TED2011
Aaron Koblin: Visualizing ourselves ... with crowd-sourced data
Aaron Koblin: Visualizando nuestra humanidad artísticamente
Filmed:
Readability: 4.2
1,731,467 views
El artista Aaron Koblin toma cantidades inmensas de datos -y a veces cantidades inmensas de personas- y las integra para lograr visualizaciones espectaculares. Desde líneas que elegantemente trazan los vuelos aéreos hasta mapas de data de teléfonos celulares, desde un video de Johnny Cash compuesto por dibujos de personas hasta el video de "El Centro de la Ciudad Silvestre" que se adapta al usuario, sus obras exploran brillantemente cómo la tecnología moderna nos puede hacer más humanos.
Aaron Koblin - Data artist
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology. Full bio
Aaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology. Full bio
Double-click the English transcript below to play the video.
00:15
So I think data can actually make us more human.
0
0
4000
Creo que los datos realmente nos pueden hacer más humanos.
00:19
We're collecting and creating all kinds of data about how we're living our lives,
1
4000
3000
Estamos creando y guardando muchísimos datos acerca de cómo vivimos nuestras vidas
00:22
and it's enabling us to tell some amazing stories.
2
7000
2000
y esto nos está permitiendo contar algunas historias increíbles.
00:24
Recently, a wise media theorist Tweeted,
3
9000
3000
Hace poco un sagaz teórico de los medios twiteó:
00:27
"The 19th century culture was defined by the novel,
4
12000
2000
"La cultura del siglo 19 fue definida por la novela,
00:29
the 20th century culture was defined by the cinema,
5
14000
2000
la cultura del siglo 20 fue definida por el cine,
00:31
and the culture of the 21st century
6
16000
2000
y la cultura del siglo 21
00:33
will be defined by the interface."
7
18000
2000
será definida por la interfaz."
00:35
And I believe this is going to prove true.
8
20000
2000
Y creo que esto va a terminar resultando cierto.
00:37
Our lives are being driven by data,
9
22000
2000
Nuestras vidas están siendo gobernadas por los datos,
00:39
and the presentation of that data is an opportunity
10
24000
2000
y la presentación de esos datos nos da la oportunidad
00:41
for us to make some amazing interfaces that tell great stories.
11
26000
2000
de hacer unas interfaces increíbles que cuenten grandes historias.
00:43
So I'm going to show you a few of the projects
12
28000
2000
Así que les voy a mostrar algunos de los proyectos
00:45
that I've been working on over the last couple years
13
30000
2000
en los que he estado trabajando durante los últimos dos años
00:47
that reflect on our lives and our systems.
14
32000
2000
que reflexionan sobre nuestras vidas y nuestros sistemas.
00:49
This is a project called Flight Patterns.
15
34000
2000
Este es un proyecto llamado Patrones de Vuelo.
00:51
What you're looking at is airplane traffic
16
36000
2000
Lo que estamos viendo es el tráfico de aviones
00:53
over North America for a 24-hour period.
17
38000
3000
sobre América del Norte durante un período de 24 horas.
00:56
As you see, everything starts to fade to black,
18
41000
2000
Como pueden ver, todo comienza a oscurecer
00:58
and you see people going to sleep.
19
43000
2000
y pueden ver a la gente yéndose a dormir.
01:00
Followed by that, you see on the West coast
20
45000
2000
Pueden ver después de eso en la costa oeste
01:02
planes moving across, the red-eye flights to the East coast.
21
47000
3000
a los aviones moviéndose a la costa este, los vuelos nocturnos.
01:05
And you'll see everybody waking up on the East coast,
22
50000
3000
Y verán a todos despertándose en la costa este,
01:08
followed by European flights coming in the upper right-hand corner.
23
53000
3000
seguidos por los vuelos europeos llegando en la esquina superior derecha.
01:11
Everybody's moving from the East coast to the West coast.
24
56000
3000
Todo el mundo se mueve de la costa este a la costa oeste.
01:14
You see San Francisco and Los Angeles
25
59000
2000
Pueden ver a San Francisco y a Los Ángeles
01:16
start to make their journeys down to Hawaii in the lower left-hand corner.
26
61000
3000
empezar a hacer sus viajes hacia Hawái, en la esquina inferior izquierda.
01:19
I think it's one thing to say there's 140,000 planes
27
64000
2000
Creo que es una cosa decir que en cada momento
01:21
being monitored by the federal government at any one time,
28
66000
3000
hay 140 mil aviones siendo monitoreados por el gobierno federal,
01:24
and it's another thing to see that system as it ebbs and flows.
29
69000
3000
y otra cosa es ver ese sistema mientras va fluyendo de lado a lado.
01:29
This is a time-lapse image of that exact same data,
30
74000
2000
Esta es una imagen del lapso de tiempo de esos mismos datos,
01:31
but I've color-coded it by type,
31
76000
2000
pero le he puesto color a cada tipo,
01:33
so you can see the diversity of aircraft that are in the skies above us.
32
78000
3000
para que puedan ver todos los distintos aviones que están en los cielos encima de nosotros.
01:36
And I started making these, and I put them into Google Maps
33
81000
3000
Y empecé a hacer estos y los puse en Google Maps
01:39
and allow you to zoom in and see individual airports
34
84000
2000
y pueden hacerles zoom y ver aeropuertos específicos
01:41
and the patterns that are occurring there.
35
86000
2000
y los patrones que se están produciendo allí.
01:43
So here we can see the white represents low altitudes,
36
88000
3000
Y aquí podemos ver como el blanco representa altitudes bajas
01:46
and the blue are higher altitudes.
37
91000
2000
y el azul representa altitudes superiores.
01:48
And you can zoom in. This is taking a look at Atlanta.
38
93000
2000
Y puedes acercarte. Aquí estamos viendo a Atlanta.
01:50
You can see this is a major shipping airport,
39
95000
2000
Pueden ver que este es un aeropuerto de carga muy importante,
01:52
and there's all kinds of activity there.
40
97000
2000
y hay muchas cosas distintas pasando.
01:54
You can also toggle between altitude
41
99000
3000
También se puede ir mirando la altitud
01:57
for model and manufacturer.
42
102000
2000
cambiándo entre modelos y fabricantes.
01:59
See again, the diversity.
43
104000
2000
Vean de nuevo la diversidad.
02:01
And you can scroll around and see
44
106000
2000
Y pueden moverse alrededor y ver
02:03
some of the different airports and the different patterns that they have.
45
108000
3000
algunos de los diferentes aeropuertos y los diferentes patrones que muestran.
02:06
This is scrolling up the East coast.
46
111000
2000
Aquí nos movemos hacia arriba por la costa este.
