TED2016
R. Luke DuBois: Insightful human portraits made from data
R. Luke DuBois: Reveladores retratos humanos a partir de datos
Filmed:
Readability: 3.9
1,338,549 views
El artista R. Luke DuBois crea retratos únicos de presidentes, ciudades, autorretratos, e incluso el retrato de Britney Spears a partir de datos y de la personalidad. En esta charla comparte nueve proyectos, desde mapas nacionales a partir de información extraída de millones de perfiles de citas, hasta un arma que dispara un blanco cada vez que se informa de un tiroteo en Nueva Orleans. El mensaje que quiere transmitir es que la forma en que usamos la tecnología refleja quienes somos y nuestra cultura, lo que hace reducir a los demás a meros datos bajo propio riesgo y responsabilidad.
R. Luke DuBois - Artist, composer, engineer
R. Luke DuBois weaves information from a multitude of sources into art and music exploring the tensions between algorithms, portraiture and temporal space. Full bio
R. Luke DuBois weaves information from a multitude of sources into art and music exploring the tensions between algorithms, portraiture and temporal space. Full bio
Double-click the English transcript below to play the video.
Soy artista,
00:12
So I'm an artist,
0
884
1748
00:14
but a little bit of a peculiar one.
1
2656
1706
pero un artista un poco particular.
00:16
I don't paint.
2
4386
1483
No pinto.
00:18
I can't draw.
3
6434
1284
No dibujo.
00:20
My shop teacher in high school
wrote that I was a menace
wrote that I was a menace
4
8153
3100
En la secundaria, mi profesor
de trabajos manuales anotó
de trabajos manuales anotó
que era una amenaza
en mi carné de notas.
en mi carné de notas.
00:24
on my report card.
5
12122
1321
00:25
You probably don't really
want to see my photographs.
want to see my photographs.
6
13953
3599
Quizá no quieran ver mis fotos,
00:29
But there is one thing I know how to do:
7
17991
1965
pero hay algo que sí sé hacer:
00:31
I know how to program a computer.
8
19980
1659
sé programar computadoras.
00:33
I can code.
9
21663
1212
Sé escribir código.
00:34
And people will tell me
that 100 years ago,
that 100 years ago,
10
22899
3273
Hay gente que dirá que hace 100 años
00:38
folks like me didn't exist,
11
26196
1350
no existía la gente como yo,
00:39
that it was impossible,
12
27570
2090
que eso era imposible,
00:41
that art made with data is a new thing,
13
29684
2950
que el arte hecho con datos
es algo nuevo,
es algo nuevo,
00:44
it's a product of our age,
14
32658
2142
que es producto de nuestra era,
00:46
it's something that's really important
15
34824
1887
que es muy importante
verlo como algo vanguardista.
verlo como algo vanguardista.
00:48
to think of as something
that's very "now."
that's very "now."
16
36735
2078
00:50
And that's true.
17
38837
1168
Y es verdad.
00:52
But there is an art form
that's been around for a very long time
that's been around for a very long time
18
40029
4110
Pero hay una forma artística que
nos acompaña desde hace mucho
nos acompaña desde hace mucho
00:56
that's really about using information,
19
44163
1871
y que consiste en usar la información,
00:58
abstract information,
20
46058
2086
la información abstracta,
01:00
to make emotionally resonant pieces.
21
48168
2539
para crear obras conmovedoras.
01:03
And it's called music.
22
51080
1408
Y se llama música.
01:05
We've been making music
for tens of thousands of years, right?
for tens of thousands of years, right?
23
53632
3872
Hemos compuesto música durante
decenas de miles de años, ¿no?
decenas de miles de años, ¿no?
01:09
And if you think about what music is --
24
57528
1960
Y si lo piensan, la música es...
01:11
notes and chords and keys
and harmonies and melodies --
and harmonies and melodies --
25
59512
2824
notas, acordes, claves,
armonías y melodías...
armonías y melodías...
01:14
these things are algorithms.
26
62360
1406
estas cosas son algoritmos.
01:15
These things are systems
27
63790
1827
Estas cosas son sistemas diseñados
01:17
that are designed to unfold over time,
28
65641
2384
para hacernos desarrollar emociones.
01:20
to make us feel.
29
68049
1457
01:22
I came to the arts through music.
30
70195
1612
Llegué a las artes a través de la música.
01:23
I was trained as a composer,
31
71831
1388
Me formé como compositor,
y hace unos 15 años,
y hace unos 15 años,
01:25
and about 15 years ago,
I started making pieces
I started making pieces
32
73243
3282
empecé a hacer obras diseñadas
01:28
that were designed to look
at the intersection
at the intersection
33
76549
2535
para explorar la mezcla
entre imagen y sonido,
entre imagen y sonido,
01:31
between sound and image,
34
79108
1904
01:33
to use an image to unveil
a musical structure
a musical structure
35
81036
2832
a usar una imagen para revelar
una estructura musical
una estructura musical
01:35
or to use a sound to show you
something interesting
something interesting
36
83892
2864
o usar el sonido para mostrar
algo interesante sobre algo
algo interesante sobre algo
01:38
about something that's usually pictorial.
37
86780
2000
que, por lo general, es
una representación gráfica.
una representación gráfica.
