TED2009
Bruce Bueno de Mesquita: A prediction for the future of Iran
Bruce Bueno de Mesquita predice el futuro de Irán
Filmed:
Readability: 4.1
1,045,301 views
Bruce Bueno de Mesquita usa un análisis matemático para predecir (frecuentemente de manera acertada) eventos humanos desastrosos como la guerra, los golpes de estado y las Intifadas... Después de una explicación enérgica acerca de cómo predice estos eventos, él ofrece tres predicciones del futuro de Irán.
Bruce Bueno de Mesquita - Political scientist
A consultant to the CIA and the Department of Defense, Bruce Bueno de Mesquita has built an intricate computer model that can predict the outcomes of international conflicts with bewildering accuracy. Full bio
A consultant to the CIA and the Department of Defense, Bruce Bueno de Mesquita has built an intricate computer model that can predict the outcomes of international conflicts with bewildering accuracy. Full bio
Double-click the English transcript below to play the video.
00:18
What I'm going to try to do is explain to you
0
0
3000
Lo que voy a intentar hacer es explicarles
00:21
quickly how to predict,
1
3000
2000
rápidamente, es cómo predecir,
00:23
and illustrate it with some predictions
2
5000
2000
e ilustrar con algunas predicciones
00:25
about what Iran is going to do in the next couple of years.
3
7000
5000
lo que Irán va a hacer en los siguientes dos años.
00:30
In order to predict effectively,
4
12000
3000
Para predecir de manera adecuada,
00:33
we need to use science.
5
15000
3000
tenemos que usar la ciencia.
00:36
And the reason that we need to use science
6
18000
3000
Y la razón por la cual tenemos que usar la ciencia
00:39
is because then we can reproduce what we're doing;
7
21000
2000
es porque entonces podemos reproducir lo que estamos haciendo,
00:41
it's not just wisdom or guesswork.
8
23000
3000
no es cuestión de sabiduria o adivinación.
00:44
And if we can predict,
9
26000
3000
Y si podemos predecir,
00:47
then we can engineer the future.
10
29000
2000
entonces podemos cambiar el futuro.
00:49
So if you are concerned to influence energy policy,
11
31000
4000
Entonces, si estás interesado en cambiar políticas energéticas,
00:53
or you are concerned to influence national security policy,
12
35000
5000
o si estás interesado en cambiar políticas de seguridad nacional,
00:58
or health policy, or education,
13
40000
3000
o políticas de salud, o de educación,
01:01
science -- and a particular branch of science -- is a way to do it,
14
43000
4000
la ciencia, una rama particular de la ciencia es una manera de hacerlo,
01:05
not the way we've been doing it,
15
47000
2000
no de la manera en la cual lo hemos estado haciendo,
01:07
which is seat-of-the-pants wisdom.
16
49000
2000
la cual es pura especulación.
01:09
Now before I get into how to do it
17
51000
2000
Ahora, antes de que les explique cómo hacerlo
01:11
let me give you a little truth in advertising,
18
53000
3000
déjenme decirles una pequeña verdad de publicidad,
01:14
because I'm not engaged in the business of magic.
19
56000
3000
porque no estoy dentro del negocio de la magia,
01:17
There are lots of thing that the approach I take can predict,
20
59000
4000
hay muchas cosas que el modelo que hago pueden predecir,
01:21
and there are some that it can't.
21
63000
2000
y hay algunas que no pueden.
01:23
It can predict complex negotiations
22
65000
3000
Pueden predecir negociaciones complejas
01:26
or situations involving coercion --
23
68000
3000
o situaciones que involucran coacción,
01:29
that is in essence everything that has to do with politics,
24
71000
4000
eso es en escencia todo lo que tiene que ver con política,
01:33
much of what has to do with business,
25
75000
2000
mucho de lo que tiene que ver con los negocios,
01:35
but sorry, if you're looking to speculate in the stock market,
26
77000
6000
pero perdón, si buscas especular en la bolsa,
01:41
I don't predict stock markets -- OK,
27
83000
2000
yo no predigo las bolsa de valores -- OK,
01:43
it's not going up any time really soon.
28
85000
3000
y no va a pasar pronto.
01:46
But I'm not engaged in doing that.
29
88000
3000
Pero no me interesa hacer eso.
01:49
I'm not engaged in predicting random number generators.
30
91000
3000
No me interesa predecir generadores de numeros aleatorios,
01:52
I actually get phone calls from people
31
94000
2000
De hecho recibo llamadas de personas
01:54
who want to know what lottery numbers are going to win.
32
96000
3000
que quieren saber qué numeros van a ganar en la lotería.
01:57
I don't have a clue.
33
99000
3000
No tengo idea.
02:00
I engage in the use of game theory, game theory is a branch of mathematics
34
102000
4000
Estoy interesado en el uso de teoría de juegos, teoría de juegos es una rama de las matemáticas
02:04
and that means, sorry, that even in the study of politics,
35
106000
4000
y eso significa, lo siento, que incluso en el estudio de la política,
02:08
math has come into the picture.
36
110000
3000
las matemáticas se han vuelto una parte importante.
02:11
We can no longer pretend that we just speculate about politics,
37
113000
4000
No podemos pretender solamente especular sobre la política,
02:15
we need to look at this in a rigorous way.
38
117000
3000
tenemos que verla de un modo riguroso.
02:18
Now, what is game theory about?
39
120000
3000
Entonces, ¿de qué se trata la teoría de juegos?
02:21
It assumes that people are looking out for what's good for them.
40
123000
5000
Ésta asume que las personas están buscando lo que es bueno para ellas.
02:26
That doesn't seem terribly shocking --
41
128000
2000
Esto no parece tan desconcertante --
02:28
although it's controversial for a lot of people --
42
130000
2000
aunque es controversial para muchas personas --
02:30
that we are self-interested.