02:08
You can see some of the chaos that's happening in New York
47
113000
2000
Pueden ver un poco del caos que tienen en Nueva York
02:10
with the air traffic controllers
48
115000
2000
porque los controladores de tránsito aéreo
02:12
having to deal with all those major airports next to each other.
49
117000
4000
tienen que lidiar con todos esos aeropuertos importantes muy cercanos.
02:17
So zooming back out real quick,
50
122000
2000
Y saliéndonos rápidamente vemos,
02:19
we see, again, the U.S. -- you get Florida down in the right-hand corner.
51
124000
3000
de nuevo los EE.UU.; pueden ver a Florida en la esquina derecha.
02:22
Moving across to the West coast,
52
127000
2000
Moviéndose por la costa oeste,
02:24
you see San Francisco and Los Angeles --
53
129000
2000
pueden ver a San Francisco y a Los Ángeles;
02:26
big low-traffic zones
54
131000
2000
grandes zonas de bajo tráfico
02:28
across Nevada and Arizona.
55
133000
2000
a lo largo de Nevada y Arizona.
02:30
And that's us down there in L.A. and Long Beach on the bottom.
56
135000
4000
Y nosotros estamos ahí abajo en Los Ángeles y Long Beach en el borde inferior.
02:36
I started taking a look as well at different perimeters,
57
141000
2000
También empecé a mirar diferentes parámetros,
02:38
because you can choose what you want to pull out from the data.
58
143000
2000
porque pueden elegir qué quieren obtener de los datos.
02:40
This is looking at ascending versus descending flights.
59
145000
3000
Aquí estamos mirando vuelos ascendentes versus descendentes.
02:43
And you can see, over time, the ways the airports change.
60
148000
2000
Y pueden ver, con el tiempo, cómo cambian los aeropuertos.
02:45
You see the holding patterns that start to develop
61
150000
2000
Pueden ver los ciclos de espera que se comienzan a desarrollar
02:47
in the bottom of the screen.
62
152000
2000
en la parte inferior de la pantalla.
02:49
And you can see, eventually the airport actually flips directions.
63
154000
3000
Y pueden ver que después de un tiempo se invierte la dirección del aeropuerto.
02:53
So this is another project that I worked on with the Sensible Cities Lab at MIT.
64
158000
3000
Y este es otro proyecto en el que trabajé con el Laboratorio de Ciudades Sensibles del MIT.
02:56
This is visualizing international communications.
65
161000
2000
Aquí estamos visualizando las comunicaciones internacionales.
02:58
So it's how New York communicates
66
163000
2000
Y es como Nueva York se comunica
03:00
with other international cities.
67
165000
2000
con otras ciudades internacionales.
03:02
And we set this up as a live globe in the Museum of Modern Art in New York
68
167000
3000
Y lo pusimos como un globo terráqueo en vivo en el Museo de Arte Moderna
03:05
for the Design the Elastic Mind exhibition.
69
170000
2000
para la exhibición de "Diseño y la Mente Elástica".
03:07
And it had a live feed with a 24-hour offset,
70
172000
2000
Y tenía una transmisión en vivo con 24 horas de retardo,
03:09
so you could see the changing relationship
71
174000
2000
por lo que se podía ver la relación cambiante
03:11
and some demographic info
72
176000
2000
y algo de información demográfica
03:13
coming through AT&T's data and revealing itself.
73
178000
3000
que iba revelándose a través de los datos que enviaba AT&T.
03:16
This is another project I worked on with Sensible Cities Lab
74
181000
2000
Este es otro proyecto en el que trabajé con el Laboratorio de Ciudades Sensibles
03:18
and CurrentCity.org.
75
183000
2000
y CurrentCity.org.
03:20
And it's visualizing SMS messages being sent in the city of Amsterdam.
76
185000
3000
Y es la visualización de mensajes SMS enviados en la ciudad de Ámsterdam.
03:23
So you're seeing the daily ebb and flow
77
188000
2000
Así que están viendo el flujo de como
03:25
of people sending SMS messages from different parts of the city,
78
190000
2000
las personas envían mensajes SMS desde diferentes partes de la ciudad,
03:27
until we approach New Year's Eve, where everybody says, "Happy New Year!"
79
192000
3000
hasta que nos acercamos a la víspera de Año Nuevo, donde todos dicen: "¡Feliz Año Nuevo!" (Risas)
03:30
(Laughter)
80
195000
2000
hasta que nos acercamos a la víspera de Año Nuevo, donde todos dicen: "¡Feliz Año Nuevo!" (Risas)
03:32
So this is an interactive tool
81
197000
2000
Y esta es una herramienta interactiva
03:34
that you can move around and see different parts of the city.
82
199000
3000
donde puedes moverte y ver distintas partes de la ciudad.
03:37
This is looking at another event. This is called Queen's Day.
83
202000
3000
Aquí estamos viendo otro evento, llamado el Día de la Reina.
03:40
So again, you get this daily ebb and flow
84
205000
2000
Así que de nuevo, se observa este flujo variable diario
03:42
of people sending SMS messages from different parts of the city.
85
207000
3000
de personas que envían mensajes SMS desde diferentes partes de la ciudad.
03:45
And then you're going to see people start to gather in the center of the city
86
210000
2000
Y luego vamos a ver a la gente empezando a congregarse en el centro de la ciudad
03:47
to celebrate the night before,
87
212000
2000
para celebrar la noche anterior,
03:49
which happens right here.
88
214000
2000
lo que se ve justo aquí.
03:51
And then you can see people celebrating the next day.
89
216000
2000
Y después se puede ver a la gente celebrando el día siguiente.
03:53
And you can pause it and step back and forth and see different phases.
90
218000
3000
Y puedes poner pausa y retrocederlo o adelantarlo y ver las diferentes fases.
03:56
So now on to something completely different.
91
221000
2000
Entonces ahora cambiémonos a algo totalmente diferente.
03:58
Some of you may recognize this.
92
223000
2000
Algunos de ustedes podrán reconocer esto.
04:00
This is Baron Wolfgang von Kempelen's mechanical chess playing machine.
93
225000
3000
Esta es la máquina mecánica del barón Wolfgang von Kempelen que juega ajedrez.
04:03
And it's this amazing robot that plays chess extremely well,
94
228000
2000
Y es un robot increíble que juega ajedrez muy muy bien,
04:05
except for one thing: it's not a robot at all.
95
230000
3000
excepto por una cosa: en realidad no es un robot.
04:08
There's actually a legless man that sits in that box
96
233000
2000
De hecho, hay un hombre sin piernas que se sienta en esa caja
04:10
and controls this chess player.
