TED2008
Susan Blackmore: Memes and "temes"
Susan Blackmore sobre memes y "temes"
Filmed:
Readability: 3.8
882,044 views
Susan Blackmore estudia los memes: ideas que se replican a sí mismas de una mente a otra como un virus. Expone un nuevo y audaz argumento: la humanidad ha engendrado una nueva clase de meme, el teme, que se disemina a sí mismo por medio de la tecnología e inventa nuevas formas para mantenerse vivo.
Susan Blackmore - Memeticist
Susan Blackmore studies memes -- those self-replicating "life forms" that spread themselves via human consciousness. We're now headed, she believes, toward a new form of meme, spread by the technology we've created. Full bio
Susan Blackmore studies memes -- those self-replicating "life forms" that spread themselves via human consciousness. We're now headed, she believes, toward a new form of meme, spread by the technology we've created. Full bio
Double-click the English transcript below to play the video.
00:18
Cultural evolution is a dangerous child
0
0
3000
La evolución cultural es un hijo peligroso
00:21
for any species to let loose on its planet.
1
3000
3000
para todas las especies, como para dejarlo suelto por el planeta.
00:24
By the time you realize what's happening, the child is a toddler,
2
6000
4000
Para cuando se dan cuenta de lo que está pasando, el hijo es un pequeño
00:28
up and causing havoc, and it's too late to put it back.
3
10000
6000
que gatea y ocasiona estragos, y es demasiado tarde para ponerlo en su sitio.
00:34
We humans are Earth's Pandoran species.
4
16000
3000
Nosotros los humanos somos la especie Pandora de la Tierra.
00:37
We're the ones who let the second replicator out of its box,
5
19000
5000
Nosotros somos quienes dejamos salir al segundo replicador de su caja,
00:42
and we can't push it back in.
6
24000
2000
y no podemos regresarlo.
00:44
We're seeing the consequences all around us.
7
26000
3000
Estamos viendo las consecuencias por todos lados.
00:48
Now that, I suggest, is the view that
8
30000
4000
Esa, sugiero yo, es la visión
00:52
comes out of taking memetics seriously.
9
34000
2000
que aparece cuando tomamos en serio la memética.
00:54
And it gives us a new way of thinking about
10
36000
2000
Y nos da una nueva forma de pensar sobre
00:56
not only what's going on on our planet,
11
38000
2000
no sólo lo que está pasando en nuestro planeta,
00:58
but what might be going on elsewhere in the cosmos.
12
40000
3000
sino sobre lo podría estar ocurriendo en algún otro lugar en el cosmos.
01:01
So first of all, I'd like to say something about memetics
13
43000
3000
Entonces primero quisiera hablar acerca de la memética
01:04
and the theory of memes,
14
46000
2000
y la teoría de los memes,
01:06
and secondly, how this might answer questions about who's out there,
15
48000
5000
y en segundo lugar, sobre cómo esto podría contestar preguntas acerca
01:11
if indeed anyone is.
16
53000
3000
de quiénes están allá afuera, si en efecto hay alguien.
01:14
So, memetics:
17
56000
2000
Entonces, memética.
01:16
memetics is founded on the principle of Universal Darwinism.
18
58000
4000
La Memética se funda en el principio universal del Darwinismo.
01:20
Darwin had this amazing idea.
19
62000
3000
Darwin tenía esta asombrosa idea.
01:23
Indeed, some people say
20
65000
2000
De verdad, algunas personas dicen que
01:25
it's the best idea anybody ever had.
21
67000
3000
esta es la mejor idea que alguien haya tenido.
01:28
Isn't that a wonderful thought, that there could be such a thing
22
70000
4000
¿No es un pensamiento maravilloso, que pueda existir tal cosa
01:32
as a best idea anybody ever had?
23
74000
2000
como la mejor idea que alguien haya tenido?
01:34
Do you think there could?
24
76000
1000
¿Creen que pueda existir?
01:35
Audience: No.
25
77000
1000
Audiencia: No.
01:36
(Laughter)
26
78000
1000
(Risas)
01:37
Susan Blackmore: Someone says no, very loudly, from over there.
27
79000
2000
Susan Blackmore: Alguien dijo no, muy fuerte, por allá.
01:39
Well, I say yes, and if there is, I give the prize to Darwin.
28
81000
4000
Bueno, yo digo que sí y le doy el premio a Darwin.
01:43
Why?
29
85000
2000
¿Por qué?
01:45
Because the idea was so simple,
30
87000
3000
Porque la idea era muy simple,
01:48
and yet it explains all design in the universe.
31
90000
6000
y sin embargo explica todo el diseño del universo.
01:54
I would say not just biological design,
32
96000
2000
Yo diría no sólo el diseño biológico,
01:56
but all of the design that we think of as human design.
33
98000
2000
sino todo el diseño que pensamos como diseño humano.
01:58
It's all just the same thing happening.
34
100000
2000
Es justamente la misma cosa, ocurriendo.
02:00
What did Darwin say?
35
102000
2000
¿Qué dijo Darwin?
02:02
I know you know the idea, natural selection,
36
104000
2000
Sé que ustedes conocen la idea, la de la selección natural,
02:04
but let me just paraphrase "The Origin of Species," 1859,
37
106000
5000
pero permítanme parafrasear "El Origen de las Especies", 1859,
02:09
in a few sentences.
38
111000
2000
en unas cuantas oraciones.
02:11
What Darwin said was something like this:
39
113000
3000
Lo que Darwin dijo fue algo como esto,
02:14
if you have creatures that vary, and that can't be doubted --
40
116000
4000
si se tienen criaturas que varían, y eso no se puede negar,
02:18
I've been to the Galapagos, and I've measured the size of the beaks
41
120000
3000
he estado en Galápagos y he medido el tamaño de los picos
02:21
and the size of the turtle shells and so on, and so on.
42
123000
2000
y el tamaño de las conchas de las tortugas y etcétera, etcétera.
02:23
And 100 pages later.
43
125000
2000
Y 100 páginas después...