43
132000
4000
que nos interesamos en nosotros mismos.
02:34
In order to look out for what's best for them
44
136000
2000
Para buscar lo que es mejor para ellos
02:36
or what they think is best for them,
45
138000
2000
o lo que piensan es mejor para ellos,
02:38
people have values -- they identify what they want, and what they don't want.
46
140000
4000
las personas tienen valores -- ellas identifican lo que quieren y lo que no quieren.
02:42
And they have beliefs about what other people want,
47
144000
3000
Y ellos creen saber lo que las otras personas quieren,
02:45
and what other people don't want, how much power other people have,
48
147000
3000
y lo que las otras personas no quieren, cuánto poder tienen otras personas,
02:48
how much those people could get in the way of whatever it is that you want.
49
150000
4000
cuánto esas personas se podrían entrometer en lo que sea que es lo que quieres.
02:52
And they face limitations, constraints,
50
154000
4000
Y ellos enfrentan limitaciones, restricciones,
02:56
they may be weak, they may be located in the wrong part of the world,
51
158000
3000
ellos podrían ser débiles, ellos podrían estar en el lugar equivocado del mundo,
02:59
they may be Einstein, stuck away farming
52
161000
3000
ellos podrían ser Einstein, estancados en una granja
03:02
someplace in a rural village in India not being noticed,
53
164000
4000
en algun lugar en un pueblo rural en India sin ser reconocidos,
03:06
as was the case for Ramanujan for a long time,
54
168000
3000
como fue el caso de Ramanujan por un largo tiempo,
03:09
a great mathematician but nobody noticed.
55
171000
3000
un gran matemático del que nadie sabía nada.
03:12
Now who is rational?
56
174000
2000
Ahora, ¿quién es racional?
03:14
A lot of people are worried about what is rationality about?
57
176000
3000
Muchas personas estan preocupadas por qué significa la racionalidad.
03:17
You know, what if people are rational?
58
179000
2000
Las personas son racionales.
03:19
Mother Theresa, she was rational.
59
181000
3000
La madre Teresa era racional.
03:22
Terrorists, they're rational.
60
184000
4000
Los terroristas son racionales.
03:26
Pretty much everybody is rational.
61
188000
3000
Casi todos son racionales.
03:29
I think there are only two exceptions that I'm aware of --
62
191000
3000
Creo que sólo hay dos expeciones que yo sepa --
03:32
two-year-olds, they are not rational,
63
194000
2000
los niños de dos años no son racionales,
03:34
they have very fickle preferences,
64
196000
3000
tienen preferencias muy inestables,
03:37
they switch what they think all the time,
65
199000
2000
cambian lo que piensan todo el tiempo,
03:39
and schizophrenics are probably not rational,
66
201000
3000
y los esquizofrénicos no son racionales problablemente,
03:42
but pretty much everybody else is rational.
67
204000
2000
pero casi todos los demás son racionales.
03:44
That is, they are just trying to do
68
206000
2000
Esto es, ellos sólo tratan de hacer
03:46
what they think is in their own best interest.
69
208000
5000
lo que piensan que es en su beneficio.
03:51
Now in order to work out what people are going to do
70
213000
2000
Ahora, para comprender lo que la gente va a hacer
03:53
to pursue their interests,
71
215000
2000
para perseguir sus intereses,
03:55
we have to think about who has influence in the world.
72
217000
2000
necesitamos pensar en quién tiene influencia en el mundo.
03:57
If you're trying to influence corporations to change their behavior,
73
219000
5000
Si vas a tratar de influenciar corporaciones para que cambien su comportamiento,
04:02
with regard to producing pollutants,
74
224000
3000
con respecto a producir contaminantes,
04:05
one approach, the common approach,
75
227000
2000
un acercamiento, el acercamiento común,
04:07
is to exhort them to be better,
76
229000
2000
es exhortarlos para que sean mejores,
04:09
to explain to them what damage they're doing to the planet.
77
231000
3000
explicarles el daño que le estan haciendo al mundo.
04:12
And many of you may have noticed that doesn't have
78
234000
2000
Y muchos de ustedes habran notado que no tiene
04:14
as big an effect, as perhaps you would like it to have.
79
236000
4000
un efecto importate, como quizás quisieran que lo tuviera,
04:18
But if you show them that it's in their interest,
80
240000
3000
pero si les muestras que es de su propio interés,
04:21
then they're responsive.
81
243000
2000
entonces reaccionan.
04:23
So, we have to work out who influences problems.
82
245000
3000
Así que, tenemos que comprender quién influencia los problemas.
04:26
If we're looking at Iran, the president of the United States
83
248000
2000
Si estamos observando a Irán, el presidente de los Estados Unidos
04:28
we would like to think, may have some influence --
84
250000
3000
quisiéramos pensar, que tiene algo de influencia.
04:31
certainly the president in Iran has some influence --
85
253000
4000
Ciertamente, el presidente de Irán tiene algo de influencia,
04:35
but we make a mistake if we just pay attention
86
257000
3000
pero cometemos un error si sólo ponemos atención
04:38
to the person at the top of the power ladder
87
260000
3000
a la persona que está en la cima de la pirámide de poder
04:41
because that person doesn't know much about Iran,
88
263000
3000
porque esa persona no sabe mucho acerca de Irán.
04:44
or about energy policy,
89
266000
2000
o acerca de las políticas energéticas,
04:46
or about health care,
90
268000
2000
o acerca de políticas de salubridad,
04:48
or about any particular policy.
91
270000
2000
o acerca de cualquier política en particular.
04:50
That person surrounds himself or herself with advisers.
92
272000
5000
Esa persona se rodea de asesores.