01:40
So what you're seeing on the screen
is literally being drawn
is literally being drawn
38
88804
3467
Lo que ven en la pantalla,
literalmente, es un dibujo
literalmente, es un dibujo
a partir de la estructura musical
creada por los músicos en el escenario,
creada por los músicos en el escenario,
01:44
by the musical structure
of the musicians onstage,
of the musicians onstage,
39
92295
2942
01:47
and there's no accident
that it looks like a plant,
that it looks like a plant,
40
95261
2532
y no es casualidad
que se parezca a una planta,
que se parezca a una planta,
01:49
because the underlying
algorithmic biology of the plant
algorithmic biology of the plant
41
97817
3339
porque la biología algorítmica
subyacente de la planta
subyacente de la planta
01:53
is what informed the musical structure
in the first place.
in the first place.
42
101180
3311
es lo que en primer lugar
caracteriza a esa estructura musical.
caracteriza a esa estructura musical.
01:56
So once you know how to do this,
once you know how to code with media,
once you know how to code with media,
43
104515
3404
Una vez que se aprende a hacerlo,
que uno sabe codificar los medios,
que uno sabe codificar los medios,
01:59
you can do some pretty cool stuff.
44
107943
2088
se pueden hacer cosas bastante geniales.
02:02
This is a project I did
for the Sundance Film Festival.
for the Sundance Film Festival.
45
110055
3477
Este es un proyecto que hice para
el Festival de Cine de Sundance.
el Festival de Cine de Sundance.
02:05
Really simple idea: you take
every Academy Award Best Picture,
every Academy Award Best Picture,
46
113905
4004
La idea es muy simple: tomar cada premio
de la Academia a la Mejor Película,
de la Academia a la Mejor Película,
02:11
you speed it up to one minute each
47
119178
2361
acelerarla para que quepa en un minuto
02:13
and string them all together.
48
121563
1581
y luego sumarlas.
02:15
And so in 75 minutes, I can show you
the history of Hollywood cinema.
the history of Hollywood cinema.
49
123168
3911
Así, en 75 minutos, puedo mostrarles
la historia del cine de Hollywood.
la historia del cine de Hollywood.
En realidad, muestra la historia
del montaje cinematográfico de Hollywood.
del montaje cinematográfico de Hollywood.
02:19
And what it really shows you
is the history of editing
is the history of editing
50
127592
2979
02:22
in Hollywood cinema.
51
130595
1181
02:23
So on the left, we've got Casablanca;
on the right, we've got Chicago.
on the right, we've got Chicago.
52
131800
4148
A la izquierda tenemos Casablanca;
a la derecha tenemos Chicago.
a la derecha tenemos Chicago.
02:27
And you can see that Casablanca
is a little easier to read.
is a little easier to read.
53
135972
2924
Notarán que Casablanca
es un poco más fácil de leer.
es un poco más fácil de leer.
02:30
That's because the average length
of a cinematic shot in the 1940s
of a cinematic shot in the 1940s
54
138920
3332
Esto se debe
a que la duración media de una toma
en la década de 1940 era de 26 segundos
en la década de 1940 era de 26 segundos
02:34
was 26 seconds,
55
142276
1639
02:35
and now it's around six seconds.
56
143939
2028
y ahora es de unos 6 segundos.
02:38
This is a project that was inspired
57
146999
1744
Este es un proyecto inspirado
en un trabajo financiado por
el Gobierno Federal de EE.UU.
el Gobierno Federal de EE.UU.
02:40
by some work that was funded
by the US Federal Government
by the US Federal Government
58
148767
2944
02:43
in the early 2000s,
59
151735
1169
a principios de los 2000,
02:44
to look at video footage and find
a specific actor in any video.
a specific actor in any video.
60
152928
5828
para ver material filmado e identificar
a un actor específico en cualquier video.
a un actor específico en cualquier video.
02:51
And so I repurposed this code
to train a system on one person
to train a system on one person
61
159605
4676
Por eso adapté este código para reconocer
a una persona de nuestra cultura
a una persona de nuestra cultura
02:56
in our culture who would never need
to be surveilled in that manner,
to be surveilled in that manner,
62
164305
3847
que nunca necesitara
ser vigilada de esa manera,
ser vigilada de esa manera,
03:00
which is Britney Spears.
63
168176
1527
que es Britney Spears.
Descargué 2000 fotos de Britney Spears
hechas por los paparazzi
hechas por los paparazzi
03:01
I downloaded 2,000 paparazzi
photos of Britney Spears
photos of Britney Spears
64
169727
3492
03:05
and trained my computer to find her face
65
173243
2476
y configuré a mi computadora para
que reconozca únicamente su rostro.
que reconozca únicamente su rostro.
03:07
and her face alone.
66
175743
1381
03:09
I can run any footage of her through it
and will center her eyes in the frame,
and will center her eyes in the frame,
67
177148
4276
Puedo reproducir cualquier secuencia
suya y enfocar sus ojos en la imagen,
suya y enfocar sus ojos en la imagen,
03:13
and this sort of is a little
double commentary
double commentary
68
181448
2176
y esto es un poco una reflexión
03:15
about surveillance in our society.
69
183648
2024
sobre la vigilancia en nuestra sociedad.
03:17
We are very fraught with anxiety
about being watched,
about being watched,
70
185696
2992
Nos inquieta ser observados,
03:20
but then we obsess over celebrity.
