TED2010
Tim Berners-Lee: The year open data went worldwide
Tim Berners-Lee: El año en que los datos de libre acceso se globalizaron
Filmed:
Readability: 4
771,473 views
En TED2009, Tim Berners-Lee pidió “datos primarios ahora”, para que gobiernos, científicos e instituciones dieran libre acceso a sus datos en la web. En TED University de 2010 muestra algunos resultados interesantes que surgen cuando los datos comienzan a vincularse.
Tim Berners-Lee - Inventor
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Double-click the English transcript below to play the video.
00:15
Last year here at TED
0
0
2000
El año pasado aquí en TED
00:17
I asked you to give me your data,
1
2000
2000
les pedí que me dieran sus datos
00:19
to put your data on the web, on the basis
2
4000
2000
que pusieran sus datos en la web, sobre la base de
00:21
that if people put data onto the web --
3
6000
3000
que si la gente pone los datos en la web
00:24
government data, scientific data, community data,
4
9000
3000
datos gubernamentales, científicos, comunitarios,
00:27
whatever it is -- it will be used by other people
5
12000
2000
lo que sea, serán usados por otras personas
00:29
to do wonderful things, in ways
6
14000
2000
para hacer cosas maravillosas, en formas
00:31
that they never could have imagined.
7
16000
2000
que nunca pudieron haber imaginado.
00:33
So, today I'm back just to show you a few things,
8
18000
3000
Hoy, por tanto, vuelvo para mostrarles algunas cosas
00:36
to show you, in fact, there is
9
21000
2000
mostrarles, de hecho, que hay
00:38
an open data movement afoot,
10
23000
5000
un movimiento de libre acceso a datos en marcha
00:43
now, around the world.
11
28000
2000
en todo el mundo, ahora.
00:45
The cry of "Raw data now!"
12
30000
2000
La exhortación de "datos primarios ahora"
00:47
which I made people make in the auditorium,
13
32000
2000
que hicimos con los miembros del auditorio
00:49
was heard around the world.
14
34000
2000
dio la vuelta al mundo.
00:51
So, let's roll the video.
15
36000
3000
Así que rodemos el video.
00:54
A classic story, the first one which lots of people picked up,
16
39000
3000
El cuento clásico, el primero que se divulgó
00:57
was when in March -- on March 10th in fact, soon after TED --
17
42000
3000
fue cuando en marzo, el 10 de marzo, luego de TED
01:00
Paul Clarke, in the U.K. government,
18
45000
3000
Paul Clarke, del gobierno del Reino Unido
01:03
blogged, "Oh, I've just got some raw data. Here it is,
19
48000
2000
posteó: "Acabo de recibir unos datos primarios. Aquí están,
01:05
it's about bicycle accidents."
20
50000
3000
son sobre accidentes de bicicleta".
01:08
Two days it took the Times Online
21
53000
3000
Dos días le llevó al Times Online
01:11
to make a map, a mashable map --
22
56000
2000
hacer un mapa 'mashable'
01:13
we call these things mash-ups --
23
58000
2000
les llamamos "mash-ups" a estas cosas
01:15
a mashed-up user interface that allows you to go in there
24
60000
2000
una interfaz que te permite ir allí,
01:17
and have a look and find out whether your bicycle
25
62000
2000
echar un vistazo y averiguar si tu ruta
01:19
route to work was affected.
26
64000
2000
al trabajo fue afectada.
01:21
Here's more data, traffic survey data,
27
66000
2000
Hay más datos, datos de la encuesta de tráfico
01:23
again, put out by the U.K. government,
28
68000
2000
suministrados por el gobierno del R.U.
01:25
and because they put it up using the Linked Data standards,
29
70000
3000
y dado que los subieron usando estándares de datos enlazados
01:28
then a user could just make a map,
30
73000
2000
otro usuario podría hacer un mapa
01:30
just by clicking.
31
75000
2000
con sólo hacer clic.
01:32
Does this data affect things? Well, let's get back to 2008.
32
77000
2000
¿Tienen impacto estos datos? Vamos al 2008.