04:55
If we're talking about national security problems,
93
277000
2000
Si estamos hablando de problemas de seguridad nacional,
04:57
maybe it's the Secretary of State,
94
279000
2000
posiblemente sea el Secretario de Estado,
04:59
maybe it's the Secretary of Defense,
95
281000
2000
quizás sea el Secretario de Defensa,
05:01
the Director of National Intelligence,
96
283000
2000
el director de Inteligencia Nacional,
05:03
maybe the ambassador to the United Nations, or somebody else
97
285000
2000
quizás el embajador de las Naciones Unidas, o alguien más
05:05
who they think is going to know more about the particular problem.
98
287000
4000
quien quiera que ellos crean que va a saber más acerca de un problema en particular.
05:09
But let's face it, the Secretary of State doesn't know much about Iran.
99
291000
3000
Pero enfrentémoslo, el Secretario de Estado no sabe mucho acerca de Irán.
05:12
The secretary of defense doesn't know much about Iran.
100
294000
3000
El Secretario de Defensa no sabe mucho acerca de Irán.
05:15
Each of those people in turn
101
297000
3000
Cada una de esas personas a su vez
05:18
has advisers who advise them,
102
300000
2000
tiene asesores que los asesoran,
05:20
so they can advise the president.
103
302000
3000
para que puedan asesorar al presidente.
05:23
There are lots of people shaping decisions
104
305000
3000
Hay muchas personas formando decisiones,
05:26
and so if we want to predict correctly
105
308000
2000
de manera que si queremos predecir correctamente
05:28
we have to pay attention to everybody
106
310000
3000
tenemos que poner atención a todos
05:31
who is trying to shape the outcome,
107
313000
2000
los que estén tratando de dar forma al resultado
05:33
not just the people at the pinnacle
108
315000
3000
no sólo a las personas en la punta
05:36
of the decision-making pyramid.
109
318000
4000
de la pirámide de toma de decisiones.
05:40
Unfortunately, a lot of times we don't do that.
110
322000
2000
Desgraciadamente, muchas veces no hacemos eso.
05:42
There's a good reason that we don't do that,
111
324000
2000
Hay una buena razón por lo que no lo hacemos,
05:44
and there's a good reason that using game theory and computers,
112
326000
3000
y hay una buena razón por la que usar la teoría de juegos y computadoras
05:47
we can overcome the limitation
113
329000
3000
podemos superar esa limitación
05:50
of just looking at a few people.
114
332000
2000
de sólo ver unas cuantas personas.
05:52
Imagine a problem with just five decision-makers.
115
334000
4000
Imaginen un problema con sólo cinco personas que tomen decisiones.
05:56
Imagine for example
116
338000
2000
Imaginen por ejemplo
05:58
that Sally over here,
117
340000
2000
que Sally por aquí,
06:00
wants to know what Harry, and Jane,
118
342000
3000
quiere saber lo que Harry y Jane
06:03
and George and Frank are thinking,
119
345000
3000
y George y Frank estan pensando,
06:06
and sends messages to those people.
120
348000
2000
y envía mensajes a esas personas.
06:08
Sally's giving her opinion to them,
121
350000
2000
Sally está dando su opinión a ellos,
06:10
and they're giving their opinion to Sally.
122
352000
3000
y ellos están dando su opinion a Sally.
06:13
But Sally also wants to know
123
355000
2000
Pero Sally también quiere saber
06:15
what Harry is saying to these three,
124
357000
3000
lo que Harry le está diciendo a esos tres,
06:18
and what they're saying to Harry.
125
360000
2000
y lo que le están diciendo a Harry.
06:20
And Harry wants to know
126
362000
2000
Y Harry quiere saber
06:22
what each of those people are saying to each other, and so on,
127
364000
3000
lo que esas personas se están diciendo entre ellas, y así sucesivamente,
06:25
and Sally would like to know what Harry thinks those people are saying.
128
367000
3000
y Sally quisiera saber lo que Harry piensa de lo que esas personas están diciendo.
06:28
That's a complicated problem; that's a lot to know.
129
370000
3000
Eso es un problema complicado, es mucha información.
06:31
With five decision-makers
130
373000
3000
Con cinco personas que toman decisiones
06:34
there are a lot of linkages --
131
376000
2000
hay muchos vínculos --
06:36
120, as a matter of fact,
132
378000
2000
120 de hecho
06:38
if you remember your factorials.
133
380000
2000
si recuerdan los factoriales.
06:40
Five factorial is 120.
134
382000
2000
El factorial de 5 es 120.
06:42
Now you may be surprised to know
135
384000
2000
Ahora quizás se sorprendan al saber
06:44
that smart people can keep 120 things straight
136
386000
3000
que la gente inteligente puede mantener 120 cosas directamente
06:47
in their head.
137
389000
2000
en sus cabezas.
06:49
Suppose we double the number of influencers
138
391000
2000
Supongamos que doblamos el numero de influencias
06:51
from five to 10.
139
393000
2000
de 5 a 10.
06:53
Does that mean we've doubled the number of pieces of information
140
395000
4000
¿Eso significa que hemos doblado el número de piezas de información
06:57
we need to know, from 120 to 240?
141
399000
2000
que tenemos que saber, de 120 a 240?
06:59
No. How about 10 times?
142
401000
2000
No. ¿Qué tal 10 veces?
07:01
To 1,200? No.
143
403000
3000
¿A 1,200? No.
07:04
We've increased it to 3.6 million.
144
406000
3000
Las hemos incrementado a 3.6 millones.
07:07
Nobody can keep that straight in their head.
145
409000
2000
Nadie puede mantener eso directamente en su cabeza.