71
188712
2599
pero vivimos obsesionados por la fama.
03:24
What you're seeing on the screen here
is a collaboration I did
is a collaboration I did
72
192219
3730
En pantalla ven una colaboración
con una artista llamada Lián Amaris.
03:27
with an artist named Lián Amaris.
73
195973
2556
03:30
What she did is very simple
to explain and describe,
to explain and describe,
74
198553
3874
Ella hizo algo muy simple
de explicar y describir,
de explicar y describir,
03:34
but very hard to do.
75
202451
1232
pero muy difícil de hacer.
03:35
She took 72 minutes of activity,
76
203707
2851
Grabó 72 minutos de actividad
03:39
getting ready for a night out on the town,
77
207208
2573
donde se preparaba
para salir una noche,
para salir una noche,
03:41
and stretched it over three days
78
209805
2089
los extendió a 3 días
03:43
and performed it on a traffic island
in slow motion in New York City.
in slow motion in New York City.
79
211918
3588
recreando todo en cámara lenta
en Nueva York en una isleta peatonal.
en Nueva York en una isleta peatonal.
Yo estaba allí, también,
con un equipo de filmación.
con un equipo de filmación.
03:47
I was there, too, with a film crew.
80
215949
2219
Lo filmamos todo,
03:50
We filmed the whole thing,
81
218192
1252
03:51
and then we reversed the process,
speeding it up to 72 minutes again,
speeding it up to 72 minutes again,
82
219468
3401
y luego invertimos el proceso,
acelerándolo hasta 72 minutos otra vez,
acelerándolo hasta 72 minutos otra vez,
03:54
so it looks like she's moving normally
83
222893
1894
por lo que parece que
se mueve con normalidad
se mueve con normalidad
03:56
and the whole world is flying by.
84
224811
1832
y que el resto transcurre con rapidez.
03:59
At a certain point, I figured out
85
227091
2576
En un momento dado me di cuenta
de que estaba haciendo retratos.
de que estaba haciendo retratos.
04:01
that what I was doing
was making portraits.
was making portraits.
86
229691
2667
04:05
When you think about portraiture,
you tend to think about stuff like this.
you tend to think about stuff like this.
87
233500
3562
Si pensamos en retratos,
solemos pensar en cosas como esta.
solemos pensar en cosas como esta.
04:09
The guy on the left
is named Gilbert Stuart.
is named Gilbert Stuart.
88
237086
2063
El tipo de la izquierda
se llama Gilbert Stuart.
se llama Gilbert Stuart.
04:11
He's sort of the first real portraitist
of the United States.
of the United States.
89
239173
3064
Es el primer retratista estadounidense.
04:14
And on the right is his portrait
of George Washington from 1796.
of George Washington from 1796.
90
242261
3225
Y a la derecha está su retrato
de George Washington, de 1796.
de George Washington, de 1796.
Se llama el retrato Lansdowne.
04:17
This is the so-called Lansdowne portrait.
91
245510
2198
04:19
And if you look at this painting,
there's a lot of symbolism, right?
there's a lot of symbolism, right?
92
247732
3240
Y si miran este cuadro, tiene
mucho simbolismo, ¿verdad?
mucho simbolismo, ¿verdad?
Se ve un arcoíris por la ventana.
Tenemos una espada.
Tenemos una espada.
04:22
We've got a rainbow out the window.
We've got a sword.
We've got a sword.
93
250996
2660
04:25
We've got a quill on the desk.
94
253680
1455
Hay una pluma sobre el escritorio.
04:27
All of these things are meant to evoke
95
255159
1849
Todo está pensado para evocar
a George Washington
como el padre de la nación.
como el padre de la nación.
04:29
George Washington
as the father of the nation.
as the father of the nation.
96
257032
2448
04:31
This is my portrait of George Washington.
97
259832
2770
Este es mi retrato de George Washington.
04:35
And this is an eye chart,
98
263776
3009
Es una tabla optométrica,
04:38
only instead of letters, they're words.
99
266809
2174
solo que en lugar de letras,
tiene palabras.
tiene palabras.
04:41
And what the words are is the 66 words
100
269713
2702
Y son las 66 palabras
04:44
in George Washington's
State of the Union addresses
State of the Union addresses
101
272439
2460
de los discursos de Washington
sobre el Estado de la Unión
sobre el Estado de la Unión
04:46
that he uses more
than any other president.
than any other president.
102
274923
2371
que él usa más que cualquier
otro presidente.
otro presidente.
04:50
So "gentlemen" has its own symbolism
and its own rhetoric.
and its own rhetoric.
103
278020
4202
"Caballeros" tiene su propio simbolismo
y su propia retórica.
y su propia retórica.
04:54
And it's really kind of significant
that that's the word he used the most.
that that's the word he used the most.
104
282246
4592
Y es muy significativo que sea esa
la palabra que más usa.
la palabra que más usa.
04:58
This is the eye chart for George W. Bush,
105
286862
2119
Esta es la tabla optométrica
para George W. Bush,
para George W. Bush,
05:01
who was president when I made this piece.
106
289005
2980
que era presidente cuando hice esta obra.