97
235000
2000
y controla a este jugador de ajedrez.
04:12
This was the inspiration for a web service by Amazon
98
237000
2000
Esa fue la inspiración para un servicio web de Amazon
04:14
called the Mechanical Turk -- named after this guy.
99
239000
3000
llamado Mechanical Turk (o Turco Mecánico) en honor a este tipo.
04:17
And it's based on the premise that there are certain things
100
242000
2000
Y se basa en la premisa de que hay ciertas cosas
04:19
that are easy for people, but really difficult for computers.
101
244000
2000
que son fáciles para la gente, pero muy difíciles para las computadoras.
04:21
So they made this web service and said,
102
246000
2000
Por lo que hicieron este servicio web y dijeron:
04:23
"Any programmer can write a piece of software
103
248000
2000
"Cualquier programador puede escribir un programa
04:25
and tap into the minds of thousands of people."
104
250000
2000
y tener disponibles las mentes de miles de personas."
04:27
The nerdy side of me thought, "Wow, this is amazing.
105
252000
2000
Mi lado nerd pensó: "Wow, esto es increíble.
04:29
I can tap into thousands of people's minds."
106
254000
2000
Tendré disponibles las mentes de miles de personas."
04:31
And the other nerdy side of me thought,
107
256000
2000
Y mi otro lado nerd pensó:
04:33
"This is horrible. This is completely bizarre.
108
258000
3000
"Esto es horrible. Esto es demasiado extraño.
04:36
What does this mean for the future of mankind,
109
261000
2000
¿Qué significa esto para el futuro de la humanidad,
04:38
where we're all plugged into this borg?"
110
263000
2000
donde todos estaremos conectados a esta cosa gigantesca?"
04:40
I was probably being a little extreme.
111
265000
2000
Probablemente estaba siendo un poco extremo.
04:42
But what does this mean when we have no context for what it is that we're working on,
112
267000
2000
Pero ¿qué significa cuando no conocemos el contexto para lo que estamos haciendo,
04:44
and we're just doing these little labors?
113
269000
2000
y sólo estamos haciendo estos pequeños trabajos?
04:46
So I created this drawing tool.
114
271000
2000
Así que creé esta herramienta de dibujo.
04:48
I asked people to draw a sheep facing to the left.
115
273000
2000
Le pedí a la gente que dibujara una oveja mirando hacia la izquierda.
04:50
And I said, "I'll pay you two cents for your contribution."
116
275000
2000
Y les dije: "Te pagaré dos centavos por lo que me des."
04:52
And I started collecting sheep.
117
277000
3000
Y empecé a recolectar ovejas.
04:55
And I collected a lot, a lot of different sheep.
118
280000
3000
Y recibí muchas, muchas ovejas diferentes.
04:59
Lots of sheep.
119
284000
2000
Un montón de ovejas.
05:01
I took the first 10,000 sheep that I collected,
120
286000
2000
Tomé las primeras 10 mil ovejas recibidas
05:03
and I put them on a website called TheSheepMarket.com
121
288000
3000
y las puse en un sitio web llamado TheSheepMarket.com
05:06
where you can actually buy collections of 20 sheep.
122
291000
3000
donde se pueden comprar colecciones de 20 ovejas.
05:09
You can't pick individual sheep,
123
294000
2000
No pueden elegir ovejas específicas,
05:11
but you can buy a single plate block of stamps as a commodity.
124
296000
4000
pero pueden comprar un bloque de estampillas para tenerlas.
05:15
And juxtaposed against this grid,
125
300000
2000
Y yuxtapuesto sobre esta grilla
05:17
you see actually, by rolling over each individual one,
126
302000
2000
se ve en realidad, cuando pasas sobre cada oveja,
05:19
the humanity behind this hugely mechanical process.
127
304000
3000
la humanidad detrás de este proceso sumamente mecánico.
05:22
I think there's something really interesting
128
307000
2000
Creo que hay algo realmente interesante
05:24
to watching people as they go through this creative toil --
129
309000
3000
al ver a la gente a medida que avanzan a través de este trabajo creativo;
05:27
something we can all relate to,
130
312000
2000
algo que todos podemos comprender,
05:29
this creative process of trying to come up with something from nothing.
131
314000
3000
este proceso creativo de tratar de obtener algo partiendo de nada.
05:32
I think it was really interesting to juxtapose this humanity
132
317000
2000
Creo que fue muy interesante yuxtaponer esta humanidad
05:34
versus this massive distributed grid.
133
319000
2000
con esta enorme red distribuida.
05:36
Kind of amazing what some people did.
134
321000
3000
Es un poco asombroso lo que hicieron algunas personas.
05:39
So here's a few statistics from the project.
135
324000
2000
Y aquí hay algunas estadísticas del proyecto.
05:41
Approximate collection rate of 11 sheep per hour,
136
326000
2000
La tasa de recepción aproximada fue de 11 ovejas por hora
05:43
which would make a working wage of 69 cents per hour.
137
328000
3000
lo que resultaría en un salario de 69 centavos de dólar por hora.
05:46
There were 662 rejected sheep
138
331000
2000
Hubo 662 ovejas rechazadas
05:48
that didn't meet "sheep-like" criteria and were thrown out of the flock.
139
333000
3000
que no cumplieron los criterios "ovejunos" y fueron expulsadas de la manada.
05:51
(Laughter)
140
336000
2000
(Risas)
05:53
The amount of time spent drawing ranged from four seconds to 46 minutes.
141
338000
3000
El tiempo tomado para producir el dibujo varió de cuatro segundos a 46 minutos.
05:56
That gives you an idea of the different types of motivations and dedication.
142
341000
3000
Eso te da una idea de los diferentes grados de motivación y dedicación.
05:59
And there were 7,599 people that contributed to the project,
143
344000
3000
Hubieron 7.599 personas que contribuyeron al proyecto
06:02
or were unique IP addresses --
144
347000
2000
o que al menos fueron direcciones IP únicas;
06:04
so about how many people contributed.
145
349000
2000
entonces fue alrededor de esa cantidad.
06:06
But only one of them out of the 7,599 said this.
146
351000
4000
Pero sólo uno de ellos, de los 7.599, dijo esto:
06:10
(Laughter)
147
355000
4000
¿Por qué? ¿Por qué haces esto? (Risas)
06:14
Which I was pretty surprised by.
148
359000
2000
Lo cual me sorprendió mucho.
06:16
I expected people to be wondering, "Why did I draw a sheep?"
149
361000
3000
Esperaba que la gente se preguntara: "¿Por qué dibujé una oveja?"
06:19
And I think it's a pretty valid question.
150
364000
2000
Y creo que es una pregunta bastante válida.
