TED2011
Carlo Ratti: Architecture that senses and responds
Carlo Ratti: arquitectura que capta y responde
Filmed:
Readability: 3.9
746,791 views
Con su equipo de SENSEable City Lab, Carlo Ratti del MIT crea cosas geniales captando los datos que generamos. Extrae información de datos pasivos, como las llamadas que hacemos o la basura que tiramos, para crear visualizaciones sorprendentes de la vida urbana. Él y su equipo crean entornos interactivos deslumbrantes de agua en movimiento y luces voladoras impulsadas por gestos simples que se capturan por medio de sensores.
Carlo Ratti - Architect and engineer
Carlo Ratti directs the MIT SENSEable City Lab, which explores the "real-time city" by studying the way sensors and electronics relate to the built environment. Full bio
Carlo Ratti directs the MIT SENSEable City Lab, which explores the "real-time city" by studying the way sensors and electronics relate to the built environment. Full bio
Double-click the English transcript below to play the video.
00:15
Good afternoon, everybody.
0
0
2000
Buenas tardes a todos.
00:17
I've got something to show you.
1
2000
3000
Tengo algo que mostrarles.
00:37
(Laughter)
2
22000
2000
(Risas)
00:39
Think about this as a pixel, a flying pixel.
3
24000
3000
Piensen que es un píxel, un píxel volador.
00:42
This is what we call, in our lab, sensible design.
4
27000
3000
En nuestro laboratorio lo llamamos diseño sensible.
00:45
Let me tell you a bit about it.
5
30000
2000
Les voy a contar un poco sobre esto.
00:47
Now if you take this picture -- I'm Italian originally,
6
32000
3000
Si se fijan en esta foto... soy de origen italiano,
00:50
and every boy in Italy grows up
7
35000
2000
todos los niños en Italia crecen
00:52
with this picture on the wall of his bedroom --
8
37000
2000
con esta foto en la pared de su dormitorio.
00:54
but the reason I'm showing you this
9
39000
2000
Pero la razón por la que les muestro esto
00:56
is that something very interesting
10
41000
2000
es que ha sucedido algo muy interesante
00:58
happened in Formula 1 racing
11
43000
2000
en las carreras de Fórmula 1
01:00
over the past couple of decades.
12
45000
2000
en las últimas dos décadas.
01:02
Now some time ago,
13
47000
2000
Hace ya algún tiempo,
01:04
if you wanted to win a Formula 1 race,
14
49000
2000
si uno quería ganar una carrera de Fórmula 1,
01:06
you take a budget, and you bet your budget
15
51000
2000
tomaba un presupuesto y lo apostaba
01:08
on a good driver and a good car.
16
53000
3000
a un buen piloto y un buen coche,
01:11
And if the car and the driver were good enough, then you'd win the race.
17
56000
3000
y si el coche y el piloto eran lo suficientemente buenos, uno ganaba la carrera.
01:14
Now today, if you want to win the race,
18
59000
2000
Pero hoy, si uno quiere ganar una carrera,
01:16
actually you need also something like this --
19
61000
3000
hace falta también algo como esto...
01:19
something that monitors the car in real time,
20
64000
3000
Algo que monitoree el coche en tiempo real,
01:22
has a few thousand sensors
21
67000
2000
con miles de sensores
01:24
collecting information from the car,
22
69000
2000
que recopilan información
01:26
transmitting this information into the system,
23
71000
3000
y la transmiten al sistema
01:29
and then processing it
24
74000
2000
para luego procesarla
01:31
and using it in order to go back to the car with decisions
25
76000
3000
y usarla para darle instrucciones al coche
01:34
and changing things in real time
26
79000
2000
y cambiar cosas en tiempo real
01:36
as information is collected.
27
81000
2000
a medida que se recopila información.
01:38
This is what, in engineering terms,
28
83000
2000
Esto es lo que, en ingeniería,
01:40
you would call a real time control system.
29
85000
3000
se denominaría sistema de control en tiempo real.
01:43
And basically, it's a system made of two components --
30
88000
3000
En esencia es un sistema que tiene dos componentes:
01:46
a sensing and an actuating component.
31
91000
2000
un sensor y un accionador.
01:48
What is interesting today
32
93000
2000
Hoy lo interesante
01:50
is that real time control systems
33
95000
2000
es que los sistemas de control en tiempo real
01:52
are starting to enter into our lives.
34
97000
3000
están empezando a entrar en nuestras vidas.