07:09
But computers,
146
411000
3000
Pero las computadoras,
07:12
they can. They don't need coffee breaks,
147
414000
3000
ellas pueden. Ellas no necesitan descansos,
07:15
they don't need vacations,
148
417000
3000
no necesitan vacaciones,
07:18
they don't need to go to sleep at night,
149
420000
2000
no necesitan ir a dormir en la noche,
07:20
they don't ask for raises either.
150
422000
3000
tampoco piden aumentos.
07:23
They can keep this information straight
151
425000
2000
Ellas pueden mantener esa información directamente
07:25
and that means that we can process the information.
152
427000
3000
y eso significa que podemos procesar la información.
07:28
So I'm going to talk to you about how to process it,
153
430000
2000
Entonces yo les voy a hablar acerca de como procesarla,
07:30
and I'm going to give you some examples out of Iran,
154
432000
3000
y les voy a dar algunos ejemplos de Irán,
07:33
and you're going to be wondering,
155
435000
2000
y ustedes deben de estar pensando,
07:35
"Why should we listen to this guy?
156
437000
2000
"¿Por qué debemos escuchar a este tipo?"
07:37
Why should we believe what he's saying?"
157
439000
3000
¿Por qué debemos creer en lo que él está diciendo?
07:40
So I'm going to show you a factoid.
158
442000
4000
Así que les voy a mostrar un dato.
07:44
This is an assessment by the Central Intelligence Agency
159
446000
3000
Esta es una evaluación por al Agencia Central de Inteligencia (CIA)
07:47
of the percentage of time
160
449000
2000
del porcentaje de tiempo
07:49
that the model I'm talking about
161
451000
2000
que el modelo del que estoy hablando
07:51
is right in predicting things whose outcome is not yet known,
162
453000
3000
es acertado en predecir cosas en las que su resultado aun no se conoce,
07:54
when the experts who provided the data inputs
163
456000
4000
cuando los expertos que dieron la información
07:58
got it wrong.
164
460000
2000
la obtuvieron mal.
08:00
That's not my claim, that's a CIA claim -- you can read it,
165
462000
3000
Eso no lo sostengo yo, lo sostiene la CIA, lo pueden leer,
08:03
it was declassified a while ago. You can read it in a volume edited by
166
465000
3000
fue desclasificado hace poco. Lo pueden leer en un volumen editado por
08:06
H. Bradford Westerfield, Yale University Press.
167
468000
3000
H. Bradford Westerfield, Yale University Press.
08:09
So, what do we need to know
168
471000
2000
Entonces, ¿qué es lo que tenemos que saber
08:11
in order to predict?
169
473000
2000
para predecir?
08:13
You may be surprised to find out we don't need to know very much.
170
475000
3000
Se sorprenderán al descubrir que no necesitamos saber mucho.
08:16
We do need to know who has a stake
171
478000
3000
Necesitamos saber quién tiene interés
08:19
in trying to shape the outcome of a decision.
172
481000
5000
en tratar de formar el resultado de una decisión.
08:24
We need to know what they say they want,
173
486000
3000
Necesitamos saber lo que dicen que quieren,
08:27
not what they want in their heart of hearts,
174
489000
3000
no lo que quieren en realidad,
08:30
not what they think they can get,
175
492000
2000
no lo que piensan que pueden obtener,
08:32
but what they say they want, because that is a strategically chosen position,
176
494000
3000
sólo lo que dicen querer, porque es una posición estratégicamente escogida,
08:35
and we can work backwards from that
177
497000
2000
y podemos trabajar inversamente desde eso
08:37
to draw inferences about important features of their decision-making.
178
499000
4000
para obtener conclusiones sobre las características importantes de lo que decidirán.
08:41
We need to know how focused they are
179
503000
2000
Necesitamos saber qué tan concentrados están
08:43
on the problem at hand.
180
505000
2000
en el problema que tienen en mano.
08:45
That is, how willing are they to drop what they're doing when the issue comes up,
181
507000
3000
Eso es, qué tan dispuestos están para dejar lo que estan haciendo cuando el problema surga.
08:48
and attend to it instead of something else that's on their plate --
182
510000
4000
y antenderlo en vez de lo que esten haciendo en ese momento --
08:52
how big a deal is it to them?
183
514000
2000
es decir, ¿qué tan significativo es eso para ellos?
08:54
And how much clout could they bring to bear
184
516000
3000
Y qué tanta influenza tendrían cuando entrarán en acción
08:57
if they chose to engage on the issue?
185
519000
5000
si escogen participar en el problema.
09:02
If we know those things
186
524000
2000
Si sabemos esas cosas
09:04
we can predict their behavior by assuming that everybody
187
526000
3000
podemos predecir su comportamiento asumiendo que todos
09:07
cares about two things on any decision.
188
529000
5000
tienen interés por dos cosas en cualquier decisión.
09:12
They care about the outcome. They'd like an outcome as close to
189
534000
2000
Les interesa el resultado. Les gustaría un resultado lo mas cercano
09:14
what they are interested in as possible.
190
536000
3000
posible a lo que ellos están interesados.
09:17
They're careerists, they also care about getting credit --
191
539000
3000
Les interesa superarse, también les importa obtener crédito --
09:20
there's ego involvement,
192
542000
2000
el ego está involucrado,
09:22
they want to be seen as important in shaping the outcome,
193
544000
4000
ellos quieren ser vistos tan importantes al formar el resultado,
09:26
or as important, if it's their druthers, to block an outcome.
194
548000
5000
o tan importantes, si es su preferencia, para bloquear un resultado.
09:31
And so we have to figure out how they balance those two things.
195
553000
3000
Y entonces tenemos que averiguar cómo equilibran esas dos cosas.