02:25
(Laughter)
44
127000
2000
(Risas)
02:27
And if there is a struggle for life,
45
129000
4000
Y si existe la lucha por la vida,
02:31
such that nearly all of these creatures die --
46
133000
3000
tal que casi todas estas criaturas mueren,
02:34
and this can't be doubted, I've read Malthus
47
136000
3000
y esto no se puede dudar, pues he leído a Malthus
02:37
and I've calculated how long it would take for elephants
48
139000
2000
y he calculado el tiempo que le tomaría a los elefantes
02:39
to cover the whole world if they bred unrestricted, and so on and so on.
49
141000
3000
cubrir todo el planeta si se reprodujeran sin restricción, etc., etc.
02:42
And another 100 pages later.
50
144000
4000
Y otras 100 páginas después...
02:46
And if the very few that survive pass onto their offspring
51
148000
5000
Y si los pocos que sobreviven pasan a su descendencia
02:51
whatever it was that helped them survive,
52
153000
3000
lo que haya sido que les ayudó a sobrevivir,
02:54
then those offspring must be better adapted
53
156000
2000
entonces esa descendencia debe estar mejor adaptada
02:56
to the circumstances in which all this happened
54
158000
2000
a las circunstancias en las que todo esto ocurrió,
02:58
than their parents were.
55
160000
3000
más que sus progenitores.
03:01
You see the idea?
56
163000
2000
¿Ven la idea?
03:03
If, if, if, then.
57
165000
2000
Si, si, si, entonces.
03:05
He had no concept of the idea of an algorithm,
58
167000
2000
No tenía el concepto de la idea de un algoritmo.
03:07
but that's what he described in that book,
59
169000
3000
Pero eso fue lo que describió en su libro,
03:10
and this is what we now know as the evolutionary algorithm.
60
172000
3000
y esto es lo que nosotros conocemos como el algoritmo evolucionario.
03:13
The principle is you just need those three things --
61
175000
4000
El principio es que se necesitan sólo tres cosas:
03:17
variation, selection and heredity.
62
179000
3000
variación, selección y herencia.
03:20
And as Dan Dennett puts it, if you have those,
63
182000
4000
Y como lo dijo Dan Dennett, si se tienen estos
03:24
then you must get evolution.
64
186000
2000
entonces se da la evolución.
03:26
Or design out of chaos, without the aid of mind.
65
188000
5000
O diseño a partir del caos sin la ayuda de la mente.
03:31
There's one word I love on that slide.
66
193000
2000
Hay una palabra que me gusta de esta diapositiva.
03:33
What do you think my favorite word is?
67
195000
2000
¿Cuál creen que es mi palabra favorita?
03:35
Audience: Chaos.
68
197000
1000
Audiencia: caos.
03:36
SB: Chaos? No. What? Mind? No.
69
198000
3000
SB: ¿Caos? No. ¿Cuál? ¿Mente? No
03:39
Audience: Without.
70
201000
1000
Audiencia: Sin
03:40
SB: No, not without.
71
202000
1000
SB: No, no sin.
03:41
(Laughter)
72
203000
1000
(Risas)
03:42
You try them all in order: Mmm...?
73
204000
2000
¿Ya intentaron todas en orden, eh?
03:44
Audience: Must.
74
206000
1000
Audiencia: Debe
03:45
SB: Must, at must. Must, must.
75
207000
4000
Debe, debe, debe.
03:49
This is what makes it so amazing.
76
211000
2000
Esto es lo que lo hace tan asombroso.
03:51
You don't need a designer,
77
213000
3000
No necesitan un diseñador,
03:54
or a plan, or foresight, or anything else.
78
216000
3000
o un plan, o una visión o cualquier otra cosa.
03:57
If there's something that is copied with variation
79
219000
3000
Si existe algo que es copiado con variación
04:00
and it's selected, then you must get design appearing out of nowhere.
80
222000
4000
y seleccionado, entonces tenemos diseño que aparece de la nada.
04:04
You can't stop it.
81
226000
2000
No se puede detener.
04:06
Must is my favorite word there.
82
228000
4000
Debe (must) es mi palabra favorita aquí.
04:11
Now, what's this to do with memes?
83
233000
2000
Ahora bien ¿qué tiene esto que ver con memes?
04:13
Well, the principle here applies to anything
84
235000
5000
Bueno, el principio aquí se aplica a todo
04:18
that is copied with variation and selection.
85
240000
1000
lo que es copiado con variación y selección.
04:19
We're so used to thinking in terms of biology,
86
241000
3000
Estamos tan acostumbrados a pensar en términos de biología,
04:22
we think about genes this way.
87
244000
2000
que pensamos acerca de los genes de esta manera.
04:24
Darwin didn't, of course; he didn't know about genes.
88
246000
3000
Por supuesto, Darwin no sabía nada acerca de los genes.
04:27
He talked mostly about animals and plants,
89
249000
2000
Él hablaba principalmente acerca de los animales y las plantas,
04:29
but also about languages evolving and becoming extinct.
90
251000
3000
pero también acerca de los lenguajes que evolucionan y se extinguen.
04:32
But the principle of Universal Darwinism
91
254000
2000
Pero el principio universal del Darwinismo
04:34
is that any information that is varied and selected
92
256000
4000
es que cualquier información que varía y es seleccionada
04:38
will produce design.
93
260000
2000
producirá un diseño.
04:40
And this is what Richard Dawkins was on about
94
262000
2000
Y esto es lo que Richard Dawkins expuso en su
04:42
in his 1976 bestseller, "The Selfish Gene."
95
264000
3000
best seller de 1976, "El Gen Egoísta".
04:45
The information that is copied, he called the replicator.
96
267000
4000
La información que es copiada, es llamada el replicador.
04:49
It selfishly copies.
97
271000
2000
Y se copia de manera egoísta.
04:51
Not meaning it kind of sits around inside cells going, "I want to get copied."
98
273000
4000
No es que esté por allí dentro de las células diciendo "quiero que me copien".
04:55
But that it will get copied if it can,
99
277000
2000
Más bien, se copiará si puede hacerlo,
04:57
regardless of the consequences.
100
279000
2000
sin importar las consecuencias.
05:00
It doesn't care about the consequences because it can't,
101
282000
3000
No le importan las consecuencias, porque no le pueden importar,
05:03
because it's just information being copied.