06:21
And there's a lot of reasons why I chose sheep.
151
366000
2000
Y hay muchas razones por las que elegí ovejas.
06:23
Sheep were the first animal
152
368000
2000
Las ovejas fueron los primeros animales
06:25
to be raised from mechanically processed byproducts,
153
370000
2000
que fueron criados con subproductos procesados mecánicamente,
06:27
the first to be selectively bred for production traits,
154
372000
2000
los primeros en ser selectivamente criados para características productivas,
06:29
the first animal to be cloned.
155
374000
2000
el primer animal en ser clonado.
06:31
Obviously, we think of sheep as followers.
156
376000
2000
Obviamente, pensamos en ovejas como seguidoras.
06:33
And there's this reference to "Le Petit Prince"
157
378000
2000
Y está esta conexión a "Le Petit Prince" (El Principito)
06:35
where the narrator asks the prince to draw a sheep.
158
380000
2000
donde el narrador le pide al príncipe que dibuje una oveja.
06:37
He draws sheep after sheep.
159
382000
2000
Él dibuja oveja tras oveja.
06:39
The narrator's only appeased when he draws a box.
160
384000
2000
El narrador sólo queda satisfecho cuando dibuja una caja.
06:41
And he says, "It's not about a scientific rendering of a sheep.
161
386000
2000
Y él dice: "No se trata de una representación científica de una oveja.
06:43
It's about your own interpretation and doing something different."
162
388000
3000
Se trata de tu propia interpretación y de hacer algo diferente."
06:46
And I like that.
163
391000
2000
Y eso me gusta.
06:48
So this is a clip from Charlie Chaplin's "Modern Times."
164
393000
2000
Y este es un clip de "Tiempos modernos" de Charlie Chaplin.
06:50
It's showing Charlie Chaplin dealing with some of the major changes
165
395000
3000
Muestra a Charlie Chaplin enfrentándose a algunos de los cambios principales
06:53
during the Industrial Revolution.
166
398000
2000
de la Revolución Industrial.
06:55
So there were no longer shoe makers,
167
400000
2000
En ese entonces, ya no eran fabricantes de zapatos,
06:57
but now there are people slapping soles on people's shoes.
168
402000
2000
sino que ahora habían personas pegando suelas en los zapatos de la gente.
06:59
And the whole idea of one's relationship to their work changed a lot.
169
404000
3000
Y la idea de la relación entre una persona y su trabajo cambió mucho.
07:02
So I thought this was an interesting clip
170
407000
2000
Así que pensé que era un clip interesante para
07:04
to divide into 16 pieces
171
409000
2000
dividir en 16 pedazos
07:06
and feed into the Mechanical Turk with a drawing tool.
172
411000
3000
y meter en el Turco Mecánico con una herramienta de dibujo.
07:09
This basically allowed -- what you see on the left side is the original frame,
173
414000
3000
Básicamente, esto permitió: lo que se ve en el lado izquierdo es el original,
07:12
and on the right side you see that frame
174
417000
2000
y en el lado derecho se ve la imagen
07:14
as interpreted by 16 people
175
419000
2000
interpretada por 16 personas
07:16
who have no idea what it is they're doing.
176
421000
2000
que no tienen idea de qué es lo que están haciendo.
07:18
And this was the inspiration for a project
177
423000
2000
Y esta fue la inspiración para un proyecto
07:20
that I worked on with my friend Takashi Kawashima.
178
425000
2000
en el cual trabajé con mi amigo Takashi Kawashima.
07:22
We decided to use the Mechanical Turk for exactly what it was meant for,
179
427000
2000
Decidimos utilizar el Turco Mecánico para su propósito original,
07:24
which is making money.
180
429000
2000
el cual es generar dinero.
07:26
So we took a hundred dollar bill and divided it into 10,000 teeny pieces,
181
431000
3000
Así que tomamos un billete de 100 dólares y lo dividimos en 10 mil trozos pequeñísimos
07:29
and we fed those into the Mechanical Turk.
182
434000
2000
y los metimos al Turco Mecánico.
07:31
We asked people to draw what it was that they saw.
183
436000
2000
Le pedimos a la gente que dibujara lo que veían.
07:33
But here there was no sheep-like criteria.
184
438000
2000
Pero aquí no hay criterios “ovejunos”.
07:35
People, if they drew a stick figure or a smiley face,
185
440000
3000
Si la gente dibujaba una persona a rayas o una carita sonriente,
07:38
it actually made it into the bill.
186
443000
2000
quedaba efectivamente metida en el billete.
07:40
So what you see is actually a representation of how well people did
187
445000
2000
Así que lo que vemos es en realidad una representación de cuan bien la gente hizo
07:42
what it was they were asked to do.
188
447000
2000
lo que se le pidió que hiciera.
07:44
So we took these hundred dollar bills,
189
449000
2000
Así que tomamos estos billetes de cien dólares
07:46
and we put them on a website called TenThousandsCents.com,
190
451000
2000
y los pusimos en un sitio web llamado TenThousandsCents.com,
07:48
where you can browse through and see all the individual contributions.
191
453000
3000
donde pueden ir y navegar por todas las distintas contribuciones.
07:51
And you can also trade real hundred-dollar bills for fake hundred-dollar bills
192
456000
3000
Y también pueden cambiar billetes reales de 100 dólares por estos billetes falsos
07:54
and make a donation to the Hundred Dollar Laptop Project,
193
459000
3000
y hacer una donación al Proyecto de Laptops de Cien Dólares,
07:57
which is now known as One Laptop Per Child.
194
462000
3000
que ahora se conoce como Un Computador Por Niño.
08:00
This is again showing all the different contributions.
195
465000
2000
Nuevamente, aquí se ven todos los distintos aportes.
08:02
You see some people did beautiful stipple renderings,
196
467000
2000
Pueden ver que algunos hicieron hermosas versiones con punteado,
08:04
like this one on top --
197
469000
2000
como esta acá arriba;
08:06
spent a long time making realistic versions.
198
471000
3000
pasaron mucho tiempo haciendo versiones realistas.
08:09
And other people would draw stick figures or smiley faces.
199
474000
3000
Y otras personas que dibujaron personas a rayas o caritas sonrientes.
08:12
Here on the right-hand side in the middle
200
477000
2000
Aquí en el lado derecho al medio
08:14
you see this one guy writing, "$0.01!!! Really?"
201
479000
3000
verán que un tipo escribió: "$¡¡¡0.01!!! ¿En serio?
08:17
That's all I'm getting paid for this?
202
482000
4000
¿Es todo lo que me pagarán por esto?"