01:34
Look at Zanesville, Ohio.
33
79000
3000
Miremos Zanesville, Ohio.
01:37
Here's a map a lawyer made. He put on it the water plant,
34
82000
3000
Este es un mapa hecho por un abogado, puesto en la planta de agua,
01:40
and which houses are there,
35
85000
2000
viendo qué casas están ahí
01:42
which houses have been connected to the water.
36
87000
2000
¿qué casas tienen conexión de agua?
01:44
And he got, from other data sources,
37
89000
2000
Y obtuvo, de otras fuentes de datos,
01:46
information to show
38
91000
3000
información para mostrar
01:49
which houses are occupied by white people.
39
94000
2000
qué casas están ocupadas por gente blanca.
01:51
Well, there was too much of a correlation, he felt,
40
96000
3000
Bueno, había una correlación demasiado alta, pensó,
01:54
between which houses were occupied by white people
41
99000
3000
entre las casas ocupadas por gente blanca
01:57
and which houses had water, and the judge was not impressed either.
42
102000
3000
y las que tenían agua potable, y al juez tampoco la pareció bien
02:00
The judge was not impressed to the tune of 10.9 million dollars.
43
105000
3000
tan poco bien que los multó 10,9 millones de dólares
02:03
That's the power of taking one piece of data,
44
108000
2000
Ese es el poder de tomar unos datos
02:05
another piece of data, putting it together,
45
110000
3000
tomar otros datos, ponerlos juntos,
02:08
and showing the result.
46
113000
2000
y mostrar el resultado.
02:10
Let's look at some data from the U.K. now.
47
115000
2000
Ahora miremos algunos datos del R.U.
02:12
This is U.K. government data, a completely independent site,
48
117000
2000
Son datos del gobierno del R.U., un sitio independiente,
02:14
Where Does My Money Go.
49
119000
2000
A Dónde Va Mi Dinero,
02:16
It allows anybody to go there and burrow down.
50
121000
2000
permite que cualquiera vaya y averigüe.
02:18
You can burrow down by a particular type of spending,
51
123000
2000
Uno puede hurgar en busca de un tipo de gasto particular
02:20
or you can go through all the different regions and compare them.
52
125000
4000
o se puede pasar por las diferentes regiones y compararlas.
02:24
So, that's happening in the U.K. with U.K. government data.
53
129000
3000
Eso está sucediendo en el R.U. con datos del gobierno del R.U.
02:27
Yes, certainly you can do it over here.
54
132000
2000
Sí, por cierto, uno puede hacerlo aquí.
02:29
Here's a site which allows you to look at recovery spending
55
134000
3000
Aquí hay un sitio que permite mirar los costos de recuperación
02:32
in California.
56
137000
2000
en California.
02:34
Take an arbitrary example, Long Beach, California,
57
139000
2000
Tomemos un ejemplo cualquiera, Long Beach, California,
02:36
you can go and have a look at what recovery money they've been spending
58
141000
3000
uno puede ir y mirar cuánto dinero de recuperación han estado gastando
02:39
on different things such as energy.
59
144000
3000
en cosas como energía.
02:42
In fact, this is the graph of the number of data sets
60
147000
3000
De hecho, este es el gráfico de cantidad de sets de datos
02:45
in the repositories of data.gov,
61
150000
2000
en los repositorios de data.gov
02:47
and data.gov.uk.
62
152000
2000
y data.gov.uk.
02:49
And I'm delighted to see a great competition
63
154000
2000
Y estoy encantado de ver una gran competencia
02:51
between the U.K. in blue, and the U.S. in red.
64
156000
2000
entre el R.U. en azul y los EE.UU. en rojo.
02:53
How can you use this stuff?
65
158000
2000
¿Cómo puede usarse esto?
