TED2009
Tim Berners-Lee: The next web
Tim Berners-Lee acerca de la futura Web
Filmed:
Readability: 3.8
1,638,798 views
Hace 20 años, Tim Berners-Lee inventó la World Wide Web. Para su próximo proyecto, está construyendo una web para datos enlazados y abiertos que pueda hacer con los números lo que la Web hizo con las palabras, las imágenes y el video: desbloquear nuestros datos y repensar la forma en que los usamos.
Tim Berners-Lee - Inventor
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Tim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development. Full bio
Double-click the English transcript below to play the video.
00:18
Time flies.
0
0
2000
El tiempo vuela.
00:20
It's actually almost 20 years ago
1
2000
2000
Fue hace casi 20 años
00:22
when I wanted to reframe the way we use information,
2
4000
4000
cuando quise reformular la forma en que usamos la información
00:26
the way we work together: I invented the World Wide Web.
3
8000
3000
la forma en la que trabajamos juntos -- inventé la World Wide Web
00:29
Now, 20 years on, at TED,
4
11000
3000
Hoy, 20 años después, aquí en TED,
00:32
I want to ask your help in a new reframing.
5
14000
4000
quiero pedirles ayuda para una nueva reformulación.
00:37
So going back to 1989,
6
19000
4000
Entonces, volviendo a 1989,
00:41
I wrote a memo suggesting the global hypertext system.
7
23000
3000
escribí un memo sugiriendo el sistema global de hipertexto.
00:44
Nobody really did anything with it, pretty much.
8
26000
3000
Nadie hizo algo con él, realmente.
00:47
But 18 months later -- this is how innovation happens --
9
29000
4000
Pero 18 meses después -- así es como ocurren las innovaciones --
00:51
18 months later, my boss said I could do it on the side,
10
33000
4000
18 meses después, mi jefe me dijo que podía hacerlo como un extra,
00:55
as a sort of a play project,
11
37000
2000
como una especie de proyecto lúdico,
00:57
kick the tires of a new computer we'd got.
12
39000
2000
probar una nueva computadora que teníamos.
00:59
And so he gave me the time to code it up.
13
41000
3000
Y me dio el tiempo para escribir el código.
01:02
So I basically roughed out what HTML should look like:
14
44000
5000
Así que básicamente delineé lo que debería ser el HTML,
01:07
hypertext protocol, HTTP;
15
49000
3000
el protocolo de hipertexto -- HTTP --
01:10
the idea of URLs, these names for things
16
52000
3000
la idea de los URLs -- estos nombres de cosas
01:13
which started with HTTP.
17
55000
2000
que comienzan con HTTP.
01:15
I wrote the code and put it out there.
18
57000
2000
Escribí el código y lo dejé por ahí.
01:17
Why did I do it?
19
59000
2000
¿Por qué lo hice?
01:19
Well, it was basically frustration.
20
61000
2000
Bueno, básicamente por frustración.
01:21
I was frustrated -- I was working as a software engineer
21
63000
4000
Estaba frustrado -- trabajaba como ingeniero de software
01:25
in this huge, very exciting lab,
22
67000
2000
en este laboratorio enorme y apasionante,
01:27
lots of people coming from all over the world.
23
69000
2000
lleno de personas de todo el mundo.
01:29
They brought all sorts of different computers with them.
24
71000
3000
Traían todo tipo de computadoras con ellos.
01:32
They had all sorts of different data formats,
25
74000
3000
Tenían todo tipo de formatos diferentes de datos.
01:35
all sorts, all kinds of documentation systems.
26
77000
2000
Todo tipo de sistemas de documentación.
01:37
So that, in all that diversity,
27
79000
3000
Entonces, en toda esa diversidad,
01:40
if I wanted to figure out how to build something
28
82000
2000
si quería imaginarme cómo construir algo
01:42
out of a bit of this and a bit of this,
29
84000
2000
con un poco de esto y algo de esto otro,
01:44
everything I looked into, I had to connect to some new machine,
30
86000
4000
todo lo que veía, tenía que conectarme a alguna máquina nueva,
01:48
I had to learn to run some new program,
31
90000
2000
tenía que aprender a ejecutar algún programa nuevo,
01:50
I would find the information I wanted in some new data format.
