EG 2007
Kevin Kelly: The next 5,000 days of the web
Kevin Kelly sobre los próximos 5000 días de la "web"
Filmed:
Readability: 3.3
1,751,618 views
En la conferencia EG 2007, Kevin Kelly comparte una estadística cómica: El "World Wide Web", como la conocemos, solo tiene 5,000 días de edad. Ahora, Kelly pregunta, como podemos predecir qué viene paras los próximos 5,000 días?
Kevin Kelly - Digital visionary
There may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology. Full bio
There may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology. Full bio
Double-click the English transcript below to play the video.
00:16
The Internet, the Web as we know it,
0
0
2000
El Internet, la "web" como la conocemos,
00:18
the kind of Web -- the things we're all talking about --
1
2000
3000
la clase de red -- las cosas que estamos hablando --
00:21
is already less than 5,000 days old.
2
5000
4000
tiene ahora menos de 5,000 días de edad.
00:25
So all of the things that we've seen come about,
3
9000
4000
Entonces todas las cosas que vemos,
00:29
starting, say, with satellite images of the whole Earth,
4
13000
3000
por ejemplo, imágenes satelitales del planeta completo,
00:32
which we couldn't even imagine happening before,
5
16000
3000
las cuales nunca nos hubiéramos imaginado antes --
00:35
all these things rolling into our lives,
6
19000
4000
todo esto entrando en nuestras vidas,
00:39
just this abundance of things that are right before us,
7
23000
5000
la abundancia de lo que esta frente a nosotros,
00:44
sitting in front of our laptop, or our desktop.
8
28000
2000
sentados frente al computador
00:46
This kind of cornucopia of stuff
9
30000
2000
Esta cornucopia de cosas
00:48
just coming and never ending is amazing, and we're not amazed.
10
32000
6000
que vemos nos maravilla aunque no pareciera que lo estemos
00:54
It's really amazing that all this stuff is here.
11
38000
4000
Es realmente increíble que todo esté aca.
00:58
(Laughter)
12
42000
1000
(Risas)
00:59
It's in 5,000 days, all this stuff has come.
13
43000
4000
En sus 5,000 días, todo esto ha venido.
01:03
And I know that 10 years ago,
14
47000
3000
Y se que hace 10 años,
01:06
if I had told you that this was all coming,
15
50000
2000
si les hubiera dicho que todo esto venía,
01:08
you would have said that that's impossible.
16
52000
3000
hubieran dicho, es imposible.
01:11
There's simply no economic model that that would be possible.
17
55000
5000
Simplemente no existe modelo económico que lo hiciera posible.
01:16
And if I told you it was all coming for free,
18
60000
2000
Y si les hubiera dicho que además es gratis,
01:18
you would say, this is simply -- you're dreaming.
19
62000
2000
me hubieran respondido -- estas soñando.
01:20
You're a Californian utopian. You're a wild-eyed optimist.
20
64000
4000
eres un Californiano utópico. Un optimista excesivo
01:24
And yet it's here.
21
68000
2000
Y sin embargo está acá
01:26
The other thing that we know about it was that 10 years ago,
22
70000
4000
Lo otro que sabemos es que hace 10 años,
01:30
as I looked at what even Wired was talking about,
23
74000
3000
como incluso la revista Wired estaba hablando,
01:33
we thought it was going to be TV, but better.
24
77000
3000
pensábamos que seria como la TV, pero mejor.
01:36
That was the model. That was what everybody was suggesting
25
80000
4000
Era el modelo; lo que todos sugerían
01:40
was going to be coming.
26
84000
2000
que venía
01:42
And it turns out that that's not what it was.
27
86000
3000
Y resultó que no fue esto.
01:45
First of all, it was impossible, and it's not what it was.
28
89000
3000
Primero, era imposible. Segundo no es lo que era
01:48
And so one of the things that I think we're learning --
29
92000
1000
Entonces una de las cosas que creo aprendemos --
01:49
if you think about, like, Wikipedia,
30
93000
2000
si piensan, por ejemplo, Wikipedia,
01:51
it's something that was simply impossible.
31
95000
2000
algo que era simplemente imposible.
01:53
It's impossible in theory, but possible in practice.
32
97000
4000
Imposible en teoría, pero posible en la práctica.
01:57
And if you take all these things that are impossible,
33
101000
1000
Si toman todo lo que era imposible,
01:58
I think one of the things that we're learning from this era,
34
102000
4000
Creo que una de las cosas que estamos aprendiendo de esta era.
02:02
from this last decade, is that we have to get good at believing in the impossible,
35
106000
4000
de la ultima década, es que debemos mejorar en creer lo imposible,
02:06
because we're unprepared for it.
36
110000
3000
por que no estamos preparados para eso.
02:09
So, I'm curious about what's going to happen in the next 5,000 days.
37
113000
3000
Entonces estoy curioso, que pasará los próximos 5,000 días.
02:12
But if that's happened in the last 5,000 days,
38
116000
2000
Pero si ha pasado esto en los últimos 5,000 días.
02:14
what's going to happen in the next 5,000 days?
39
118000
3000
¿Qué pasará en los próximos 5,000 días?
02:17
So, I have a kind of a simple story,
40
121000
3000
Entonces, tengo una simple historia,
02:20
and it suggests that what we want to think about is this thing that we're making,
41
124000
3000
y sugiere que deberíamos pensar en esto que estamos haciendo,
02:23
this thing that has happened in 5,000 days --
42
127000
2000
esto que pasó en 5,000 días.
02:25
that's all these computers, all these handhelds,
43
129000
3000
Son todos estos computadores, aparatos pequeños,
02:28
all these cell phones, all these laptops, all these servers --
44
132000
4000
celulares, portátiles, servidores --
02:32
basically what we're getting out of all these connections
45
136000
4000
lo que estamos haciendo básicamente es que con estas conexiones,
02:36
is we're getting one machine.