102
285000
2000
porque es simplemente información que está siendo copiada.
05:06
And he wanted to get away
103
288000
1000
Y él quiso alejarse de
05:07
from everybody thinking all the time about genes,
104
289000
3000
todos quienes pensaban todo el tiempo en genes,
05:10
and so he said, "Is there another replicator out there on the planet?"
105
292000
3000
entonces dijo: "¿existe otro replicador en el planeta?"
05:13
Ah, yes, there is.
106
295000
2000
Ah, sí existe.
05:15
Look around you -- here will do, in this room.
107
297000
3000
Miren a su alrededor, aquí, en este cuarto.
05:18
All around us, still clumsily drifting about
108
300000
3000
A nuestro alrededor, todavía dejándose llevar torpemente en
05:21
in its primeval soup of culture, is another replicator.
109
303000
3000
su sopa primitiva de cultura, está otro replicador.
05:24
Information that we copy from person to person, by imitation,
110
306000
5000
La información que copiamos de una persona a otra por imitación,
05:29
by language, by talking, by telling stories,
111
311000
2000
por el lenguaje, al hablar, al contar historias,
05:31
by wearing clothes, by doing things.
112
313000
3000
al vestir, al hacer cosas.
05:34
This is information copied with variation and selection.
113
316000
5000
Esta es información copiada con variación y selección.
05:39
This is design process going on.
114
321000
3000
Es un proceso de diseño ocurriendo.
05:42
He wanted a name for the new replicator.
115
324000
3000
El quiso encontrar un nombre para el nuevo replicador.
05:45
So, he took the Greek word "mimeme," which means that which is imitated.
116
327000
4000
Así que tomó la palabra griega mimeme, que significa aquello que es imitado.
05:49
Remember that, that's the core definition:
117
331000
2000
Recuerden esto, esa la definición básica.
05:52
that which is imitated.
118
334000
1000
Aquello que es imitado.
05:53
And abbreviated it to meme, just because it sounds good
119
335000
3000
Que se abrevia como meme, sólo porque suena bien
05:56
and made a good meme, an effective spreading meme.
120
338000
3000
y hace un buen meme, un meme con difusión efectiva.
05:59
So that's how the idea came about.
121
341000
3000
Es así como nació la idea.
06:03
It's important to stick with that definition.
122
345000
3000
Es importante apegarse a la definición.
06:06
The whole science of memetics is much maligned,
123
348000
4000
Toda la ciencia de la memética ha sido maldecida,
06:10
much misunderstood, much feared.
124
352000
3000
muy mal entendida y muy temida.
06:13
But a lot of these problems can be avoided
125
355000
3000
Pero muchos de estos problemas se pueden evitar
06:16
by remembering the definition.
126
358000
2000
recordando la definición.
06:18
A meme is not equivalent to an idea.
127
360000
2000
Un meme no equivale a una idea.
06:20
It's not an idea. It's not equivalent to anything else, really.
128
362000
2000
No es un idea, no es equivalente a ninguna otra cosa en realidad.
06:22
Stick with the definition.
129
364000
2000
Apéguense a la definición.
06:24
It's that which is imitated,
130
366000
2000
Es decir, aquello que es imitado.
06:26
or information which is copied from person to person.
131
368000
3000
O información que es copiada de una persona a otra.
06:30
So, let's see some memes.
132
372000
1000
Entonces veamos algunos memes.
06:31
Well, you sir, you've got those glasses hung around your neck
133
373000
3000
Bien, usted señor, que tiene sus lentes colgando de su cuello
06:34
in that particularly fetching way.
134
376000
2000
de esa manera particularmente llamativa.
06:36
I wonder whether you invented that idea for yourself,
135
378000
2000
Me pregunto si usted mismo inventó esa idea,
06:38
or copied it from someone else?
136
380000
2000
o la copió de alguien más.
06:40
If you copied it from someone else, it's a meme.
137
382000
3000
Si la copió de alguien más, es un meme.
06:43
And what about, oh, I can't see any interesting memes here.
138
385000
3000
Y qué hay acerca de, oh, no veo memes interesantes aquí.
06:46
All right everyone, who's got some interesting memes for me?
139
388000
3000
A ver todos ¿quién tiene memes interesantes para mí?
06:49
Oh, well, your earrings,
140
391000
2000
Ah sí, sus aretes,
06:51
I don't suppose you invented the idea of earrings.
141
393000
2000
Supongo que usted no inventó la idea de los aretes.
06:53
You probably went out and bought them.
142
395000
2000
Probablemente salió a comprarlos.
06:55
There are plenty more in the shops.
143
397000
2000
Hay cantidad de ellos en las tiendas.
06:57
That's something that's passed on from person to person.
144
399000
2000
Eso es algo que pasa de una persona a otra.
06:59
All the stories that we're telling -- well, of course,
145
401000
3000
Todas las historias que contamos, por supuesto,
07:02
TED is a great meme-fest, masses of memes.
146
404000
4000
TED es un gran festín de memes, masas de memes.
07:06
The way to think about memes, though,
147
408000
2000
Sin embargo, la forma de pensar acerca de los memes
07:08
is to think, why do they spread?
148
410000
2000
es pensar en por qué se difunden.
07:10
They're selfish information, they will get copied, if they can.
149
412000
4000
Son información egoísta, se copiarán si pueden hacerlo.
07:14
But some of them will be copied because they're good,
150
416000
3000
Algunos serán copiados porque son buenos,
07:17
or true, or useful, or beautiful.
151
419000
2000
o verdaderos, o útiles o bellos.
07:19
Some of them will be copied even though they're not.
152
421000
2000
Algunos de ellos serán copiados aun cuando no lo sean.
07:21
Some, it's quite hard to tell why.
153
423000
2000
Con algunos, es bastante difícil decir el por qué.
07:24
There's one particular curious meme which I rather enjoy.
154
426000
3000
Existe un meme en particular que disfruto.
07:27
And I'm glad to say, as I expected, I found it when I came here,
155
429000
3000
Y me alegra decir, como lo esperaba, lo encontré cuando llegué aquí
07:30
and I'm sure all of you found it, too.
