TEDGlobal 2013
Alessandro Acquisti: What will a future without secrets look like?
Alessandro Acquisti: La importancia de la privacidad
Filmed:
Readability: 4.8
1,423,103 views
La línea entre lo público y lo privado se ha ido difuminando en la última década, tanto en línea como en la vida real, y Alessandro Acquisti está aquí para explicar qué significa esto y por qué es importante. En esta charla sugerente y un poco escalofriante, comparte detalles de las investigaciones recientes y en curso; presenta un proyecto que muestra lo fácil que es cotejar la foto de un extraño con su información personal.
Alessandro Acquisti - Privacy economist
What motivates you to share your personal information online? Alessandro Acquisti studies the behavioral economics of privacy (and information security) in social networks. Full bio
What motivates you to share your personal information online? Alessandro Acquisti studies the behavioral economics of privacy (and information security) in social networks. Full bio
Double-click the English transcript below to play the video.
Quiero contarles una historia
00:12
I would like to tell you a story
0
641
2354
00:14
connecting the notorious privacy incident
1
2995
3176
que conecta el célebre
incidente de privacidad
incidente de privacidad
00:18
involving Adam and Eve,
2
6171
2769
que involucró a Adán y Eva,
00:20
and the remarkable shift in the boundaries
3
8940
3446
y el cambio notorio de los límites
00:24
between public and private which has occurred
4
12386
2686
entre lo público y lo privado
00:27
in the past 10 years.
5
15072
1770
ocurrido en los últimos 10 años.
00:28
You know the incident.
6
16842
1298
Ya conocen el incidente.
00:30
Adam and Eve one day in the Garden of Eden
7
18140
3330
Adán y Eva, un día
en el Jardín del Edén,
en el Jardín del Edén,
00:33
realize they are naked.
8
21470
1843
se dan cuenta de
que están desnudos.
que están desnudos.
00:35
They freak out.
9
23313
1500
Se asustan.
00:36
And the rest is history.
10
24813
2757
Y el resto es historia.
00:39
Nowadays, Adam and Eve
11
27570
2188
Hoy en día, Adán y Eva
00:41
would probably act differently.
12
29758
2361
probablemente actuarían diferente.
00:44
[@Adam Last nite was a blast! loved dat apple LOL]
13
32119
2268
[@Adan ¡Lo de anoche fue genial!
Me encantó la manzana LOL] (Risas)
Me encantó la manzana LOL] (Risas)
00:46
[@Eve yep.. babe, know what happened to my pants tho?]
14
34387
1873
(Risas) [@Eva Sip... bebé, ¿sabes
qué le pasó a mis pantalones?]
qué le pasó a mis pantalones?]
00:48
We do reveal so much more information
15
36260
2636
Revelamos mucha más información
00:50
about ourselves online than ever before,
16
38896
3334
personal en línea que nunca antes,
00:54
and so much information about us
17
42230
1704
y las empresas recolectan mucha más
00:55
is being collected by organizations.
18
43934
2224
información sobre nosotros.
00:58
Now there is much to gain and benefit
19
46158
3282
Podemos ganar mucho
y beneficiarnos
y beneficiarnos
01:01
from this massive analysis of personal information,
20
49440
2446
del análisis masivo
de esta información personal,
de esta información personal,
01:03
or big data,
21
51886
1946
o "big data",
01:05
but there are also complex tradeoffs that come
22
53832
2638
pero también hay un precio grande
que pagar en términos de privacidad,
que pagar en términos de privacidad,
[Salí por una pizza]
[Mis amigos y la NSA]
[Mis amigos y la NSA]
01:08
from giving away our privacy.
23
56470
3098
en contraprestación.
01:11
And my story is about these tradeoffs.
24
59568
4023
Mi historia trata de esas
contraprestaciones.
contraprestaciones.
01:15
We start with an observation which, in my mind,
25
63591
2584
Empecemos con un verdad
que, en mi opinión,
que, en mi opinión,
01:18
has become clearer and clearer in the past few years,
26
66175
3327
se ha hecho cada vez más evidente
en los últimos años:
en los últimos años:
01:21
that any personal information
27
69502
2097
toda información personal
01:23
can become sensitive information.
28
71599
2285
puede volverse sensible.
01:25
Back in the year 2000, about 100 billion photos
29
73884
4125
En el 2000, se tomaron
unos 100 000 millones
unos 100 000 millones
01:30
were shot worldwide,
30
78009
1912
de fotos en el mundo,
01:31
but only a minuscule proportion of them
31
79921
3065
pero solo una ínfima parte de ellas
01:34
were actually uploaded online.
32
82986
1883
se subíeron a la Web.
01:36
In 2010, only on Facebook, in a single month,
33
84869
3361
En el 2010, solo en Facebook,
en un solo mes,
en un solo mes,
01:40
2.5 billion photos were uploaded,
34
88230
3270
se subieron 2500 millones de fotos,
01:43
most of them identified.
35
91500
1882
la mayoría identificadas.
01:45
In the same span of time,
36
93382
1880
En el mismo lapso de tiempo,
01:47
computers' ability to recognize people in photos
37
95262
4870
la capacidad de las computadoras
para reconocer personas en las fotos
para reconocer personas en las fotos
01:52
improved by three orders of magnitude.