02:55
Well, for example, if you have lots of data about places
66
160000
3000
Bueno, por ejemplo, si uno tiene muchos datos de lugares
02:58
you can take, from a postcode --
67
163000
2000
uno puede tomar un código postal
03:00
which is like a zip plus four --
68
165000
2000
que es como un código zip extendido,
03:02
for a specific group of houses, you can make paper,
69
167000
3000
para un grupo específico de casas, uno puede
03:05
print off a paper which has got very, very
70
170000
2000
imprimir un papel con información muy, muy
03:07
specific things about the bus stops,
71
172000
2000
específica sobre paradas de bus
03:09
the things specifically near you.
72
174000
2000
y cosas específicas cercanas.
03:11
On a larger scale, this is a mash-up
73
176000
3000
A mayor escala, este es un 'mash-up'
03:14
of the data which was released about the Afghan elections.
74
179000
3000
de los datos publicados sobre las elecciones afganas.
03:17
It allows you to set your own criteria
75
182000
2000
Te permite definir criterios propios
03:19
for what sort of things you want to look at.
76
184000
2000
para la clase de cosas que te interese examinar.
03:21
The red circles are polling stations,
77
186000
2000
Los círculos rojos son centros de votación
03:23
selected by your criteria.
78
188000
2000
seleccionados por tus criterios.
03:25
And then you can select also other things on the map
79
190000
2000
Y luego uno puede seleccionar otras cosas en el mapa
03:27
to see what other factors, like the threat level.
80
192000
2000
para ver otros factores como el nivel de amenaza.
03:29
So, that was government data.
81
194000
3000
Esos eran datos del gobierno.
03:32
I also talked about community-generated data -- in fact I edited some.
82
197000
2000
También hablé de datos comunitarios, de hecho yo editaba,
03:34
This is the wiki map, this is the Open Street Map.
83
199000
2000
este es el mapa wiki, el mapa abierto de calles
03:36
"Terrace Theater" I actually put
84
201000
2000
El Teatro Terrace, de hecho lo puse
03:38
on the map because it wasn't on the map before TED last year.
85
203000
3000
en el mapa porque no estaba antes de las TED del año pasado.
03:41
I was not the only person editing the open street map.
86
206000
3000
No era el único que edita los mapas libres.
03:44
Each flash on this visualization --
87
209000
2000
Cada destello de esta visualización
03:46
put together by ITO World --
88
211000
2000
elaborado por ITO World
03:48
shows an edit in 2009
89
213000
2000
muestra una edición de 2009
03:50
made to the Open Street Map.
90
215000
2000
realizada en el mapa abierto de calles.
03:52
Let's now spin the world during the same year.
91
217000
3000
Veamos ahora al mundo durante ese mismo año.
03:55
Every flash is an edit. Somebody somewhere
92
220000
2000
Cada destello es una edición. Alguien que
03:57
looking at the Open Street Map, and realizing it could be better.
93
222000
3000
mira el mapa abierto y se da cuenta que podría mejorarse.
04:00
You can see Europe is ablaze with updates.
94
225000
3000
Pueden ver que Europa está llena de actualizaciones.
04:03
Some places, perhaps not as much as they should be.
95
228000
3000
En algunos lugares, quizá no tantas como debería haber.
04:06
Here focusing in on Haiti.
96
231000
2000
Y aquí, enfocándonos en Haiti
04:08
The map of Port au-Prince at the end
97
233000
2000
El mapa de Puerto Príncipe a finales
04:10
of 2009 was not all it could be,
98
235000
2000
de 2009 no era todo lo que podría ser
04:12
not as good as the map of California.
99
237000
2000
no tan bueno como el mapa de California.
04:14
Fortunately, just after the earthquake,
100
239000
3000
Por suerte, luego del terremoto
04:17
GeoEye, a commercial company,
101
242000
2000
GeoEye, una compañía comercial,
04:19
released satellite imagery
102
244000
2000
lanzó imágenes satelitales
04:21
with a license, which allowed
103
246000
2000
con una licencia que le permite
04:23
the open-source community to use it.
104
248000
2000
su uso a la comunidad de código abierto.
04:25
This is January, in time lapse,
105
250000
2000
Este es el período de enero
04:27
of people editing ... that's the earthquake.