01:55
Our cities, over the past few years,
35
100000
3000
Nuestras ciudades, en los últimos años,
01:58
just have been blanketed
36
103000
2000
han sido cubiertas
02:00
with networks, electronics.
37
105000
2000
de redes y electrónica.
02:02
They're becoming like computers in open air.
38
107000
2000
Se están volviendo computadoras al aire libre.
02:04
And, as computers in open air,
39
109000
2000
Y, como tales,
02:06
they're starting to respond in a different way
40
111000
2000
están empezando a responder de manera diferente
02:08
to be able to be sensed and to be actuated.
41
113000
3000
y pueden ser detectadas y accionadas.
02:11
If we fix cities, actually it's a big deal.
42
116000
2000
Acondicionar las ciudades es algo grande.
02:13
Just as an aside, I wanted to mention,
43
118000
2000
Como nota aparte quería mencionar
02:15
cities are only two percent of the Earth's crust,
44
120000
4000
que las ciudades son sólo el 2% de la corteza del planeta
02:19
but they are 50 percent of the world's population.
45
124000
3000
pero representan el 50% de la población mundial;
02:22
They are 75 percent of the energy consumption --
46
127000
3000
el 75% del consumo de energía...
02:25
up to 80 percent of CO2 emissions.
47
130000
3000
y hasta el 80% de las emisiones de CO2.
02:28
So if we're able to do something with cities, that's a big deal.
48
133000
3000
Si pudiéramos hacer algo con las ciudades, sería algo grande.
02:31
Beyond cities,
49
136000
2000
Más allá de las ciudades,
02:33
all of this sensing and actuating
50
138000
3000
todas estas detecciones y activaciones
02:36
is entering our everyday objects.
51
141000
2000
están entrando en nuestros objetos cotidianos.
02:38
That's from an exhibition that
52
143000
2000
Esto es de una exhibición
02:40
Paola Antonelli is organizing
53
145000
2000
de Paola Antonelli
02:42
at MoMA later this year, during the summer.
54
147000
2000
para fines de año en el MoMA, durante el verano.
02:44
It's called "Talk to Me."
55
149000
2000
Se llama "Talk to Me" (Háblame, NT)
02:46
Well our objects, our environment
56
151000
2000
Bueno, nuestros objetos, el entorno,
02:48
is starting to talk back to us.
57
153000
2000
empiezan a hablarnos.
02:50
In a certain sense, it's almost as if every atom out there
58
155000
3000
En cierto modo es como si casi todos los átomos existentes
02:53
were becoming both a sensor and an actuator.
59
158000
3000
se volvieran sensores y actuadores.
02:56
And that is radically changing the interaction we have as humans
60
161000
3000
Y eso está cambiando por completo la interacción que como humanos tenemos
02:59
with the environment out there.
61
164000
2000
con el entorno exterior.
03:01
In a certain sense,
62
166000
2000
En cierto sentido
03:03
it's almost as if the old dream of Michelangelo ...
63
168000
3000
es casi como en el viejo sueño de Miguel Ángel...
03:06
you know, when Michelangelo sculpted the Moses,
64
171000
2000
Ya saben, cuando Miguel Ángel esculpió el Moisés,
03:08
at the end it said that he took the hammer, threw it at the Moses --
65
173000
3000
se dice que al final tomó el martillo y se lo arrojó al Moisés
03:11
actually you can still see a small chip underneath --
66
176000
3000
-de hecho aún se puede ver una pequeña mella debajo-
03:14
and said, shouted,
67
179000
2000
y dijo gritando:
03:16
"Perché non parli? Why don't you talk?"
68
181000
2000
"Perché non parli?" (¿por qué no hablas?).
03:18
Well today, for the first time,
69
183000
2000
Bueno, hoy, por primera vez,
03:20
our environment is starting to talk back to us.
70
185000
3000
nuestro entorno empieza a hablarnos.
03:23
And I'll show just a few examples --
71
188000
2000
Y les voy a mostrar sólo unos ejemplos;
03:25
again, with this idea of sensing our environment and actuating it.
72
190000
3000
insistiendo en la idea de captar el entorno y accionar algo.
03:28
Let's starting with sensing.
73
193000
3000
Empecemos con la detección.
03:31
Well, the first project I wanted to share with you
74
196000
2000
El primer proyecto que quería compartir con Uds.
03:33
is actually one of the first projects by our lab.
75
198000
3000
es en verdad uno de los primeros proyectos de nuestro laboratorio.
03:36
It was four and a half years ago in Italy.