156
432000
2000
y estoy segura que todos usted lo encontraron también.
07:32
You go to your nice, posh, international hotel somewhere,
157
434000
3000
Llegaron a su elegante hotel internacional en algún lado,
07:36
and you come in and you put down your clothes
158
438000
2000
entraron a su cuarto, sacaron su ropa
07:38
and you go to the bathroom, and what do you see?
159
440000
3000
y cuando fueron al baño, ¿qué vieron?
07:41
Audience: Bathroom soap.
160
443000
1000
Audiencia: Jabón de baño
07:42
SB: Pardon?
161
444000
1000
SB: ¿Perdón?
07:43
Audience: Soap.
162
445000
1000
Audiencia: Jabón
07:44
SB: Soap, yeah. What else do you see?
163
446000
2000
SB: Jabón, sí. ¿Qué más vieron?
07:46
Audience: (Inaudible)
164
448000
1000
Audiencia: (Inaudible)
07:47
SB: Mmm mmm.
165
449000
1000
SB: Mmm mmm.
07:48
Audience: Sink, toilet!
166
450000
1000
Audiencia: El lavabo, el excusado.
07:49
SB: Sink, toilet, yes, these are all memes, they're all memes,
167
451000
2000
SB: Lavabo, excusado, sí, todos estos son memes, todos son memes,
07:51
but they're sort of useful ones, and then there's this one.
168
453000
3000
y todos son útiles, y luego está este.
07:54
(Laughter)
169
456000
3000
(Risas)
07:58
What is this one doing?
170
460000
2000
¿Este qué hace?
08:00
(Laughter)
171
462000
1000
(Risas)
08:01
This has spread all over the world.
172
463000
2000
Se ha difundido por todo el mundo.
08:03
It's not surprising that you all found it
173
465000
2000
No es de sorprender que todos lo hayan encontrado
08:05
when you arrived in your bathrooms here.
174
467000
2000
cuando entraron a sus baños, aquí.
08:07
But I took this photograph in a toilet at the back of a tent
175
469000
5000
Tomé esta foto en un baño detrás de una carpa
08:12
in the eco-camp in the jungle in Assam.
176
474000
2000
en un eco-campo en la jungla en Assam.
08:14
(Laughter)
177
476000
1000
(Risas)
08:16
Who folded that thing up there, and why?
178
478000
3000
¿Quién dobló esto así y por qué?
08:19
(Laughter)
179
481000
1000
(Risas)
08:20
Some people get carried away.
180
482000
2000
Algunas personas se dejan llevar.
08:22
(Laughter)
181
484000
3000
(Risas)
08:26
Other people are just lazy and make mistakes.
182
488000
3000
Otras son simplemente perezosas y cometen errores.
08:29
Some hotels exploit the opportunity to put even more memes
183
491000
3000
Algunos hoteles explotan la oportunidad y le agregan más memes
08:32
with a little sticker.
184
494000
2000
con una pequeña etiqueta.
08:34
(Laughter)
185
496000
1000
(Risas)
08:35
What is this all about?
186
497000
2000
¿De qué se trata todo esto?
08:37
I suppose it's there to tell you that somebody's
187
499000
2000
Supongo que está allí para decirles que alguien
08:39
cleaned the place, and it's all lovely.
188
501000
2000
limpió el lugar y está todo agradable.
08:41
And you know, actually, all it tells you is that another person
189
503000
3000
Y ustedes saben, en realidad todo lo que nos dice es que otra persona
08:44
has potentially spread germs from place to place.
190
506000
3000
potencialmente ha diseminado gérmenes de un lugar a otro.
08:47
(Laughter)
191
509000
1000
(Risas)
08:48
So, think of it this way.
192
510000
2000
Así que piensen de esta manera.
08:50
Imagine a world full of brains
193
512000
2000
Imaginen un mundo lleno de cerebros
08:52
and far more memes than can possibly find homes.
194
514000
3000
y con muchos más memes de los que posiblemente puedan encontrar un hogar.
08:55
The memes are all trying to get copied --
195
517000
3000
Los memes están todos tratando de ser copiados,
08:58
trying, in inverted commas -- i.e.,
196
520000
3000
tratando, entre comillas, es decir,
09:01
that's the shorthand for, if they can get copied, they will.
197
523000
3000
ese es el atajo para decir que, si logran ser copiados, lo harán.
09:04
They're using you and me as their propagating, copying machinery,
198
526000
6000
Nos utilizan a ustedes y a mí como máquinas copiadoras propagadoras,
09:10
and we are the meme machines.
199
532000
3000
y nosotros somos las máquinas de memes.
09:13
Now, why is this important?
200
535000
2000
Ahora bien ¿por qué es esto importante?
09:15
Why is this useful, or what does it tell us?
201
537000
2000
¿Por qué es esto útil, o qué nos dice?
09:17
It gives us a completely new view of human origins
202
539000
4000
Nos da una visión completamente nueva de los orígenes del hombre
09:21
and what it means to be human,
203
543000
1000
y lo que significa ser humano.
09:22
all conventional theories of cultural evolution,
204
544000
4000
Todas las teorías convencionales de la evolución cultural,
09:26
of the origin of humans,
205
548000
2000
del origen de los humanos,
09:28
and what makes us so different from other species.
206
550000
4000
y de qué nos hace tan diferentes de las otras especies.
09:32
All other theories explaining the big brain, and language, and tool use
207
554000
2000
Todas aquellas teorías que explican el cerebro grande, el lenguaje y el uso
09:34
and all these things that make us unique,
208
556000
2000
de herramientas y todas estas cosas que nos hacen únicos,
09:36
are based upon genes.
209
558000
3000
se basan en los genes.
09:39
Language must have been useful for the genes.
210
561000
3000
El lenguaje debió ser útil para los genes.
09:42
Tool use must have enhanced our survival, mating and so on.
211
564000
3000
El uso de herramientas debió mejorar nuestra sobrevivencia, el apareamiento, etc.
09:45
It always comes back, as Richard Dawkins complained
212
567000
3000
Siempre volvía, como Richard Dawkins se quejaba
09:48
all that long time ago, it always comes back to genes.