38
100132
3608
mejoró en tres órdenes de magnitud.
01:55
What happens when you combine
39
103740
1882
¿Qué ocurre cuando uno combina
01:57
these technologies together:
40
105622
1501
estas tecnologías:
01:59
increasing availability of facial data;
41
107123
2658
aumento de la disponibilidad
de datos faciales;
de datos faciales;
02:01
improving facial recognizing ability by computers;
42
109781
3648
mejora en el reconocimiento
facial informático;
facial informático;
02:05
but also cloud computing,
43
113429
2182
y también la computación en la nube,
02:07
which gives anyone in this theater
44
115611
1888
que nos da a todos
los presentes en la sala
los presentes en la sala
02:09
the kind of computational power
45
117499
1560
el poder computacional
02:11
which a few years ago was only the domain
46
119059
1886
que hace unos años
estaba disponible
estaba disponible
02:12
of three-letter agencies;
47
120945
1782
solo para agencias gubernamentales;
02:14
and ubiquitous computing,
48
122727
1378
y la computación ubicua,
02:16
which allows my phone, which is not a supercomputer,
49
124105
2892
que le permite a mi móvil,
que no es una supercomputadora,
que no es una supercomputadora,
02:18
to connect to the Internet
50
126997
1671
conectarse a Internet
02:20
and do there hundreds of thousands
51
128668
2334
y tomar allí cientos de miles
02:23
of face metrics in a few seconds?
52
131002
2639
de medidas faciales
en unos pocos segundos?
en unos pocos segundos?
02:25
Well, we conjecture that the result
53
133641
2628
Bueno, pensamos que el resultado
02:28
of this combination of technologies
54
136269
2064
de esta combinación de tecnologías
02:30
will be a radical change in our very notions
55
138333
2888
será un cambio radical
en nuestras nociones
en nuestras nociones
02:33
of privacy and anonymity.
56
141221
2257
de privacidad y anonimato.
02:35
To test that, we did an experiment
57
143478
1993
Para comprobalo
hicimos un experimento
hicimos un experimento
02:37
on Carnegie Mellon University campus.
58
145471
2121
en el campus del Carnegie Mellon.
02:39
We asked students who were walking by
59
147592
2099
Le pedimos a los estudiantes
que pasaban por allí
que pasaban por allí
02:41
to participate in a study,
60
149691
1779
que participaran en un estudio,
02:43
and we took a shot with a webcam,
61
151470
2562
les tomamos una foto
con una cámara web
con una cámara web
02:46
and we asked them to fill out a survey on a laptop.
62
154032
2782
y les pedimos que completaran
una encuesta en el portátil.
una encuesta en el portátil.
02:48
While they were filling out the survey,
63
156814
1979
Mientras completaban la encuesta,
02:50
we uploaded their shot to a cloud-computing cluster,
64
158793
2797
subimos la foto a un clúster
de computación en la nube,
de computación en la nube,
02:53
and we started using a facial recognizer
65
161590
1727
y usamos
un reconocedor facial
un reconocedor facial
02:55
to match that shot to a database
66
163317
2405
para cotejar esa foto
con una base de datos
con una base de datos
02:57
of some hundreds of thousands of images
67
165722
2393
de cientos de miles
de imágenes
de imágenes
03:00
which we had downloaded from Facebook profiles.
68
168115
3596
que habíamos bajado
de perfiles de Facebook.
de perfiles de Facebook.
03:03
By the time the subject reached the last page
69
171711
3259
Para cuando el sujeto
llegaba al final
llegaba al final
03:06
on the survey, the page had been dynamically updated
70
174970
3347
de la encuesta, la página se había
actualizado en forma dinámica
actualizado en forma dinámica
03:10
with the 10 best matching photos
71
178317
2313
con las 10 fotos
encontradas por el reconocedor
encontradas por el reconocedor
03:12
which the recognizer had found,
72
180630
2285
que mejor concordaban,
03:14
and we asked the subjects to indicate
73
182915
1738
y le pedímos al sujeto que indicara
03:16
whether he or she found themselves in the photo.
74
184653
4120
si se encontraba en la foto.
03:20
Do you see the subject?
75
188773
3699
¿Ven al sujeto?
03:24
Well, the computer did, and in fact did so
76
192472
2845
Bueno, la computadora sí,
y de hecho,
y de hecho,
03:27
for one out of three subjects.
77
195317
2149
reconoció
1 de cada 3 sujetos.
1 de cada 3 sujetos.
03:29
So essentially, we can start from an anonymous face,
78
197466
3184
En esencia, podemos partir
de un rostro anónimo,
de un rostro anónimo,
03:32
offline or online, and we can use facial recognition
79
200650
3484
en disco o en la web, y usar
el reconocimiento facial
el reconocimiento facial
03:36
to give a name to that anonymous face
80
204134
2360
para ponerle nombre
a ese rostro anónimo
a ese rostro anónimo
03:38
thanks to social media data.
81
206494
2108
gracias a las redes sociales.
03:40
But a few years back, we did something else.
82
208602
1872
Pero hace unos años hicimos algo más.