76
201000
3000
Esto fue hace 4 años y medio en Italia.
03:39
And what we did there
77
204000
2000
Lo que hicimos allí
03:41
was actually use a new type of network at the time
78
206000
2000
fue usar un nuevo tipo de red de ese momento
03:43
that had been deployed all across the world --
79
208000
2000
que se había desarrollado por todo el mundo
03:45
that's a cellphone network --
80
210000
2000
-la red de telefonía celular-
03:47
and use anonymous and aggregated information from that network,
81
212000
2000
y consolidamos información anónima de esa red
03:49
that's collected anyway by the operator,
82
214000
2000
que de todos modos era recopilada por el operador
03:51
in order to understand
83
216000
2000
para entender
03:53
how the city works.
84
218000
2000
el funcionamiento de la ciudad.
03:55
The summer was a lucky summer -- 2006.
85
220000
3000
Fue un verano con suerte el de 2006.
03:58
It's when Italy won the soccer World Cup.
86
223000
3000
Fue el año en que Italia ganó la Copa del Mundo.
04:01
Some of you might remember, it was Italy and France playing,
87
226000
3000
Quizá algunos lo recuerden, jugaban Italia y Francia,
04:04
and then Zidane at the end, the headbutt.
88
229000
2000
y al final Zidane dio el cabezazo.
04:06
And anyway, Italy won at the end.
89
231000
2000
Y de todos modos, al final ganó Italia.
04:08
(Laughter)
90
233000
2000
(Risas)
04:10
Now look at what happened that day
91
235000
2000
Ahora veamos qué pasó ese día
04:12
just by monitoring activity
92
237000
2000
observando la actividad
04:14
happening on the network.
93
239000
2000
ocurrida en la red.
04:16
Here you see the city.
94
241000
2000
Aquí vemos la ciudad.
04:18
You see the Colosseum in the middle,
95
243000
3000
Se ve el Coliseo en el medio
04:21
the river Tiber.
96
246000
3000
y el río Tíber.
04:24
It's morning, before the match.
97
249000
2000
Es la mañana, antes del juego.
04:26
You see the timeline on the top.
98
251000
2000
La línea de tiempo está en la parte superior.
04:28
Early afternoon,
99
253000
2000
Por la tarde temprano
04:30
people here and there,
100
255000
2000
hay gente por aquí y allá
04:32
making calls and moving.
101
257000
2000
haciendo llamadas, moviéndose.
04:34
The match begins -- silence.
102
259000
3000
Comienza el partido: silencio.
04:37
France scores. Italy scores.
103
262000
3000
Gol de Francia. Gol de Italia.
04:40
Halftime, people make a quick call and go to the bathroom.
104
265000
4000
Entretiempo; la gente hace una llamada rápida y va al baño.
04:44
Second half. End of normal time.
105
269000
2000
Segundo tiempo. Fin del tiempo reglamentario.
04:46
First overtime, second.
106
271000
2000
Primer tiempo adicional; segundo.
04:48
Zidane, the headbutt in a moment.
107
273000
3000
Zidane, y en un momento, el cabezazo.
04:51
Italy wins. Yeah.
108
276000
2000
Gana Italia, ¡sí!
04:53
(Laughter)
109
278000
2000
(Risas)
04:55
(Applause)
110
280000
3000
(Aplausos)
04:58
Well, that night, everybody went to celebrate in the center.
111
283000
2000
Esa noche todos fueron a celebrarlo al centro.
05:00
You saw the big peak.
112
285000
2000
Ahí ven el gran pico.
05:02
The following day, again everybody went to the center
113
287000
2000
Al día siguiente todos fueron al centro
05:04
to meet the winning team
114
289000
3000
al encuentro del equipo ganador
05:07
and the prime minister at the time.
115
292000
2000
y del primer ministro de entonces.
05:09
And then everybody moved down.
116
294000
2000
Y luego todo el mundo bajó.
05:11
You see the image of the place called Circo Massimo,
117
296000
2000
Ven la imagen del lugar llamado Circo Massimo
05:13
where, since Roman times, people go to celebrate,
118
298000
3000
donde, desde la época romana, la gente va a celebrar;
05:16
to have a big party, and you see the peak at the end of the day.
119
301000
3000
es una gran fiesta, puede verse el pico al final del día.
05:19
Well, that's just one example of how we can sense the city today
120
304000
2000
Este es sólo un ejemplo de cómo hoy se puede medir el pulso de la ciudad
05:21
in a way that we couldn't have done
121
306000
2000
de un modo que no habríamos podido hacer
05:23
just a few years ago.