46
140000
2000
obtenemos una máquina.
02:38
If there is only one machine, and our little handhelds and devices
47
142000
4000
Si solo hay una máquina -- y nuestros dispositivos portátiles
02:42
are actually just little windows into those machines,
48
146000
2000
son pequeñas ventanas hacia estas maquina,
02:44
but that we're basically constructing a single, global machine.
49
148000
6000
pero que estamos básicamente construyendo una sola, máquina global.
02:50
And so I began to think about that.
50
154000
2000
Entonces comencé a pensar en eso.
02:52
And it turned out that this machine happens to be
51
156000
3000
Y resultó que esta máquina es
02:55
the most reliable machine that we've ever made.
52
159000
3000
la máquina mas fiable que hayamos fabricado.
02:58
It has not crashed; it's running uninterrupted.
53
162000
2000
No se ha caído, funcionando ininterrumpidamente.
03:00
And there's almost no other machine that we've ever made
54
164000
3000
Y no existe casi ninguna otra máquina que hayamos fabricado
03:03
that runs the number of hours, the number of days.
55
167000
4000
que funcione el numero de horas, días.
03:07
5,000 days without interruption -- that's just unbelievable.
56
171000
3000
5,000 días sin interrupción-- es simplemente increíble.
03:10
And of course, the Internet is longer than just 5,000 days;
57
174000
2000
Y por supuesto, el Internet es mas largo que solo 5,000 días --
03:12
the Web is only 5,000 days.
58
176000
2000
la web tiene solo 5,000 días.
03:14
So, I was trying to basically make measurements.
59
178000
6000
Entonces traté de sacar medidas básicas.
03:20
What are the dimensions of this machine?
60
184000
3000
¿Cuáles son las dimensiones de esta máquina?
03:23
And I started off by calculating how many billions of clicks there are
61
187000
4000
Y comencé por calcular los miles de millones de clics
03:27
all around the globe on all the computers.
62
191000
3000
alrededor del mundo en todos los computadores.
03:30
And there is a 100 billion clicks per day.
63
194000
2000
Y hay 100 mil millones de clics por día.
03:32
And there's 55 trillion links between all the Web pages of the world.
64
196000
6000
Y hay 55 trillones de links entre todas las páginas del mundo.
03:38
And so I began thinking more about other kinds of dimensions,
65
202000
3000
Y entonces comencé a pensar mas acerca de otro tipo de dimensiones,
03:41
and I made a quick list. Was it Chris Jordan, the photographer,
66
205000
5000
hice una lista rápida -- y ¿Era Chris Jordan, el fotógrafo, quien
03:46
talking about numbers being so large that they're meaningless?
67
210000
4000
estaba hablando de números que son tan grandes que pierden el sentido?
03:50
Well, here's a list of them. They're hard to tell,
68
214000
2000
Bueno, esto es una lista de estos. Son difíciles de decir
03:52
but there's one billion PC chips on the Internet,
69
216000
4000
pero hay mil millones de chips de computador en Internet,
03:56
if you count all the chips in all the computers on the Internet.
70
220000
2000
si contaran todos los chips en todos los computadores del Internet.
03:58
There's two million emails per second.
71
222000
2000
has dos millones de correos por segundo
04:00
So it's a very big number.
72
224000
2000
Entonces es un número muy grande.
04:02
It's just a huge machine,
73
226000
2000
Es simplemente una máquina enorme,
04:04
and it uses five percent of the global electricity on the planet.
74
228000
4000
y utiliza 5 por ciento del la electricidad global.
04:08
So here's the specifications,
75
232000
1000
Entonces estas son las especificaciones,
04:09
just as if you were to make up a spec sheet for it:
76
233000
2000
como si estuvieran haciendo una hoja de especificaciones técnicas:
04:11
170 quadrillion transistors, 55 trillion links,
77
235000
4000
170 quatrillones de transistores, 55 trillones de links
04:15
emails running at two megahertz itself,
78
239000
2000
correos viajando a dos mega hertz,
04:17
31 kilohertz text messaging,
79
241000
3000
mensajes de texto a 31 kilohertz
04:20
246 exabyte storage. That's a big disk.
80
244000
4000
246 hexabytes de almacenamiento, Es un gran disco.
04:24
That's a lot of storage, memory. Nine exabyte RAM.
81
248000
3000
Es mucho almacenamiento, memoria .. nueve hexabytes RAM.
04:27
And the total traffic on this
82
251000
4000
Y el trafico total
04:31
is running at seven terabytes per second.
83
255000
3000
esta viajando a siete terabytes por segundo.
04:34
Brewster was saying the Library of Congress is about twenty terabytes.
84
258000
3000
Brewster dijo que la librería del congreso es alrededor de 20 terabytes.
04:37
So every second, half of the Library of Congress
85
261000
3000
Entonces cada segundo, la mitad de la Librería del Congreso
04:40
is swooshing around in this machine. It's a big machine.
86
264000
4000
esta pasando por esta máquina. Es una gran máquina.
04:44
So I did something else. I figured out 100 billion clicks per day,
87
268000
4000
Entonces hice algo mas. Encontré que 100 mil millones de clics por día,
04:48
55 trillion links is almost the same
88
272000
3000
55 tillones de links, es casi lo mismo
04:51
as the number of synapses in your brain.
89
275000
2000
que la sinapsis de nuestro cerebro.
04:53
A quadrillion transistors is almost the same
90
277000
2000
Un quatrillon de transistores es como
04:55
as the number of neurons in your brain.
91
279000
2000
el número de neuronas en el cerebro.
04:57
So to a first approximation, we have these things --
92
281000
3000
Entonces en una primera aproximacion, tenemos estas cosas --
05:00
twenty petahertz synapse firings.
