TED2007
Jonathan Harris: The Web's secret stories
Jonathan Harris habla acerca de las historias secretas de la Web
Filmed:
Readability: 3.9
1,153,906 views
Jonathan Harris intenta ver el sentido del mundo emocional de la Web. Con una gran compasión por la condición humana, sus proyectos han creado controversia en Internet para encontrar lo que sentimos y lo que estamos buscando.
Jonathan Harris - Artist, storyteller, Internet anthropologist
Artist and computer scientist Jonathan Harris makes online art that captures the world's expression -- and gives us a glimpse of the soul of the Internet. Full bio
Artist and computer scientist Jonathan Harris makes online art that captures the world's expression -- and gives us a glimpse of the soul of the Internet. Full bio
Double-click the English transcript below to play the video.
00:25
So I really consider myself a storyteller.
0
0
4000
En realidad me considero un narrador de historias.
00:29
But I don't really tell stories in the usual way,
1
4000
4000
Pero, no las narro como usualmente se hace,
00:33
in the sense that I don't usually tell my own stories.
2
8000
3000
en el sentido de que casi nunca cuento mis propias historias.
00:37
Instead, I'm really interested in building tools that allow
3
12000
2000
En lugar de eso, me interesa construir herramientas que le permitan
00:39
large numbers of other people to tell their stories,
4
14000
4000
a un gran número de personas contar sus historias
00:43
people all around the world.
5
18000
1000
a la gente de todo el mundo.
00:45
I do this because I think that people actually have a lot in common.
6
20000
4000
Hago esto porque creo que la gente tiene mucho en común.
00:49
I think people are very similar,
7
24000
1000
Pienso que la gente es muy similar,
00:51
but I also think that we have trouble seeing that.
8
26000
2000
pero también pienso que nos cuesta trabajo verlo.
00:54
You know, as I look around the world I see a lot of gaps,
9
29000
3000
Y, cuando echo un vistazo al mundo veo muchos huecos,
00:57
and I think we all see a lot of gaps.
10
32000
1000
y creo que todos vemos muchos huecos.
00:59
And we define ourselves by our gaps.
11
34000
2000
Y ellos nos definen.
01:02
There's language gaps,
12
37000
1000
Hay huecos en el lenguaje,
01:04
there's ethnicity and racial gaps, there's age gaps,
13
39000
4000
hay huecos en el origen étnico y racial, existen en la edad,
01:08
there's gender gaps, there's sexuality gaps,
14
43000
5000
en materia de género y de sexualidad,
01:13
there's wealth and money gaps, there's education gaps,
15
48000
4000
existen en la riqueza y en el dinero, existen en la educación,
01:18
there's also religious gaps.
16
53000
2000
y también existen en materia religiosa.
01:20
You know, we have all these gaps and I think we like our gaps
17
55000
2000
Y, tenemos todos estos huecos y creo que nos gustan estos huecos
01:22
because they make us feel like we identify with something,
18
57000
3000
porque nos hacen sentir que nos identificamos con algo,
01:25
some smaller community.
19
60000
1000
con una pequeña comunidad.
01:26
But I think that actually, despite our gaps,
20
61000
2000
Pero creo que en realidad, a pesar de nuestros huecos,
01:29
we really have a lot in common.
21
64000
1000
tenemos mucho en común.
01:30
And I think one thing we have in common is a very deep need
22
65000
4000
Y pienso que una cosa que tenemos en común es una profunda necesidad
01:35
to express ourselves.
23
70000
1000
de expresarnos.
01:36
I think this is a very old human desire. It's nothing new.
24
71000
5000
Pienso que es un deseo humano muy antiguo. No es nada nuevo.
01:42
But the thing about self-expression
25
77000
1000
Pero el asunto de la expresión personal
01:43
is that there's traditionally been this imbalance
26
78000
2000
es que por tradición ha existido un desequilibrio
01:45
between the desire that we have to express ourselves
27
80000
3000
entre el deseo que tenemos para expresarnos
01:48
and the number of sympathetic friends
28
83000
2000
y el número de amigos compasivos
01:50
who are willing to stand around and listen.
29
85000
2000
que están dispuestos a estar con nosotros y escucharnos.
01:52
(Laughter)
30
87000
1000
(Risas)
01:54
This, also, is nothing new.
31
89000
2000
Esto tampoco es nada nuevo.
01:56
Since the dawn of human history, we've tried to rectify this imbalance
32
91000
3000
Desde los albores de la historia humana, hemos intentado rectificar este desequilibrio
01:59
by making art, writing poems, singing songs,
33
94000
4000
creando arte, escribiendo poemas, cantando canciones,
02:03
scripting editorials and sending them in to a newspaper,
34
98000
3000
escribiendo guiones editoriales y enviándolos a algún periódico,
02:06
gossiping with friends. This is nothing new.
35
101000
2000
chismeando con amigos. Esto no es nada nuevo.
02:08
What's new is that in the last several years
36
103000
2000
Lo que es nuevo es que en los últimos años
02:10
a lot of these very traditional physical human activities,
37
105000
3000
muchas de estas tradicionales actividades físicas humanas,
02:13
these acts of self-expression, have been moving onto the Internet.
38
108000
2000
estos actos de expresión personal, han comenzado a trasladarse al Internet.
02:16
And as that's happened, people have been leaving behind footprints,
39
111000
3000
Y a medida de que sucedió, la gente ha dejado huellas,
02:20
footprints that tell stories of their moments of self-expression.
40
115000
3000
huellas que narran historias de sus momentos de expresión personal.
02:24
And so what I do is, I write computer programs
41
119000
3000
Y así, lo que hago es escribir programas computerizados
02:27
that study very large sets of these footprints,
42
122000
3000
que estudian grandes colecciones de dichas huellas,
02:30
and then try to draw conclusions about the people who left them --
43
125000
3000
y después intentan extraer conclusiones acerca de la gente que las dejó --
02:34
what they feel, what they think,
44
129000
1000
lo que sienten, lo que pinsan,
02:36
what's different in the world today than usual,
45
131000
2000
lo que diferencia al mundo de hoy del habitual.