122
308000
2000
hace sólo unos años.
05:25
Another quick example about sensing:
123
310000
2000
Otro ejemplo rápido de detección:
05:27
it's not about people,
124
312000
2000
no se trata de gente,
05:29
but about things we use and consume.
125
314000
2000
sino de cosas que usamos y consumimos.
05:31
Well today, we know everything
126
316000
2000
Hoy en día sabemos todo
05:33
about where our objects come from.
127
318000
3000
sobre la procedencia de nuestros objetos.
05:36
This is a map that shows you
128
321000
2000
Este es un mapa que muestra
05:38
all the chips that form a Mac computer, how they came together.
129
323000
3000
todos los chips que conforman una Mac, cómo se ensamblan.
05:41
But we know very little about where things go.
130
326000
3000
Pero sabemos muy poco sobre adónde van las cosas.
05:44
So in this project,
131
329000
2000
Por eso en este proyecto
05:46
we actually developed some small tags
132
331000
2000
desarrollamos unas etiquetas pequeñas
05:48
to track trash as it moves through the system.
133
333000
3000
para rastrear la basura en su desplazamiento por el sistema.
05:51
So we actually started with a number of volunteers
134
336000
3000
Empezamos con unos voluntarios
05:54
who helped us in Seattle,
135
339000
2000
que nos ayudaron en Seattle
05:56
just over a year ago,
136
341000
2000
hace poco más de un año,
05:58
to tag what they were throwing away --
137
343000
3000
a etiquetar lo que estaban arrojando;
06:01
different types of things, as you can see here --
138
346000
3000
distinto tipo de cosas, como pueden ver,
06:04
things they would throw away anyway.
139
349000
2000
cosas que de todos modos tirarían.
06:06
Then we put a little chip, little tag,
140
351000
2000
Luego les pusimos un pequeño chip, una etiqueta,
06:08
onto the trash
141
353000
2000
a la basura
06:10
and then started following it.
142
355000
2000
y luego empezamos a rastrearla.
06:12
Here are the results we just obtained.
143
357000
3000
Estos son los resultados obtenidos.
06:15
(Music)
144
360000
3000
(Música)
06:18
From Seattle ...
145
363000
3000
Partiendo de Seattle...
06:26
after one week.
146
371000
2000
después de una semana.
06:53
With this information we realized
147
398000
2000
Con esta información nos dimos cuenta
06:55
there's a lot of inefficiencies in the system.
148
400000
2000
de que hay muchas ineficiencias en el sistema.
06:57
We can actually do the same thing with much less energy.
149
402000
3000
Podemos hacer lo mismo con mucha menos energía.
07:00
This data was not available before.
150
405000
2000
Estos son datos que antes no existían.
07:02
But there's a lot of wasted transportation and convoluted things happening.
151
407000
3000
Están sucediendo cosas complicadas y hay mucho transporte innecesario.
07:05
But the other thing is that we believe
152
410000
2000
Pero la otra cosa que creemos
07:07
that if we see every day
153
412000
2000
es que si vemos todos los días
07:09
that the cup we're throwing away, it doesn't disappear,
154
414000
2000
que la taza que arrojamos no desaparece,
07:11
it's still somewhere on the planet.
155
416000
2000
que todavía está en algún lugar del planeta,
07:13
And the plastic bottle we're throwing away every day still stays there.
156
418000
3000
que si la botella de plástico que arrojamos un día todavía sigue ahí,
07:16
And if we show that to people,
157
421000
2000
que si le mostramos eso a la gente,
07:18
then we can also promote some behavioral change.
158
423000
2000
entonces podremos promover algún cambio de conducta.
07:20
So that was the reason for the project.
159
425000
2000
Esa fue la razón del proyecto.
07:22
My colleague at MIT, Assaf Biderman,
160
427000
2000
Mi colega del MIT, Assaf Biderman,
07:24
he could tell you much more about sensing
161
429000
2000
podría contarnos mucho más sobre detección
07:26
and many other wonderful things we can do with sensing,
162
431000
2000
y muchas otras cosas geniales que podemos hacer con eso,
07:28
but I wanted to go to the second part we discussed at the beginning,
163
433000
3000
pero quería ir a la segunda parte que mencionamos al principio,
07:31
and that's actuating our environment.
164
436000
2000
que es accionar sobre el entorno.
07:33
And the first project
165
438000
2000
Y el primer proyecto
07:35
is something we did a couple of years ago in Zaragoza, Spain.