03:42
We started from social media data,
83
210474
1823
Partimos de datos de redes sociales,
03:44
we combined it statistically with data
84
212297
3051
los combinamos estadísticamente
con datos
con datos
03:47
from U.S. government social security,
85
215348
2102
de la seguridad social
del gobierno de EE.UU.
del gobierno de EE.UU.
03:49
and we ended up predicting social security numbers,
86
217450
3324
y terminamos prediciendo los
números de la seguridad social,
números de la seguridad social,
03:52
which in the United States
87
220774
1512
que en Estados Unidos
03:54
are extremely sensitive information.
88
222286
2040
son una información
extremadamente sensible.
extremadamente sensible.
03:56
Do you see where I'm going with this?
89
224326
2093
¿Ven a dónde quiero llegar con esto?
03:58
So if you combine the two studies together,
90
226419
2922
Si combinan los dos estudios,
04:01
then the question becomes,
91
229341
1512
entonces la pregunta pasa a ser:
04:02
can you start from a face and,
92
230853
2720
¿Podemos partir de un rostro
04:05
using facial recognition, find a name
93
233573
2311
y mediante reconocimiento
facial, hallar un nombre
facial, hallar un nombre
04:07
and publicly available information
94
235884
2669
e información pública
04:10
about that name and that person,
95
238553
1932
sobre ese nombre y esa persona,
04:12
and from that publicly available information
96
240485
2248
y a partir de esa información pública
04:14
infer non-publicly available information,
97
242733
2042
inferir información no pública,
04:16
much more sensitive ones
98
244775
1606
mucho más sensible,
04:18
which you link back to the face?
99
246381
1492
para luego asociarla
a aquel rostro?
a aquel rostro?
04:19
And the answer is, yes, we can, and we did.
100
247873
1916
La respuesta es sí se puede,
y lo hicimos.
y lo hicimos.
04:21
Of course, the accuracy keeps getting worse.
101
249789
2568
Por supuesto, la precisión
va desmejorando a cada paso.
va desmejorando a cada paso.
04:24
[27% of subjects' first 5 SSN digits identified (with 4 attempts)]
102
252357
944
[Se identificó el 27% de los 5 primeros dígitos
del SSN de los sujetos (con 4 intentos)]
del SSN de los sujetos (con 4 intentos)]
04:25
But in fact, we even decided to develop an iPhone app
103
253301
3827
Decidimos incluso,
desarrollar una app para iPhone,
desarrollar una app para iPhone,
04:29
which uses the phone's internal camera
104
257128
2715
que usa la cámara interna del móvil
04:31
to take a shot of a subject
105
259843
1600
para tomar una foto del sujeto
04:33
and then upload it to a cloud
106
261443
1487
y subirla a la nube,
04:34
and then do what I just described to you in real time:
107
262930
2662
y luego hacer lo que les describí
en tiempo real:
en tiempo real:
04:37
looking for a match, finding public information,
108
265592
2088
cotejarla, encontrar
información pública,
información pública,
04:39
trying to infer sensitive information,
109
267680
1730
tratar de inferir
información sensible,
información sensible,
04:41
and then sending back to the phone
110
269410
2591
y luego enviarla
nuevamente al móvil
nuevamente al móvil
04:44
so that it is overlaid on the face of the subject,
111
272001
3609
para ser superpuesta en
el rostro del sujeto,
el rostro del sujeto,
04:47
an example of augmented reality,
112
275610
1901
un ejemplo de realidad aumentada,
04:49
probably a creepy example of augmented reality.
113
277511
2451
quizá un ejemplo escalofriante
de realidad aumentada.
de realidad aumentada.
04:51
In fact, we didn't develop the app to make it available,
114
279962
3339
De hecho, no desarrollamos la app
para que estuviera disponible,
para que estuviera disponible,
04:55
just as a proof of concept.
115
283301
1922
sino como una prueba de concepto.
04:57
In fact, take these technologies
116
285223
2313
Incluso tomamos estas tecnologías
04:59
and push them to their logical extreme.
117
287536
1837
y las llevamos al extremo lógico.
05:01
Imagine a future in which strangers around you
118
289373
2719
Imaginen un futuro en el que
los extraños que los rodeen
los extraños que los rodeen
05:04
will look at you through their Google Glasses
119
292092
2311
los miren con sus gafas Google
05:06
or, one day, their contact lenses,
120
294403
2307
o, algún día, con sus lentes de contacto,
05:08
and use seven or eight data points about you
121
296710
4020
y usen 7 o 8 datos de ustedes
05:12
to infer anything else
122
300730
2582
para inferir todo lo demás
05:15
which may be known about you.
123
303312
2603
que pueda saberse.
05:17
What will this future without secrets look like?
124
305915
4794
¿Cómo será
ese futuro sin secretos?
ese futuro sin secretos?
05:22
And should we care?
125
310709
1964
¿Debería importarnos?
05:24
We may like to believe
126
312673
1891
Nos gustaría creer
05:26
that the future with so much wealth of data
127
314564
3040
que un futuro con tanta
riqueza de datos
riqueza de datos
05:29
would be a future with no more biases,
128
317604
2514
sería un futuro sin más prejuicios,
05:32
but in fact, having so much information
129
320118
3583
pero, de hecho, contar
con tanta información
con tanta información
05:35
doesn't mean that we will make decisions
130
323701
2191
no significa que
tomaremos decisiones
tomaremos decisiones
05:37
which are more objective.