08:21
(Laughter)
203
486000
2000
(Risas)
08:23
So the last Mechanical Turk project I'm going to talk to you about
204
488000
2000
Y el último proyecto del Turco Mecánico del que les voy a hablar
08:25
is called Bicycle Built for 2000.
205
490000
2000
se llama Bicicleta Construida para 2000.
08:27
This is a collaboration with my friend Daniel Massey.
206
492000
2000
Esta es una colaboración con mi amigo Daniel Massey.
08:29
You may recognize these two guys.
207
494000
2000
Puede que reconozcan a estos dos tipos.
08:31
This is Max Mathews and John Kelly from Bell Labs in the '60s,
208
496000
3000
Son Max Mathews y John Kelly de los Laboratorios Bell en los años 60,
08:34
where they created the song "Daisy Bell,"
209
499000
2000
donde crearon la canción "Daisy Bell",
08:36
which was the world's first singing computer.
210
501000
2000
que fue la primera canción cantada por un computador.
08:38
You may recognize it from "2001: A Space Odyssey."
211
503000
2000
Quizás puedan reconocerla de "2001: Una odisea del espacio".
08:40
When HAL's dying at the end of the film he starts singing this song,
212
505000
3000
Cuando HAL está muriendo al final de la película empieza a cantar esta canción,
08:43
as a reference to when computers became human.
213
508000
3000
referenciando cuando los computadores se hicieron humanos.
08:46
So we resynthesized this song.
214
511000
2000
Así que re-sintetizamos esta canción.
08:48
This is what that sounded like.
215
513000
2000
Y así es como termino sonando.
08:50
We broke down all the individual notes
216
515000
2000
Dividimos todas las notas
08:52
in the singing as well as the phonemes in the singing.
217
517000
3000
y también los fonemas en el canto.
08:55
Daisy Bell: ♫ Daisy, Daisy ... ♫
218
520000
4000
Daisy Bell: ♫ Daisy, Daisy... ♫
08:59
Aaron Koblin: And we took all of those individual pieces,
219
524000
2000
Aaron Koblin: Y tomamos todos los trozos independientes
09:01
and we fed them into another Turk request.
220
526000
2000
y los metimos en otra petición para el Turco Mecánico.
09:03
This is what it would look like if you went to the site.
221
528000
2000
Así se vería si ustedes fueran al sitio.
09:05
You type in your code,
222
530000
2000
Le escriben su código
09:07
but you first test your mic.
223
532000
2000
pero primero deben probar su micrófono.
09:09
You'd be fed a simple audio clip.
224
534000
2000
Se les entregaría un simple clip de audio.
09:11
(Honk)
225
536000
2000
(Honk)
09:13
And then you'd do your best to recreate that with your own voice.
226
538000
3000
Y después tratarían de repetir eso lo más parecido posible con sus propias voces.
09:22
After previewing it and confirming it's what you submitted,
227
547000
3000
Después de escucharlo y confirmar que es efectivamente lo que grabaron
09:25
you could submit it into the Mechanical Turk with no other context.
228
550000
3000
podrían entregarlo al Turco Mecánico, sin más contexto que eso.
09:28
And this is what we first got back from the very first set of submissions.
229
553000
3000
Y esto es lo que obtuvimos del primer grupo de grabaciones entregadas.
09:31
Recording: ♫ Daisy, Daisy ♫
230
556000
5000
Grabación: ♫ Daisy, Daisy ♫
09:36
♫ give me your answer do ♫
231
561000
5000
♫ Dame tu respuesta ♫
09:41
♫ I'm half crazy ♫
232
566000
4000
♫ Estoy medio loco ♫
09:45
♫ all for the love of you ♫
233
570000
5000
♫ todo por tu amor ♫
09:50
♫ It can't be a stylish marriage ♫
234
575000
5000
♫ No puede ser un matrimonio elegante ♫
09:55
♫ I can't afford a carriage ♫
235
580000
4000
♫ No puedo pagar un carruaje ♫
09:59
♫ But you'll look sweet upon the seat ♫
236
584000
5000
♫ Pero te verías hermosa en el asiento ♫
10:04
♫ of a bicycle built for two ♫
237
589000
5000
♫ de una bicicleta construida para dos ♫
10:09
AK: So James Surowieki has this idea of the wisdom of crowds,
238
594000
3000
AK: Así que James Surowieki tiene esta idea de la sabiduría de las multitudes;
10:12
that says that a whole bunch of people are smarter than any individual.
239
597000
3000
que dice que un montón de gente es más inteligente que cualquier individuo.
10:15
We wanted to see how this applies to collaborative, distributed music making,
240
600000
3000
Queríamos ver cómo aplicaba esto a la colaboración, a la creación distribuida de música,
10:18
where nobody has any idea what it is they're working on.
241
603000
3000
donde nadie tenía idea de en qué estaban trabajando.
10:21
So if you go to the BicycleBuiltforTwoThousand.com
242
606000
2000
Así que si van a la página BicycleBuiltforTwoThousand.com
10:23
you can actually hear what all this sounds like together.
243
608000
2000
pueden escuchar como suena realmente todo esto junto.
10:25
I'm sorry for this.
244
610000
2000
Me disculpo por esto.
10:27
(Noise)
245
612000
5000
(Ruido)
10:32
Chorus: ♫ Daisy, Daisy ♫
246
617000
4000
Coro: ♫ Daisy, Daisy ♫
10:36
♫ Give me your answer do ♫
247
621000
5000
♫ Dame tu respuesta ♫
10:41
♫ I'm half crazy ♫
248
626000
5000
♫ Estoy medio loco ♫
10:46
♫ all for the love of you ♫
249
631000
4000
♫ todo por tu amor ♫
10:50
♫ It can't be a stylish marriage ♫
250
635000
5000
♫ No puede ser un matrimonio elegante ♫
10:55
♫ I can't afford a carriage ♫
251
640000
4000
♫ No puedo pagar un carruaje ♫
10:59
♫ But you'd look sweet upon the seat ♫
252
644000
5000
♫ Pero te verías hermosa en el asiento ♫
11:04
♫ of a bicycle built for two ♫
253
649000
6000
♫ de una bicicleta construida para dos ♫
11:10
AK: So stepping back for a quick second,
254
655000
3000
AK: Así que dando un paso atrás por un segundo,
11:13
when I was at UCLA going to grad school,
255
658000
2000
cuando estaba estudiando para mi postgrado en la UCLA
11:15
I was also working at a place called the Center for Embedded Network Sensing.
256
660000
3000
también trabajaba en un lugar llamado el Centro para la Detección de Redes Embebidas.
11:18
And I was writing software to visualize laser scanners.
257
663000
3000
Y estaba escribiendo software para visualizar escáneres láser.
11:21
So basically motion through 3D space.