166
440000
3000
es algo que hicimos hace un par de años en Zaragoza (España).
07:38
It started with a question by the mayor of the city,
167
443000
3000
Todo comenzó con una pregunta del alcalde de la ciudad,
07:41
who came to us saying
168
446000
2000
que vino y nos dijo
07:43
that Spain and Southern Europe have a beautiful tradition
169
448000
3000
que España y el sur de Europa tienen una hermosa tradición
07:46
of using water in public space, in architecture.
170
451000
3000
del uso del agua en espacios públicos, en la arquitectura.
07:49
And the question was: How could technology, new technology,
171
454000
2000
Y la pregunta fue: ¿cómo puede la tecnología, la nueva tecnología,
07:51
be added to that?
172
456000
2000
sumarse a eso?
07:53
And one of the ideas that was developed at MIT in a workshop
173
458000
3000
Y una de las ideas que desarrollamos en el MIT, en un taller,
07:56
was, imagine this pipe, and you've got valves,
174
461000
3000
fue: imaginen que tienen un caño y válvulas,
07:59
solenoid valves, taps,
175
464000
2000
válvulas de solenoide, lengüetas
08:01
opening and closing.
176
466000
2000
que se abren y se cierran.
08:03
You create like a water curtain with pixels made of water.
177
468000
3000
Se crea como una cortina de agua, con píxeles de agua.
08:06
If those pixels fall,
178
471000
2000
Si caen los píxeles
08:08
you can write on it,
179
473000
2000
se puede escribir en ellos,
08:10
you can show patterns, images, text.
180
475000
2000
mostrar patrones, imágenes, textos.
08:12
And even you can approach it, and it will open up
181
477000
2000
Y al acercarnos, la cortina se abrirá
08:14
to let you jump through,
182
479000
2000
para que podamos pasar,
08:16
as you see in this image.
183
481000
2000
como ven en la imagen.
08:18
Well, we presented this to Mayor Belloch.
184
483000
2000
Le presentamos esto al alcalde Belloch.
08:20
He liked it very much.
185
485000
2000
Le gustó mucho
08:22
And we got a commission to design a building
186
487000
2000
y designó una comisión para diseñar el edificio
08:24
at the entrance of the expo.
187
489000
2000
a la entrada de la Expo.
08:26
We called it Digital Water Pavilion.
188
491000
2000
Lo llamamos Pabellón de Agua Digital.
08:28
The whole building is made of water.
189
493000
3000
Todo el edificio está hecho de agua.
08:33
There's no doors or windows,
190
498000
2000
No hay puertas ni ventanas,
08:35
but when you approach it,
191
500000
2000
pero cuando uno se aproxima
08:37
it will open up to let you in.
192
502000
2000
se abre para que uno pueda pasar.
08:39
(Music)
193
504000
6000
(Música)
08:52
The roof also is covered with water.
194
517000
3000
El techo también está cubierto de agua.
08:57
And if there's a bit of wind,
195
522000
2000
Y si hay un poco de viento,
08:59
if you want to minimize splashing, you can actually lower the roof.
196
524000
3000
si se quieren minimizar las salpicaduras, se baja el techo.
09:04
Or you could close the building,
197
529000
2000
O se puede cerrar el edificio
09:06
and the whole architecture will disappear,
198
531000
2000
y toda la arquitectura desaparece,
09:08
like in this case.
199
533000
2000
como en este caso.
09:10
You know, these days, you always get images during the winter,
200
535000
2000
Esos días siempre habrá alguien, en el invierno,
09:12
when they take the roof down,
201
537000
2000
cuando bajan el techo,
09:14
of people who have been there and said, "They demolished the building."
202
539000
3000
alguien que estuvo allí y que dijo: "Demolieron el edificio".
09:17
No, they didn't demolish it, just when it goes down,
203
542000
2000
No, no es que lo hayan demolido, sino que cuando se baja
09:19
the architecture almost disappears.
204
544000
2000
casi toda la arquitectura desaparece.
09:21
Here's the building working.
205
546000
3000
Aquí está en funcionamiento.
09:24
You see the person puzzled about what was going on inside.
206
549000
3000
Se ve a las personas intrigadas por lo que pasa dentro.
09:27
And here was myself trying not to get wet,
207
552000
2000
Y aquí estoy yo mismo tratando de no mojarme
09:29
testing the sensors that open the water.
208
554000
3000
al probar los sensores que abren el agua.