09:34
Different people trade off
196
556000
2000
Diferentes personas negocian
09:36
between standing by their outcome,
197
558000
3000
entre mantener su terreno,
09:39
faithfully holding to it, going down in a blaze of glory,
198
561000
3000
sostenerlo fielmente y perder con grandeza,
09:42
or giving it up, putting their finger in the wind,
199
564000
3000
o darse por vencidos, poner su dedo en el viento,
09:45
and doing whatever they think is going to be a winning position.
200
567000
3000
y hacer lo que sea que piensen va a ser una posición ganadora.
09:48
Most people fall in between, and if we can work out where they fall
201
570000
3000
La mayoría de las personas caen entre una de estas dos categorías, y si podemos averiguar en cuál caerán
09:51
we can work out how to negotiate with them
202
573000
2000
podemos saber cómo negociar con ellas
09:53
to change their behavior.
203
575000
2000
para cambiar su comportamiento.
09:55
So with just that little bit of input
204
577000
3000
Entonces, con sólo esa pequeña información
09:58
we can work out what the choices are that people have,
205
580000
3000
podemos averiguar cuáles son las opciones que las personas tienen,
10:01
what the chances are that they're willing to take,
206
583000
3000
cuáles son las opciones que están esperando tomar,
10:04
what they're after, what they value, what they want,
207
586000
3000
lo que serán despues, lo que valoran, lo que quieren,
10:07
and what they believe about other people.
208
589000
3000
y lo que creen acerca de otras personas.
10:10
You might notice what we don't need to know:
209
592000
4000
Habrán notado lo que no necesitamos saber,
10:14
there's no history in here.
210
596000
2000
no hay historia aquí.
10:16
How they got to where they are
211
598000
2000
Cómo han llegado a donde están
10:18
may be important in shaping the input information,
212
600000
2000
puede ser importante al darle forma al a información de entrada,
10:20
but once we know where they are
213
602000
2000
pero una vez que sabemos lo que son
10:22
we're worried about where they're going to be headed in the future.
214
604000
3000
nos preocupamos lo que van a hacer en el futuro.
10:25
How they got there turns out not to be terribly critical in predicting.
215
607000
4000
Cómo llegaron ahí no se vuelve terriblemente crítico al predecir.
10:29
I remind you of that 90 percent accuracy rate.
216
611000
4000
Les recuerdo de ese 90 por ciento de exactitud.
10:33
So where are we going to get this information?
217
615000
2000
Entonces, ¿de dónde vamos a obtener esta información?
10:35
We can get this information
218
617000
3000
Podemos obtener esta información
10:38
from the Internet, from The Economist,
219
620000
3000
por medio de Internet, por "The Economist",
10:41
The Financial Times, The New York Times,
220
623000
3000
"The Financial Times", "The New York Times",
10:44
U.S. News and World Report, lots of sources like that,
221
626000
3000
Las noticias de Estados Unidos y el reporte Mundial, muchas fuentes como ésas,
10:47
or we can get it from asking experts
222
629000
2000
o la podemos obtener hablando con expertos
10:49
who spend their lives studying places and problems,
223
631000
3000
quienes dedicaron sus vidas a estudiar lugares y problemas,
10:52
because those experts know this information.
224
634000
3000
porque esos expertos conocen esta información.
10:55
If they don't know, who are the people trying to influence the decision,
225
637000
3000
Si no saben quiénes son las personas que estan tratando de influenciar una decisión,
10:58
how much clout do they have,
226
640000
2000
cuánta influencia tienen,
11:00
how much they care about this issue, and what do they say they want,
227
642000
3000
cuánto les interesa el problema, y lo que dicen que quieren,
11:03
are they experts? That's what it means to be an expert,
228
645000
3000
¿son expertos? Eso es lo que significa ser un experto,
11:06
that's the basic stuff an expert needs to know.
229
648000
4000
esas son las cosas básicas que un experto necesita saber.
11:10
Alright, lets turn to Iran.
230
652000
2000
Ahora, giremos hacia Irán.
11:12
Let me make three important predictions --
231
654000
3000
Déjenme hacer tres predicciones importantes --
11:15
you can check this out, time will tell.
232
657000
3000
lo pueden revisar, el tiempo lo dirá.
11:18
What is Iran going to do about its nuclear weapons program?
233
660000
8000
¿Qué es lo que Irán hará respecto a su programa de armas nucleares?
11:26
How secure is the theocratic regime in Iran?
234
668000
3000
¿Qué tan seguro es el régimen teocrático en Irán?
11:29
What's its future?
235
671000
2000
¿Cuál es su futuro?
11:31
And everybody's best friend,
236
673000
3000
Y el mejor amigo de todos,
11:34
Ahmadinejad. How are things going for him?
237
676000
3000
Ahmadi-Nejad. ¿Cómo serán las cosas para él?
11:37
How are things going to be working out for him in the next year or two?
238
679000
6000
¿Cómo estarán yendo las cosas para él en el siguiente par de años?
11:43
You take a look at this, this is not based on statistics.
239
685000
3000
Vean esto, esto no está basado en estadísticas.
11:46
I want to be very clear here. I'm not projecting some past data into the future.
240
688000
5000
Quiero ser muy claro aquí. No estoy proyectando datos del pasado hacia el futuro.
11:51
I've taken inputs on positions and so forth,
241
693000
3000
Yo he tomado información en posiciones y así,
11:54
run it through a computer model
242
696000
2000
lo ejecuté en un modelo de computadora
11:56
that had simulated the dynamics of interaction,
243
698000
3000
que simuló las dinámicas de interacción,
11:59
and these are the simulated dynamics,
244
701000
2000
y estas son las dinámicas simuladas,
12:01
the predictions about the path of policy.
245
703000
3000
las predicciones acerca del camino de la política.