93
284000
2000
veinte-petahertz disparos sinápticos.
05:02
Of course, the memory is really huge.
94
286000
2000
Por supuesto la memoria es enorme.
05:04
But to a first approximation, the size of this machine is the size --
95
288000
6000
Pero en una primera aproximación, el tamaño de la máquina es --
05:10
and its complexity, kind of -- to your brain.
96
294000
5000
y su complejidad , algo como -- el cerebro.
05:15
Because in fact, that's how your brain works -- in kind of the same way that the Web works.
97
299000
4000
Por que incluso, es así como funciona el cerebro --de la misma forma que la red.
05:19
However, your brain isn't doubling every two years.
98
303000
4000
Sin embargo, su cerebro no se esta duplicando cada dos años.
05:23
So if we say this machine right now that we've made
99
307000
5000
Entonces si decimos que esta máquina que hemos fabricado,
05:28
is about one HB, one human brain,
100
312000
3000
es como un cerebro humano,
05:31
if we look at the rate that this is increasing,
101
315000
3000
si estimamos la velocidad a la que crece,
05:34
30 years from now, there'll be six billion HBs.
102
318000
5000
de ahora en treinta años, habrán seis mil millones de cerebros humanos.
05:39
So by the year 2040, the total processing of this machine
103
323000
4000
Para el 2040, el procesamiento total de esta máquina
05:43
will exceed a total processing power of humanity,
104
327000
3000
excedera la capacidad de procesamiento de la humanidad,
05:46
in raw bits and stuff. And this is, I think, where
105
330000
3000
por partes, Y esto es, yo creo, donde
05:49
Ray Kurzweil and others get this little chart saying that we're going to cross.
106
333000
5000
Ray Kurzwel y otros obtuvieron este pequeño cuadro diciendo que cruzaremos.
05:54
So, what about that? Well, here's a couple of things.
107
338000
6000
¿Quá tal eso? Bueno, acá hay un par de cosas.
06:00
I have three kind of general things
108
344000
3000
Tengo tres clases de elementos generales
06:03
I would like to say, three consequences of this.
109
347000
4000
Me gustaría decir; tres consecuencias de esto.
06:07
First, that basically what this machine is doing is embodying.
110
351000
5000
Primero, que básicamente lo que está haciendo esta máquina es tomando cuerpo --
06:12
We're giving it a body. And that's what we're going to do
111
356000
2000
le estamos dando cuerpo. Y eso es lo que haremos
06:14
in the next 5,000 days -- we're going to give this machine a body.
112
358000
3000
en los próximos 5,000 días -- le daremos a esta máquina un cuerpo.
06:17
And the second thing is, we're going to restructure its architecture.
113
361000
3000
Y la segunda cosa es: reestructuraremos su arquitectura.
06:20
And thirdly, we're going to become completely codependent upon it.
114
364000
4000
Tercero, seremos completamente co-dependientes de esta
06:24
So let me go through those three things.
115
368000
2000
Entonces permitanme ver estas tres cosas.
06:26
First of all, we have all these things in our hands.
116
370000
3000
Primero que todo, tenemos todo esto en nuestras manos.
06:29
We think they're all separate devices,
117
373000
2000
Pensamos que son dispositivos separados,
06:31
but in fact, every screen in the world
118
375000
3000
pero, cada pantalla en el mundo
06:34
is looking into the one machine.
119
378000
3000
está mirando hacia La Máquina.
06:37
These are all basically portals into that one machine.
120
381000
3000
Estos son básicamente portales hacia La Máquina
06:40
The second thing is that -- some people call this the cloud,
121
384000
4000
Lo segundo es que -- algunas personas le llaman a esto la nube,
06:44
and you're kind of touching the cloud with this.
122
388000
2000
y estamos tocando la nube con esto.
06:46
And so in some ways, all you really need is a cloudbook.
123
390000
4000
y de alguna forma, todo lo que se necesita es un "cloudbook".
06:50
And the cloudbook doesn't have any storage.
124
394000
3000
Y el cloudbook no almacena nada
06:53
It's wireless. It's always connected.
125
397000
3000
Es inalambrico. Esta siempre conectado.
06:56
There's many things about it. It becomes very simple,
126
400000
2000
Es muy simple.
06:58
and basically what you're doing is you're just touching the machine,
127
402000
2000
y simplemente lo que hacen es solo tocar La Maquina
07:00
you're touching the cloud and you're going to compute that way.
128
404000
3000
están tocando la nube y calculando la vía.
07:03
So the machine is computing.
129
407000
2000
Entonces La Máquina está calculando.
07:05
And in some ways, it's sort of back
130
409000
1000
En algunas forma, es algo
07:06
to the kind of old idea of centralized computing.
131
410000
3000
como la vieja idea de cálculos centralizados.
07:09
But everything, all the cameras, and the microphones,
132
413000
4000
Pero todo, todas las cámaras, y los micrófonos,
07:13
and the sensors in cars
133
417000
4000
y los sensores de los autos
07:17
and everything is connected to this machine.
134
421000
2000
y todo conectado a esta máquina.
07:19
And everything will go through the Web.
135
423000
2000
Y todo pasará por la red.
07:21
And we're seeing that already with, say, phones.
136
425000
2000
Y ya estamos viendo esto con, por ejemplo, teléfonos.
07:23
Right now, phones don't go through the Web,
137
427000
2000
Justo ahora, los teléfonos no van por la red,
07:25
but they are beginning to, and they will.
138
429000
3000
pero van a comenzar a hacerlo, y lo harán.