09:32
Well, I should tell you now what happened one night
209
557000
2000
Creo que debería contarles lo que sucedió una noche
09:34
when all of the sensors stopped working.
210
559000
3000
cuando todos los sensores dejaron de funcionar.
09:37
But actually that night, it was even more fun.
211
562000
3000
Esa noche fue en verdad incluso más divertida.
09:40
All the kids from Zaragoza came to the building,
212
565000
2000
Todos los niños de Zaragoza vinieron al edificio
09:42
because the way of engaging with the building became something different.
213
567000
3000
porque la manera de interactuar había cambiado un poco.
09:45
Not anymore a building that would open up to let you in,
214
570000
3000
Ya no era un edificio que se abría para dejarte pasar,
09:48
but a building that would still make cuts and holes through the water,
215
573000
3000
sino un edificio que seguía haciendo cortes y agujeros de agua
09:51
and you had to jump without getting wet.
216
576000
2000
y uno tenía que saltar para no mojarse.
09:53
(Video) (Crowd Noise)
217
578000
13000
(Video) (Ruido de gente)
10:06
And that was, for us, was very interesting,
218
591000
2000
Y para nosotros eso fue muy interesante
10:08
because, as architects, as engineers, as designers,
219
593000
3000
porque como arquitectos, ingenieros, diseñadores,
10:11
we always think about how people will use the things we design.
220
596000
3000
siempre pensamos en el uso que la gente le dará a nuestros diseños.
10:14
But then reality's always unpredictable.
221
599000
3000
Pero luego la realidad siempre es impredecible.
10:17
And that's the beauty of doing things
222
602000
2000
Y ésa es la belleza de hacer cosas
10:19
that are used and interact with people.
223
604000
2000
para interactuar, que la gente usa.
10:21
Here is an image then of the building
224
606000
2000
Ésta es una imagen del edificio
10:23
with the physical pixels, the pixels made of water,
225
608000
2000
con los píxeles físicos, los píxeles de agua,
10:25
and then projections on them.
226
610000
3000
y de proyecciones sobre ellos.
10:28
And this is what led us to think about
227
613000
2000
Y esto es lo que nos llevó a pensar
10:30
the following project I'll show you now.
228
615000
2000
en el siguiente proyecto que les voy a mostrar.
10:32
That's, imagine those pixels could actually start flying.
229
617000
3000
Imaginen que esos píxeles pudieran empezar a volar.
10:35
Imagine you could have small helicopters
230
620000
2000
Imaginen que pudieran tener pequeños helicópteros
10:37
that move in the air,
231
622000
2000
en el aire
10:39
and then each of them with a small pixel in changing lights --
232
624000
3000
y que cada uno tuviese un pequeño píxel que cambia de color
10:42
almost as a cloud that can move in space.
233
627000
3000
como si fuera una nube que se mueve en el espacio.
10:45
Here is the video.
234
630000
2000
Éste es el video.
10:47
(Music)
235
632000
6000
(Música)
10:53
So imagine one helicopter,
236
638000
3000
Imaginen un helicóptero,
10:56
like the one we saw before,
237
641000
3000
como el que vimos antes,
11:01
moving with others,
238
646000
3000
que se mueve con otros
11:04
in synchrony.
239
649000
2000
en sincronía.
11:06
So you can have this cloud.
240
651000
3000
Podríamos formar esta nube,
11:15
You can have a kind of flexible screen or display, like this --
241
660000
4000
una especie de pantalla flexible como ésta
11:19
a regular configuration in two dimensions.
242
664000
3000
con una configuración normal en dos dimensiones.
11:29
Or in regular, but in three dimensions,
243
674000
3000
O normal, pero en tres dimensiones,
11:32
where the thing that changes is the light,
244
677000
2000
en la que lo que cambia es la luz,
11:34
not the pixels' position.
245
679000
2000
no la posición de los píxeles.
11:46
You can play with a different type.
246
691000
2000
Se puede jugar con un tipo diferente.
11:48
Imagine your screen could just appear
247
693000
2000
Imaginen que la pantalla apareciera
11:50
in different scales or sizes,
248
695000
3000
en distintas escalas y tamaños,
11:53
different types of resolution.
249
698000
3000
en distintos tipos de resolución.
12:05
But then the whole thing can be
250
710000
2000
Y que luego todo eso pudiera
12:07
just a 3D cloud of pixels
251
712000
2000
una nube de píxeles en 3D
12:09
that you can approach and move through it
252
714000
3000
a la que uno puede acercarse, y atravesar,
12:12
and see from many, many directions.