02:39
these sorts of questions.
46
134000
1000
Este tipo de preguntas.
02:41
One project that explores these ideas,
47
136000
1000
Un proyecto que explora estas ideas,
02:43
which was made about a year ago,
48
138000
1000
que se hizo más o menos hace un año,
02:44
is a piece called We Feel Fine.
49
139000
1000
es una pieza titulada We Feel Fine (Nos Sentimos Bien).
02:45
This is a piece that every two or three minutes
50
140000
3000
Es una pieza que cada dos o tres minutos escanea
02:48
scans the world's newly-posted blog entries
51
143000
2000
las últimas entradas de blog publicadas en el mundo
02:50
for occurrences of the phrases "I feel" or "I am feeling."
52
145000
5000
buscando frases que comienzan por "Siento" o "Estoy sientiendo."
02:55
And when it finds one of those phrases,
53
150000
1000
Y cuando encuentra una de esas frases,
02:56
it grabs the sentence up to the period,
54
151000
2000
captura la oración hasta el punto,
02:58
and then automatically tries to deduce the age, gender
55
153000
3000
y después automáticamente deduce la edad, el género,
03:01
and geographical location of the person that wrote that sentence.
56
156000
3000
y la ubicación geográfica de la persona que escribió dicha oración.
03:05
Then, knowing the geographical location and the time,
57
160000
2000
Después, al saber la ubicación geográfica y el tiempo,
03:07
we can also then figure out the weather
58
162000
1000
podemos deducir el tiempo climático
03:08
when that person wrote the sentence.
59
163000
2000
que había cuando la persona escribió la oración.
03:11
All of this information is saved in a database
60
166000
2000
Toda esta información se guarda en una base de datos
03:13
that collects about 20,000 feelings a day.
61
168000
2000
que recaba alrededor de 20.000 sentimientos al día.
03:15
It's been running for about a year and a half.
62
170000
2000
Ha estado funcionando por cerca de un año y medio.
03:17
It's reached about seven-and-a-half million human feelings now.
63
172000
3000
Hasta ahora ha recabado cerca de 7 millones y medio de sentimientos humanos,
03:20
And I'll show you a glimpse
64
175000
1000
y les permitiré echar un vistazo
03:21
of how this information is then visualized. So this is We Feel Fine.
65
176000
5000
a cómo se visualiza esta información. Así que esto es We Feel Fine.
03:27
What you see here is a madly swarming mass of particles,
66
182000
4000
Lo que ven aquí es una gran masa infestada de partículas,
03:31
each of which represents a single human feeling
67
186000
2000
cada una de ellas representa un sentimiento individual humano
03:33
that was stated in the last few hours.
68
188000
2000
expresado en las últimas horas.
03:36
The color of each particle corresponds to the type of feeling inside --
69
191000
3000
El color de cada partícula corresponde al tipo de sentimiento que hay dentro --
03:39
so that happy, positive feelings are brightly colored.
70
194000
2000
los sentimientos positivos y felices son de color brillante.
03:42
And sad, negative feelings are darkly colored.
71
197000
2000
Y los sentimientos negativos y tristes son más oscuros.
03:44
The diameter of each dot
72
199000
2000
El diámetro de cada punto
03:46
represents the length of the sentence inside,
73
201000
2000
representa la longitud de la oración que hay dentro,
03:48
so that the large dots contain large sentences,
74
203000
2000
así los puntos grandes contienen oraciones largas,
03:50
and the small dots contain small sentences.
75
205000
2000
y los puntos pequeños oraciones pequeñas.
03:52
Any dot can be clicked and expanded. And we see here,
76
207000
3000
Se puede hacer clic en cualquier punto y expandirlo. Y aquí podemos ver,
03:56
"I would just feel so much better
77
211000
1000
"Me sentiría mucho mejor si
03:57
if I could curl up in his arms right now and feel his affection for me
78
212000
3000
pudiera estar en sus brazos en este momento y poder sentir su afecto por mí
04:00
in the embrace of his body and the tenderness of his lips."
79
215000
3000
en el abrazo de su cuerpo y la ternura de sus labios."
04:03
So it gets pretty hot and steamy sometimes
80
218000
2000
Así que algunas veces se pone bastante sensual
04:05
in the world of human emotions.
81
220000
2000
en el mundo de las emociones humanas.
04:07
And all of these are stated by people:
82
222000
3000
Y todas estas las expresa la gente:
04:10
"I know that objectively it really doesn't mean much,
83
225000
2000
"Objetivamente sé que en realidad no significa mucho,
04:12
but after spending so many years as a small fish in a big pond,
84
227000
3000
pero después de pasar tantos años como un pececito en una gran pecera,
04:15
it's nice to feel bigger again."
85
230000
2000
es bonito sentirse grande de nuevo."
04:17
The dots exhibit human qualities. They kind of have their own physics,
86
232000
3000
Los puntos muestran cualidades humanas. Como si tuvieran su propia física,
04:20
and they swarm wildly around, kind of exploring the world of life.
87
235000
4000
y se mueven estrepitosamente, como explorando el mundo de la vida.
04:25
And then they also exhibit curiosity.
88
240000
1000
Y también muestran curiosidad.
04:26
You can see a few of them are swarming around the cursor right now.
89
241000
3000
Ahora pueden ver algunos de ellos moviéndose alrededor del cursor.
04:29
You can see some other ones
90
244000
1000
Pueden ver otros
04:31
are swarming around the bottom left corner of the screen
91
246000
1000
en la esquina inferior izquierda de la pantalla,
04:33
around six words. Those six words represent the six movements
92
248000
3000
cerca de seis palabras. Estas seis palabras representan los seis movimientos
04:36
of We Feel Fine. We're currently seeing Madness.