12:04
So you can see here on the vertical axis,
246
706000
3000
Y así pueden ver en el eje vertical,
12:07
I haven't shown it all the way down to zero,
247
709000
2000
no lo he mostrado hasta cero,
12:09
there are lots of other options, but here I'm just showing you the prediction,
248
711000
3000
hay muchas otras opciones, pero aquí sólo les estoy mostrando la predicción,
12:12
so I've narrowed the scale.
249
714000
2000
así que hice la escala más pequeña,
12:14
Up at the top of the axis, "Build the Bomb."
250
716000
3000
hasta arriba del eje, "Construir la Bomba".
12:17
At 130, we start somewhere above 130,
251
719000
4000
En 130, comenzamos un poco sobre 130,
12:21
between building a bomb, and making enough weapons-grade fuel
252
723000
3000
entre construir la boma, y hacer suficiente combustible nucelar
12:24
so that you could build a bomb.
253
726000
2000
para que puedas construir una bomba.
12:26
That's where, according to my analyses,
254
728000
3000
Eso es, de acuerdo con mis analisis,
12:29
the Iranians were at the beginning of this year.
255
731000
3000
donde los Iranies estaban en el comienzo de este año.
12:32
And then the model makes predictions down the road.
256
734000
3000
y el modelo hace predicciones cuesta abajo,
12:35
At 115 they would only produce enough weapons grade fuel
257
737000
4000
en 115 sólo producirían suficiente combustible nuclear
12:39
to show that they know how, but they wouldn't build a weapon:
258
741000
2000
para mostrar que saben cómo hacerlo, pero no construirían un arma,
12:41
they would build a research quantity.
259
743000
2000
construirían una cantidad de investigación.
12:43
It would achieve some national pride,
260
745000
2000
Esto lograría algo de orgullo nacional,
12:45
but not go ahead and build a weapon.
261
747000
3000
pero no seguir adelante y construir un arma.
12:48
And down at 100 they would build civilian nuclear energy,
262
750000
2000
y abajo de 100 construirían energía nuclear civil,
12:50
which is what they say is their objective.
263
752000
4000
que es lo que dicen que es su objetivo.
12:54
The yellow line shows us the most likely path.
264
756000
3000
La linea amarilla nos muestra el camino mas común.
12:57
The yellow line includes an analysis
265
759000
1000
La linea amarilla incluye el analisis
12:58
of 87 decision makers in Iran,
266
760000
3000
de 87 personas que toman las decisiones en Irán,
13:01
and a vast number of outside influencers
267
763000
3000
y un gran numero de influencias externas
13:04
trying to pressure Iran into changing its behavior,
268
766000
3000
tratando de presionar a Irán a cambiar su comportamiento,
13:07
various players in the United States, and Egypt,
269
769000
3000
varios elementos en los Estado Unidos, y en Egipto
13:10
and Saudi Arabia, and Russia, European Union,
270
772000
2000
y Arabia Saudita, y Rusia, la Unión Europea,
13:12
Japan, so on and so forth.
271
774000
2000
Japón, y así sucesivamente.
13:14
The white line reproduces the analysis
272
776000
4000
La línea blanca reproduce el analisis
13:18
if the international environment
273
780000
2000
si el ambiente internacional
13:20
just left Iran to make its own internal decisions,
274
782000
3000
dejara a Irán hacer sus propias decisiones internas,
13:23
under its own domestic political pressures.
275
785000
2000
debajo de sus propias presiones políticas domesticas -
13:25
That's not going to be happening,
276
787000
2000
eso no va a pasar -
13:27
but you can see that the line comes down faster
277
789000
4000
pero pueden ver que esa línea viene abajo más rápido
13:31
if they're not put under international pressure,
278
793000
3000
si no son sometidos a presiones internacionales,
13:34
if they're allowed to pursue their own devices.
279
796000
2000
si se les permite perseguir sus propios intereses.
13:36
But in any event, by the end of this year,
280
798000
3000
Pero en cualquier evento, al final de este año,
13:39
beginning of next year, we get to a stable equilibrium outcome.
281
801000
3000
al principio del siguiente, llegamos a un resultado equilibrado y estable.
13:42
And that equilibrium is not what the United States would like,
282
804000
4000
Y ese equilibrio no es lo que a Estados Unidos le gustaria,
13:46
but it's probably an equilibrium that the United States can live with,
283
808000
3000
pero es problablemente un equilibrio con el que los Estados Unidos puede vivir,
13:49
and that a lot of others can live with.
284
811000
2000
y con el que los otros pueden vivir.
13:51
And that is that Iran will achieve that nationalist pride
285
813000
4000
Y eso es que Irán lograra ese orgullo nacionalista
13:55
by making enough weapons-grade fuel, through research,
286
817000
4000
haciendo suficiente combustible grado bélico, gracias a la investigación,
13:59
so that they could show that they know how to make weapons-grade fuel,
287
821000
4000
para que puedan demostrar que saben cómo hacer combustible de grado bélico,
14:03
but not enough to actually build a bomb.
288
825000
5000
pero no suficiente para construir una bomba.
14:08
How is this happening?
289
830000
2000
¿Cómo ha ocurrido esto?
14:10
Over here you can see this is the distribution
290
832000
4000
Aquí pueden ver que ésta es la distribución
14:14
of power in favor of civilian nuclear energy today,
291
836000
5000
del poder en favor de la energía nuclear civil hoy en día,
14:19
this is what that power block is predicted to be like
292
841000
3000
eso es cómo el bloque de poder se predice que será
14:22
by the late parts of 2010, early parts of 2011.
293
844000
6000
a finales del 2010, principios del 2011.