213
570000
3000
hace ya tiempo, siempre volvía a los genes.
09:51
The point of memetics is to say, "Oh no, it doesn't."
214
573000
4000
El punto de la memética es decir: "Oh, no, no es así".
09:55
There are two replicators now on this planet.
215
577000
3000
Existen dos replicadores hoy en día en este planeta.
09:58
From the moment that our ancestors,
216
580000
3000
Desde el momento en que nuestros ancestros,
10:01
perhaps two and a half million years ago or so,
217
583000
2000
quizás hace dos millones y medio de años, más o menos,
10:03
began imitating, there was a new copying process.
218
585000
4000
empezaron a imitar, existió un nuevo proceso de copiado.
10:07
Copying with variation and selection.
219
589000
2000
Copiado con variación y selección.
10:09
A new replicator was let loose, and it could never be --
220
591000
5000
Un nuevo replicador fue liberado, y no es en absoluto posible
10:14
right from the start -- it could never be
221
596000
1000
que desde el principio, los seres humanos
10:15
that human beings who let loose this new creature,
222
597000
5000
que soltaron esta nueva criatura,
10:20
could just copy the useful, beautiful, true things,
223
602000
3000
sólo pudieran copiar lo útil, lo bello, las cosas verdaderas
10:23
and not copy the other things.
224
605000
2000
y que no copiaran las otras cosas.
10:25
While their brains were having an advantage from being able to copy --
225
607000
3000
Mientras que sus cerebros tenían una ventaja con la capacidad de copiar,
10:28
lighting fires, keeping fires going, new techniques of hunting,
226
610000
5000
encender fogatas, mantener el fuego, nuevas técnicas de caza,
10:33
these kinds of things --
227
615000
2000
este tipo de cosas,
10:35
inevitably they were also copying putting feathers in their hair,
228
617000
3000
es inevitable que también copiaran ponerse plumas en el pelo,
10:38
or wearing strange clothes, or painting their faces,
229
620000
2000
o vestir ropas extrañas, o pintarse las caras,
10:40
or whatever.
230
622000
1000
o lo que fuera.
10:41
So, you get an arms race between the genes
231
623000
4000
Entonces se tiene una carrera armamentista entre los genes
10:45
which are trying to get the humans to have small economical brains
232
627000
4000
que están tratando que los humanos tengan cerebros pequeños y económicos,
10:49
and not waste their time copying all this stuff,
233
631000
2000
y no desperdicien el tiempo copiando todo esto,
10:51
and the memes themselves, like the sounds that people made and copied --
234
633000
4000
y los memes mismos, como los sonidos que la gente hace y copia;
10:56
in other words, what turned out to be language --
235
638000
2000
en otras palabras, lo que terminó siendo el lenguaje,
10:58
competing to get the brains to get bigger and bigger.
236
640000
3000
que compite para hacer los cerebros más y más grandes.
11:01
So, the big brain, on this theory, is driven by the memes.
237
643000
4000
Así que, en esta teoría, el cerebro grande es impulsado por los memes.
11:05
This is why, in "The Meme Machine," I called it memetic drive.
238
647000
4000
Es por esto que, en "La Máquina de Memes", le llamo el impulso memético.
11:09
As the memes evolve, as they inevitably must,
239
651000
3000
Conforme los memes evolucionan, como inevitablemente deben hacerlo,
11:12
they drive a bigger brain that is better at copying the memes
240
654000
4000
impulsan a crear un cerebro más grande, que está mejor dotado para copiar
11:16
that are doing the driving.
241
658000
2000
los memes que generan el impulso.
11:18
This is why we've ended up with such peculiar brains,
242
660000
4000
Por esta razón, terminamos con cerebros tan peculiares,
11:22
that we like religion, and music, and art.
243
664000
3000
que nos gusta la religión, la música y el arte.
11:25
Language is a parasite that we've adapted to,
244
667000
3000
El lenguaje es un parásito al que nos hemos adaptado,
11:28
not something that was there originally for our genes,
245
670000
2000
no es algo que estuviera ahí originalmente en nuestros genes,
11:30
on this view.
246
672000
2000
según esta visión.
11:32
And like most parasites, it can begin dangerous,
247
674000
3000
Y como la mayoría de los parásitos, puede empezar siendo peligroso,
11:35
but then it coevolves and adapts,
248
677000
3000
pero entonces co-evoluciona y se adapta
11:38
and we end up with a symbiotic relationship
249
680000
2000
y terminamos con una relación simbiótica
11:40
with this new parasite.
250
682000
1000
con este nuevo parásito.
11:41
And so, from our perspective,
251
683000
2000
Entonces, desde nuestra perspectiva,
11:43
we don't realize that that's how it began.
252
685000
3000
no nos damos cuenta que así es como empezó.
11:46
So, this is a view of what humans are.
253
688000
3000
Esta es una visión de lo que son los humanos.
11:49
All other species on this planet are gene machines only,
254
691000
3000
Todas las demás especies en el planeta son únicamente máquinas de genes,
11:52
they don't imitate at all well, hardly at all.
255
694000
3000
no imitan tan bien, de hecho difícilmente lo hacen.
11:55
We alone are gene machines and meme machines as well.
256
697000
5000
Sólo nosotros somos máquinas de genes al igual que máquinas de memes.
12:00
The memes took a gene machine and turned it into a meme machine.
257
702000
4000
Los memes tomaron una máquina de genes y la convirtieron en una máquina de memes.
12:04
But that's not all.
258
706000
2000
Pero eso no es todo.
12:06
We have a new kind of memes now.
259
708000
3000
Tenemos un nuevo tipo de memes hoy en día.
12:09
I've been wondering for a long time,
260
711000
1000
Hace tiempo que me he estado preguntando,
12:10
since I've been thinking about memes a lot,
261
712000
2000
desde que le he dedicado a los memes un rato,
12:12
is there a difference between the memes that we copy --
262
714000
2000
¿existe una diferencia entre los memes que copiamos,
12:14
the words we speak to each other,
263
716000
2000
- las palabras con las que nos hablamos,
12:16
the gestures we copy, the human things --
264
718000
2000
los gestos que copiamos, las cosas humanas -
12:18
and all these technological things around us?
