historia de los comportamientos en el tiempo.
13:02
We can begin to see the underlying narratives
315
767000
2000
Podemos empezar a ver las narrativas subyacentes
13:04
that propel us forward
316
769000
2000
que nos motivan
13:06
and tell us about what's going on.
317
771000
3000
y nos dicen qué está ocurriendo.
13:09
And from this,
318
774000
2000
A partir de esto
13:11
we can learn how to change the plot, the outcome
319
776000
2000
podemos aprender a cambiar la trama, el resultado
13:13
and the character
320
778000
2000
y el carácter
13:15
of our personal stories.
321
780000
2000
de nuestras historias personales.
13:17
Two millennia ago,
322
782000
2000
Hace dos mil años
13:19
those Greeks had some powerful insights.
323
784000
3000
esos griegos tuvieron ideas potentes.
13:22
They knew that a fundamental piece falls into place
324
787000
3000
Ellos sabían una pieza fundamental encaja en su sitio
13:25
when you start to live out their little phrase,
325
790000
3000
si uno empieza a experimentar esa pequeña frase
13:28
when you come into contact with yourself.
326
793000
3000
y entra en contacto con uno mismo.
13:31
They understood the power of human narrative
327
796000
3000
Ellos comprendían el poder de la narrativa humana
13:34
and the value that we place on humans
328
799000
2000
y el valor del ser humano como agente
13:36
as changing, evolving and growing.
329
801000
3000
de cambio, evolución y crecimiento.
13:39
But they understood something more fundamental --
330
804000
3000
Pero ellos comprendían algo más fundamental;
13:42
the sheer joy in discovery,
331
807000
3000
la alegría diáfana del descubrimiento,
13:45
the delight and fascination that we get from the world
332
810000
3000
el placer y la fascinación que nos provoca el mundo
13:48
and being ourselves in it,
333
813000
2000
y nuestra presencia en él,
13:50
the richness that we get
334
815000
2000
cuánto nos enriquece
13:52
from seeing, feeling and knowing the lives that we are.
335
817000
3000
ver, sentir y conocer la vida que nos constituye.
13:55
My mom's an artist,
336
820000
2000
Mamá es artista
13:57
and as a child I'd often see her bring things to life with the stroke of a brush.
337
822000
3000
y yo de niña a menudo solía verla darle vida a las cosas con unas pinceladas.
14:00
One moment it was all white space, pure possibility.
338
825000
3000
En un momento todo estaba en blanco, era mera posibilidad.
14:03
The next, it was alive
339
828000
2000
Al siguiente, cobraba vida
14:05
with her colorful ideas and expressions.
340
830000
3000
con sus ideas y expresiones coloridas.
14:08
As I sat easel-side,
341
833000
2000
Sentada al lado del caballete,
14:10
watching her transform canvas after canvas,
342
835000
3000
observándola transformar lienzo tras lienzo,
14:13
I learned that you could create your own world.
343
838000
4000
aprendí que uno puede crear su propio mundo.
14:17
I learned that our own inner worlds --
344
842000
2000
Aprendí que nuestros mundos interiores
14:19
our ideas, emotions and imaginations --
345
844000
3000
-ideas, emociones, imaginaciones-
14:22
were, in fact, not bound by our brains and bodies.
346
847000
4000
no están confinados al cerebro o al cuerpo.
14:26
If you could think it, if you could discover it,
347
851000
3000
Si podemos pensarlo, si podemos descubrirlo,
14:29
you could bring it to life.
348
854000
3000
podemos darle vida.
14:32
To me, thought-controlled computing
349
857000
2000
Par mí, la informática neurodirigida
14:34
is as simple and powerful as a paintbrush --
350
859000
2000
es tan simple y poderosa como un pincel.
14:36
one more tool to unlock and enliven
351
861000
3000
Es otra herramienta para desbloquear y dar vida
14:39
the hidden worlds within us.
352
864000
2000
a nuestros mundos interiores.
14:41
I look forward to the day
353
866000
2000
Espero con ansias el día
14:43
that I can sit beside you, easel-side,
354
868000
3000
en que pueda sentarme a ver sus caballetes
14:46
watching the world that we can create
355
871000
2000
a mirar el mundo que podemos crear
14:48
with our new toolboxes
356
873000
2000
con estas nuevas herramientas
14:50
and the discoveries that we can make
357
875000
2000
y ver los descubrimientos que podemos hacer
14:52
about ourselves.
358
877000
2000
sobre nosotros mismos.
14:54
Thank you.
359
879000
2000
Gracias.
14:56
(Applause)
360
881000
2000
(Aplausos)
ABOUT THE SPEAKER
Ariel Garten - Artist, scientist and entrepreneurAs CEO of InteraXon, Ariel Garten works to close the gap between science, art, business and technology.
Why you should listen
Ariel Garten is the CEO and co-founder of InteraXon, which creates thought controlled computing products and applications. Ariel has also researched at the Krembil Neuroscience Institute studying hippocampal neurogenesis, displayed work at the Art Gallery of Ontario, been head designer at a fashion label, and opened Toronto Fashion Week. Referred to as the “Brain Guru”, Ariel and her team’s work has been featured in hundreds of articles in over 20 countries.
Ariel Garten | Speaker | TED.com