93
251000
3000
de We Feel Fine. En este momento estamos viendo Locura.
04:39
There's also Murmurs, Montage, Mobs, Metrics and Mounds.
94
254000
4000
También existe Murmullo, Montaje, Multitud, Métricas y Montículos.
04:43
And I'll walk you through a few of those now.
95
258000
2000
Y ahora les explicaré algunos de ellos.
04:45
Murmurs causes all of the feelings to fly to the ceiling.
96
260000
3000
Murmullos hace que todos los sentimientos vuelen hacia el techo.
04:49
And then, one by one, in reverse chronological order,
97
264000
2000
Y después, uno por uno, en orden cronológico inverso,
04:51
they excuse themselves, entering the scrolling list of feelings.
98
266000
3000
se excusan unos a los otros, ingresando a la lista de desplazamiento de la pantalla de los sentimientos.
04:56
"I feel a bit better now."
99
271000
1000
"Ya me siento un poquito mejor."
04:57
(Laughter)
100
272000
2000
(Risas)
05:00
"I feel confused and unsure of what the hell I want to do."
101
275000
2000
"Me siento confundido e inseguro acerca de qué diablos quiero hacer."
05:03
"I feel gypped out of something awesome here."
102
278000
2000
"Aquí me siento excluido de algo maravilloso."
05:06
"I feel so free; I feel so good."
103
281000
1000
"Me siento muy libre; me siento muy bien."
05:08
"I feel like I'm in this fog of depression that I can't get out of."
104
283000
3000
"Siento que estoy en una neblina de depresión de la cual no me puedo salir."
05:11
And you can click any of these to go out and visit the blog
105
286000
2000
Y puede hacer clic en cualquiera de estas oraciones para visitar el blog
05:13
from which it was collected. And in that way,
106
288000
2000
del cual se recabaron las oraciones. Y de esta forma,
05:15
you can connect with the authors of these statements
107
290000
2000
puede conectarse con los autores de dichas frases,
05:18
if you feel some degree of empathy.
108
293000
1000
si siente algún grado de empatía.
05:20
The next movement is called Montage.
109
295000
2000
El siguiente movimiento se titula Montaje.
05:22
Montage causes all of the feelings that contain photographs
110
297000
3000
Montaje hace que todos los sentimientos que contengan fotografías
05:25
to become extracted and display themselves in a grid.
111
300000
3000
se extraigan y se muestren en una cuadrícula.
05:29
This grid is then said to represent the picture of the world's feelings
112
304000
4000
Después, esta cuadrícula representa la fotografía de los sentimientos en el mundo
05:33
in the last few hours, if you will.
113
308000
1000
en las últimas horas.
05:34
Each of these can be clicked and we can blow it up.
114
309000
3000
Se puede hacer clic en cada uno de estos, y se pueden hacer explotar.
05:37
We see, "I just feel like I'm not going to have fun
115
312000
3000
Podemos ver, "Simplemente siento que no me voy a divertir
05:40
if it's not the both of us." That was from someone in Michigan.
116
315000
4000
si no estamos los dos." Eso fue de alguien en Michigan.
05:46
We see, "I feel like I have been at a computer all day."
117
321000
4000
"Siento como si hubiera estado todo el día frente a una computadora."
05:50
(Laughter)
118
325000
1000
(Risas)
05:53
These are automatically constructed using the found objects:
119
328000
3000
Se construyen de manera automática utilizando los objetos encontrados:
05:56
"I think I feel a little full."
120
331000
2000
"Creo que me siento un poco lleno."
06:00
The next movement is called mobs.
121
335000
1000
El siguiente movimiento se tituta Multitudes.
06:01
Mobs provides different statistical breakdowns
122
336000
2000
Multitudes ofrece diferentes extractos estadísticos
06:03
of the population of the world's feelings in the last few hours.
123
338000
3000
de la población de los sentimientos en el mundo en las últimas horas.
06:06
We see that "better" is the most frequent feeling right now,
124
341000
2000
Podemos ver que ahora "mejor" es el sentimiento más frecuente,
06:08
followed by "good," "bad," "guilty," "right," "down," "sick" and so on.
125
343000
4000
seguido por bueno, malo, culpable, triste, enfermo, etcétera.
06:13
We can also get a gender breakdown.
126
348000
1000
También tenemos un desglose por género.
06:14
And we see that women are slightly more prolific
127
349000
2000
Y vemos que en las últimas horas las mujeres son ligeramente
06:16
talking about their emotions in the last few hours than men.
128
351000
2000
más prolíficas cuando hablan de sus emociones.
06:20
We can do an age breakdown, which gives us a histogram
129
355000
2000
Podemos obtener un desglose por edad, que nos da un histograma
06:22
of the world's emotional distribution by age.
130
357000
2000
de la distribución emocional del mundo.
06:25
We see people in their twenties are the most prolific,
131
360000
3000
Vemos que la gente de 20 a 30 años es más prolífica,
06:28
followed by teenagers, and then people in their thirties,
132
363000
2000
seguida por los adolescentes, y después por las personas entre 30 y 40,
06:30
and it dies out very quickly from there.
133
365000
1000
y a partir de ahí desaparece rápidamente.
06:32
In weather, the feelings assume the physical characteristics
134
367000
4000
En el clima, los sentimientos asumen las características físicas
06:36
of the weather that they represent,
135
371000
1000
del clima que representan,
06:37
so that the ones collected on a sunny day
136
372000
2000
de manera que aquéllos recabados en un día soleado
06:39
swirl around as if they're part of the sun.
137
374000
2000
giran alrededor como si fueran parte del sol.
06:41
The cloudy ones float along as if they're on a breeze.