265
720000
2000
y todas estas cosas tecnológicas a nuestro alrededor?
12:20
I have always, until now, called them all memes,
266
722000
4000
Siempre, hasta ahora, les había llamado a todos memes,
12:24
but I do honestly think now
267
726000
3000
sin embargo ahora pienso, honestamente,
12:27
we need a new word for technological memes.
268
729000
3000
que necesitamos una nueva palabra para los memes tecnológicos.
12:30
Let's call them techno-memes or temes.
269
732000
3000
Llamémosles technomemes o temes.
12:33
Because the processes are getting different.
270
735000
3000
Porque los procesos se están volviendo diferentes.
12:37
We began, perhaps 5,000 years ago, with writing.
271
739000
3000
Hace quizás 5000 años, empezamos con la escritura.
12:40
We put the storage of memes out there on a clay tablet,
272
742000
7000
Almacenamos memes en tablas de barro,
12:48
but in order to get true temes and true teme machines,
273
750000
2000
pero para obtener verdaderos temes y verdaderas máquinas de temes,
12:50
you need to get the variation, the selection and the copying,
274
752000
3000
se necesita tener la variación, la selección y el copiado,
12:53
all done outside of humans.
275
755000
2000
todo hecho fuera de las manos del hombre.
12:55
And we're getting there.
276
757000
2000
Y estamos llegando a ese punto.
12:57
We're at this extraordinary point where we're nearly there,
277
759000
2000
Estamos en este extraordinario punto al que ya casi llegamos,
12:59
that there are machines like that.
278
761000
2000
en donde hay máquinas como esta.
13:01
And indeed, in the short time I've already been at TED,
279
763000
2000
En efecto, en el poco rato que he estado en TED,
13:03
I see we're even closer than I thought we were before.
280
765000
2000
veo que incluso estamos más cerca de lo que antes creía.
13:05
So actually, now the temes are forcing our brains
281
767000
6000
Así que, ahora los temes están forzando nuestros cerebros
13:11
to become more like teme machines.
282
773000
2000
a convertirse más en máquinas de temes.
13:13
Our children are growing up very quickly learning to read,
283
775000
3000
Nuestros niños están creciendo muy rápido aprendiendo a leer,
13:16
learning to use machinery.
284
778000
2000
aprendiendo a usar la maquinaria.
13:18
We're going to have all kinds of implants,
285
780000
1000
Vamos a tener todo tipo de implantes,
13:19
drugs that force us to stay awake all the time.
286
781000
3000
drogas que nos forzarán a estar despiertos todo el tiempo.
13:22
We'll think we're choosing these things,
287
784000
2000
Pensaremos que estaremos escogiendo estas cosas,
13:24
but the temes are making us do it.
288
786000
3000
pero los temes lo están haciendo por nosotros.
13:28
So, we're at this cusp now
289
790000
1000
Entonces estamos ahora en esta cúspide
13:29
of having a third replicator on our planet.
290
791000
4000
de tener un tercer replicador en nuestro planeta.
13:34
Now, what about what else is going on out there in the universe?
291
796000
5000
Ahora, ¿qué hay sobre lo demás que está pasando allá fuera en el universo?
13:39
Is there anyone else out there?
292
801000
2000
¿Hay alguien más allá afuera?
13:41
People have been asking this question for a long time.
293
803000
3000
La gente se ha estado haciendo esta pregunta por mucho tiempo.
13:44
We've been asking it here at TED already.
294
806000
2000
La hemos hecho ya aquí en TED.
13:46
In 1961, Frank Drake made his famous equation,
295
808000
4000
En 1961, Frank Drake hizo su famosa ecuación,
13:50
but I think he concentrated on the wrong things.
296
812000
2000
pero creo que se concentró en las cosas equivocadas.
13:52
It's been very productive, that equation.
297
814000
2000
Ha sido muy productiva, esa ecuación.
13:54
He wanted to estimate N,
298
816000
2000
Quiso estimar N,
13:56
the number of communicative civilizations out there in our galaxy,
299
818000
4000
el número de civilizaciones comunicativas allá afuera en nuestra galaxia.
14:00
and he included in there the rate of star formation,
300
822000
4000
Incluyó ahí la tasa de formación de estrellas,
14:04
the rate of planets, but crucially, intelligence.
301
826000
4000
la tasa de planetas, pero crucialmente, inteligencia.
14:08
I think that's the wrong way to think about it.
302
830000
4000
Yo creo que esa es la forma errónea de pensarlo.
14:12
Intelligence appears all over the place, in all kinds of guises.
303
834000
3000
La inteligencia aparece en todos lados, con todo tipo de disfraces.
14:15
Human intelligence is only one kind of a thing.
304
837000
2000
La inteligencia humana es sólo un tipo de una cosa.
14:17
But what's really important is the replicators you have
305
839000
3000
Lo que en realidad importa son los replicadores que uno tiene
14:20
and the levels of replicators, one feeding on the one before.
306
842000
4000
y los niveles de replicadores, uno alimentándose en el predecesor.
14:24
So, I would suggest that we don't think intelligence,
307
846000
5000
Entonces yo sugeriría que no pensáramos en inteligencia,
14:29
we think replicators.
308
851000
2000
sino que pensáramos en replicadores.
14:31
And on that basis, I've suggested a different kind of equation.
309
853000
3000
Con esta base, sugiero un tipo de ecuación diferente.
14:34
A very simple equation.
310
856000
2000
Una ecuación muy simple.
14:36
N, the same thing,
311
858000
2000
N, la misma cosa,
14:38
the number of communicative civilizations out there
312
860000
3000
el número de civilizaciones comunicativas allá afuera,
14:41
[that] we might expect in our galaxy.
313
863000
2000
que podríamos esperar que existan en nuestra galaxia.
14:43
Just start with the number of planets there are in our galaxy.
314
865000
4000
Empecemos sólo con el número de planetas que hay en nuestra galaxia.
14:47
The fraction of those which get a first replicator.
315
869000
4000
La fracción de aquellos que tienen un primer replicador.