32
92000
5000
en algún nuevo formato encontraría la información que quería.
01:55
And these were all incompatible.
33
97000
2000
Pero eran todos incompatibles.
01:57
It was just very frustrating.
34
99000
2000
Era muy frustrante.
01:59
The frustration was all this unlocked potential.
35
101000
2000
La frustración por todo este potencial desaprovechado.
02:01
In fact, on all these discs there were documents.
36
103000
3000
De hecho, en todos esos discos había documentos.
02:04
So if you just imagined them all
37
106000
3000
Así que si uno los imaginaba a todos
02:07
being part of some big, virtual documentation system in the sky,
38
109000
5000
como parte de algo más grande, de un sistema de documentación virtual en el cielo,
02:12
say on the Internet,
39
114000
2000
por ejemplo en Internet,
02:14
then life would be so much easier.
40
116000
2000
entonces la vida sería mucho más fácil.
02:16
Well, once you've had an idea like that it kind of gets under your skin
41
118000
4000
Bien, cuando tienes una idea de esas, se te mete en la piel
02:20
and even if people don't read your memo --
42
122000
2000
y aún nadie leyera tu memo
02:22
actually he did, it was found after he died, his copy.
43
124000
3000
en realidad él sí lo leyó, su copia fue encontrada después de su muerte.
02:25
He had written, "Vague, but exciting," in pencil, in the corner.
44
127000
3000
Había escrito: “Impreciso pero apasionante”, a lápiz y en el margen.
02:28
(Laughter)
45
130000
2000
(Risas)
02:30
But in general it was difficult -- it was really difficult to explain
46
132000
4000
Pero en general era difícil, realmente muy difícil, explicar
02:34
what the web was like.
47
136000
2000
cómo era la web.
02:36
It's difficult to explain to people now that it was difficult then.
48
138000
2000
Hoy es difícil explicarle a la gente que era difícil en ese entonces.
02:38
But then -- OK, when TED started, there was no web
49
140000
3000
Pero entonces, bueno, cuando empezó TED, la web no existía
02:41
so things like "click" didn't have the same meaning.
50
143000
3000
así que cosas como "clic" no tenían el mismo significado.
02:44
I can show somebody a piece of hypertext,
51
146000
2000
Puedo mostrarle a alguien un hipertexto,
02:46
a page which has got links,
52
148000
2000
una página con enlaces,
02:48
and we click on the link and bing -- there'll be another hypertext page.
53
150000
4000
hacemos clic en el enlace y… ahí está, habrá otra página hipertextual.
02:52
Not impressive.
54
154000
2000
No nos impresiona.
02:54
You know, we've seen that -- we've got things on hypertext on CD-ROMs.
55
156000
3000
Ya saben, ya lo vimos, tenemos cosas con hipertexto en CD-ROMs.
02:57
What was difficult was to get them to imagine:
56
159000
3000
Lo difícil era hacer que lo imaginaran.
03:00
so, imagine that that link could have gone
57
162000
4000
Entonces, piensen que ese enlace pueda apuntar
03:04
to virtually any document you could imagine.
58
166000
2000
prácticamente a cualquier documento que imaginen.
03:07
Alright, that is the leap that was very difficult for people to make.
59
169000
4000
Bueno, ese es el salto que fue tan difícil para ellos.
03:11
Well, some people did.
60
173000
2000
Bien, algunos lo hicieron.
03:13
So yeah, it was difficult to explain, but there was a grassroots movement.
61
175000
3000
Aunque sí, era difícil de explicar, pero había un movimiento de bases.
03:17
And that is what has made it most fun.
62
179000
4000
Y eso lo hizo más divertido.
03:21
That has been the most exciting thing,
63
183000
2000
Fue lo más emocionante de todo,
03:23
not the technology, not the things people have done with it,
64
185000
2000
no la tecnología ni las cosas que la gente hizo con ella
03:25
but actually the community, the spirit of all these people
65
187000
2000
sino la comunidad y el espíritu de todas esas personas
03:27
getting together, sending the emails.