138
376000
2000
Aquellos nublados flotan a manera de brisa.
06:44
The rainy ones fall down as if they're in a rainstorm,
139
379000
2000
Los lluviosos caen como si fueran parte de una tormenta,
06:46
and the snowy ones kind of flutter to the ground.
140
381000
2000
y los que son como la nieve ondean hacia el piso.
06:49
Finally, location causes the feelings to move to their positions
141
384000
3000
Por último, la ubicación hace que los sentimientos se muevan a sus posiciones
06:52
on a world map showing the geographical distribution of feelings.
142
387000
3000
en un mapa global que muestra la distribución geográfica de los sentimientos.
06:57
Metrics provides more numerical views on the data.
143
392000
2000
Las métricas ofrecen visualizaciones más numéricas.
06:59
We see that the world is feeling "used"
144
394000
1000
Podemos ver que ahora el mundo se siente usado
07:00
at 3.3 times the normal level right now.
145
395000
3000
3.3 veces más que el nivel normal.
07:03
(Laughter)
146
398000
3000
(Risas)
07:06
They're feeling "warm" at 2.9 times the normal level, and so on.
147
401000
4000
Se sienten cariñosos 2.9 veces que el nivel normal, etc.
07:10
Other views are also available.
148
405000
1000
También están disponibles otras visualizaciones.
07:11
Here are gender, age, weather, location.
149
406000
2000
Aquí se ven el género, la edad, el clima, la ubicación.
07:13
The final movement is called Mounds.
150
408000
2000
El movimiento final se titula Montículos.
07:15
It's a bit different from the others.
151
410000
1000
Es un poco diferente a los demás.
07:16
Mounds visualizes the entire dataset as large, gelatinous blobs
152
411000
4000
Montículos visualiza toda la información como grandes gotas gelatinosas
07:20
which kind of jiggle.
153
415000
1000
que se mueven un poco.
07:22
And if I hold down my cursor, they do a little dance.
154
417000
2000
Y si dejo apretado el cursor, hacen un pequeño baile.
07:25
We see "better" is the most frequent feeling, followed by "bad."
155
420000
3000
Podemos ver que "mejor" es el sentimiento más frecuente, seguido por "malo."
07:28
And then if I go over here, the list begins to scroll,
156
423000
3000
Y si después voy aquí, la lista comienza a bajar,
07:31
and there are actually thousands of feelings that have been collected.
157
426000
2000
y en realidad se pueden ver miles de sentimientos que han sido recabados.
07:33
You can see the little pink cursor moving along,
158
428000
2000
Pueden ver que el pequeño cursor rosa se mueve,
07:35
representing our position.
159
430000
1000
representando nuestra posición.
07:37
Here we see people that feel "slipping," "nauseous," "responsible."
160
432000
4000
Aquí vemos a gente que se siente "aislada," "nauseabunda," " responsable."
07:41
There's also a search capability,
161
436000
1000
También se puede buscar,
07:42
if you're interested in finding out about a certain population.
162
437000
2000
si estás interesado en encontrar algo acerca de alguna población.
07:45
For instance, you could find women who feel "addicted"
163
440000
2000
Por ejemplo, podría encontrar mujeres que se sienten "adictas"
07:47
in their 20s when it was cloudy in Bangladesh.
164
442000
4000
en edad de veinte años mientras está nublado en Bangladesh.
07:51
(Laughter)
165
446000
4000
(Risas)
07:55
But I'll spare you that.
166
450000
1000
Pero eso se los voy a evitar.
07:56
So here are some of my favorite montages that have been collected:
167
451000
3000
Aquí les mostraré algunos de mis montajes favoritos que han sido recabados:
08:00
"I feel so much of my dad alive in me that there isn't even room for me."
168
455000
3000
"Siento tanto de mi padre vivo en mí que ni siquiera hay espacio para mí misma."
08:05
"I feel very lonely."
169
460000
2000
"Me siento muy sola."
08:09
"I need to be in some backwoods redneck town
170
464000
2000
"Necesito estar en algún pueblo de un sureño de clase baja
08:11
so that I can feel beautiful."
171
466000
2000
para poder sentirme hermosa."
08:16
"I feel invisible to you."
172
471000
1000
"Me siento invisible para tí."
08:19
"I wouldn't hide it if society didn't make me feel like I needed to."
173
474000
3000
"No lo escondería si la sociedad no me hiciera sentir como si lo tuviera que hacer."
08:25
"I feel in love with Carolyn." "I feel so naughty."
174
480000
4000
"Me siento enamorada de Carolyn." "Me siento tan atrevida."
08:32
"I feel these weirdoes are actually an asset to college life."
175
487000
3000
"Siento que estos bichos raros en realidad son un bien para la vida universitaria."
08:35
(Laughter)
176
490000
4000
(Risas)
08:39
"I love how I feel today."
177
494000
1000
"Me encanta cómo me siento hoy."
08:42
So as you can see, We Feel Fine uses a technique
178
497000
2000
Y bueno, como pueden ver We Feel Fine utiliza una técnica
08:44
that I call "passive observation."
179
499000
1000
que yo llamo "observación pasiva."
08:45
What I mean by that is that it passively observes people
180
500000
3000
Lo que quiero decir es que observa a la gente de manera pasiva
08:48
as they live their lives. It scans the world's blogs
181
503000
4000
a medida que viven sus vidas. Escanea los blogs del mundo
08:52
and looks at what people are writing,
182
507000
1000
y observa lo que la gente está escribiendo,
08:53
and these people don't know they're being watched or interviewed.
183
508000
3000
y esta gente no sabe que está siendo observada o entrevistada.
08:56
And because of that,
184
511000
1000
Y por esto,
08:57
you end up getting very honest, candid, sincere responses
185
512000
3000
uno termina obteniendo respuestas muy sinceras, francas y honestas
09:00
that are often very moving.