14:51
The fraction of those that get the second replicator.
316
873000
4000
La fracción de aquellos que tienen un segundo replicador.
14:55
The fraction of those that get the third replicator.
317
877000
2000
La fracción de aquellos que tienen un tercer replicador.
14:58
Because it's only the third replicator that's going to reach out --
318
880000
3000
Porque solamente el tercer replicador es el que va a salir,
15:01
sending information, sending probes, getting out there,
319
883000
3000
enviando información, enviando sondas, llegando allá afuera,
15:04
and communicating with anywhere else.
320
886000
2000
y comunicándose con cualquier otro lugar.
15:06
OK, so if we take that equation,
321
888000
3000
Bien, entonces si tomamos la ecuación,
15:09
why haven't we heard from anybody out there?
322
891000
5000
¿por qué no hemos oído de alguien de allá afuera?
15:14
Because every step is dangerous.
323
896000
4000
Porque cada paso es peligroso.
15:18
Getting a new replicator is dangerous.
324
900000
3000
Obtener un nuevo replicador es peligroso.
15:21
You can pull through, we have pulled through,
325
903000
2000
Se puede superar y lo hemos superado,
15:23
but it's dangerous.
326
905000
2000
pero es peligroso.
15:25
Take the first step, as soon as life appeared on this earth.
327
907000
3000
Tomen el primer paso, tan pronto como la vida apareció en la Tierra.
15:28
We may take the Gaian view.
328
910000
2000
Podemos considerar la visión gaiana.
15:30
I loved Peter Ward's talk yesterday -- it's not Gaian all the time.
329
912000
3000
Me encantó la charla de ayer de Peter Ward, no todo el tiempo es gaiana.
15:33
Actually, life forms produce things that kill themselves.
330
915000
3000
En realidad, las formas de vida producen cosas que se matan así mismas.
15:36
Well, we did pull through on this planet.
331
918000
3000
Bueno, hemos sobrevivido en este planeta.
15:39
But then, a long time later, billions of years later,
332
921000
2000
Pero luego, mucho tiempo después, miles de millones de años después,
15:41
we got the second replicator, the memes.
333
923000
3000
tuvimos el segundo replicador, los memes.
15:44
That was dangerous, all right.
334
926000
2000
Eso fue peligroso, de acuerdo.
15:46
Think of the big brain.
335
928000
2000
Piensen en el cerebro grande.
15:48
How many mothers do we have here?
336
930000
3000
¿Cuántas madres tenemos aquí?
15:51
You know all about big brains.
337
933000
2000
Ustedes lo saben todo sobre los cerebros grandes.
15:53
They are dangerous to give birth to,
338
935000
2000
Son peligrosos al dar a luz.
15:55
are agonizing to give birth to.
339
937000
2000
Es agonizante dar a luz.
15:57
(Laughter)
340
939000
1000
(Risas)
15:59
My cat gave birth to four kittens, purring all the time.
341
941000
2000
Mi gata tuvo cuatro gatitos, que ronronean todo el tiempo
16:01
Ah, mm -- slightly different.
342
943000
2000
Ah, mm -- ligeramente diferente
16:03
(Laughter)
343
945000
2000
(Risas)
16:05
But not only is it painful, it kills lots of babies,
344
947000
3000
Pero no sólo es doloroso, mata a muchos bebés,
16:08
it kills lots of mothers,
345
950000
2000
mata a muchas madres,
16:10
and it's very expensive to produce.
346
952000
2000
es muy costoso de producir.
16:12
The genes are forced into producing all this myelin,
347
954000
2000
Los genes son forzados a producir toda esta mielina,
16:14
all the fat to myelinate the brain.
348
956000
2000
toda la grasa para mielina que cubre el cerebro.
16:16
Do you know, sitting here,
349
958000
2000
¿Saben que sentados aquí
16:18
your brain is using about 20 percent of your body's energy output
350
960000
4000
su cerebro está usando el 20 por ciento de la energía que produce su cuerpo
16:22
for two percent of your body weight?
351
964000
2000
para el dos por ciento de su peso corporal?
16:24
It's a really expensive organ to run.
352
966000
2000
De verdad es un órgano muy caro de operar.
16:26
Why? Because it's producing the memes.
353
968000
2000
¿Por qué? Porque está produciendo los memes.
16:28
Now, it could have killed us off. It could have killed us off,
354
970000
4000
Pudo habernos matado, pudo habernos matado,
16:32
and maybe it nearly did, but you see, we don't know.
355
974000
2000
y quizás estuvo a punto, pero como ven, no lo sabemos.
16:34
But maybe it nearly did.
356
976000
2000
Pero quizás estuvo a punto de hacerlo.
16:36
Has it been tried before?
357
978000
1000
¿Ha sido intentado antes?
16:37
What about all those other species?
358
979000
2000
¿Qué hay de las otras especies?
16:39
Louise Leakey talked yesterday
359
981000
2000
Louise Leakey hablaba ayer
16:41
about how we're the only one in this branch left.
360
983000
3000
acerca de cómo somos los únicos que quedamos en esta rama.
16:44
What happened to the others?
361
986000
2000
¿Qué les pasó a los demás?
16:46
Could it be that this experiment in imitation,
362
988000
2000
¿Podría ser que este experimento de imitación,
16:48
this experiment in a second replicator,
363
990000
2000
este experimento de un segundo replicador,
16:50
is dangerous enough to kill people off?
364
992000
4000
es lo suficientemente peligroso como para matar gente?
16:54
Well, we did pull through, and we adapted.
365
996000
2000
Bien, lo superamos y nos adaptamos.
16:56
But now, we're hitting, as I've just described,
366
998000
3000
Pero ahora, estamos llegando, como lo he descrito,
16:59
we're hitting the third replicator point.
367
1001000
2000
estamos alcanzado el punto del tercer replicador.
17:01
And this is even more dangerous --
368
1003000
3000
Y esto es incluso más peligroso,
17:04
well, it's dangerous again.
369
1006000
2000
bueno, es peligroso otra vez.
17:06
Why? Because the temes are selfish replicators
370
1008000
4000
¿Por qué? Porque los temes son replicadores egoístas
17:10
and they don't care about us, or our planet, or anything else.