258
666000
2000
Básicamente escaneando movimiento en espacio 3D.
11:23
And this was seen by a director in L.A. named James Frost
259
668000
2000
Y esto fue visto por un director en Los Ángeles llamado James Frost
11:25
who said, "Wait a minute.
260
670000
2000
quien dijo: "Esperen un minuto.
11:27
You mean we can shoot a music video without actually using any video?"
261
672000
2000
¿Esto significa que podemos filmar un videoclip sin utilizar nada de video?"
11:29
So we did exactly that.
262
674000
2000
Así que hicimos precisamente eso.
11:31
We made a music video for one of my favorite bands, Radiohead.
263
676000
2000
Hicimos un videoclip para una de mis bandas favoritas, Radiohead.
11:33
And I think one of my favorite parts of this project
264
678000
2000
Y creo que una de mis partes favoritas de este proyecto
11:35
was not just shooting a video with lasers,
265
680000
2000
no fue sólo grabar un video con rayos láser,
11:37
but we also open sourced it,
266
682000
2000
sino que también abrimos su código al público
11:39
and we made it released as a Google Code project,
267
684000
2000
y lo dejamos como un proyecto Google Code
11:41
where people could download a bunch of the data and some source code
268
686000
2000
donde la gente podía descargar el código fuente y muchos datos
11:43
to build their own versions of it.
269
688000
2000
para construir sus propias versiones del clip.
11:45
And people were making some amazing things.
270
690000
2000
E hicieron algunas cosas increíbles.
11:47
This is actually two of my favorites:
271
692000
2000
Aquí tenemos dos de mis favoritos:
11:49
the pin-board Thom Yorke and a LEGO Thom Yorke.
272
694000
2000
el Thom Yorke de agujas y el Thom Yorke de LEGO.
11:51
A whole YouTube channel of people submitting really interesting content.
273
696000
3000
Un canal de YouTube completo en el que personas subían contenido realmente interesante.
11:54
More recently, somebody even 3D-printed Thom Yorke's head,
274
699000
3000
Hace poco, alguien incluso imprimió la cabeza de Thom Yorke en 3D
11:57
which is a little creepy, but pretty cool.
275
702000
3000
lo cual es un poco raro, pero bien cool.
12:00
So with everybody making so much amazing stuff
276
705000
2000
Y con todo el mundo haciendo tantas cosas increíbles
12:02
and actually understanding what it was they were working on,
277
707000
3000
y comprendiendo de verdad qué era lo que hacían,
12:05
I was really interested in trying to make a collaborative project
278
710000
2000
realmente me interesó tratar de hacer un proyecto colaborativo
12:07
where people were working together to build something.
279
712000
2000
donde las personas pudieran trabajar en conjunto para construir algo.
12:09
And I met a music video director named Chris Milk.
280
714000
2000
Y me junté con un director de video clips llamado Chris Milk.
12:11
And we started bouncing around ideas
281
716000
2000
Y empezamos a lanzarnos ideas
12:13
to make a collaborative music video project.
282
718000
2000
para hacer un proyecto de video clips colaborativos.
12:15
But we knew we really needed the right person
283
720000
2000
Pero sabíamos que necesitábamos la persona precisa
12:17
to kind of rally behind and build something for.
284
722000
3000
a quien le pudiéramos construir algo que valiera la pena.
12:20
So we put the idea on the back burner for a few months.
285
725000
2000
Así que dejamos la idea en un segundo plano por unos meses.
12:22
And he ended up talking to Rick Rubin,
286
727000
2000
Y él terminó hablando con Rick Rubin
12:24
who was finishing up Johnny Cash's final album
287
729000
2000
quien estaba terminando el último álbum de Johnny Cash
12:26
called "Ain't No Grave."
288
731000
2000
llamado "Ain't No Grave" ("No hay tumba").
12:28
The lyrics to the leading track are "Ain't no grave can hold my body down."
289
733000
3000
La letra de la canción inicial es "No hay tumba que pueda mantener mi cuerpo sepultado."
12:31
So we thought this was the perfect
290
736000
2000
Así que pensamos que este era el proyecto perfecto
12:33
project to build a collaborative memorial
291
738000
2000
para construir un memorial colaborativo
12:35
and a virtual resurrection for Johnny Cash.
292
740000
2000
y una resurrección virtual para Johnny Cash.
12:37
So I teamed up with my good friend Ricardo Cabello, also known as Mr. doob,
293
742000
3000
Así que me junté con mi buen amigo Ricardo Cabello, también conocido como Sr. Doob,
12:40
who's a much better programmer than I am,
294
745000
2000
quien es un programador mucho mejor que yo,
12:42
and he made this amazing Flash drawing tool.
295
747000
2000
y él hizo esta asombrosa herramienta de dibujo en Flash.
12:44
As you know,
296
749000
2000
Como ustedes saben,
12:46
an animation is a series of images.
297
751000
2000
una animación es una serie de imágenes.
12:48
So what we did was cross-cut a bunch of archival footage of Johnny Cash,
298
753000
3000
Así que lo que hicimos fue juntar muchos videos de archivo de Johnny Cash,
12:51
and at eight frames a second,
299
756000
2000
y en ocho cuadros por segundo
12:53
we allowed individuals to draw a single frame
300
758000
2000
dejamos que cada persona dibujara uno de esos cuadros
12:55
that would get woven into
301
760000
2000
que se uniría a este entramado de
12:57
this dynamically changing music video.
302
762000
2000
este video musical que cambia dinámicamente.
12:59
So I don't have time to play the entire thing for you,
303
764000
2000
No me alcanza el tiempo para mostrárselos entero
13:01
but I want to show you two short clips.
304
766000
2000
pero les quiero mostrar dos breves clips.
13:03
One is the beginning of the music video.
305
768000
2000
Uno de ellos es el principio del video.
13:05
And that's going to be followed by a short clip
306
770000
2000
Y eso va a ser seguido por un breve clip
13:07
of people who have already contributed to the project
307
772000
2000
de personas que ya han contribuido al proyecto
13:09
talking about it briefly.
308
774000
3000
hablando brevemente sobre el video.