05:04
And how you get there,
107
292009
1168
Y la forma de pasar
05:05
from "gentlemen" to "terror"
in 43 easy steps,
in 43 easy steps,
108
293201
3452
de "caballeros" a "terror"
en 43 sencillos pasos,
en 43 sencillos pasos,
05:08
tells us a lot about American history,
109
296677
2060
nos dice mucho de la historia de EE.UU.
05:10
and gives you a different insight
110
298761
1587
y les da una visión diferente
05:12
than you would have
looking at a series of paintings.
looking at a series of paintings.
111
300372
2937
de la que tendrían al mirar
una serie de pinturas.
una serie de pinturas.
05:15
These pieces provide a history lesson
of the United States
of the United States
112
303333
3934
Estas obras ofrecen una lección
de la historia de EE.UU.
de la historia de EE.UU.
05:19
through the political
rhetoric of its leaders.
rhetoric of its leaders.
113
307291
2256
a través de la retórica política
de sus líderes.
de sus líderes.
05:21
Ronald Reagan spent a lot of time
talking about deficits.
talking about deficits.
114
309571
2964
Ronald Reagan pasó mucho tiempo
hablando de déficit.
hablando de déficit.
05:25
Bill Clinton spent a lot of time
115
313135
1565
Bill Clinton pasó mucho tiempo hablando
05:26
talking about the century in which
he would no longer be president,
he would no longer be president,
116
314724
3284
del siglo en el que ya
no sería presidente,
no sería presidente,
05:30
but maybe his wife would be.
117
318032
1611
pero que tal vez su esposa sí.
Lyndon Johnson fue el primer presidente
que dio el discurso del Estado de la Unión
que dio el discurso del Estado de la Unión
05:33
Lyndon Johnson was the first President
118
321148
2636
05:35
to give his State of the Union addresses
on prime-time television;
on prime-time television;
119
323808
3182
por la televisión en horario
de máxima audiencia
de máxima audiencia
05:39
he began every paragraph
with the word "tonight."
with the word "tonight."
120
327014
2340
y comenzó cada párrafo con "Esta noche".
05:41
And Richard Nixon,
or more accurately, his speechwriter,
or more accurately, his speechwriter,
121
329378
2666
Y Richard Nixon, o más exactamente,
su redactor de discursos
llamado William Safire,
llamado William Safire,
05:44
a guy named William Safire,
122
332068
1328
05:45
spent a lot of time
thinking about language
thinking about language
123
333420
2048
pasó mucho tiempo pensando en el lenguaje
05:47
and making sure that his boss
portrayed a rhetoric of honesty.
portrayed a rhetoric of honesty.
124
335492
3933
para asegurarse de que su jefe fuese
retratado a través de discursos honestos.
retratado a través de discursos honestos.
05:51
This project is shown
as a series of monolithic sculptures.
as a series of monolithic sculptures.
125
339449
2902
Este proyecto se muestra como
una serie de esculturas monolíticas.
una serie de esculturas monolíticas.
05:54
It's an outdoor series of light boxes.
126
342375
2448
Es una serie de cajas
de luz al aire libre.
de luz al aire libre.
05:56
And it's important to note
that they're to scale,
that they're to scale,
127
344847
2430
Y es importante tener en cuenta
que son a escala,
que son a escala,
05:59
so if you stand 20 feet back and you can
read between those two black lines,
read between those two black lines,
128
347301
3614
así que si se paran a 6 metros y pueden
leer entre esas dos líneas negras,
leer entre esas dos líneas negras,
tienen una vista de águila.
06:02
you have 20/20 vision.
129
350939
1151
06:04
(Laughter)
130
352114
1038
(Risas)
06:05
This is a portrait.
And there's a lot of these.
And there's a lot of these.
131
353176
2305
Este es un retrato. Y hay muchos.
06:07
There's a lot of ways
to do this with data.
to do this with data.
132
355505
3262
Hay muchas formas
de hacer esto con datos.
de hacer esto con datos.
06:10
I started looking for a way
133
358791
1620
Empecé a buscar una manera
06:12
to think about how I can do
a more democratic form of portraiture,
a more democratic form of portraiture,
134
360435
4705
de hacer un retrato más democrático,
06:17
something that's more about
my country and how it works.
my country and how it works.
135
365164
4231
algo que ilustre más a mi país
y cómo funciona.
y cómo funciona.
06:21
Every 10 years, we make a census
in the United States.
in the United States.
136
369419
3801
Cada 10 años hacemos un censo en EE.UU.
06:25
We literally count people,
137
373244
1458
Literalmente contamos personas,
06:27
find out who lives where,
what kind of jobs we've got,
what kind of jobs we've got,
138
375306
3144
vemos quién vive dónde,
qué puestos de trabajo tenemos,
qué puestos de trabajo tenemos,
06:30
the language we speak at home.
139
378474
1477
qué idioma hablamos en casa.
06:31
And this is important stuff --
really important stuff.
really important stuff.
140
379975
2571
Son cosas importantes,
cosas realmente importantes.
cosas realmente importantes.
06:34
But it doesn't really tell us who we are.
141
382570
2233
Pero en realidad no nos dice
quiénes somos.
quiénes somos.
06:36
It doesn't tell us about our dreams
and our aspirations.
and our aspirations.
142
384827
2671
No nos habla de nuestros sueños
ni de nuestras aspiraciones.
ni de nuestras aspiraciones.