14:28
Just about nobody supports research on weapons-grade fuel today,
294
850000
4000
Practicamente nadie apoya la investigación en combustible grado bélico hoy en día,
14:32
but by 2011 that gets to be a big block,
295
854000
3000
pero en el 2011 se convierte en un gran bloque,
14:35
and you put these two together, that's the controlling influence in Iran.
296
857000
4000
y cuando se ponen esos dos juntos, ésa es la influencia controladora en Irán.
14:39
Out here today, there are a bunch of people --
297
861000
3000
Hoy en día, hay muchas personas --
14:42
Ahmadinejad for example --
298
864000
2000
Ahmadinejad por ejemplo --
14:44
who would like not only to build a bomb,
299
866000
2000
a quien no sólo le gustaría construir una bomba,
14:46
but test a bomb.
300
868000
2000
sino también probar una bomba.
14:48
That power disappears completely;
301
870000
2000
Ese poder desaparece completamente,
14:50
nobody supports that by 2011.
302
872000
3000
nadie apoya eso para el 2011.
14:53
These guys are all shrinking,
303
875000
2000
Estas personas se encojen,
14:55
the power is all drifting out here,
304
877000
3000
el poder se va para acá
14:58
so the outcome is going to be the weapons-grade fuel.
305
880000
3000
así que el resultado va a ser el combustible de grado bélico.
15:01
Who are the winners and who are the losers in Iran?
306
883000
3000
¿Quiénes son los ganadores y quiénes los perdedores en Irán?
15:04
Take a look at these guys, they're growing in power,
307
886000
3000
Vean a estas personas, su poder está creciendo,
15:07
and by the way, this was done a while ago
308
889000
3000
e incluso, esto fue hecho hace un poco,
15:10
before the current economic crisis,
309
892000
2000
antes de la crisis económica actual,
15:12
and that's probably going to get steeper.
310
894000
2000
y es probable que caiga aún más.
15:14
These folks are the moneyed interests in Iran,
311
896000
2000
Esta gente son los intereses adinerados en Irán,
15:16
the bankers, the oil people, the bazaaries.
312
898000
4000
los banqueros, los petroleros, los comerciantes,
15:20
They are growing in political clout,
313
902000
3000
están incrementando su influencia política,
15:23
as the mullahs are isolating themselves --
314
905000
3000
mientras los mullahs se aíslan
15:26
with the exception of one group of mullahs,
315
908000
2000
con la excepción de un grupo de mullahs,
15:28
who are not well known to Americans.
316
910000
2000
que no son bien conocidos por los Americanos.
15:30
That's this line here, growing in power,
317
912000
2000
Esos son la linea de aquí, creciendo en poder,
15:32
these are what the Iranians call the quietists.
318
914000
4000
éstos son lo que los Iraníes llaman los "Quietistas".
15:36
These are the Ayatollahs, mostly based in Qom,
319
918000
3000
Estos son los Ayatollahs, mayormente basados en Qom.
15:39
who have great clout in the religious community,
320
921000
4000
quien tiene gran influencia en la comunidad religiosa,
15:43
have been quiet on politics and are going to be getting louder,
321
925000
3000
que han sido reservados en la política y que empezaran a alzar la voz,
15:46
because they see Iran going in an unhealthy direction,
322
928000
2000
porque ven a Irán en una dirección poco saludable
15:48
a direction contrary
323
930000
2000
una dirección contraria
15:50
to what Khomeini had in mind.
324
932000
4000
a lo que Khomeini tenía en mente.
15:54
Here is Mr. Ahmadinejad.
325
936000
2000
Aquí está el Sr. Ahmadinejad.
15:56
Two things to notice: he's getting weaker,
326
938000
3000
Dos cosas que hay que notar, se está volviendo débil,
15:59
and while he gets a lot of attention in the United States,
327
941000
2000
y mientras él recibe mucha atención en los Estados Unidos,
16:01
he is not a major player in Iran.
328
943000
2000
él no es un protagonista en Irán,
16:03
He is on the way down.
329
945000
2000
él va cuesta abajo.
16:05
OK, so I'd like you to take a little away from this.
330
947000
4000
OK, me gustaría alejarme un poco de esto.
16:09
Everything is not predictable: the stock market
331
951000
2000
No todo es predecible, la bolsa de valores
16:11
is, at least for me, not predictable,
332
953000
3000
es, al menos para mí, no predecible,
16:14
but most complicated negotiations are predictable.
333
956000
5000
pero muchas negociaciones complicadas son predecibles.
16:19
Again, whether we're talking health policy, education,
334
961000
4000
Otra vez, ya sea que estemos hablando sobre políticas de salud, educación
16:23
environment, energy,
335
965000
3000
medio ambiente, energía,
16:26
litigation, mergers,
336
968000
2000
juicios, fusiones,
16:28
all of these are complicated problems
337
970000
2000
todos estos son problemas complicados
16:30
that are predictable,
338
972000
2000
que son predecibles,
16:32
that this sort of technology can be applied to.
339
974000
4000
a los cuales este tipo de tecnología se les puede aplicar.
16:36
And the reason that being able to predict those things is important,
340
978000
5000
Y la razón por la que ser capaz de predecir estas cosas es importante,
16:41
is not just because you might run a hedge fund and make money off of it,
341
983000
3000
no es sólo porque tú puedas correr un grupo de inversión y hacer dinero,
16:44
but because if you can predict what people will do,
342
986000
3000
si no porque puedes predecir lo que la gente hará,
16:47
you can engineer what they will do.
343
989000
3000
puedes urdir lo que harán.
16:50
And if you engineer what they do you can change the world,
344
992000
2000
y si tú puedes urdir lo que harán, tu puedes cambiar el mundo,
16:52
you can get a better result.
345
994000
2000
puedes obtener un mejor resultado.