66
189000
2000
juntas enviando correos electrónicos.
03:29
That's what it was like then.
67
191000
2000
Así era en ese tiempo.
03:31
Do you know what? It's funny, but right now it's kind of like that again.
68
193000
3000
¿Saben qué? Es gracioso, pero el momento actual es casi igual.
03:34
I asked everybody, more or less, to put their documents --
69
196000
2000
Le pedí a todo el mundo, más o menos, que pusiera sus documentos.
03:36
I said, "Could you put your documents on this web thing?"
70
198000
3000
Les dije: “¿Pueden poner sus documentos en esta web?”
03:39
And you did.
71
201000
3000
y ustedes lo hicieron.
03:42
Thanks.
72
204000
1000
Gracias.
03:43
It's been a blast, hasn't it?
73
205000
2000
Fue un estallido, ¿no es cierto?
03:45
I mean, it has been quite interesting
74
207000
2000
Quiero decir, fue muy interesante
03:47
because we've found out that the things that happen with the web
75
209000
2000
porque nos dimos cuenta de que las cosas que pasaban con la web
03:49
really sort of blow us away.
76
211000
2000
realmente nos sacudían.
03:51
They're much more than we'd originally imagined
77
213000
2000
Mucho más de lo que imaginamos al principio
03:53
when we put together the little, initial website
78
215000
2000
cuando elaboramos el primer sitio web
03:55
that we started off with.
79
217000
2000
con el que empezamos.
03:57
Now, I want you to put your data on the web.
80
219000
3000
Ahora, quiero que pongan datos en la web.
04:00
Turns out that there is still huge unlocked potential.
81
222000
4000
Resulta que todavía hay un gran potencial por delante.
04:04
There is still a huge frustration
82
226000
2000
Todavía hay una gran frustración
04:06
that people have because we haven't got data on the web as data.
83
228000
4000
en la gente porque no tenemos datos en la web como tales.
04:10
What do you mean, "data"? What's the difference -- documents, data?
84
232000
2000
¿Qué quiero decir con datos? ¿Cuál es la diferencia entre documentos y datos?
04:12
Well, documents you read, OK?
85
234000
3000
Ustedes leen documentos, ¿verdad?
04:15
More or less, you read them, you can follow links from them, and that's it.
86
237000
3000
Más o menos, los leen, pueden seguir enlaces desde ellos, y eso es todo.
04:18
Data -- you can do all kinds of stuff with a computer.
87
240000
2000
Datos -- se puede hacer cualquier cosa con una computadora.
04:20
Who was here or has otherwise seen Hans Rosling's talk?
88
242000
6000
¿Quién pudo ver la presentación de Hans Rosling?
04:26
One of the great -- yes a lot of people have seen it --
89
248000
4000
Una de las mejores. Mucha gente la ha visto
04:30
one of the great TED Talks.
90
252000
2000
una de las mejores TED Talks.
04:32
Hans put up this presentation
91
254000
2000
Hans hizo esta presentación
04:34
in which he showed, for various different countries, in various different colors --
92
256000
5000
en la que mostró, para diferentes países y en varios colores,
04:39
he showed income levels on one axis
93
261000
3000
mostró los niveles de ingresos en un eje
04:42
and he showed infant mortality, and he shot this thing animated through time.
94
264000
3000
y la mortalidad infantil, en una animación a lo largo del tiempo.
04:45
So, he'd taken this data and made a presentation
95
267000
4000
Tomó estos datos e hizo una presentación
04:49
which just shattered a lot of myths that people had
96
271000
3000
que destruyó muchos mitos que la gente tenía
04:52
about the economics in the developing world.
97
274000
4000
sobre la economía de los países en desarrollo.
04:56
He put up a slide a little bit like this.
98
278000
2000
Presentó una diapositiva como ésta.
04:58
It had underground all the data
99
280000
2000
Subyacentemente tenía todos los datos.
05:00
OK, data is brown and boxy and boring,
100
282000
3000
Sí, los datos son oscuros, cuadrados y aburridos.
05:03
and that's how we think of it, isn't it?