06:39
And so in 2010, I decided
to make my own census.
to make my own census.
143
387522
3390
Por eso, en 2010, decidí
hacer mi propio censo.
hacer mi propio censo.
06:42
And I started looking for a corpus of data
144
390936
3320
Y empecé a buscar un corpus de datos
que contenía muchas descripciones hechas
por los estadounidenses comunes.
por los estadounidenses comunes.
06:46
that had a lot of descriptions
written by ordinary Americans.
written by ordinary Americans.
145
394280
3112
06:49
And it turns out
146
397416
1151
Y resulta que ese material existe
y está a la espera de ser utilizado.
y está a la espera de ser utilizado.
06:50
that there is such a corpus of data
147
398591
1742
06:52
that's just sitting there for the taking.
148
400357
1984
06:54
It's called online dating.
149
402365
1326
Son las citas en línea.
06:56
So in 2010, I joined 21 different
online dating services,
online dating services,
150
404574
4946
Así que, en 2010, reuní 21 servicios
de citas en línea diferentes,
de citas en línea diferentes,
como hombre gay, hombre hetero,
mujer gay, y mujer hetero,
mujer gay, y mujer hetero,
07:01
as a gay man, a straight man,
a gay woman and a straight woman,
a gay woman and a straight woman,
151
409544
3100
07:04
in every zip code in America
152
412668
1617
para cada código postal de EE.UU.
07:06
and downloaded about
19 million people's dating profiles --
19 million people's dating profiles --
153
414309
3185
y descargué los perfiles
de 19 millones de personas,
de 19 millones de personas,
07:09
about 20 percent of the adult population
of the United States.
of the United States.
154
417518
3232
un 20 % de la población adulta
de Estados Unidos.
de Estados Unidos.
07:13
I have obsessive-compulsive disorder.
155
421241
1819
Tengo trastorno obsesivo-compulsivo.
Esto se hará muy evidente créanme.
07:15
This is going to become
really freaking obvious. Just go with me.
really freaking obvious. Just go with me.
156
423084
3101
07:18
(Laughter)
157
426209
1142
(Risas)
07:19
So what I did was I sorted
all this stuff by zip code.
all this stuff by zip code.
158
427375
3039
Clasifiqué todo esto por código postal.
07:23
And I looked at word analysis.
159
431922
1491
Y analicé las palabras.
07:25
These are some dating profiles from 2010
160
433437
2673
Estos son algunos perfiles de 2010
en las que destacan
las palabras "sola" o "solo".
las palabras "sola" o "solo".
07:28
with the word "lonely" highlighted.
161
436134
2095
07:30
If you look at these things
topographically,
topographically,
162
438253
2981
Desde el punto de vista topográfico,
07:33
if you imagine dark colors to light colors
are more use of the word,
are more use of the word,
163
441258
3500
si imaginamos que los colores oscuros
representan un mayor uso de la palabra
representan un mayor uso de la palabra
07:36
you can see that Appalachia
is a pretty lonely place.
is a pretty lonely place.
164
444782
4301
se nota que la región de los Apalaches
es un lugar bastante desolado.
es un lugar bastante desolado.
07:41
You can also see
that Nebraska ain't that funny.
that Nebraska ain't that funny.
165
449979
4947
Pueden ver que Nebraska
no es tan divertida.
no es tan divertida.
07:48
This is the kinky map,
so what this is showing you
so what this is showing you
166
456385
3655
En el mapa de los descarados se muestra
07:54
is that the women in Alaska
need to get together
need to get together
167
462033
3103
que las mujeres de Alaska
necesitan salir
necesitan salir
07:57
with the men in southern New Mexico,
168
465160
1775
con hombres del sur de Nuevo México
para pasarla bien.
para pasarla bien.
07:58
and have a good time.
169
466959
1340
08:00
And I have this
at a pretty granular level,
at a pretty granular level,
170
468323
2866
Y tengo este análisis
a un nivel muy detallado
a un nivel muy detallado
así que puedo decir que a los hombres
de la mitad este de Long Island
de la mitad este de Long Island
08:03
so I can tell you that the men
in the eastern half of Long Island
in the eastern half of Long Island
171
471213
3107
08:06
are way more interested in being spanked
172
474344
1926
les interesa mucho más recibir azotes
08:08
than men in the western half
of Long Island.
of Long Island.
173
476294
2225
que a los hombres de la mitad
oeste de Long Island.
oeste de Long Island.
08:11
This will be your one takeaway
from this whole conference.
from this whole conference.
174
479851
2850
Este será su único recuerdo
de toda la conferencia.
de toda la conferencia.
08:14
You're going to remember
that fact for, like, 30 years.
that fact for, like, 30 years.
175
482725
2740
Recordarán esto durante unos 30 años.
08:17
(Laughter)
176
485489
2832
(Risas)
08:20
When you bring this down
to a cartographic level,
to a cartographic level,
177
488655
2423
A nivel cartográfico,
se puede volcar esto en un mapa y hacer
lo mismo que con la tabla optométrica.
lo mismo que con la tabla optométrica.
08:23
you can make maps and do the same trick
I was doing with the eye charts.
I was doing with the eye charts.