16:54
I would like to leave you with one thought, which is
346
996000
3000
Me gustaría dejarlos con un pensamiento, que es
16:57
for me, the dominant theme of this gathering,
347
999000
5000
para mí, el tema dominante de esta reunión,
17:02
and is the dominant theme of this way of thinking about the world.
348
1004000
3000
y el tema dominante de esta manera de pensar acerca del mundo.
17:05
When people say to you,
349
1007000
3000
Cuando la gente te dice,
17:08
"That's impossible,"
350
1010000
2000
"Eso es imposible,"
17:10
you say back to them,
351
1012000
2000
tú les respondes,
17:12
"When you say 'That's impossible,'
352
1014000
2000
"Cuando tú dices "Eso es imposible,"
17:14
you're confused with,
353
1016000
2000
estás confundido con:
17:16
'I don't know how to do it.'"
354
1018000
3000
"No sé cómo hacerlo."
17:19
Thank you.
355
1021000
2000
Gracias.
17:21
(Applause)
356
1023000
4000
(Aplausos)
17:25
Chris Anderson: One question for you.
357
1027000
2000
Chris Anderson: Una pregunta para ti.
17:27
That was fascinating.
358
1029000
3000
Eso fue fascinante.
17:30
I love that you put it out there.
359
1032000
3000
Me encantó que lo mostraras.
17:33
I got very nervous halfway through the talk though,
360
1035000
2000
Aunque me preocupé mucho a la mitad de la plática,
17:35
just panicking whether you'd included in your model, the possibility that
361
1037000
3000
sólo me preocupe si habías incluído en tu modelo, la posibilidad que
17:38
putting this prediction out there might change the result.
362
1040000
4000
mostrando esta predicción, podría causar un cambio en el resultado.
17:42
We've got 800 people in Tehran who watch TEDTalks.
363
1044000
3000
Tenemos 800 personas en Tehran que ven TEDTalks.
17:45
Bruce Bueno de Mesquita: I've thought about that,
364
1047000
2000
Bruce Bueno de Mesquita: He pensado sobre eso,
17:47
and since I've done a lot of work for the intelligence community,
365
1049000
4000
también, como he trabajado mucho para la comunidad de inteligencia,
17:51
they've also pondered that.
366
1053000
2000
ellos también pensaron eso.
17:53
It would be a good thing if
367
1055000
3000
Sería algo bueno si
17:56
people paid more attention, took seriously,
368
1058000
3000
las personas pusieran mas atención, lo tomaran en serio,
17:59
and engaged in the same sorts of calculations,
369
1061000
2000
y participaran en el mismo tipo de cálculos,
18:01
because it would change things. But it would change things in two beneficial ways.
370
1063000
4000
porque cambiaría las cosas. Pero cambiaría las cosas en dos formas positivas.
18:05
It would hasten how quickly people arrive at an agreement,
371
1067000
6000
Aceleraría la forma en que las personas llegan a un acuerdo,
18:11
and so it would save everybody a lot of grief and time.
372
1073000
3000
y le ahorraría a todos mucho tiempo y discusiones.
18:14
And, it would arrive at an agreement that everybody was happy with,
373
1076000
4000
Y, llegarían a un acuerdo con el que todo mundo estaría feliz,
18:18
without having to manipulate them so much --
374
1080000
3000
sin tener que manipularlos tanto
18:21
which is basically what I do, I manipulate them.
375
1083000
3000
que es básicamente lo que yo hago, manipularlos.
18:24
So it would be a good thing.
376
1086000
2000
Entonces sería algo bueno.
18:26
CA: So you're kind of trying to say, "People of Iran, this is your destiny, lets go there."
377
1088000
4000
CA: Entonces estas tratando de decir, "Gente de Irán, éste es su destino, vayamos para allá."
18:30
BBM: Well, people of Iran, this is what many of you are going to evolve to want,
378
1092000
6000
BBM: Bueno, gente de Irán, eso es lo que muchos de ustedes van a querer,
18:36
and we could get there a lot sooner,
379
1098000
2000
y podemos llegar ahí mucho mas rápido,
18:38
and you would suffer a lot less trouble from economic sanctions,
380
1100000
3000
y tendrían muchísimos menos problemas por sanciones económicas,
18:41
and we would suffer a lot less fear of the use of military force on our end,
381
1103000
6000
y nosotros tendríamos mucho menos temor de que se usara la fuerza militar en contra nuestra,
18:47
and the world would be a better place.
382
1109000
2000
y el mundo sería un mejor lugar.
18:49
CA: Here's hoping they hear it that way. Thank you very much Bruce.
383
1111000
3000
CA: Esperemos que lo escuchen de esa manera. Muchas gracias Bruce.
18:52
BBM: Thank you.
384
1114000
2000
CCM: Gracias.
18:54
(Applause)
385
1116000
5000
(Aplausos)
ABOUT THE SPEAKER
Bruce Bueno de Mesquita - Political scientistA consultant to the CIA and the Department of Defense, Bruce Bueno de Mesquita has built an intricate computer model that can predict the outcomes of international conflicts with bewildering accuracy.
Why you should listen
Every motive has a number, says Bruce Bueno de Mesquita. A specialist in foreign policy, international relations and state building, he is also a leading -- if controversial -- scholar of rational choice theory, which says math underlies the nation-scale consequences of individuals acting for personal benefit. He created forecasting technology that has, time and again, exceeded the accuracy of old-school analysis, even with thorny quarrels charged by obscure contenders, and often against odds. (One example: He called the second Intifada two years in advance.)
Bueno de Mesquita's company, Mesquita & Roundell, sells his system's predictions and analysis to influential government and private institutions that need heads-ups on policy. He teaches at NYU and is a senior fellow at the Hoover Institution.
Bruce Bueno de Mesquita | Speaker | TED.com