131
325892
1706
más objetivas.
05:39
In another experiment, we presented to our subjects
132
327598
2560
En otro experimento,
presentamos a nuestros sujetos
presentamos a nuestros sujetos
05:42
information about a potential job candidate.
133
330158
2246
información sobre un
potencial candidato laboral.
potencial candidato laboral.
05:44
We included in this information some references
134
332404
3178
incluimos algunas referencias
05:47
to some funny, absolutely legal,
135
335582
2646
a cierta información
totalmente legal,
totalmente legal,
05:50
but perhaps slightly embarrassing information
136
338228
2465
divertida pero
un poco embarazosa,
un poco embarazosa,
05:52
that the subject had posted online.
137
340693
2020
que el candidato había
publicado en línea.
publicado en línea.
05:54
Now interestingly, among our subjects,
138
342713
2366
Curiosamente,
entre nuestros sujetos
entre nuestros sujetos
05:57
some had posted comparable information,
139
345079
3083
algunos habían publicado
información similar
información similar
06:00
and some had not.
140
348162
2362
y otros no.
06:02
Which group do you think
141
350524
1949
¿Qué grupo ceeen
06:04
was more likely to judge harshly our subject?
142
352473
4552
que mostró propensión a juzgar
con más severidad a nuestro sujeto?
con más severidad a nuestro sujeto?
06:09
Paradoxically, it was the group
143
357025
1957
Paradójicamente, fue el grupo
06:10
who had posted similar information,
144
358982
1733
que había publicado
información similar,
información similar,
06:12
an example of moral dissonance.
145
360715
2942
un ejemplo de disonancia moral.
06:15
Now you may be thinking,
146
363657
1750
Quizá estén pensando
06:17
this does not apply to me,
147
365407
1702
que eso no los afecta a Uds.
06:19
because I have nothing to hide.
148
367109
2162
porque no tienen nada que ocultar.
06:21
But in fact, privacy is not about
149
369271
2482
Pero, de hecho,
la privacidad no tiene que ver
la privacidad no tiene que ver
06:23
having something negative to hide.
150
371753
3676
con tener algo
negativo que ocultar.
negativo que ocultar.
06:27
Imagine that you are the H.R. director
151
375429
2354
Imaginen que son
el director de RR.HH.
el director de RR.HH.
06:29
of a certain organization, and you receive résumés,
152
377783
2947
de cierta empresa,
que reciben unas hojas de vida
que reciben unas hojas de vida
06:32
and you decide to find more information about the candidates.
153
380730
2473
y deciden buscar más información
sobre los candidatos.
sobre los candidatos.
06:35
Therefore, you Google their names
154
383203
2460
Entonces, googlean sus nombres
06:37
and in a certain universe,
155
385663
2240
y en determinado universo
06:39
you find this information.
156
387903
2008
encuentran esta información--
06:41
Or in a parallel universe, you find this information.
157
389911
4437
O en un universo paralelo,
encuentran esta información.
encuentran esta información.
06:46
Do you think that you would be equally likely
158
394348
2717
¿Creen que todos los candidatos
tendrían con Uds.
tendrían con Uds.
06:49
to call either candidate for an interview?
159
397065
2803
la misma oportunidad de ser
llamados para una entrevista?
llamados para una entrevista?
06:51
If you think so, then you are not
160
399868
2282
Si piensan que sí,
entonces no son
entonces no son
06:54
like the U.S. employers who are, in fact,
161
402150
2582
como los empleadores de
EE.UU. ya que, de hecho,
EE.UU. ya que, de hecho,
06:56
part of our experiment, meaning we did exactly that.
162
404732
3307
en algún punto de nuestro experimento
hicimos exactamente eso.
hicimos exactamente eso.
07:00
We created Facebook profiles, manipulating traits,
163
408039
3182
Creamos perfiles de Facebook,
manipulamos los rasgos,
manipulamos los rasgos,
07:03
then we started sending out résumés to companies in the U.S.,
164
411221
2851
y luego empezamos a enviar
hojas de vida a empresas en EE.UU.,
hojas de vida a empresas en EE.UU.,
07:06
and we detected, we monitored,
165
414072
1908
y detectamos, monitoreamos,
07:07
whether they were searching for our candidates,
166
415980
2393
si estaban buscando información
de nuestros candidatos,
de nuestros candidatos,
07:10
and whether they were acting on the information
167
418373
1832
y si actuaban con base
en la información
en la información
07:12
they found on social media. And they were.
168
420205
1938
que encontraban en los
medios sociales. Y lo hicieron.
medios sociales. Y lo hicieron.
07:14
Discrimination was happening through social media
169
422143
2101
Se discriminó con base
en los medios sociales
en los medios sociales
07:16
for equally skilled candidates.
170
424244
3073
a candidatos
con iguales habilidades.
con iguales habilidades.
07:19
Now marketers like us to believe
171
427317
4575
Los vendedores quieren
que creamos
que creamos
07:23
that all information about us will always
172
431892
2269
que toda la información
sobre nosotros siempre
sobre nosotros siempre
07:26
be used in a manner which is in our favor.