07:28
And if you imagine what, say, just as an example, what Google Labs has
139
432000
4000
Y si imaginan, por ejemplo, lo que Google Labs tiene
07:32
in terms of experiments with Google Docs, Google Spreadsheets, blah, blah, blah --
140
436000
4000
en términos de experimentos con Google docs, Google hoja de calculo, blah, blah
07:36
all these things are going to become Web based.
141
440000
3000
todo esto será basado en la red.
07:39
They're going through the machine.
142
443000
2000
Pasarán por La Máquina.
07:41
And I am suggesting that every bit will be owned by the Web.
143
445000
5000
Y estoy sugiriendo que cada parte sea de la red.
07:46
Right now, it's not. If you do spreadsheets and things at work,
144
450000
3000
Ahora no es así -- si haces hojas de cálculo en el trabajo,
07:49
a Word document, they aren't on the Web,
145
453000
3000
un documento Word, no está en la Web,
07:52
but they are going to be. They're going to be part of this machine.
146
456000
2000
pero estará, hará parte de esta máquina.
07:54
They're going to speak the Web language.
147
458000
2000
Hablarán el idioma de la red.
07:56
They're going to talk to the machine.
148
460000
2000
Le hablarán a La Máquina
07:58
The Web, in some sense, is kind of like a black hole
149
462000
3000
La red, en cierto sentido, es como un agujero negro,
08:01
that's sucking up everything into it.
150
465000
3000
que absorbe todo
08:04
And so every thing will be part of the Web.
151
468000
4000
Entonces todo será parte de la red.
08:08
So every item, every artifact that we make, will have embedded in it
152
472000
5000
Cada elemento, cada artefacto que hagamos, incluirá
08:13
some little sliver of Web-ness and connection,
153
477000
3000
alguna conectividad a la red,
08:16
and it will be part of this machine,
154
480000
2000
y será parte de La Máquina,
08:18
so that our environment -- kind of in that ubiquitous computing sense --
155
482000
3000
entonces nuestro entorno -- en un sentido ubicuo computacional --
08:21
our environment becomes the Web. Everything is connected.
156
485000
5000
nuestro entorno se convierte en la red. Todo conectado.
08:26
Now, with RFIDs and other things -- whatever technology it is,
157
490000
3000
Ahora, con RFID y otras cosas --cualquier tecnología que sea
08:29
it doesn't really matter. The point is that everything
158
493000
3000
no importa realmente, es punto es que todo
08:32
will have embedded in it some sensor connecting it to the machine,
159
496000
3000
incluirá alguna colectividad con La Máquina
08:35
and so we have, basically, an Internet of things.
160
499000
3000
entonces tenemos, básicamente, un Internet de cosas.
08:38
So you begin to think of a shoe as a chip with heels,
161
502000
4000
Entonces pensamos en un zapato como un chip con suela,
08:42
and a car as a chip with wheels,
162
506000
3000
un auto como un chip con ruedas.
08:45
because basically most of the cost of manufacturing cars
163
509000
3000
Porque básicamente gran parte del costo de manufactura de un auto
08:48
is the embedded intelligence and electronics in it, and not the materials.
164
512000
6000
es la inteligencia y los electrones al interior, y no los materiales.
08:54
A lot of people think about the new economy
165
518000
2000
Muchas personas piensan acerca de la nueva economía
08:56
as something that was going to be a disembodied,
166
520000
2000
como algo que seria desencarnado,
08:58
alternative, virtual existence,
167
522000
3000
existencia virtual alternativa,
09:01
and that we would have the old economy of atoms.
168
525000
3000
y que tendiéramos la vieja economía de los átomos.
09:04
But in fact, what the new economy really is
169
528000
3000
Pero ahora, lo que la economía realmente es
09:07
is the marriage of those two, where we embed the information,
170
531000
4000
es la unión entre esas dos, donde la información interior,
09:11
and the digital nature of things into the material world.
171
535000
2000
y la naturaleza digital de las cosas dentro del mundo material.
09:13
That's what we're looking forward to. That is where we're going --
172
537000
4000
Es lo que estamos esperando. A donde vamos --
09:17
this union, this convergence of the atomic and the digital.
173
541000
7000
esta unión, esta convergencia entre lo atómico y digital.
09:24
And so one of the consequences of that, I believe,
174
548000
2000
Entonces una de las consecuencias, yo creo
09:26
is that where we have this sort of spectrum of media right now --
175
550000
4000
es que donde tengamos esta especie de espectro de medios ahora --
09:30
TV, film, video -- that basically becomes one media platform.
176
554000
3000
TV, películas, vídeos -- que se convierte en una plataforma de medios.
09:33
And while there's many differences in some senses,
177
557000
2000
Y aunque hay muchas diferencias en algunos sentidos,
09:35
they will share more and more in common with each other.
178
559000
3000
compartirían mas y mas entre si
09:38
So that the laws of media, such as the fact that copies have no value,
179
562000
5000
Para que las leyes del medio, como: el hecho que las copias no tienen valor.
09:43
the value's in the uncopiable things,
180
567000
2000
El valor de cosas incopiables.
09:45
the immediacy, the authentication, the personalization.
181
569000
5000
La inmediatez, autenticación, personalización --
09:50
The media wants to be liquid.
182
574000
3000
el medio quiere ser liquido;
09:53
The reason why things are free is so that you can manipulate them,
183
577000
3000
la razón por la cual las cosas son libres es para que se puedan manipular,
09:56
not so that they are "free" as in "beer," but "free" as in "freedom."
184
580000
4000
no gratis, sino libres como en libertad
10:00
And the network effects rule,
185
584000
2000
Y rige el efecto de red --
10:02
meaning that the more you have, the more you get.
186
586000
2000
es decir que entre mas tienes, mas obtienes.
10:04
The first fax machine -- the person who bought the first fax machine
187
588000
3000
La primera maquina de fax -- la persona que compro el primer fax
10:07
was an idiot, because there was nobody to fax to.