178
491102
3454
08:26
You can replace the name
of every city in the United States
of every city in the United States
179
494580
2817
Se puede reemplazar el nombre
de la ciudad de Estados Unidos
de la ciudad de Estados Unidos
08:29
with the word people use more
in that city than anywhere else.
in that city than anywhere else.
180
497421
2992
por la palabra que más se usa allí
en relación a cualquier otro sitio.
en relación a cualquier otro sitio.
08:32
If you've ever dated anyone
from Seattle, this makes perfect sense.
from Seattle, this makes perfect sense.
181
500437
3229
Si alguna vez salieron con alguien
de Seattle, esto tiene mucho sentido.
de Seattle, esto tiene mucho sentido.
08:35
You've got "pretty."
You've got "heartbreak."
You've got "heartbreak."
182
503690
2702
Tienen "guapa". Tienen "angustia".
08:38
You've got "gig." You've got "cigarette."
183
506416
2415
Tienen "concierto". Tienen "cigarrillo".
08:40
They play in a band and they smoke.
184
508855
2026
Tocan en una banda y fuman.
Y justo encima se lee "email".
08:43
And right above that you can see "email."
185
511604
1984
08:45
That's Redmond, Washington,
186
513612
1306
Eso es Redmond, Washington,
08:46
which is the headquarters
of the Microsoft Corporation.
of the Microsoft Corporation.
187
514942
2595
la sede de Microsoft Corporation.
08:49
Some of these you can guess --
so, Los Angeles is "acting"
so, Los Angeles is "acting"
188
517561
2824
Algunos pueden imaginarlos;
Los Ángeles es "actuación"
y San Francisco es "gay".
y San Francisco es "gay".
08:52
and San Francisco is "gay."
189
520409
1618
08:54
Some are a little bit more heartbreaking.
190
522051
1992
Algunos son un poco más desgarradores.
08:56
In Baton Rouge, they talk
about being curvy;
about being curvy;
191
524067
2081
En Baton Rouge, hablan de exceso de peso;
08:58
downstream in New Orleans,
they still talk about the flood.
they still talk about the flood.
192
526172
2887
en Nueva Orleans todavía
hablan de la inundación.
hablan de la inundación.
09:01
Folks in the American capital
will say they're interesting.
will say they're interesting.
193
529083
2805
En la capital estadounidense
dicen que son interesantes.
dicen que son interesantes.
09:03
People in Baltimore, Maryland,
will say they're afraid.
will say they're afraid.
194
531912
2777
En Baltimore, Maryland,
dirán que tienen miedo.
dirán que tienen miedo.
09:06
This is New Jersey.
195
534713
1537
Esto es Nueva Jersey.
09:08
I grew up somewhere
between "annoying" and "cynical."
between "annoying" and "cynical."
196
536274
2689
Yo crecí entre "irritante" y "cínico".
09:10
(Laughter) (Applause)
197
538987
4239
(Risas) (Aplausos)
09:15
And New York City's
number one word is "now,"
number one word is "now,"
198
543250
2657
Y la palabra número uno
en Nueva York es "ahora",
en Nueva York es "ahora",
09:17
as in, "Now I'm working as a waiter,
but actually I'm an actor."
but actually I'm an actor."
199
545931
3246
como en: "Ahora trabajo como camarero,
pero en realidad soy actor".
pero en realidad soy actor".
09:21
(Laughter)
200
549201
1098
(Risas)
09:22
Or, "Now I'm a professor of engineering
at NYU, but actually I'm an artist."
at NYU, but actually I'm an artist."
201
550323
4295
O: "Ahora soy profesor de ingeniería
en la UNY, pero de hecho soy artista".
en la UNY, pero de hecho soy artista".
En el norte del estado se ve "dinosaurio".
09:26
If you go upstate, you see "dinosaur."
202
554642
1925
Eso es Siracusa.
09:28
That's Syracuse.
203
556591
1151
El mejor lugar para comer allí
09:29
The best place to eat
in Syracuse, New York,
in Syracuse, New York,
204
557766
2073
es un restaurante de barbacoa
para moteros llamado Dinosaur Barbecue.
para moteros llamado Dinosaur Barbecue.
09:31
is a Hell's Angels barbecue joint
called Dinosaur Barbecue.
called Dinosaur Barbecue.
205
559863
2794
09:34
That's where you would
take somebody on a date.
take somebody on a date.
206
562681
2222
Ahí llevarían a alguien a una cita.
Vivo entre "incondicional" y el festival
"Midsummer" en el centro de Manhattan.
"Midsummer" en el centro de Manhattan.
09:36
I live somewhere between "unconditional"
and "midsummer," in Midtown Manhattan.
and "midsummer," in Midtown Manhattan.
207
564927
3806
09:40
And this is gentrified North Brooklyn,
208
568757
2047
Y en el aburguesado Norte de Brooklyn,
09:42
so you've got "DJ" and "glamorous"
and "hipsters" and "urbane."
and "hipsters" and "urbane."
209
570828
3196
tienen "DJ", "glamoroso",
"hipster" y "urbano".
"hipster" y "urbano".
09:46
So that's maybe
a more democratic portrait.
a more democratic portrait.
210
574048
2422
Este quizá sea un retrato
más democrático.
más democrático.