173
434161
3273
será usada a nuestro favor.
07:29
But think again. Why should that be always the case?
174
437434
3715
Pero piensen de nuevo. ¿Por qué
habría de ser siempre así?
habría de ser siempre así?
07:33
In a movie which came out a few years ago,
175
441149
2664
En una película
de hace unos años,
de hace unos años,
07:35
"Minority Report," a famous scene
176
443813
2553
"Minority Report",
en una escena famosa
en una escena famosa
07:38
had Tom Cruise walk in a mall
177
446366
2576
Tom Cruise camina
por un centro comercial
por un centro comercial
07:40
and holographic personalized advertising
178
448942
3776
rodeado de publicidad
07:44
would appear around him.
179
452718
1835
holográfica personalizada.
07:46
Now, that movie is set in 2054,
180
454553
3227
La película transcurre en el 2054,
07:49
about 40 years from now,
181
457780
1642
dentro de unos 40 años,
07:51
and as exciting as that technology looks,
182
459422
2908
y aunque la tecnología
luce emocionante,
luce emocionante,
07:54
it already vastly underestimates
183
462330
2646
subestima en mucho
07:56
the amount of information that organizations
184
464976
2140
la cantidad de información
que las organizaciones
que las organizaciones
07:59
can gather about you, and how they can use it
185
467116
2483
pueden recolectar sobre nosotros,
y la forma de usarla
y la forma de usarla
08:01
to influence you in a way that you will not even detect.
186
469599
3398
para influir en nosotros
de maneras imperceptibles.
de maneras imperceptibles.
08:04
So as an example, this is another experiment
187
472997
2103
Como ejemplo,
está este otro experimento
está este otro experimento
08:07
actually we are running, not yet completed.
188
475100
2273
que estamos haciendo
y que todavía no terminamos.
y que todavía no terminamos.
08:09
Imagine that an organization has access
189
477373
2319
Imaginemos que una
organización tiene acceso
organización tiene acceso
08:11
to your list of Facebook friends,
190
479692
2056
a tu lista de amigos de Facebook,
08:13
and through some kind of algorithm
191
481748
1772
y mediante algún tipo de algoritmo
08:15
they can detect the two friends that you like the most.
192
483520
3734
puede identificar
sus dos mejores amigos.
sus dos mejores amigos.
08:19
And then they create, in real time,
193
487254
2280
Que luego crean, en tiempo real,
08:21
a facial composite of these two friends.
194
489534
2842
un rostro compuesto
de estos dos amigos.
de estos dos amigos.
08:24
Now studies prior to ours have shown that people
195
492376
3069
Estudios previos al nuestro
han demostrado que las personas
han demostrado que las personas
08:27
don't recognize any longer even themselves
196
495445
2885
no se reconocen ni a sí mismas
08:30
in facial composites, but they react
197
498330
2462
en rostros compuestos,
pero reaccionan
pero reaccionan
08:32
to those composites in a positive manner.
198
500792
2117
a esas composiciones
de manera positiva.
de manera positiva.
08:34
So next time you are looking for a certain product,
199
502909
3415
Y entonces, la próxima vez
que busquen algún producto
que busquen algún producto
08:38
and there is an ad suggesting you to buy it,
200
506324
2559
y que haya una publicidad
sugiriéndoles que lo compren,
sugiriéndoles que lo compren,
08:40
it will not be just a standard spokesperson.
201
508883
2907
no será un vendedor común.
08:43
It will be one of your friends,
202
511790
2313
Será uno de sus amigos,
08:46
and you will not even know that this is happening.
203
514103
3303
y ni siquiera sabrán
lo que está pasando.
lo que está pasando.
08:49
Now the problem is that
204
517406
2413
El problema es que
08:51
the current policy mechanisms we have
205
519819
2519
los mecanismos que tenemos
en la política acutal
en la política acutal
08:54
to protect ourselves from the abuses of personal information
206
522338
3438
para la protección contra los abusos
de la información personal
de la información personal
08:57
are like bringing a knife to a gunfight.
207
525776
2984
son como llevar un cuchillo
a un tiroteo.
a un tiroteo.
09:00
One of these mechanisms is transparency,
208
528760
2913
Uno de estos mecanismos
es la transparencia,
es la transparencia,
09:03
telling people what you are going to do with their data.
209
531673
3200
decirle a las personas
lo que uno va a hacer con sus datos.
lo que uno va a hacer con sus datos.
09:06
And in principle, that's a very good thing.
210
534873
2106
En principio,
eso es algo muy bueno.
eso es algo muy bueno.
09:08
It's necessary, but it is not sufficient.
211
536979
3667
Es necesario,
pero no es suficiente.
pero no es suficiente.
09:12
Transparency can be misdirected.
212
540646
3698
La transparencia
puede estar mal dirigida.
puede estar mal dirigida.
09:16
You can tell people what you are going to do,
213
544344
2104
Uno puede contarle
a la gente lo que hará,
a la gente lo que hará,
09:18
and then you still nudge them to disclose
214
546448
2232
y luego empujarlos a revelar
09:20
arbitrary amounts of personal information.
215
548680
2623
cantidades arbitrarias
de información personal.
de información personal.