106
252000
2000
personas editando, ese es el terremoto
04:29
After the earthquake, immediately,
107
254000
2000
Inmediatamente después del terremoto
04:31
people all over the world, mappers
108
256000
2000
la gente de todo el mundo, los cartógrafos,
04:33
who wanted to help, and could,
109
258000
2000
que querían y podían ayudar
04:35
looked at that imagery, built the map, quickly building it up.
110
260000
3000
miraron las imágenes, construyeron el mapa rápidamente.
04:38
We're focusing now on Port-au-Prince.
111
263000
1000
Ahora estamos sobre Puerto Príncipe.
04:39
The light blue is refugee camps these volunteers had spotted from the [satellite images].
112
264000
4000
En azul los campos de refugiados que los voluntarios observaron desde el aire.
04:43
So, now we have, immediately, a real-time map
113
268000
2000
Así que ahora tenemos de inmediato un mapa en tiempo real
04:45
showing where there are refugee camps --
114
270000
2000
indicando dónde están los campos de refugiados
04:47
rapidly became the best map
115
272000
2000
pronto se volvió el mejor mapa
04:49
to use if you're doing relief work in Port-au-Prince.
116
274000
3000
para usar en trabajos de socorro en Puerto Príncipe.
04:52
Witness the fact that it's here on this Garmin device
117
277000
2000
Vean que está ahí en ese aparato Garmín
04:54
being used by rescue team in Haiti.
118
279000
2000
siendo usado por un equipo de rescate.
04:56
There's the map showing,
119
281000
3000
Y Haití... ahí está el mapa que muestra
04:59
on the left-hand side,
120
284000
2000
a la izquierda,
05:01
that hospital -- actually that's a hospital ship.
121
286000
2000
el hospital, en realidad es un buque hospital.
05:03
This is a real-time map that shows blocked roads,
122
288000
3000
Es un mapa en tiempo real que muestra caminos bloqueados
05:06
damaged buildings, refugee camps --
123
291000
2000
edificios dañados, campos de refugiados.
05:08
it shows things that are needed [for rescue and relief work].
124
293000
2000
Muestra las cosas que se necesitan.
05:10
So, if you've been involved in that at all,
125
295000
2000
Así que si han estado involucrados en ésto
05:12
I just wanted to say: Whatever you've been doing,
126
297000
2000
sólo quería decirles, sea cual fuere la tarea realizada,
05:14
whether you've just been chanting, "Raw data now!"
127
299000
2000
ya sea que hayan estado graficando datos primarios
05:16
or you've been putting government or scientific data online,
128
301000
3000
o subiendo datos gubernamentales o científicos
05:19
I just wanted to take this opportunity to say: Thank you very much,
129
304000
2000
sólo quería aprovechar esta oportunidad para agradecerles mucho
05:21
and we have only just started!
130
306000
3000
y recién hemos comenzado.
05:24
(Applause)
131
309000
2000
(Aplausos)
Translated by Sebastian Betti
ABOUT THE SPEAKER
Tim Berners-Lee - InventorTim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development.
Why you should listen
In the 1980s, scientists at CERN were asking themselves how massive, complex, collaborative projects -- like the fledgling LHC -- could be orchestrated and tracked. Tim Berners-Lee, then a contractor, answered by inventing the World Wide Web. This global system of hypertext documents, linked through the Internet, brought about a massive cultural shift ushered in by the new tech and content it made possible: AOL, eBay, Wikipedia, TED.com...
Berners-Lee is now director of the World Wide Web Consortium (W3C), which maintains standards for the Web and continues to refine its design. Recently he has envisioned a "Semantic Web" -- an evolved version of the same system that recognizes the meaning of the information it carries. He's the 3Com Founders Professor of Engineering in the School of Engineering with a joint appointment in the Department of Electrical Engineering and Computer Science at the Laboratory for Computer Science and Artificial Intelligence (CSAIL) at the MIT, where he also heads the Decentralized Information Group (DIG). He is also a Professor in the Electronics and Computer Science Department at the University of Southampton, UK.
Tim Berners-Lee | Speaker | TED.com