13:12
(Music)
309
777000
6000
(Música)
13:18
(Video) Johnny Cash: ♫ There ain't no grave ♫
310
783000
2000
(Video) Johnny Cash: ♫ No hay ninguna tumba ♫
13:20
♫ can hold my body down ♫
311
785000
4000
♫ que pueda mantener mi cuerpo sepultado ♫
13:24
♫ There ain't no grave ♫
312
789000
2000
♫ No hay ninguna tumba ♫
13:26
♫ can hold body down ♫
313
791000
3000
♫ que pueda mantener mi cuerpo sepultado ♫
13:30
♫ When I hear the trumpet sound ♫
314
795000
4000
♫ Cuando escuche la trompeta sonar ♫
13:34
♫ I'm going to ride right out of the ground ♫
315
799000
2000
♫ voy a salir cabalgando de la tierra ♫
13:36
♫ Ain't no grave ♫
316
801000
3000
♫ No hay tumba ♫
13:39
♫ can hold my body ... ♫
317
804000
3000
♫ que pueda mantener mi cuerpo... ♫
13:42
(Applause)
318
807000
2000
(Aplausos)
13:44
AK: What better way to pay tribute to the man
319
809000
3000
AK: ¿Qué mejor manera de rendir homenaje al hombre
13:47
than to make something for one of his songs.
320
812000
3000
que hacer algo por una de sus canciones.
13:50
Collaborator: I felt really sad when he died.
321
815000
2000
Colaborador: Me sentí muy triste cuando murió.
13:52
And I just thought it'd be wonderful,
322
817000
2000
Y sólo pensé que sería maravilloso,
13:54
it'd be really nice to contribute something to his memory.
323
819000
3000
que sería muy bueno aportar algo a su memoria.
13:57
Collaborator Two: It really allows
324
822000
2000
Colaborador Dos: Logra realmente que
13:59
this last recording of his
325
824000
3000
su última grabación se vuelva
14:02
to be a living, breathing memorial.
326
827000
5000
un memorial vivo, que respire.
14:07
Collaborator Three: For all of the frames to be drawn by fans,
327
832000
3000
Colaborador Tres: Por todos los cuadros que dibujan y dibujarán sus fans,
14:10
each individual frame,
328
835000
2000
cada cuadro específico
14:12
it's got a very powerful feeling to it.
329
837000
2000
conlleva un sentimiento muy poderoso.
14:14
Collaborator Four: I've seen everybody
330
839000
2000
Colaborador Cuatro: He visto a todo el mundo
14:16
from Japan, Venezuela, to the States,
331
841000
2000
desde Japón, Venezuela, a Estados Unidos,
14:18
to Knoxville, Tennessee.
332
843000
2000
a Knoxville, Tennessee.
14:20
Collaborator Five: As much as is different from frame to frame,
333
845000
3000
Colaborador Cinco: Por mucho que sea diferente de cuadro a cuadro,
14:23
it really is personal.
334
848000
2000
es realmente personal.
14:25
Collaborator Six: Watching the video in my room,
335
850000
2000
Colaborador Seis: Viendo el video en mi habitación
14:27
I could see me not understanding at the beginning of it.
336
852000
3000
notaba que al principio me costaba entenderlo.
14:30
And I just worked and worked through problems,
337
855000
3000
Y sólo trabajé y fui solucionando los problemas,
14:33
until my little wee battles that I was fighting within the picture
338
858000
4000
hasta que todas las pequeñas batallas que luchaba dentro de la imagen
14:37
all began to resolve themselves.
339
862000
3000
comenzaron a resolverse por sí solas.
14:40
You can actually see the point when I know what I'm doing,
340
865000
2000
Y pueden ver el momento cuando sé lo que estoy haciendo
14:42
and a lot of light and dark comes into it.
341
867000
3000
y le llega mucha luz y oscuridad.
14:45
And in a weird way,
342
870000
2000
Y, de una manera extraña, al mismo tiempo
14:47
that's what I actually like about Johnny Cash's music as well.
343
872000
2000
es lo que me gusta de la música de Johnny Cash.
14:49
It's the sum total of his life,
344
874000
2000
Es la suma total de su vida,
14:51
all the things that had happened --
345
876000
2000
todo lo que había sucedido;
14:53
the bad things, the good things.
346
878000
2000
las cosas malas y las cosas buenas.
14:55
You're hearing a person's life.
347
880000
3000
Están escuchando la vida de una persona.
15:01
AK: So if you go to the website JohnnyCashProject.com,
348
886000
2000
AK: Así que si van a la página web JohnnyCashProject.com,
15:03
what you'll see is the video playing above.
349
888000
2000
lo que verán en la parte superior es el vídeo.
15:05
And below it are all the individual frames
350
890000
2000
Y debajo de él están todos los cuadros individuales
15:07
that people have been submitting to the project.
351
892000
2000
que la gente ha estado enviando al proyecto.
15:09
So this isn't finished at all,
352
894000
2000
Así que esto no está para nada terminado,
15:11
but it's an ongoing project where people can continue to collaborate.
353
896000
2000
es un proyecto que aún sigue en el que la gente puede seguir colaborando.
15:13
If you roll over any one of those individual thumbnails,
354
898000
2000
Si pasas encima de cualquiera de los cuadros
15:15
you can see the person who drew that individual thumbnail
355
900000
2000
se puede ver a la persona que dibujo esa imagen
15:17
and where they were located.
356
902000
2000
y donde estaba situado.
15:19
And if you find one that you're interested in,
357
904000
2000
Y si encuentran uno que les interesa,
15:21
you can actually click on it and open up an information panel
358
906000
2000
puede hacer clic sobre él y desplegar un panel de información
15:23
where you're able to rate that frame,
359
908000
2000
donde puede ponerle una nota a ese cuadro,
15:25
which helps it bubble up to the top.
360
910000
2000
lo que lo ayuda a ir subiendo en el ranking.
15:27
And you can also see the way that it was drawn.
361
912000
2000
Y también pueden ver la forma en la que se dibujó.
15:29
Again, you can get the playback and personal contribution.
362
914000
2000
Nuevamente, pueden ver el video y la contribución de la persona.
15:31
In addition to that, it's listed, the artist's name, the location,
363
916000
3000
Además de eso, se lista el nombre del artista, la ubicación,
15:34
how long they spent drawing it.
364
919000
2000
el tiempo que pasó dibujándolo.
15:36
And you can pick a style. So this one was tagged "Abstract."
365
921000
3000
Y pueden elegir un estilo. Este fue etiquetado como "Abstracto".
15:39
But there's a bunch of different styles.
366
924000
2000
Pero hay un montón de estilos diferentes.
15:41
And you can sort the video a number of different ways.
367
926000
2000
Y pueden ordenar los videos de varias maneras diferentes.
15:43
You can say, "I want to see the pointillist version
368
928000
2000
Pueden decir: "Quiero ver la versión puntillista
15:45
or the sketchy version or the realistic version.
369
930000
2000
o la versión trazada o la versión realista".
15:47
And then this is, again, the abstract version,
370
932000
2000
Y entonces esto es, de nuevo, la versión abstracta,
15:49
which ends up getting a little bit crazy.