186
515000
1000
que a menudo son muy conmovedoras.
09:02
And this is a technique that I usually prefer in my work
187
517000
2000
Y esta es una técnica que por lo general prefiero en mi trabajo
09:04
because people don't know they're being interviewed.
188
519000
2000
porque la gente no sabe que está siendo entrevistada.
09:06
They're just living life, and they end up just acting like that.
189
521000
3000
Simplemente están viviendo la vida --y terminan actuando así.
09:10
Another technique is directly questioning people.
190
525000
2000
Otra técnica está cuestionando de manera directa a la gente.
09:12
And this is a technique that I explored in a different project,
191
527000
2000
Y esta es una técnica que exploro en un proyecto diferente,
09:14
the Yahoo! Time Capsule,
192
529000
1000
el Yahoo! Time Capsule, (la Cápsula del Tiempo de Yahoo!)
09:15
which was designed to take a fingerprint of the world in 2006.
193
530000
4000
la cual fue diseñada para tomar huellas digitales del mundo en 2006.
09:20
It was divided into ten very simple themes --
194
535000
2000
Se dividió en diez temas muy simples:
09:22
love, anger, sadness and so on --
195
537000
2000
amor, rabia, tristeza, etc --
09:24
each of which contained a single, very open-ended question
196
539000
2000
cada uno de ellos contenía una pregunta abierta muy sencilla
09:26
put to the world: What do you love? What makes you angry?
197
541000
3000
que se le hacía al mundo: ¿Qué ama? ¿Qué lo hace enojar?
09:29
What makes you sad? What do you believe in? And so on.
198
544000
2000
¿Qué lo entristece? ¿En qué cree?, etc.
09:31
The time capsule was available for one month online,
199
546000
2000
La cápsula del tiempo estuvo disponible en línea durante un mes,
09:33
translated into 10 languages, and this is what it looked like.
200
548000
5000
traducida a 10 idiomas, y así es como se veía.
09:38
It's a spinning globe,
201
553000
1000
Es un globo que da vueltas,
09:39
the surface of which is entirely composed of the pictures
202
554000
3000
su superficie está compuesta en su totalidad por imágenes
09:42
and words and drawings of people
203
557000
2000
y palabras y dibujos de la gente
09:44
that submitted to the time capsule.
204
559000
1000
que los envió a la cápsula del tiempo.
09:46
The ten themes radiate out and orbit the time capsule.
205
561000
2000
Los diez temas se muestran y orbitan la cápsula del tiempo.
09:48
You can sift through this data and see what people have submitted.
206
563000
4000
Puedes filtrar esta información y ver lo que la gente ha enviado.
09:52
This is in response to, What's beautiful? "Miss World."
207
567000
2000
Esta es la respuesta a ¿Qué es hermoso? "Miss Mundo."
09:54
There are two modes to the time capsule.
208
569000
2000
Existen dos modalidades en la cápsula del tiempo.
09:56
There's One World, which presents the spinning globe,
209
571000
2000
Existe One World (Un Mundo), que presenta al globo dando vueltas,
09:58
and Many Voices, which splits the data out into film strips
210
573000
3000
y Many Voices (Muchas Voces), que divide la información en tiras de película
10:02
and lets you sift through them one by one.
211
577000
1000
y le permite filtrarlas una por una.
10:05
So this project was punctuated by a really amazing event,
212
580000
4000
Así que este proyecto fue delimitado por un evento sorprendente
10:09
which was held in the desert outside Albuquerque in New Mexico
213
584000
5000
que se llevó a cabo en el desierto de Alburquerque en Nuevo México,
10:14
at the Jemez Pueblo, where for three consecutive nights,
214
589000
2000
en Jemez Pueblo, en donde por tres noches consecutivas,
10:16
the contents of the capsule were projected onto the sides
215
591000
3000
los contenidos de la cápsula se proyectaron a los lados
10:19
of the ancient Red Rock Canyon walls,
216
594000
1000
de las paredes del antiguo Cañón Red Rock,
10:21
which stand about 200 feet tall. It was really incredible.
217
596000
2000
que mide alrededor de 200 pies de altura. Fue realmente increíble.
10:23
And we also projected the contents of the time capsule
218
598000
3000
También proyectamos hacia el espacio los contenidos de
10:26
as binary code using a 35-watt laser into outer space.
219
601000
3000
la cápsula del tiempo en código binario con un láser de 35 vatios.
10:29
You can see the orange line leaving the desert floor
220
604000
3000
Pueden ver la línea naranja abandonando el piso del desierto
10:32
at about a 45 degree angle there. This was amazing
221
607000
2000
con ángulo de unos 45 grados. Fue sorprendente
10:34
because the first night I looked at all this information
222
609000
4000
porque a la primera noche observé toda esta información
10:38
and really started seeing the gaps that I talked about earlier --
223
613000
3000
y realmente comencé a ver los huecos de los que hablé antes --
10:41
the differences in age, gender and wealth and so on.
224
616000
2000
las diferencias en edad, género y riqueza, etc.
10:44
But, you know, as I looked at this more and more and more,
225
619000
2000
Pero, mientras más miraba esto,
10:46
and saw these images go across the rocks,
226
621000
2000
y veía estas imágenes a través de las rocas,
10:48
I realized I was seeing the same archetypal events
227
623000
2000
me di cuenta de que estaba viendo los mismos arquetipos
10:50
depicted again and again and again.
228
625000
2000
descritos una y otra y otra vez.
10:52
You know: weddings, births, funerals, the first car, the first kiss,
229
627000
5000
Ya sabe: bodas, nacimientos, funerales, el primer coche, el primer beso,
10:57
the first camel or horse -- depending on the culture.
230
632000
3000
el primer camello o caballo --dependiendo de la cultura.