188
591000
5000
era un idiota. porque no había a quien enviarle un fax.
10:12
But here she became an evangelist, recruiting others
189
596000
4000
Pero se convirtió en una evangelista, reclutando a otros
10:16
to get the fax machines because it made their purchase more valuable.
190
600000
3000
para que consiguieran máquinas fax porque valoraba su compra.
10:19
Those are the effects that we're going to see.
191
603000
2000
Estos son los efectos que veremos.
10:21
Attention is the currency.
192
605000
2000
Atención es la moneda.
10:23
So those laws are going to kind of spread throughout all media.
193
607000
5000
Entonces estas leyes van a esparcirse a través de todos los medios.
10:28
And the other thing about this embodiment
194
612000
2000
Y lo otro de este encarnamiento
10:30
is that there's kind of what I call the McLuhan reversal.
195
614000
3000
es que pasa lo que llamo el inverso de McLuhan.
10:33
McLuhan was saying, "Machines are the extensions of the human senses."
196
617000
2000
McLuhan dijo, "Las máquinas son extensiones de los sentidos humanos."
10:35
And I'm saying, "Humans are now going to be
197
619000
2000
Y estoy diciendo, "Los humanos ahora serán
10:37
the extended senses of the machine," in a certain sense.
198
621000
3000
los sentidos de las máquinas extendidos," en cierta forma
10:40
So we have a trillion eyes, and ears, and touches,
199
624000
4000
Entonces tenemos un trillón de ojos, orejas, y tactos,
10:44
through all our digital photographs and cameras.
200
628000
3000
por medio de todas nuestras fotos y cámaras.
10:47
And we see that in things like Flickr,
201
631000
5000
Y vemos en cosas como Flickr,
10:52
or Photosynth, this program from Microsoft
202
636000
3000
o Photosynth, este programa de Microsoft
10:55
that will allow you to assemble a view of a touristy place
203
639000
4000
que permitirá ensamblar un vista turística de un lugar
10:59
from the thousands of tourist snapshots of it.
204
643000
4000
de los miles de fotos turísticas.
11:03
In a certain sense, the machine is seeing through the pixels of individual cameras.
205
647000
6000
En algún sentido, la máquina ve por medio de pixeles de cámaras individuales.
11:09
Now, the second thing that I want to talk about was this idea of restructuring,
206
653000
4000
Ahora, lo segundo de lo quería hablarles es la idea de re estructurar --
11:13
that what the Web is doing is restructuring.
207
657000
2000
que lo que está haciendo la red es re estructurar
11:15
And I have to warn you, that what we'll talk about is --
208
659000
2000
Y les debo advertir, que lo que hablaremos es --
11:17
I'm going to give my explanation of a term you're hearing, which is a "semantic Web."
209
661000
4000
Voy a entregarles mi explicación de un termino que han escuchado, "red semántica "
11:21
So first of all, the first stage that we've seen
210
665000
3000
Primero que todo, el primer paso que hemos visto
11:24
of the Internet was that it was going to link computers.
211
668000
3000
del Internet sería que conectaría computadores.
11:27
And that's what we called the Net; that was the Internet of nets.
212
671000
3000
Y fue lo que llamamos La Red -- la Internet de redes.
11:30
And we saw that, where you have all the computers of the world.
213
674000
3000
Y vimos que donde teníamos todos los computadores del mundo --
11:33
And if you remember, it was a kind of green screen with cursors,
214
677000
4000
si recuerdan, era como una pantalla verde con cursores,
11:37
and there was really not much to do, and if you wanted to connect it,
215
681000
2000
y no había realmente mucho que hacer, si querían conectarla,
11:39
you connected it from one computer to another computer.
216
683000
3000
la conectaban de un computador a otro.
11:42
And what you had to do was -- if you wanted to participate in this,
217
686000
2000
Y lo que deban hacer era, si querían participar en esto,
11:44
you had to share packets of information.
218
688000
4000
debían compartir paquetes de información.
11:48
So you were forwarding on. You didn't have control.
219
692000
2000
Entonces estarían transmitiendo, No tenían control.
11:50
It wasn't like a telephone system where you had control of a line:
220
694000
2000
No era como un sistema telefónico donde se tenía control de la linea --
11:52
you had to share packets.
221
696000
2000
debían compartir paquetes.
11:54
The second stage that we're in now is the idea of linking pages.
222
698000
5000
La segunda etapa donde estamos ahora es la idea de conectar páginas.
11:59
So in the old one, if I wanted to go on to an airline Web page,
223
703000
3000
Entonces en la antigua, si queríamos entrar a la página de una linea aérea,
12:02
I went from my computer, to an FTP site, to another airline computer.
224
706000
4000
Iba de mi computador, a un sitio FTP, luego al computador de la aerolínea.
12:06
Now we have pages -- the unit has been resolved into pages,
225
710000
5000
Ahora tenemos páginas -- la unidad se ha resuelto en páginas,
12:11
so one page links to another page.
226
715000
2000
entonces una página conecta a otra.
12:13
And if I want to go in to book a flight,
227
717000
3000
Y si quisiéramos seguir y reservar un vuelo,
12:16
I go into the airline's flight page, the website of the airline,
228
720000
5000
Iría a la pagina de la aerolínea, el sitio web de la aerolínea,
12:21
and I'm linking to that page.
229
725000
2000
y me conectaria con esa página.
12:23
And what we're sharing were links, so you had to be kind of open with links.
230
727000
4000
Y lo que compartimos son conexiones, entonces debemos estar abiertos a conexiones
12:27
You couldn't deny -- if someone wanted to link to you,
231
731000
2000
No lo podríamos negar -- si alguien quisiera conectarnos,
12:29
you couldn't stop them. You had to participate in this idea
232
733000
4000
no lo podríamos evitar; deberíamos participar en esta idea
12:33
of opening up your pages to be linked by anybody.