253
717000
3000
y ver desde muy diversos ángulos.
12:15
Here is the real Flyfire
254
720000
2000
Ésta es la verdadera Flyfire
12:17
control and going down to form the regular grid as before.
255
722000
4000
controlada, yendo hacia abajo para formar una V, como antes.
12:21
When you turn on the light, actually you see this. So the same as we saw before.
256
726000
3000
Cuando se enciende la luz, se ve esto. Lo mismo que vimos antes.
12:24
And imagine each of them then controlled by people.
257
729000
2000
Imaginen cada uno de ellos controlado por una persona.
12:26
You can have each pixel
258
731000
2000
Podemos tener cada pixel
12:28
having an input that comes from people,
259
733000
2000
con una entrada que viene de personas,
12:30
from people's movement, or so and so.
260
735000
2000
del movimiento de las personas, etc., etc.
12:32
I want to show you something here for the first time.
261
737000
3000
Quiero mostrarles algo por primera vez.
12:35
We've been working with Roberto Bolle,
262
740000
2000
Hemos estado trabajando con Roberto Bolle
12:37
one of today's top ballet dancers --
263
742000
2000
-uno de los mejores bailarines de ballet de hoy,
12:39
the étoile at Metropolitan in New York
264
744000
2000
la estrella del Metropolitan de Nueva York
12:41
and La Scala in Milan --
265
746000
2000
y de La Scala de Milán-
12:43
and actually captured his movement in 3D
266
748000
2000
para capturar sus movimientos en 3D
12:45
in order to use it as an input for Flyfire.
267
750000
3000
y usarlos como entrada para el Flyfire.
12:48
And here you can see Roberto dancing.
268
753000
3000
Aquí podemos ver a Roberto bailando.
12:53
You see on the left the pixels,
269
758000
2000
A la izquierda ven los píxeles,
12:55
the different resolutions being captured.
270
760000
2000
la captura en distintas resoluciones.
12:57
It's both 3D scanning in real time
271
762000
2000
Es tanto digitalización 3D en tiempo real
12:59
and motion capture.
272
764000
3000
como captura de movimiento.
13:03
So you can reconstruct a whole movement.
273
768000
3000
Puede reconstruirse todo el movimiento.
13:10
You can go all the way through.
274
775000
3000
Se puede recorrer todo el camino.
13:16
But then, once we have the pixels, then you can play with them
275
781000
2000
Y una vez que tenemos los píxeles podemos jugar con ellos,
13:18
and play with color and movement
276
783000
3000
con el color y el movimiento,
13:21
and gravity and rotation.
277
786000
3000
con la gravedad y la rotación.
13:24
So we want to use this as one of the possible inputs
278
789000
2000
Queremos usar esto como una posible entrada
13:26
for Flyfire.
279
791000
2000
para el Flyfire.
13:47
I wanted to show you the last project we are working on.
280
812000
2000
Quería mostrarles el último proyecto en el que estamos trabajando.
13:49
It's something we're working on for the London Olympics.
281
814000
2000
Es algo para los Juegos Olímpicos de Londres.
13:51
It's called The Cloud.
282
816000
2000
Se llama La Nube.
13:53
And the idea here is, imagine, again,
283
818000
2000
Y la idea es, imaginen otra vez,
13:55
we can involve people
284
820000
2000
que pudiéramos involucrar a la gente
13:57
in doing something and changing our environment --
285
822000
3000
para que haga algo y cambie nuestro entorno
14:00
almost to impart what we call cloud raising --
286
825000
2000
-casi como un criadero de nubes-
14:02
like barn raising, but with a cloud.
287
827000
2000
como la cría de granero, pero con una nube.
14:04
Imagine you can have everybody make a small donation for one pixel.
288
829000
4000
Imaginen que pudiéramos hacer que todos donaran un poquito para un píxel.
14:08
And I think what is remarkable
289
833000
2000
Y creo que lo notable
14:10
that has happened over the past couple of years
290
835000
2000
que ha sucedido en los últimos años
14:12
is that, over the past couple of decades,
291
837000
2000
es que, en las últimas dos décadas,
14:14
we went from the physical world to the digital one.
292
839000
3000
pasamos del mundo físico al mundo digital.
14:17
This has been digitizing everything, knowledge,
293
842000
2000
Hemos digitalizado todo, como el conocimiento,
14:19
and making that accessible through the Internet.
294
844000
2000
y es accesible a través de Internet.