371
934000
3000
que termina poniéndose media loca.
15:54
So the last project I want to talk to you about is another collaboration with Chris Milk.
372
939000
3000
Y el último proyecto que quería mostrarles es otra colaboración con Chris Milk.
15:57
And this is called "The Wilderness Downtown."
373
942000
2000
Y esto se llama "El Centro de la Ciudad Silvestre."
15:59
It's an online music video for the Arcade Fire.
374
944000
3000
Es un video de música en línea de la banda The Arcade Fire.
16:02
Chris and I were really amazed
375
947000
2000
Chris y yo estábamos muy sorprendidos
16:04
by the potential now with modern web browsers,
376
949000
2000
por el potencial actual de los navegadores web,
16:06
where you have HTML5 audio and video
377
951000
2000
donde tienen audio y video de HTML5
16:08
and the power of JavaScript to render amazingly fast.
378
953000
3000
y el poder de JavaScript para cargarlo increíblemente rápido.
16:11
And we wanted to push the idea of the music video that was meant for the Web
379
956000
3000
Y queríamos impulsar la idea de un video musical hecho para la Web
16:14
beyond the four-by-three or sixteen-by-nine window
380
959000
3000
más allá de la ventana de 4:3 o 16:9
16:17
and try to make it play out and choreograph throughout the screen.
381
962000
3000
y tratar de que corriera fuera de esta y se coreografiara por toda la pantalla.
16:20
But most importantly, I think,
382
965000
2000
Pero lo más importante, creo,
16:22
we really wanted to make an experience that was unlike the Johnny Cash Project,
383
967000
3000
es que queríamos crear una experiencia distinta a la del proyecto de Johnny Cash,
16:25
where you had a small group of people spending a lot of time
384
970000
3000
donde había un pequeño grupo de personas que pasaron mucho tiempo
16:28
to contribute something for everyone.
385
973000
2000
contribuyendo algo para muchos.
16:30
What if we had a very low commitment,
386
975000
3000
¿Qué pasaría si hubiera algo que necesitara un aporte mínimo
16:33
but delivered something individually unique to each person who contributed?
387
978000
3000
que al mismo tiempo entregara algo único e individual para cada persona que contribuyera?
16:36
So the project starts off by asking you to enter the address
388
981000
2000
Y entonces el proyecto comienza pidiéndoles que ingresen la dirección
16:38
of the home where you grew up.
389
983000
2000
del hogar donde se criaron.
16:40
And you type in the address --
390
985000
2000
Y cuando escribes la dirección,
16:42
it actually creates a music video specifically for you,
391
987000
2000
lo que hace es crear un video musical específicamente para ti,
16:44
pulling in Google maps and Streetview images
392
989000
2000
agregando los mapas de Google y las imágenes de Streetview
16:46
into the experience itself.
393
991000
2000
a la experiencia misma.
16:48
So this should really be seen at home with you typing in your own address,
394
993000
3000
Y deberían ver esto en sus casas ingresándole sus propias direcciones
16:51
but I'm going to give you a little preview of what you can expect.
395
996000
3000
pero les voy a dar una pequeña muestra de lo que podrían esperar.
16:54
(Video) Win Butler: ♫ Now our lives are changing fast ♫
396
999000
4000
(Video) Win Butler: ♫ Ahora nuestras vidas están cambiando rápidamente ♫
16:58
♫ Now our lives are changing fast ♫
397
1003000
4000
♫ Ahora nuestras vidas están cambiando rápidamente ♫
17:02
♫ Hope that something pure can last ♫
398
1007000
3000
♫ La esperanza de que algo puro pueda durar ♫
17:06
♫ Hope that something pure can last ♫
399
1011000
4000
♫ La esperanza de que algo puro pueda durar ♫
17:13
♫ Ooh we used to wait ♫
400
1018000
4000
♫ Ooh solíamos esperar ♫
17:17
♫ Ooh we used to wait ♫
401
1022000
4000
♫ Ooh solíamos esperar ♫
17:21
♫ Ooh we used to wait ♫
402
1026000
3000
♫ Ooh solíamos esperar ♫
17:24
♫ Sometimes it never came ♫
403
1029000
3000
♫ Habían veces que nunca llegaba ♫
17:27
♫ Sometimes it never came ♫
404
1032000
4000
♫ Habían veces que nunca llegaba ♫
17:31
♫ Still moving through the pain ♫
405
1036000
3000
♫ Moviéndonos aún a través del dolor ♫
17:34
♫ We used to wait for it ♫
406
1039000
4000
♫ Solíamos esperarlo ♫
17:38
♫ We used to wait for it ♫
407
1043000
4000
♫ Solíamos esperarlo ♫
17:42
♫ We used to wait for it ♫
408
1047000
4000
♫ Solíamos esperarlo ♫
17:50
AK: So I think, if there's one thing to take away from my talk today,
409
1055000
3000
AK: Y creo que, si hay una idea que pueden tomar de mi charla de hoy,
17:53
it's that an interface can be a powerful narrative device.
410
1058000
2000
es que una interfaz puede ser un recurso narrativo poderoso.
17:55
And as we collect more and more personally and socially relevant data,
411
1060000
4000
Y a medida que recolectamos más y más datos personales y socialmente relevantes
17:59
we have an opportunity, and maybe even an obligation,
412
1064000
2000
tenemos una oportunidad, y tal vez incluso la obligación,
18:01
to maintain the humanity and tell some amazing stories
413
1066000
2000
de preservar su humanidad y contar unas historias increíbles
18:03
as we explore and collaborate together.
414
1068000
2000
mientras exploramos y colaboramos juntos.
18:05
Thanks a lot.
415
1070000
2000
Muchas gracias.
18:07
(Applause)
416
1072000
4000
(Aplausos)
ABOUT THE SPEAKER
Aaron Koblin - Data artistAaron Koblin is an artist specializing in data and digital technologies. His work takes real world and community-generated data and uses it to reflect on cultural trends and the changing relationship between humans and technology.
Why you should listen
Aaron Koblin finds art through the unlikely confluence of massive data sets and personal intimacy. His work ranges from animating the paths of every North American airline flight, to using Amazon’s Mechanical Turk crowdsourcing platform to pay workers to “draw a sheep facing left,” which were then placed in "The Sheep Market."
Koblin was creative director for Johnny Cash's final music video, "Ain't No Grave," and worked on Radiohead’s video “House of Cards,” both of which received a Grammy nomination. He is now the Creative Director of the Data Arts team in Google's Creative Lab. His team collaborated with Arcade Fire to produce an online music video that allows viewers to incorporate images of their home neighborhood into the experience using Google Street View.
Aaron Koblin | Speaker | TED.com