09:23
So in yet another experiment, this one with students,
216
551303
2886
Por eso en un experimento más,
este con estudiantes,
este con estudiantes,
09:26
we asked them to provide information
217
554189
3058
les pedimos que
nos dieran información
nos dieran información
09:29
about their campus behavior,
218
557247
1813
sobre su comportamiento
en el campus,
en el campus,
09:31
including pretty sensitive questions, such as this one.
219
559060
2940
formulándoles preguntas
tan sensibles como estas.
tan sensibles como estas.
09:34
[Have you ever cheated in an exam?]
220
562000
621
[¿Alguna vez te copiaste en un examen?]
09:34
Now to one group of subjects, we told them,
221
562621
2300
A un grupo de sujetos les dijimos:
09:36
"Only other students will see your answers."
222
564921
2841
"Solo otro grupo de estudiantes
verá sus respuestas".
verá sus respuestas".
09:39
To another group of subjects, we told them,
223
567762
1579
A otro grupo de sujetos
les dijimos:
les dijimos:
09:41
"Students and faculty will see your answers."
224
569341
3561
"Sus respuestas serán vistas
por estudiantes y profesores".
por estudiantes y profesores".
09:44
Transparency. Notification. And sure enough, this worked,
225
572902
2591
Transparencia. Notificación.
Y por supuesto, esto funcionó,
Y por supuesto, esto funcionó,
09:47
in the sense that the first group of subjects
226
575493
1407
en el sentido de que el
primer grupo de sujetos
primer grupo de sujetos
09:48
were much more likely to disclose than the second.
227
576900
2568
fue mucho más propenso a revelar
información que el segundo.
información que el segundo.
09:51
It makes sense, right?
228
579468
1520
Tiene sentido, ¿no?
09:52
But then we added the misdirection.
229
580988
1490
Pero luego añadimos
un distractor.
un distractor.
09:54
We repeated the experiment with the same two groups,
230
582478
2760
Repetimos el experimento
con los mismos dos grupos,
con los mismos dos grupos,
09:57
this time adding a delay
231
585238
2427
esta vez añadiendo una demora
09:59
between the time we told subjects
232
587665
2935
entre el tiempo en que
le dijimos a los sujetos
le dijimos a los sujetos
10:02
how we would use their data
233
590600
2080
cómo usaríamos sus datos
10:04
and the time we actually started answering the questions.
234
592680
4388
y el tiempo en que empezamos
a [formular] las preguntas.
a [formular] las preguntas.
10:09
How long a delay do you think we had to add
235
597068
2561
¿Cuánta demora creen
que tuvimos que añadir
que tuvimos que añadir
10:11
in order to nullify the inhibitory effect
236
599629
4613
para anular el efecto inhibidor
10:16
of knowing that faculty would see your answers?
237
604242
3411
de saber que los profesores
verían sus respuestas?
verían sus respuestas?
10:19
Ten minutes?
238
607653
1780
¿10 minutos?
10:21
Five minutes?
239
609433
1791
¿5 minutos?
10:23
One minute?
240
611224
1776
¿1 minuto?
10:25
How about 15 seconds?
241
613000
2049
¿Qué tal 15 segundos?
10:27
Fifteen seconds were sufficient to have the two groups
242
615049
2668
Quince segundos fueron suficientes
para que ambos grupos
para que ambos grupos
10:29
disclose the same amount of information,
243
617717
1568
revelaran la misma cantidad
de información,
de información,
10:31
as if the second group now no longer cares
244
619285
2746
como si al segundo grupo
no le importara más
no le importara más
10:34
for faculty reading their answers.
245
622031
2656
que los profesores
leyeran sus respuestas.
leyeran sus respuestas.
10:36
Now I have to admit that this talk so far
246
624687
3336
Tengo que admitir que
esta charla hasta ahora
esta charla hasta ahora
10:40
may sound exceedingly gloomy,
247
628023
2480
puede sonar en extremo negativa,
10:42
but that is not my point.
248
630503
1721
pero esa no es mi intención.
10:44
In fact, I want to share with you the fact that
249
632224
2699
De hecho, quiero compartir con Uds.
10:46
there are alternatives.
250
634923
1772
las alternativas que hay.
10:48
The way we are doing things now is not the only way
251
636695
2499
La forma en que hacemos
las cosas ahora no es la única
las cosas ahora no es la única
10:51
they can done, and certainly not the best way
252
639194
3037
forma de hacerlas,
y ciertamente no es la mejor
y ciertamente no es la mejor
10:54
they can be done.
253
642231
2027
forma en que pueden ser hechas.
10:56
When someone tells you, "People don't care about privacy,"
254
644258
4171
Cuando alguien les diga: "La gente no se
preocupa por la privacidad",
preocupa por la privacidad",
11:00
consider whether the game has been designed
255
648429
2642
piensen si el juego
no ha sido diseñado
no ha sido diseñado
11:03
and rigged so that they cannot care about privacy,
256
651071
2724
y manipulado para que no se
preocupen por la privacidad,
preocupen por la privacidad,
11:05
and coming to the realization that these manipulations occur
257
653795
3262
y cuando concluyamos que
que estas manipulaciones ocurren,
que estas manipulaciones ocurren,
11:09
is already halfway through the process
258
657057
1607
ya estaremos a mitad de camino
11:10
of being able to protect yourself.