11:00
And it was really moving. And this picture here was taken
231
635000
4000
Y fue muy conmovedor. Esta fotografía fue tomada la última noche
11:04
the final night from a distant cliff about two miles away,
232
639000
3000
desde un acantilado distante, a unas dos millas de distancia,
11:07
where the contents of the capsule were being beamed into space.
233
642000
3000
desde donde los contenidos de la cápsula se transmitían al espacio.
11:10
And there was something very moving
234
645000
2000
Y hubo algo muy conmovedor
11:12
about all of this human expression being shot off into the night sky.
235
647000
3000
acerca de esta expresión humana de ser proyectado al cielo de la noche.
11:15
And it started to make me think a lot about the night sky,
236
650000
3000
Y comenzó a hacerme pensar mucho acerca del cielo nocturno,
11:18
and how humans have always used the night sky
237
653000
1000
y cómo los humanos siempre han utilizado el cielo nocturno
11:19
to project their great stories.
238
654000
2000
para proyectar sus grandes historias.
11:21
You know, as a child in Vermont, on a farm where I grew up,
239
656000
3000
De niño en Vermont, en la granja donde crecí,
11:24
I would often look up into the dark sky
240
659000
2000
a menudo veía el oscuro cielo
11:26
and see the three star belt of Orion, the Hunter.
241
661000
2000
y veía el cinturón de Orión, de tres estrellas, el Cazador.
11:29
And as an adult, I've been more aware
242
664000
2000
Y ahora de adulto, me he vuelto más consciente
11:31
of the great Greek myths playing out in the sky overhead every night.
243
666000
3000
de los grande mitos griegos que se manifiestan en el cielo cada noche.
11:35
You know, Orion facing the roaring bull.
244
670000
2000
Como Orión al enfrentarse al toro enfurecido.
11:37
Perseus flying to the rescue of Andromeda.
245
672000
2000
Perseo volando para rescatar a Andrómeda.
11:39
Zeus battling Chronos for control of Mount Olympus.
246
674000
3000
Zeus luchando contra Cronos por el Monte Olimpo.
11:42
I mean, these are the great tales of the Greeks.
247
677000
2000
Estas son las grandes historias de los griegos.
11:44
And it caused me to wonder about our world today.
248
679000
2000
Y me hizo preguntarme acerca de nuestro mundo de hoy.
11:47
And it caused me to wonder specifically,
249
682000
2000
Y me hizo preguntarme específicamente,
11:49
if we could make new constellations today,
250
684000
2000
si pudiéramos crear nuevas constelaciones hoy en día,
11:52
what would those look like? What would those be?
251
687000
2000
¿cómo se verían?, ¿qué serían?
11:54
If we could make new pictures in the sky, what would we draw?
252
689000
3000
Si pudiéramos crear nuevas imágenes en el cielo, ¿qué dibujaríamos?
11:57
What are the great stories of today?
253
692000
1000
¿Cuáles son las grandes historias de hoy?
11:58
And those are the questions that inspired my new project,
254
693000
4000
Y estas son las preguntas que inspiraron mi nuevo proyecto,
12:02
which is debuting here today at TED.
255
697000
2000
que debuta hoy aquí en TED.
12:04
Nobody's seen this yet, publicly.
256
699000
1000
Nadie ha visto esto aún, públicamente.
12:06
It's called Universe: Revealing Our Modern Mythology.
257
701000
3000
Se llama Universe (Universo), y rebela nuestra mitología moderna.
12:10
And it uses this metaphor of an interactive night sky.
258
705000
3000
Utiliza la metáfora de un cielo de noche interactivo.
12:13
So, it's my great pleasure now to show this to you.
259
708000
3000
Así que, es un placer mostrárselo esta noche.
12:16
So, Universe will open here.
260
711000
1000
Así que, Universe se presentará aquí.
12:17
And you'll see that it leads with a shifting star field,
261
712000
4000
Y verán que comienza con un campo de estrellas en movimiento,
12:22
and there's an Aurora Borealis in the background,
262
717000
2000
con una Aurora Boreal en el fondo,
12:24
kind of morphing with color. The color of the Aurora Borealis
263
719000
3000
que se transforma con color. El color de la Aurora Boreal
12:27
can be controlled using this single bar of color at the bottom,
264
722000
3000
se puede controlar usando la barra de color en la parte inferior,
12:31
and we'll put it down here to red.
265
726000
2000
y lo pondremos en rojo.
12:33
So you see this kind of -- these stars moving along.
266
728000
2000
Y así pueden ver esta forma de estrellas en movimiento.
12:36
Now, these aren't just little points of light, little pixels.
267
731000
3000
Éstas no son sólo pequeños puntos de luz, pequeños píxeles.
12:39
Each of those stars actually represents
268
734000
2000
Cada una de estas estrellas representa
12:41
a specific event in the real world --
269
736000
2000
un evento específico en el mundo real --
12:44
a quote that was stated by somebody, an image,
270
739000
2000
una cita dicha por alguien, una imagen,
12:47
a news story, a person, a company. You know,
271
742000
3000
un artículo de noticias, una persona, una compañía. Ya sabe,
12:50
some kind of heroic personality.
272
745000
2000
una especie de personalidad heroica.
12:53
And you might notice that as the cursor begins
273
748000
2000
Y pueden notar que a medida que el cursor comienza
12:55
to touch some of these stars, that shapes begin to emerge.
274
750000
4000
a tocar algunas de estas estrellas, las formas comienzan a aparecer.
12:59
We see here there's a little man walking along, or maybe a woman.
275
754000
3000
Aquí podemos ver un pequeño hombre caminando, o tal vez una mujer.
13:02
And we see here a photograph with a head.
276
757000
4000
Y aquí vemos una fotografía con una cabeza.
13:07
You can start to see words emerging here.
277
762000
2000
Pueden ver cómo empiezan a aparecer las palabras.