101
285000
2000
Eso pensamos de los datos, ¿no?
05:05
Because data you can't naturally use by itself
102
287000
3000
Porque los datos en sí no se pueden usar en forma natural.
05:08
But in fact, data drives a huge amount of what happens in our lives
103
290000
4000
Pero, de hecho, los datos gobiernan gran parte de nuestras vidas
05:12
and it happens because somebody takes that data and does something with it.
104
294000
3000
y eso pasa porque alguien toma esos datos y hace algo con ellos.
05:15
In this case, Hans had put the data together
105
297000
2000
En este caso, Hans juntó un montón de datos
05:17
he had found from all kinds of United Nations websites and things.
106
299000
5000
los tomó de todo tipo de sitios web de Naciones Unidas o parecidos.
05:22
He had put it together,
107
304000
2000
Los juntó a todos,
05:24
combined it into something more interesting than the original pieces
108
306000
3000
los combinó en algo más interesante que las partes originales
05:27
and then he'd put it into this software,
109
309000
5000
y luego los puso dentro de este software,
05:32
which I think his son developed, originally,
110
314000
2000
desarrollado originalmente, creo, por su hijo
05:34
and produces this wonderful presentation.
111
316000
3000
y produjo esta presentación maravillosa.
05:37
And Hans made a point
112
319000
2000
Hans dijo algo importante:
05:39
of saying, "Look, it's really important to have a lot of data."
113
321000
4000
“Miren, es realmente importante tener muchos datos”.
05:43
And I was happy to see that at the party last night
114
325000
3000
Y me hizo feliz ver eso en la fiesta de anoche
05:46
that he was still saying, very forcibly, "It's really important to have a lot of data."
115
328000
4000
donde él seguía diciendo, a viva voz, “Es realmente importante tener muchos datos”.
05:50
So I want us now to think about
116
332000
2000
Quiero que pensemos ahora acerca de
05:52
not just two pieces of data being connected, or six like he did,
117
334000
4000
no sólo dos dimensiones de datos en conexión, o seis como hizo él,
05:56
but I want to think about a world where everybody has put data on the web
118
338000
5000
sino en un mundo donde todos pongan datos en la web
06:01
and so virtually everything you can imagine is on the web
119
343000
2000
y donde casi todo lo que puedan imaginarse esté en la web
06:03
and then calling that linked data.
120
345000
2000
y entonces los llamaremos “datos enlazados”.
06:05
The technology is linked data, and it's extremely simple.
121
347000
2000
Es la tecnología de datos enlazados; algo extremadamente simple.
06:07
If you want to put something on the web there are three rules:
122
349000
4000
Si uno quiere poner algo en la web por tres años
06:11
first thing is that those HTTP names --
123
353000
3000
lo primero son esos nombres HTTP
06:14
those things that start with "http:" --
124
356000
2000
esas cosas que empiezan con “http:”
06:16
we're using them not just for documents now,
125
358000
4000
las estamos usando no sólo para documentos,
06:20
we're using them for things that the documents are about.
126
362000
2000
las estamos usando para cosas a las que se refieren los documentos.
06:22
We're using them for people, we're using them for places,
127
364000
2000
Las estamos usando para personas, para lugares,
06:24
we're using them for your products, we're using them for events.
128
366000
4000
las estamos usando para sus productos, para eventos.
06:28
All kinds of conceptual things, they have names now that start with HTTP.
129
370000
4000
Todo tipo de conceptos, ahora tienen nombres que empiezan con HTTP.
06:32
Second rule, if I take one of these HTTP names and I look it up
130
374000
5000
La segunda regla, si tomo uno de estos nombres que empiezan con HTTP y lo busco
06:37
and I do the web thing with it and I fetch the data
131
379000
2000
lo busco en la web y recupero los datos
06:39
using the HTTP protocol from the web,
132
381000
2000
usando el protocolo HTTP de la web,
06:41
I will get back some data in a standard format
133
383000
3000
entonces tendré algunos datos en un formato estándar,
06:44
which is kind of useful data that somebody might like to know
134
386000
5000
información útil que alguien podría querer conocer
06:49
about that thing, about that event.