371
1012000
3000
y no les importamos nosotros, ni el planeta, ni ninguna otra cosa.
17:13
They're just information, why would they?
372
1015000
3000
Son sólo información ¿por qué habría de importarles?
17:17
They are using us to suck up the planet's resources
373
1019000
2000
Nos están utilizando para acabar con los recursos del planeta
17:19
to produce more computers,
374
1021000
2000
para producir más computadores,
17:21
and more of all these amazing things we're hearing about here at TED.
375
1023000
3000
y más de estas cosas asombrosas que escuchamos aquí en TED.
17:24
Don't think, "Oh, we created the Internet for our own benefit."
376
1026000
4000
No piensen, "Oh, creamos el Internet para nuestro beneficio".
17:28
That's how it seems to us.
377
1030000
2000
Eso es lo que nos parece.
17:30
Think, temes spreading because they must.
378
1032000
4000
Piensen en temes que se difunden porque tienen que hacerlo.
17:34
We are the old machines.
379
1036000
2000
Nosotros somos máquinas viejas.
17:36
Now, are we going to pull through?
380
1038000
2000
Ahora, ¿vamos a superar esto?
17:38
What's going to happen?
381
1040000
2000
¿Qué va a pasar?
17:40
What does it mean to pull through?
382
1042000
2000
¿Qué significa superar esto?
17:42
Well, there are kind of two ways of pulling through.
383
1044000
2000
Bueno, hay dos formas de superarlo.
17:45
One that is obviously happening all around us now,
384
1047000
2000
Una que está obviamente ocurriendo a nuestro alrededor ahora,
17:47
is that the temes turn us into teme machines,
385
1049000
4000
es que los temes nos convierten en máquinas de temes,
17:51
with these implants, with the drugs,
386
1053000
2000
con estos implantes, con las drogas,
17:53
with us merging with the technology.
387
1055000
3000
con nosotros fusionándonos con la tecnología.
17:56
And why would they do that?
388
1058000
2000
¿Por qué habrian de hacer eso?
17:58
Because we are self-replicating.
389
1060000
2000
Porque nosotros nos auto-replicamos.
18:00
We have babies.
390
1062000
2000
Tenemos bebés.
18:02
We make new ones, and so it's convenient to piggyback on us,
391
1064000
3000
Hacemos bebés nuevos, y entonces es conveniente para ellos aprovecharse de esto,
18:05
because we're not yet at the stage on this planet
392
1067000
4000
porque todavía no estamos en el etapa en que este planeta
18:09
where the other option is viable.
393
1071000
2000
tenga la otra opción viable.
18:11
Although it's closer, I heard this morning,
394
1073000
2000
Aunque está más cerca, esta mañana escuché,
18:13
it's closer than I thought it was.
395
1075000
2000
está más cerca de lo que pensaba,
18:15
Where the teme machines themselves will replicate themselves.
396
1077000
3000
el momento en el que las máquinas de temes se replicarán a sí mismas.
18:18
That way, it wouldn't matter if the planet's climate
397
1080000
4000
De esa forma, ya no importaría si el clima del planeta
18:22
was utterly destabilized,
398
1084000
2000
se desestabilizara por completo,
18:24
and it was no longer possible for humans to live here.
399
1086000
2000
y no fuera más posible para los humanos vivir aquí.
18:26
Because those teme machines, they wouldn't need --
400
1088000
2000
Porque estas máquinas de temes, no lo necesitarían,
18:28
they're not squishy, wet, oxygen-breathing,
401
1090000
2000
- no son blandas, ni húmedas ni requieren respirar oxígeno,
18:30
warmth-requiring creatures.
402
1092000
3000
ni son criaturas que requieran calor.
18:33
They could carry on without us.
403
1095000
2000
Pueden continuar sin nosotros.
18:35
So, those are the two possibilities.
404
1097000
3000
Así que estas son las dos posibilidades.
18:38
The second, I don't think we're that close.
405
1100000
4000
La segunda, no creo que estemos tan cerca.
18:42
It's coming, but we're not there yet.
406
1104000
2000
Está llegando, pero todavía no estamos ahí.
18:44
The first, it's coming too.
407
1106000
2000
La primera, también está llegando.
18:46
But the damage that is already being done
408
1108000
3000
Pero el daño que ya se hizo al
18:49
to the planet is showing us how dangerous the third point is,
409
1111000
5000
planeta nos está mostrando lo peligroso que es el tercer punto,
18:54
that third danger point, getting a third replicator.
410
1116000
3000
ese tercer punto peligroso, alcanzando el tercer replicador.
18:58
And will we get through this third danger point,
411
1120000
2000
¿Y vamos a pasar este tercer punto peligroso
19:00
like we got through the second and like we got through the first?
412
1122000
3000
como lo hicimos con el segundo y el primero?
19:04
Maybe we will, maybe we won't.
413
1126000
2000
Quizás si, quizás no.
19:06
I have no idea.
414
1128000
3000
No tengo idea.
19:13
(Applause)
415
1135000
10000
(Aplausos)
19:24
Chris Anderson: That was an incredible talk.
416
1146000
2000
Chris Anderson: Esta fue una charla increíble.
19:26
SB: Thank you. I scared myself.
417
1148000
2000
SB: Gracias. Yo misma me espanté.
19:28
CA: (Laughter)
418
1150000
1000
CA: Risas.
ABOUT THE SPEAKER
Susan Blackmore - MemeticistSusan Blackmore studies memes -- those self-replicating "life forms" that spread themselves via human consciousness. We're now headed, she believes, toward a new form of meme, spread by the technology we've created.
Why you should listen
Susan Blackmore is dedicated to understanding the scientific nature of consciousness. Her latest work centers on the existence of memes -- little bits of knowledge, lore, habit that seem to spread themselves using human brains as mere carriers. She's exploring the existence of a new class of meme, spread by human technology. It's temporarily named the "teme."
She has written about memes, consciousness, and near-death experiences; has appeared on the British Big Brother to discuss the psychology of the participants; and writes for the Guardian UK.
Susan Blackmore | Speaker | TED.com