13:10
And those are
278
765000
1000
Y éstas son las constelaciones;
13:12
the constellations of today.
279
767000
1000
éstas son las constelaciones de hoy.
13:14
And I can turn them all on,
280
769000
1000
Puedo encender todas,
13:15
and you can see them moving across the sky now.
281
770000
2000
y podrán verlas moviéndose ahora en el cielo.
13:18
This is the universe of 2007, the last two months.
282
773000
2000
Este es el universo de 2007, los últimos dos meses.
13:21
The data from this is global news coverage
283
776000
2000
La información proviene de miles de servicios de noticias
13:23
from thousands of news sources around the world.
284
778000
2000
de todo el mundo.
13:25
It's using the API of a really great company that I work with
285
780000
4000
Está utilizando la IPA (Interfaz de programación de aplicaciones) de una gran compañía con la que trabajé
13:29
in New York, actually, called Daylife.
286
784000
1000
en Nueva York, llamada Daylife.
13:31
And it's kind of the zeitgeist view at this level
287
786000
3000
A este nivel es una visión del espíritu de la época
13:34
of the world's current mythology over the last couple of months.
288
789000
4000
de la mitología actual del mundo durante los últimos meses.
13:38
So we can see where it's emerging here, like President Ford,
289
793000
3000
Así que podemos ver en dónde aparece, como con el Presidente Ford,
13:42
Iraq, Bush. And we can actually isolate just the words --
290
797000
3000
Irak, Bush. Y en realidad podemos aislar sólo las palabras --
13:45
I call them secrets -- and we can cause them to form
291
800000
2000
yo los llamo "secretos" -- y podemos hacer que creen una lista
13:47
an alphabetical list. And we see Anna Nicole Smith
292
802000
3000
en orden alfabético. Y vemos cómo Anna Nicole Smith
13:51
playing a big role recently.
293
806000
2000
ha jugado un papel importante recientemente.
13:53
President Ford -- this is Gerald Ford's funeral.
294
808000
3000
El Presidente Ford --este es el funeral de Gerald Ford.
13:56
We can actually click anything in Universe
295
811000
3000
Podemos hacer clic en cualquier cosa en Universo
13:59
and have it become the center of the universe,
296
814000
1000
y hacer que se vuelva el centro del universo,
14:00
and everything else will enter its orbit.
297
815000
2000
y todo lo demás ingresará en su orbita.
14:02
So, we'll click Ford, and now that becomes the center.
298
817000
3000
Así que, haremos clic sobre Ford, y ahora se hará el centro.
14:05
And the things that relate to Ford enter its orbit
299
820000
3000
Y las cosas relacionadas con Ford ingresarán en su orbita
14:08
and swirl around it.
300
823000
1000
y girarán a su alrededor.
14:10
We can isolate just the photographs, and we now see those.
301
825000
2000
Podemos aislar únicamente las fotografías, y ahora podemos verlas.
14:13
We can click on one of those
302
828000
1000
Podemos hacer clic en una de ellas
14:14
and have the photograph be the center of the universe.
303
829000
2000
y hacer que la fotografía sea el centro del universo.
14:17
Now the things that relate to it are swirling around.
304
832000
3000
Ahora las cosas relacionadas con ella girarán a su alrededor.
14:20
We can click on this and we see this iconic image
305
835000
3000
Podemos hacer clic sobre esta y vemos la imagen icónica
14:23
of Betty Ford kissing her husband's coffin.
306
838000
3000
de Betty Ford besando el ataúd de su esposo.
14:26
In Universe, there's kind of no end. It just goes infinitely,
307
841000
5000
En Universo, es como si no hubiera un fin. Es infinito,
14:32
and you can just kind of click on stuff.
308
847000
1000
y puede hacer clic en cualquier cosa.
14:34
This is a photographic representation, called Snapshots.
309
849000
4000
Esta es una representación fotográfica titulada Fotografías.
14:38
But we can actually be more specific in defining our universe.
310
853000
4000
En realidad podemos ser más específicos al definir nuestro universo.
14:42
So, if we want to,
311
857000
1000
Así que si queremos,
14:43
let's check out what Bill Clinton's universe looks like.
312
858000
3000
podemos ver el aspecto del universo de Bill Clinton,
14:46
And let's see, in the past week, what he's been up to.
313
861000
4000
y ver qué ha hecho la semana pasada.
14:50
So now, we have a new universe, which is just constrained
314
865000
3000
Y ahora, tenemos un nuevo universo, limitado sólo a
14:53
to all things Bill Clinton.
315
868000
1000
lo relacionado con Bill Clinton.
14:55
We can have his constellations emerge here.
316
870000
2000
Podemos hacer que sus constelaciones aparezcan aquí.
14:58
We can pull out his secrets,
317
873000
1000
Podemos extraer sus secretos,
14:59
and we see that it has a lot to do with candidates,
318
874000
3000
y podemos ver que tiene mucho que ver con candidatos,
15:02
Hillary, presidential, Barack Obama.
319
877000
3000
con Hillary, con lo presidencial y con Barack Obama.
15:06
We can see the stories
320
881000
1000
Podemos ver las historias
15:07
that Bill Clinton is taking part in right now.
321
882000
3000
de las que Bill Clinton está formando parte ahora.
15:10
Any of those can be opened up.
322
885000
2000
Y se puede acceder a cualquiera de ellas.
15:12
So we see Obama and the Clintons meet in Alabama.
323
887000
2000
Así vemos que Obama y los Clinton se reunieron en Alabama.
15:15
You can see that this is an important story;
324
890000
1000
Verán que esta es una historia importante;
15:16
there are a lot of things in its orbit. If we open this up,
325
891000
4000
existen muchas cosas en esta orbita. Si accedemos a ella,
15:20
we get different perspectives on this story.
326
895000
3000
obtendremos diferentes perspectivas de la historia.