233
737000
3000
de abrir su página para que lo conecte quienquiera.
12:36
So that's what we were doing.
234
740000
2000
Entonces eso estamos haciendo.
12:38
We're now entering to the third stage, which is what I'm talking about,
235
742000
4000
Estamos entrando al la tercera etapa, que es a lo que me refiero,
12:42
and that is where we link the data.
236
746000
2000
y es donde conectamos los datos.
12:44
So, I don't know what the name of this thing is.
237
748000
2000
Entonces, no se como se llama esto.
12:46
I'm calling it the one machine. But we're linking data.
238
750000
2000
Lo llamare "La Máquina". pero estamos conectando datos.
12:48
So we're going from machine to machine,
239
752000
2000
Vamos de máquina en máquina,
12:50
from page to page, and now data to data.
240
754000
2000
de página a página, y ahora de datos a datos.
12:52
So the difference is, is that rather than linking from page to page,
241
756000
4000
Entonces la diferencia es, que en vez de conectar de página a página,
12:56
we're actually going to link from one idea on a page
242
760000
4000
vamos a conectar de una idea a una página
13:00
to another idea, rather than to the other page.
243
764000
2000
a otra idea, en vez de a otra pagina
13:02
So every idea is basically being supported --
244
766000
3000
Entonces todo está soportado --
13:05
or every item, or every noun -- is being supported by the entire Web.
245
769000
3000
o todo los elementos, o cada sustantivo, esta soportado por la red.
13:08
It's being resolved at the level of items, or ideas, or words, if you want.
246
772000
6000
Está siendo resuelto al nivel de los elementos, ideas o palabras
13:14
So besides physically coming out again into this idea
247
778000
4000
entonces además de físicamente volviendo a esta idea
13:18
that it's not just virtual, it's actually going out to things.
248
782000
4000
no es solamente virtual, están saliendo cosas.
13:22
So something will resolve down to the information
249
786000
3000
Entonces algo resolverá la información
13:25
about a particular person, so every person will have a unique ID.
250
789000
4000
acerca de una persona en particular, todos tendremos identificación única
13:29
Every person, every item will have a something
251
793000
2000
Cada persona, cada elemento, tendrá algo
13:31
that will be very specific, and will link
252
795000
2000
que sera muy específico, y conectará
13:33
to a specific representation of that idea or item.
253
797000
4000
a una representación específica de esa idea o elemento.
13:37
So now, in this new one, when I link to it,
254
801000
3000
Entonces ahora en esta nueva, cuando me conecto,
13:40
I would link to my particular flight, my particular seat.
255
804000
6000
Me conecto a mi vuelo, mi silla.
13:46
And so, giving an example of this thing,
256
810000
3000
Entonces -- dando un ejemplo --
13:49
I live in Pacifica, rather than -- right now Pacifica
257
813000
2000
Yo vivo en Pacifica. -- justo ahora, Pacífica
13:51
is just sort of a name on the Web somewhere.
258
815000
3000
es solo un nombre en la red en algún lado.
13:54
The Web doesn't know that that is actually a town,
259
818000
2000
La red no sabe que ese es un pueblo,
13:56
and that it's a specific town that I live in,
260
820000
2000
y que es específicamente el pueblo donde yo vivo,
13:58
but that's what we're going to be talking about.
261
822000
3000
pero eso es lo que estaremos hablando.
14:01
It's going to link directly to --
262
825000
2000
Estará conectando directamente a si mismo --
14:03
it will know, the Web will be able to read itself
263
827000
3000
la red podrá leer por si sola
14:06
and know that that actually is a place,
264
830000
2000
y saber que eso realmente es un lugar,
14:08
and that whenever it sees that word, "Pacifica,"
265
832000
2000
y que cuando vea la palabra "Pacifica"
14:10
it knows that it actually has a place,
266
834000
1000
sabe que es un lugar
14:11
latitude, longitude, a certain population.
267
835000
3000
latitud, longitud, una cierta población,
14:14
So here are some of the technical terms, all three-letter things,
268
838000
3000
Entonces acá estan algunos de los términos técnicos, todos de tres letras
14:17
that you'll see a lot more of.
269
841000
2000
que verán mucho mas.
14:19
All these things are about enabling this idea of linking to the data.
270
843000
5000
Todo esto se trata de relacionar los datos.
14:24
So I'll give you one kind of an example.
271
848000
3000
Les daré un ejemplo
14:27
There's like a billion social sites on the Web.
272
851000
4000
Hay como mil millones de sitios sociales en la red.
14:31
Each time you go into there, you have to tell it again who you are
273
855000
3000
cada vez que entras, debes decir quien eres de nuevo,
14:34
and all your friends are.
274
858000
1000
y quienes son tus amigos.
14:35
Why should you be doing that? You should just do that once,
275
859000
2000
¿Por qué deberíamos hacer esto? solo deberíamos hacer eso una vez,
14:37
and it should know who all your friends are.
276
861000
3000
y deberían saber quienes son tus amigos.
14:40
So that's what you want, is all your friends are identified,
277
864000
2000
Entonces esto es lo que queremos, todos los amigo identificados,
14:42
and you should just carry these relationships around.
278
866000
2000
y solo cargar esas relaciones
14:44
All this data about you should just be conveyed,
279
868000
3000
todos estos datos deberían trasmitirse
14:47
and you should do it once and that's all that should happen.
280
871000
3000
y solo se debería hacer una vez, y esto es todo lo que debería pasar
14:50
And you should have all the networks
281
874000
2000
Y deberíamos tener todas las redes
14:52
of all the relationships between those pieces of data.