259
658664
2258
de poder autoprotegernos.
11:12
When someone tells you that privacy is incompatible
260
660922
3710
Si alguien les dice que
la privacidad es incompatible
la privacidad es incompatible
11:16
with the benefits of big data,
261
664632
1849
con los beneficios del "big data",
11:18
consider that in the last 20 years,
262
666481
2473
piensen que en los últimos 20 años,
11:20
researchers have created technologies
263
668954
1917
los investigadores
han creado tecnologías
han creado tecnologías
11:22
to allow virtually any electronic transactions
264
670871
3318
que permiten que virtualmente
cualquier transacción electrónica
cualquier transacción electrónica
11:26
to take place in a more privacy-preserving manner.
265
674189
3749
se realice en formas más
preservadoras de la privacidad.
preservadoras de la privacidad.
11:29
We can browse the Internet anonymously.
266
677938
2555
Podemos navegar Internet
en forma anónima.
en forma anónima.
11:32
We can send emails that can only be read
267
680493
2678
Podemos enviar correos electrónicos
que solo pueda leer
que solo pueda leer
11:35
by the intended recipient, not even the NSA.
268
683171
3709
el destinatario,
y no la NSA [agencia de seguridad].
y no la NSA [agencia de seguridad].
11:38
We can have even privacy-preserving data mining.
269
686880
2997
Podemos proteger incluso la privacidad
de la minería de datos.
de la minería de datos.
11:41
In other words, we can have the benefits of big data
270
689877
3894
En otras palabras, podemos tener
los beneficios del "big data"
los beneficios del "big data"
11:45
while protecting privacy.
271
693771
2132
y proteger la privacidad.
11:47
Of course, these technologies imply a shifting
272
695903
3791
Estas tecnologías, claro está,
implican una inversión
implican una inversión
11:51
of cost and revenues
273
699694
1546
de la relacón costo- beneficio
11:53
between data holders and data subjects,
274
701240
2107
para los tenedores de los datos,
11:55
which is why, perhaps, you don't hear more about them.
275
703347
3453
razón por la cual, quizá,
no escuchamos mucho de ellas.
no escuchamos mucho de ellas.
11:58
Which brings me back to the Garden of Eden.
276
706800
3706
Eso me lleva de vuelta
al Jardín del Edén.
al Jardín del Edén.
12:02
There is a second privacy interpretation
277
710506
2780
Hay una segunda interpretación
de la privacidad
de la privacidad
12:05
of the story of the Garden of Eden
278
713286
1809
en la historia del Jardín del Edén
12:07
which doesn't have to do with the issue
279
715095
2096
que no tiene que ver con el tema
12:09
of Adam and Eve feeling naked
280
717191
2225
del desnudo de Adán y Eva
12:11
and feeling ashamed.
281
719416
2381
ni con sentir vergüenza.
12:13
You can find echoes of this interpretation
282
721797
2781
Pueden encontrar ecos
de esta interpretación
de esta interpretación
12:16
in John Milton's "Paradise Lost."
283
724578
2782
en "El paraíso perdido"
de John Milton.
de John Milton.
12:19
In the garden, Adam and Eve are materially content.
284
727360
4197
En el jardín, Adán y Eva están
materialmente contentos.
materialmente contentos.
12:23
They're happy. They are satisfied.
285
731557
2104
Están felices. Están satisfechos.
12:25
However, they also lack knowledge
286
733661
2293
No obstante, carecen de conocimiento
12:27
and self-awareness.
287
735954
1640
y de autoconciencia.
12:29
The moment they eat the aptly named
288
737594
3319
En el momento en que
comen el bien llamado
comen el bien llamado
12:32
fruit of knowledge,
289
740913
1293
fruto del conocimiento,
12:34
that's when they discover themselves.
290
742206
2605
es cuando se descubren a sí mismos.
12:36
They become aware. They achieve autonomy.
291
744811
4031
Se hacen conscientes.
Logran autonomía.
Logran autonomía.
12:40
The price to pay, however, is leaving the garden.
292
748842
3126
El precio a pagar, sin embargo,
es abandonar el jardín.
es abandonar el jardín.
12:43
So privacy, in a way, is both the means
293
751968
3881
La privacidad, en cierto modo,
es tanto el medio
es tanto el medio
12:47
and the price to pay for freedom.
294
755849
2962
como el precio a pagar
por la libertad.
por la libertad.
12:50
Again, marketers tell us
295
758811
2770
Y los vendedores
otra vez nos dicen
otra vez nos dicen
12:53
that big data and social media
296
761581
3019
que el "big data"
y los medios sociales
y los medios sociales
12:56
are not just a paradise of profit for them,
297
764600
2979
no son solo un paraíso
de ganancias para ellos,
de ganancias para ellos,
12:59
but a Garden of Eden for the rest of us.
298
767579
2457
sino el Jardín del Edén
para el resto de nosotros.
para el resto de nosotros.
13:02
We get free content.
299
770036
1238
Recibimos contenido gratis.
13:03
We get to play Angry Birds. We get targeted apps.