09:48
And the idea was, what if we made
red-state and blue-state maps
red-state and blue-state maps
211
576494
3069
Y la idea fue: ¿y si hacemos mapas
del estado rojos y azules
del estado rojos y azules
09:51
based on what we want to do
on a Friday night?
on a Friday night?
212
579587
2169
en función de lo que queremos
hacer un viernes por la noche?
hacer un viernes por la noche?
09:53
This is a self-portrait.
213
581780
1507
Este es un autorretrato.
09:55
This is based on my email,
214
583770
1257
Toma datos de mi email,
son unos 500 000 emails
enviados en más de 20 años.
enviados en más de 20 años.
09:57
about 500,000 emails sent over 20 years.
215
585051
2969
Piensen en ello como
en una selfie cuantitativa.
en una selfie cuantitativa.
10:00
You can think of this
as a quantified selfie.
as a quantified selfie.
216
588044
2953
10:03
So what I'm doing is running
a physics equation
a physics equation
217
591021
3094
Le aplico una ecuación física basada
en mis datos personales.
en mis datos personales.
10:06
based on my personal data.
218
594139
1398
10:07
You have to imagine everybody
I've ever corresponded with.
I've ever corresponded with.
219
595561
2743
Deben imaginar a todo el mundo con
el que he mantenido correspondencia.
el que he mantenido correspondencia.
10:10
It started out in the middle
and it exploded with a big bang.
and it exploded with a big bang.
220
598328
3399
Empezó en el centro
y explotó como el Big Bang.
y explotó como el Big Bang.
10:13
And everybody has gravity to one another,
221
601751
2178
Y cada quien se atraen entre sí
en función del número
de mails intercambiados
de mails intercambiados
10:15
gravity based on how much
they've been emailing,
they've been emailing,
222
603953
2261
y a quién le ha estado escribiendo.
10:18
who they've been emailing with.
223
606238
1508
10:19
And it also does sentimental analysis,
224
607770
1832
Y también analiza los sentimientos
10:21
so if I say "I love you,"
you're heavier to me.
you're heavier to me.
225
609626
2289
así que si digo "te amo", se nota
que tienes más peso para mí.
que tienes más peso para mí.
10:23
And you attract to my email
addresses in the middle,
addresses in the middle,
226
611939
2496
Y gravitas hacia el centro
de mi correspondencia
de mi correspondencia
10:26
which act like mainline stars.
227
614459
2095
como una estrella guía.
10:28
And all the names are handwritten.
228
616578
1785
Todos los nombres están escritos a mano.
10:30
Sometimes you do this data
and this work with real-time data
and this work with real-time data
229
618917
3708
A veces estos datos
se procesan en tiempo real
se procesan en tiempo real
10:34
to illuminate a specific problem
in a specific city.
in a specific city.
230
622649
2947
para resaltar un tema específico
en una ciudad en concreto.
en una ciudad en concreto.
10:38
This is a Walther PPK 9mm
semiautomatic handgun
semiautomatic handgun
231
626071
2676
Esta es una pistola semiautomática
de 9 mm Walther PPK
de 9 mm Walther PPK
10:40
that was used in a shooting
in the French Quarter of New Orleans
in the French Quarter of New Orleans
232
628771
3031
usada en un tiroteo en el
barrio francés de Nueva Orleans
barrio francés de Nueva Orleans
hace unos dos años el Día de San Valentín
en una discusión en el aparcamiento.
en una discusión en el aparcamiento.
10:43
about two years ago on Valentine's Day
in an argument over parking.
in an argument over parking.
233
631826
3309
10:47
Those are my cigarettes.
234
635159
1215
Esos son mis cigarrillos.
10:48
This is the house
where the shooting took place.
where the shooting took place.
235
636398
2275
Esa es la casa donde ocurrió el tiroteo.
10:50
This project involved
a little bit of engineering.
a little bit of engineering.
236
638697
2374
Este proyecto requirió
un poco de ingeniería.
un poco de ingeniería.
Tengo una cadena de bicicleta
en forma de árbol de levas,
en forma de árbol de levas,
10:53
I've got a bike chain
rigged up as a cam shaft,
rigged up as a cam shaft,
237
641095
2215
10:55
with a computer driving it.
238
643334
1316
impulsada por una computadora.
10:56
That computer and the mechanism
are buried in a box.
are buried in a box.
239
644674
2766
El equipo y el mecanismo
están dentro de una caja.
están dentro de una caja.
10:59
The gun's on top welded to a steel plate.
240
647464
2214
La pistola está arriba
soldada a una placa de acero.
soldada a una placa de acero.
11:01
There's a wire going
through to the trigger,
through to the trigger,
241
649702
2345
Hay un cable que va hasta el gatillo,
11:04
and the computer in the box is online.
242
652071
2191
y la computadora
de la caja está en línea.
de la caja está en línea.
Recibe la información del 911 del
Departamento de Policía de Nueva Orleans,
Departamento de Policía de Nueva Orleans,
11:06
It's listening to the 911 feed
of the New Orleans Police Department,
of the New Orleans Police Department,
243
654286
3233
11:09
so that anytime there's a shooting
reported in New Orleans,
reported in New Orleans,
244
657543
2877
por eso cada vez que se informa
un tiroteo en Nueva Orleans,
un tiroteo en Nueva Orleans,
11:12
(Gunshot sound)
245
660444
1001
(Sonido de bala)
11:13
the gun fires.