282
876000
2000
de todas las relaciones entre esos pedazos de información
14:54
That's what we're moving into -- where it sort of knows these things down to that level.
283
878000
5000
A eso es a lo que nos estamos moviendo -- donde se sabe este tipo de cosas a este nivel.
14:59
A semantic Web, Web 3.0, giant global graph --
284
883000
3000
Una red semántica, Web 3.0, gigante global grafica --
15:02
we're kind of trying out what we want to call this thing.
285
886000
3000
estamos tratando de ver como podemos llamar a esto.
15:05
But what's it's doing is sharing data.
286
889000
2000
lo que esta haciendo es compartir datos.
15:07
So you have to be open to having your data shared, which is a much bigger step
287
891000
5000
Entonces debes estar abierto a compartir tu información, lo cual es un paso mucho mas grande
15:12
than just sharing your Web page, or your computer.
288
896000
2000
que solo compartir su pagina web, o su computador.
15:14
And all these things that are going to be on this
289
898000
4000
Y todos estos elementos que estarán sobre esto
15:18
are not just pages, they are things.
290
902000
3000
no son solo paginas, son cosas.
15:21
Everything we've described, every artifact or place,
291
905000
4000
Todo lo que hemos descrito, cada artefacto o lugar
15:25
will be a specific representation,
292
909000
2000
serán una representación específica,
15:27
will have a specific character that can be linked to directly.
293
911000
5000
tendrá un carácter especifico que se podrá conectar directamente.
15:32
So we have this database of things.
294
916000
2000
Entonces tenemos esta base de datos de cosas.
15:34
And so there's actually a fourth thing that we have not get to,
295
918000
4000
Finalmente hay una cuarta cosa que no hemos cubierto todavía,
15:38
that we won't see in the next 10 years, or 5,000 days,
296
922000
2000
que no veremos en los próximos 10 años o 5,000 días
15:40
but I think that's where we're going to. And as the Internet of things --
297
924000
5000
pero pienso que a eso es a donde vamos, Y como un Internet de cosas --
15:45
where I'm linking directly to the particular things of my seat on the plane --
298
929000
4000
donde me conecto directamente a mi silla en el avión --
15:49
that that physical thing becomes part of the Web.
299
933000
3000
esta cosa física hace parte de la web.
15:52
And so we are in the middle of this thing
300
936000
2000
Entonces estamos en el medio de todo esto
15:54
that's completely linked, down to every object
301
938000
3000
que esta completamente conectado, a cada objeto
15:57
in the little sliver of a connection that it has.
302
941000
2000
en la pequeña astilla de conexión que tiene.
15:59
So, the last thing I want to talk about is this idea
303
943000
2000
Entonce la última cosa que quiero decir, es esta idea:
16:01
that we're going to be codependent.
304
945000
3000
de que seremos co-dependientes
16:04
It's always going to be there, and the closer it is, the better.
305
948000
4000
siempre estará ahí y entre mas cerca mejor.
16:08
If you allow Google to, it will tell you your search history.
306
952000
3000
Si le permitimos a Google, nos dirá nuestra historia de búsquedas
16:11
And I found out by looking at it
307
955000
2000
Y mirándola encontré que
16:13
that I search most at 11 o'clock in the morning.
308
957000
2000
yo buscaba mas que todo a las 11 de la mañana.
16:16
So I am open, and being transparent to that.
309
960000
3000
Entonces estoy abierto y transparente a eso
16:19
And I think total personalization in this new world will require total transparency.
310
963000
6000
Y creo que la personalización total en este nuevo mundo requerirá total transparencia
16:25
That is going to be the price.
311
969000
2000
Ese sera el precio.
16:27
If you want to have total personalization,
312
971000
1000
Si quieren total personalización,
16:28
you have to be totally transparent.
313
972000
2000
deberán ser totalmente transparentes.
16:30
Google. I can't remember my phone number, I'll just ask Google.
314
974000
3000
Google, No recuerdo mi numero telefónico, Le preguntare a Google.
16:33
We're so dependent on this that I have now gotten to the point
315
977000
2000
Somos tan dependientes de eso que he llegado al punto
16:35
where I don't even try to remember things --
316
979000
2000
donde no trato de recordar todo --
16:37
I'll just Google it. It's easier to do that.
317
981000
2000
Lo buscare en Google, es mas fácil
16:39
And we kind of object at first, saying, "Oh, that's awful."
318
983000
3000
Y al principio nos resistimos, diciendo " Oh, es horrible"
16:42
But if we think about the dependency that we have on this other technology,
319
986000
3000
Pero si pensamos en la dependencia que tenemos en esta otra tecnología,
16:45
called the alphabet, and writing,
320
989000
2000
llamada alfabeto, y escritura --
16:47
we're totally dependent on it, and it's transformed culture.
321
991000
3000
somos totalmente dependientes de esta, ha transformado la cultura
16:50
We cannot imagine ourselves without the alphabet and writing.
322
994000
4000
No nos podemos imaginar sin el alfabeto y la escritura.
16:54
And so in the same way, we're going to not imagine ourselves
323
998000
3000
Entonce de la misma forma, no nos imaginaremos luego
16:57
without this other machine being there.
324
1001000
2000
son estas otras máquinas estando ahi.
16:59
And what is happening with this is
325
1003000
3000
Y lo que ocurre es
17:02
some kind of AI, but it's not the AI in conscious AI,
326
1006000
2000
que alguna clase de Inteligencia Artificial, pero no consciente
17:04
as being an expert, Larry Page told me
327
1008000
3000
como -- siendo un experto Larry Page me dijo
17:07
that that's what they're trying to do,
328
1011000
1000
que eso es que lo que estaban intentando,
17:08
and that's what they're trying to do.
329
1012000
2000
eso es lo que están intentando.