15:23
You can click any of those to go out and read the article
327
898000
2000
Pueden hacer clic en cualquiera de ellas para salir y leer el artículo
15:25
at the source. This one's from Al Jazeera.
328
900000
2000
en la fuente. Este es de Al Jazeera.
15:28
We can also see the superstars. These would be the people
329
903000
4000
También podemos ver a las superestrellas. Éstas serían la gente
15:32
that are kind of the looming heroes and heroines
330
907000
3000
que son como los héroes y heroínas inminentes
15:35
in the universe of Bill Clinton. So there's Bill Clinton, Hillary,
331
910000
3000
en el universo de Bill Clinton. Así que aquí está Bill Clinton, Hillary,
15:38
Iraq, George Bush, Barack Obama, Scooter Libby --
332
913000
4000
Irak, George Bush, Barack Obama, Scooter Libby --
15:42
these are kind of the people of Bill Clinton.
333
917000
2000
estas son las personas de Bill Clinton.
15:45
We can also see a world map, so this shows us the geographic reach
334
920000
4000
También podemos ver un mapa mundial, y nos mostrará el alcance geográfico
15:49
of Bill Clinton in the last week or so.
335
924000
1000
de Bill Clinton en la última semana, más o menos.
15:50
We can see he's been focused in America
336
925000
2000
Vemos que ha estado concentrado en los EE.UU
15:52
because he's been campaigning, probably,
337
927000
2000
porque probablemente ha estado en campaña
15:54
but a little bit of action over here in the Middle East.
338
929000
2000
pero también ha estado activo en Oriente Medio.
15:56
And then we can also see a timeline.
339
931000
2000
Y también podemos ver una línea de tiempo.
15:58
So we see that he was a bit quiet on Saturday,
340
933000
3000
Y comprobamos que el sábado estuvo más tranquilo,
16:01
but he was back to work on Sunday morning,
341
936000
2000
pero regresó al trabajo el domingo en la mañana,
16:03
and actually been tapering off since then this week.
342
938000
3000
y en realidad desde enconces ha ido decayendo.
16:06
And it's not limited to just people or dates,
343
941000
2000
Y no está únicamente limitado a la gente o a las fechas,
16:08
but we can actually put in concepts also.
344
943000
2000
también podemos usar conceptos.
16:10
So if I put in climate change for all of 2006,
345
945000
3000
Si escribo cambio climático durante todo 2006,
16:14
we'll see what that universe looks like.
346
949000
2000
podremos ver cómo se ve el universo.
16:16
Here we have our star field. Here we have our shapes.
347
951000
3000
Aquí tenemos nuestro campo de estrellas, aquí nuestras formas,
16:19
Here we have our secrets.
348
954000
2000
y aquí nuestros secretos.
16:22
So we see again, climate change is large:
349
957000
2000
Y vemos de nuevo que el cambio climático es muy grande.
16:24
Nairobi, global conference, environmental.
350
959000
3000
Nairobi, conferencia global, ambiental.
16:27
And there are also quotes that you can see,
351
962000
2000
Y también existen citas que pueden leer,
16:29
if you're interested in reading about quotes on climate change.
352
964000
2000
si están interesados en las citas relacionadas con el cambio climático.
16:31
You know, this is really an infinite thing.
353
966000
1000
Y bueno, en realidad es algo infinito.
16:33
The superstars of climate change in 2006:
354
968000
2000
Las superestrellas en el cambio climático del 2006:
16:35
United States, Britain, China. You know,
355
970000
3000
Los Estados Unidos, Gran Bretaña, China.
16:38
these are the towering countries that kind of define this concept.
356
973000
3000
Estos son los países principales que definen este concepto.
16:41
So this is a piece that demands exploration.
357
976000
3000
Así que esta es una pieza que requiere exploración.
16:44
This will be online in several days, probably next Tuesday.
358
979000
4000
Estará en línea en algunos días, probablemente el próximo martes.
16:49
And you'll all be able to use it and kind of explore
359
984000
4000
Y ustedes podrán utilizarla y explorar
16:53
what your own personal mythology might be.
360
988000
2000
lo que puede ser su propia mitología personal.
16:55
You'll notice that in Daylife -- rather, in Universe --
361
990000
3000
Notará que en Daylife --más bien en Universo,
16:58
it supports both the notion of a global mythology,
362
993000
2000
se sostiene tanto la noción de una mitología global,
17:00
which is represented by something as broad as, say, 2007,
363
995000
3000
representada por algo tan amplio como por ejemplo el 2007,
17:03
and also a personal mythology.
364
998000
2000
como una mitología personal.
17:05
As you search for the things that are important to you in your world,
365
1000000
4000
A medida que buscan lo que es importante para ustedes en su mundo,
17:09
and then see what the constellations of those might look like.
366
1004000
3000
verán el aspecto de sus constelaciones.
17:13
So it's been a pleasure. Thank you very much.
367
1008000
3000
Así que ha sido un placer. Muchísimas gracias.Gracias
17:16
(Applause)
368
1011000
3000
(Aplausos)
ABOUT THE SPEAKER
Jonathan Harris - Artist, storyteller, Internet anthropologistArtist and computer scientist Jonathan Harris makes online art that captures the world's expression -- and gives us a glimpse of the soul of the Internet.
Why you should listen
Brooklyn-based artist Jonathan Harris' work celebrates the world's diversity even as it illustrates the universal concerns of its occupants. His computer programs scour the Internet for unfiltered content, which his beautiful interfaces then organize to create coherence from the chaos.
His projects are both intensely personal (the "We Feel Fine" project, made with Sep Kanvar, which scans the world's blogs to collect snapshots of the writers' feelings) and entirely global (the new "Universe," which turns current events into constellations of words). But their effect is the same -- to show off a world that resonates with shared emotions, concerns, problems, triumphs and troubles.
Jonathan Harris | Speaker | TED.com