300
771274
3123
Podemos jugar a Angry Birds.
Tenemos aplicaciones específicas.
Tenemos aplicaciones específicas.
13:06
But in fact, in a few years, organizations
301
774397
2897
Pero, de hecho, en unos años,
las organizaciones
las organizaciones
13:09
will know so much about us,
302
777294
1609
sabrán tanto de nosotros
13:10
they will be able to infer our desires
303
778903
2710
que podrán inferir
nuestros deseos
nuestros deseos
13:13
before we even form them, and perhaps
304
781613
2204
incluso antes de formularlos
y quizá hasta
y quizá hasta
13:15
buy products on our behalf
305
783817
2447
compren productos en nuestro nombre
13:18
before we even know we need them.
306
786264
2274
antes de que sepamos
que los necesitamos.
que los necesitamos.
13:20
Now there was one English author
307
788538
3237
Hay un escritor inglés
13:23
who anticipated this kind of future
308
791775
3045
que anticipó esta especie de futuro
13:26
where we would trade away
309
794820
1405
en el que cambiaríamos
13:28
our autonomy and freedom for comfort.
310
796225
3548
nuestra autonomía y libertad
por comodidad--
por comodidad--
13:31
Even more so than George Orwell,
311
799773
2161
Incluso más que George Orwell.
13:33
the author is, of course, Aldous Huxley.
312
801934
2761
El autor es,
por supuesto, Aldous Huxley.
por supuesto, Aldous Huxley.
13:36
In "Brave New World," he imagines a society
313
804695
2854
En "Un mundo feliz",
él imagina una sociedad
él imagina una sociedad
13:39
where technologies that we created
314
807549
2171
en la que las tecnologías que creamos
13:41
originally for freedom
315
809720
1859
en principio para la libertad
13:43
end up coercing us.
316
811579
2567
terminan coaccionándonos.
13:46
However, in the book, he also offers us a way out
317
814146
4791
Sin embargo, en el libro, él también
nos ofrece una salida
nos ofrece una salida
13:50
of that society, similar to the path
318
818937
3438
de esa sociedad, similar al sendero
13:54
that Adam and Eve had to follow to leave the garden.
319
822375
3955
que Adán y Eva tuvieron que
seguir para salir del jardín.
seguir para salir del jardín.
13:58
In the words of the Savage,
320
826330
2147
En palabras de Savage,
14:00
regaining autonomy and freedom is possible,
321
828477
3069
recuperar la autonomía
y la libertad es posible,
y la libertad es posible,
14:03
although the price to pay is steep.
322
831546
2679
aunque el precio
a pagar es elevado.
a pagar es elevado.
14:06
So I do believe that one of the defining fights
323
834225
5715
Por eso creo que una
de las peleas decisivas
de las peleas decisivas
14:11
of our times will be the fight
324
839940
2563
de nuestros tiempos
será la pelea
será la pelea
14:14
for the control over personal information,
325
842503
2387
por el control de la
información personal,
información personal,
14:16
the fight over whether big data will become a force
326
844890
3507
la pelea porque el "big data"
se vuelva una fuerza
se vuelva una fuerza
14:20
for freedom,
327
848397
1289
de libertad,
14:21
rather than a force which will hiddenly manipulate us.
328
849686
4746
en lugar de una fuerza que nos
manipule desde las sombras.
manipule desde las sombras.
14:26
Right now, many of us
329
854432
2593
Muchos de nosotros
14:29
do not even know that the fight is going on,
330
857025
2753
ni siquiera sabemos que
se está dando esta pelea,
se está dando esta pelea,
14:31
but it is, whether you like it or not.
331
859778
2672
pero es así, nos guste o no.
14:34
And at the risk of playing the serpent,
332
862450
2804
Y a riesgo de interpretar
a la serpiente,
a la serpiente,
14:37
I will tell you that the tools for the fight
333
865254
2897
les diré que las
herramientas para pelear
herramientas para pelear
14:40
are here, the awareness of what is going on,
334
868151
3009
están aquí, la conciencia
de lo que ocurre,
de lo que ocurre,
14:43
and in your hands,
335
871160
1355
y en sus manos,
14:44
just a few clicks away.
336
872515
3740
a unos pocos clics de distancia.
14:48
Thank you.
337
876255
1482
Gracias.
14:49
(Applause)
338
877737
4477
(Aplausos)
ABOUT THE SPEAKER
Alessandro Acquisti - Privacy economistWhat motivates you to share your personal information online? Alessandro Acquisti studies the behavioral economics of privacy (and information security) in social networks.
Why you should listen
Online, we humans are paradoxical: We cherish privacy, but freely disclose our personal information in certain contexts. Privacy economics offers a powerful lens to understand this paradox, and the field has been spearheaded by Alessandro Acquisti and his colleagues' analyses of how we decide what to share online and what we get in return.
His team's surprising studies on facial recognition software showed that it can connect an anonymous human face to an online name -- and then to a Facebook account -- in about 3 seconds. Other work shows how easy it can be to find a US citizen's Social Security number using basic pattern matching on public data. Work like this earned him an invitation to testify before a US Senate committee on the impact technology has on civil liberties.
Read about his work in the New York Times »
Alessandro Acquisti | Speaker | TED.com