14:21
Now today, for the first time --
295
846000
2000
Hoy, por primera vez
14:23
and the Obama campaign showed us this --
296
848000
2000
-y la campaña de Obama nos lo mostró-,
14:25
we can go from the digital world,
297
850000
2000
podemos pasar del mundo digital,
14:27
from the self-organizing power of networks,
298
852000
2000
del poder auto-organizado de las redes,
14:29
to the physical one.
299
854000
2000
al mundo físico.
14:31
This can be, in our case,
300
856000
2000
En nuestro caso, esto puede
14:33
we want to use it for designing and doing a symbol.
301
858000
2000
que queramos usarlo para diseñar y hacer un símbolo.
14:35
That means something built in a city.
302
860000
2000
Eso significaría algo construido en una ciudad.
14:37
But tomorrow it can be,
303
862000
2000
Pero mañana puede ser
14:39
in order to tackle today's pressing challenges --
304
864000
3000
para abordar los desafíos de hoy:
14:42
think about climate change or CO2 emissions --
305
867000
2000
piensen en el cambio climático o las emisiones de CO2.
14:44
how we can go from the digital world to the physical one.
306
869000
3000
¿Cómo pasar del mundo digital al mundo físico?
14:47
So the idea that we can actually involve people
307
872000
2000
La idea es que podemos hacer que la gente se involucre
14:49
in doing this thing together, collectively.
308
874000
2000
en hacer esto juntos, de forma colectiva.
14:51
The cloud is a cloud, again, made of pixels,
309
876000
3000
La nube es una nube, de nuevo, hecha de píxeles
14:54
in the same way as the real cloud
310
879000
2000
de la misma manera que la nube real
14:56
is a cloud made of particles.
311
881000
2000
es una nube de partículas.
14:58
And those particles are water,
312
883000
2000
Y esas partículas son agua,
15:00
where our cloud is a cloud of pixels.
313
885000
2000
mientras que en nuestra nube son píxeles.
15:02
It's a physical structure in London, but covered with pixels.
314
887000
3000
Es una estructura física en Londres, pero cubierta de píxeles.
15:05
You can move inside, have different types of experiences.
315
890000
2000
Uno puede moverse por dentro, tener distintas experiencias.
15:07
You can actually see from underneath,
316
892000
2000
Puede verse desde abajo, servir para
15:09
sharing the main moments
317
894000
2000
compartir los momentos principales
15:11
for the Olympics in 2012 and beyond,
318
896000
3000
de los Juegos Olímpicos de 2012 y aún más,
15:14
and really using it as a way to connect with the community.
319
899000
4000
y puede usarse como una forma de conexión con la comunidad.
15:18
So both the physical cloud in the sky
320
903000
4000
Así, es tanto una nube física del cielo
15:22
and something you can go to the top [of],
321
907000
3000
como algo a lo que uno puede subir,
15:25
like London's new mountaintop.
322
910000
2000
como una nueva cima de Londres.
15:27
You can enter inside it.
323
912000
2000
Uno puede entrar ahí
15:29
And a kind of new digital beacon for the night --
324
914000
3000
como si fuera un nuevo faro digital en la noche,
15:32
but most importantly,
325
917000
2000
pero lo más importante es que
15:34
a new type of experience for anybody who will go to the top.
326
919000
3000
será una nueva experiencia para cualquiera que vaya a la cima.
15:37
Thank you.
327
922000
2000
Gracias.
15:39
(Applause)
328
924000
2000
(Aplausos)
ABOUT THE SPEAKER
Carlo Ratti - Architect and engineerCarlo Ratti directs the MIT SENSEable City Lab, which explores the "real-time city" by studying the way sensors and electronics relate to the built environment.
Why you should listen
Carlo Ratti is a civil engineer and architect who teaches at the Massachusetts Institute of Technology, where he directs the SENSEable City Laboratory. This lab studies the built environment of cities -- from street grids to plumbing and garbage systems -- using new kinds of sensors and hand-held electronics that have transformed the way we can describe and understand cities.
Other projects flip this equation -- using data gathered from sensors to actually create dazzling new environments. The Digital Water Pavilion, for instance, reacts to visitors by parting a stream of water to let them visit. And a project for the 2012 Olympics in London turns a pavilion building into a cloud of blinking interactive art. He's opening a research center in Singapore as part of an MIT-led initiative on the Future of Urban Mobility.
For more information on the projects in this talk, visit SENSEable @ TED >>
Carlo Ratti | Speaker | TED.com