17:10
But when six billion humans are Googling,
330
1014000
3000
Pero cuando 6 mil millones de personas se están "googleando",
17:13
who's searching who? It goes both ways.
331
1017000
2000
quien busca a quien? Es de doble vía,
17:15
So we are the Web, that's what this thing is.
332
1019000
4000
Entonces somos la red,lo que es esto.
17:19
We are going to be the machine.
333
1023000
2000
Seremos una máquina.
17:21
So the next 5,000 days, it's not going to be the Web and only better.
334
1025000
5000
Entonces los próximos 5,000 días -- no será la web y mejor.
17:26
Just like it wasn't TV and only better.
335
1030000
2000
Así como no fue TV pero mejor
17:28
The next 5,000 days, it's not just going to be the Web
336
1032000
3000
Los próximos 5,000 días -- no sera solo la web,
17:31
but only better -- it's going to be something different.
337
1035000
2000
pero mejor, sera algo diferente
17:33
And I think it's going to be smarter.
338
1037000
4000
Y creo que sera mas inteligente.
17:37
It'll have an intelligence in there, that's not, again, conscious.
339
1041000
4000
Tendrá una inteligencia, pero que no es consciente,
17:41
But it'll anticipate what we're doing, in a good sense.
340
1045000
4000
Pero anticipara lo que hacemos, en un buen sentido
17:45
Secondly, it's become much more personalized.
341
1049000
3000
será mucho mas personalizada.
17:48
It will know us, and that's good.
342
1052000
2000
nos conocerá, y eso es bueno.
17:50
And again, the price of that will be transparency.
343
1054000
4000
Y de nuevo el precio sera la transparencia.
17:54
And thirdly, it's going to become more ubiquitous
344
1058000
2000
y por último, será mas ubicua
17:56
in terms of filling your entire environment, and we will be in the middle of it.
345
1060000
5000
en términos de estar en todo el entorno, y estaremos en la mitad de esto.
18:01
And all these devices will be portals into that.
346
1065000
3000
todos los dispositivos serán portales hacia esto
18:04
So the single idea that I wanted to leave with you
347
1068000
3000
Entonces la idea con la que les quiero dejar
18:07
is that we have to begin to think about this as not just "the Web, only better,"
348
1071000
6000
es que tenemos que comenzar a pensar no solo en "la web y un poco mejor"
18:13
but a new kind of stage in this development.
349
1077000
3000
pero una nueva etapa de desarrollo.
18:16
It looks more global. If you take this whole thing,
350
1080000
3000
Se ve mas global -- Si tomamos todo esto,
18:19
it is a very big machine, very reliable machine,
351
1083000
3000
es una gran máquina, muy confiable,
18:22
more reliable than its parts.
352
1086000
2000
mas confiable que sus partes.
18:24
But we can also think about it as kind of a large organism.
353
1088000
3000
Pero también lo podemos pensar como un gran organismo
18:27
So we might respond to it more as if this was a whole system,
354
1091000
5000
Entonces podremos responder mas como si fuera un sistema entero
18:32
more as if this wasn't a large organism
355
1096000
2000
mas como si no fuera un gran organismo
18:34
that we are going to be interacting with. It's a "One."
356
1098000
4000
con el que vamos a estar ínteractuando, Es "Uno"
18:38
And I don't know what else to call it, than the One.
357
1102000
3000
y no se como mas llamarlo que, el "Uno."
18:41
We'll have a better word for it.
358
1105000
1000
Tendremos una mejor palabra para ello.
18:42
But there's a unity of some sort that's starting to emerge.
359
1106000
3000
Pero hay una unidad de alguna clase que esta comenzando a emerger.
18:45
And again, I don't want to talk about consciousness,
360
1109000
3000
Y de nuevo, No quiero hablar de que tiene conciencia
18:48
I want to talk about it just as if it was a little bacteria,
361
1112000
2000
Quiero hablar de ello como si fuera una pequeña bacteria,
18:50
or a volvox, which is what that organism is.
362
1114000
3000
o un Volvox, lo que es el organismo.
18:53
So, to do, action, take-away. So, here's what I would say:
363
1117000
6000
Entonces, hacer, acción, tomar, Entonces esto es lo que diria:
18:59
there's only one machine, and the Web is its OS.
364
1123000
4000
solo hay una maquina, y la web es si sistema operativo.
19:03
All screens look into the One. No bits will live outside the Web.
365
1127000
4000
Todas las pantallas miran al "One". ningún bit vive fuera de la web
19:07
To share is to gain. Let the One read it.
366
1131000
4000
Compartir es ganar. Deja que el "One" lo lea.
19:11
It's going to be machine-readable.
367
1135000
1000
Sera legible para la máquina;
19:12
You want to make something that the machine can read.
368
1136000
3000
queremos hacer algo que la maquina pueda leer.
19:15
And the One is us. We are in the One.
369
1139000
5000
Y el "One" somos nosotros -- estamos en el "One"
19:20
I appreciate your time.
370
1144000
2000
Agradezco su tiempo.
19:22
(Applause)
371
1146000
3000
(Aplausos)
ABOUT THE SPEAKER
Kevin Kelly - Digital visionaryThere may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology.
Why you should listen
Kelly has been publisher of the Whole Earth Review, executive editor at Wired magazine (which he co-founded, and where he now holds the title of Senior Maverick), founder of visionary nonprofits and writer on biology, business and “cool tools.” He’s renounced all material things save his bicycle (which he then rode 3,000 miles), founded an organization (the All-Species Foundation) to catalog all life on Earth, championed projects that look 10,000 years into the future (at the Long Now Foundation), and more. He’s admired for his acute perspectives on technology and its relevance to history, biology and society. His new book, The Inevitable, just published, explores 12 technological forces that will shape our future.
Kevin Kelly | Speaker | TED.com