246
661469
1220
el arma se dispara.
Es de fogueo, no hay bala.
11:15
Now, there's a blank,
so there's no bullet.
so there's no bullet.
247
663300
2350
11:18
There's big light, big noise
248
666008
2074
Hay un flash y un gran un estruendo,
11:20
and most importantly, there's a casing.
249
668106
2322
y lo más importante, hay una carcasa.
11:22
There's about five shootings
a day in New Orleans,
a day in New Orleans,
250
670452
2396
Hay unos cinco disparos
al día en Nueva Orleans,
al día en Nueva Orleans,
11:24
so over the four months
this piece was installed,
this piece was installed,
251
672872
2341
por lo que durante los cuatro meses
que duró la instalación,
que duró la instalación,
11:27
the case filled up with bullets.
252
675237
1611
la caja se llenó de balas.
11:29
You guys know what this is --
you call this "data visualization."
you call this "data visualization."
253
677642
3734
Ya saben qué es esto; se llama
"visualización de datos".
"visualización de datos".
11:34
When you do it right, it's illuminating.
254
682559
2008
Si lo hacen bien, es revelador.
11:36
When you do it wrong, it's anesthetizing.
255
684591
2436
Si lo hacen mal, insensibiliza.
11:39
It reduces people to numbers.
256
687656
1655
Reduce las personas a números.
11:41
So watch out.
257
689335
1411
Así que cuidado.
11:44
One last piece for you.
258
692654
1356
Una última obra para Uds.
11:46
I spent the last summer
as the artist in residence
as the artist in residence
259
694466
2782
Pasé el verano pasado
como artista residente
como artista residente
11:49
for Times Square.
260
697272
1216
para Times Square.
11:50
And Times Square in New York
is literally the crossroads of the world.
is literally the crossroads of the world.
261
698932
3643
Y Times Square en Nueva York es
literalmente el cruce del mundo.
literalmente el cruce del mundo.
11:54
One of the things
people don't notice about it
people don't notice about it
262
702599
2177
Pero la gente no se da cuenta
11:56
is it's the most Instagrammed
place on Earth.
place on Earth.
263
704800
2547
de que es el lugar
más instagrameado del planeta.
más instagrameado del planeta.
11:59
About every five seconds,
someone commits a selfie
someone commits a selfie
264
707903
2882
Cada cinco segundos alguien publica
una selfie tomada en Times Square.
una selfie tomada en Times Square.
12:02
in Times Square.
265
710809
1169
12:04
That's 17,000 a day, and I have them all.
266
712424
3249
Son unas 17 000 al día,
y yo las tengo a todas.
y yo las tengo a todas.
12:07
(Laughter)
267
715697
1085
(Risas)
12:08
These are some of them
with their eyes centered.
with their eyes centered.
268
716806
2292
Estas son algunas de ellas
con los ojos en el centro del marco.
con los ojos en el centro del marco.
12:11
Every civilization,
269
719122
1061
Cada civilización usará la tecnología
a su alcance para hacer arte.
a su alcance para hacer arte.
12:12
will use the maximum level
of technology available to make art.
of technology available to make art.
270
720183
2925
12:15
And it's the responsibility
of the artist to ask questions
of the artist to ask questions
271
723132
2808
Y es responsabilidad del artista
hacer preguntas
hacer preguntas
12:17
about what that technology means
272
725964
1631
sobre qué significa esa tecnología
y cómo refleja nuestra cultura.
y cómo refleja nuestra cultura.
12:19
and how it reflects our culture.
273
727619
2019
12:21
So I leave you with this:
we're more than numbers.
we're more than numbers.
274
729662
2486
Por eso me despido con esto:
Somos mucho más que números.
Somos mucho más que números.
12:24
We're people, and we have
dreams and ideas.
dreams and ideas.
275
732172
2001
Somos personas y tenemos
sueños e ideas.
sueños e ideas.
12:26
And reducing us to statistics
is something that's done
is something that's done
276
734197
2799
Y reducirnos a estadísticas es algo
que se hace por cuenta y riesgo propio.
que se hace por cuenta y riesgo propio.
12:29
at our peril.
277
737020
1251
12:30
Thank you very much.
278
738295
1178
Muchas gracias.
12:31
(Applause)
279
739497
10786
(Aplausos)
ABOUT THE SPEAKER
R. Luke DuBois - Artist, composer, engineerR. Luke DuBois weaves information from a multitude of sources into art and music exploring the tensions between algorithms, portraiture and temporal space.
Why you should listen
R. Luke DuBois is a multidisciplinary artist mining the intersection of art, culture and technology, often expanding or contracting perspectives or timespans to accentuate aspects of each work. As a musician, he has produced a spectrum of electro-acoustic works with a multitude of artists, including Bora Yoon, Bang on a Can and the Freight Elevator Quartet.
As an artist, DuBois focuses on exposing the long narratives created by arcs of data, in the same way that time-lapse photographs expose long swaths of motion in a single image. As a programmer, DuBois is co-author of Jitter, a software suite that allows real-time manipulation of video and 3D imagery.
DuBois teaches at New York University, where he co-directs the Integrated Digital Media program at the Tandon School of Engineering. His artwork is represented by bitforms gallery in New York City.
R. Luke DuBois | Speaker | TED.com