135
391000
2000
al respecto, sobre ese evento.
06:51
Who's at the event? Whatever it is about that person,
136
393000
2000
¿Quién participa en el evento? Cualquier cosa sobre esa persona,
06:53
where they were born, things like that.
137
395000
2000
lugar de nacimiento, cosas como esas.
06:55
So the second rule is I get important information back.
138
397000
2000
Entonces la segunda regla es que obtengo información importante.
06:57
Third rule is that when I get back that information
139
399000
4000
La tercera regla es que cuando obtengo esa información
07:01
it's not just got somebody's height and weight and when they were born,
140
403000
3000
no es sólo la altura, el peso y la fecha de nacimiento
07:04
it's got relationships.
141
406000
2000
sino las relaciones.
07:06
Data is relationships.
142
408000
2000
Los datos son relaciones.
07:08
Interestingly, data is relationships.
143
410000
2000
Interesante. Los datos son relaciones.
07:10
This person was born in Berlin; Berlin is in Germany.
144
412000
4000
Esta persona nació en Berlín, Berlín está en Alemania.
07:14
And when it has relationships, whenever it expresses a relationship
145
416000
3000
Y cuando tiene una relación, cada vez que exprese una relación
07:17
then the other thing that it's related to
146
419000
3000
la otra cosa que está relacionada
07:20
is given one of those names that starts HTTP.
147
422000
4000
recibe un nombre que empieza con HTTP.
07:24
So, I can go ahead and look that thing up.
148
426000
2000
Entonces, puedo ir hacia adelante y mirarla.
07:26
So I look up a person -- I can look up then the city where they were born; then
149
428000
3000
Si busco a una persona, puedo mirar la ciudad en la que nació
07:29
I can look up the region it's in, and the town it's in,
150
431000
3000
puedo ver la región en la que está, qué pueblos están allí,
07:32
and the population of it, and so on.
151
434000
3000
y la población de la ciudad, etc.
07:35
So I can browse this stuff.
152
437000
2000
Puedo explorar estas cosas.
07:37
So that's it, really.
153
439000
2000
Así es, realmente.
07:39
That is linked data.
154
441000
2000
Esto son datos enlazados.
07:41
I wrote an article entitled "Linked Data" a couple of years ago
155
443000
3000
Escribí un artículo titulado “Datos enlazados” hace un par de años
07:44
and soon after that, things started to happen.
156
446000
4000
y poco después empezaron a suceder cosas.
07:48
The idea of linked data is that we get lots and lots and lots
157
450000
4000
La idea de los datos enlazados es que tengamos muchas
07:52
of these boxes that Hans had,
158
454000
2000
de estas cajas que Hans tenía,
07:54
and we get lots and lots and lots of things sprouting.
159
456000
2000
y surgen muchas, muchas cosas.
07:56
It's not just a whole lot of other plants.
160
458000
3000
No sólo es un montón de otras plantas.
07:59
It's not just a root supplying a plant,
161
461000
2000
No sólo es una raíz que nutre a una planta,
08:01
but for each of those plants, whatever it is --
162
463000
3000
sino que por cada una de esas plantas, cualquiera sea,
08:04
a presentation, an analysis, somebody's looking for patterns in the data --
163
466000
3000
una presentación, un análisis, alguien que busca patrones en los datos,
08:07
they get to look at all the data
164
469000
3000
puedan revisar toda esta información
08:10
and they get it connected together,
165
472000
2000
y la tengan conectada.
08:12
and the really important thing about data
166
474000
2000
Y lo más importante acerca de los datos
08:14
is the more things you have to connect together, the more powerful it is.
167
476000
2000
es que, cuanto más cosas tengas conectadas, más poderoso es.
08:16
So, linked data.
168
478000
2000
Entonces, datos enlazados.
08:18
The meme went out there.
169
480000
2000
El meme surgió de ahí.
08:20
And, pretty soon Chris Bizer at the Freie Universitat in Berlin
170
482000
4000
Y en poco tiempo Chris Spitzer, de la Freie Universitat de Berlín,
08:24
who was one of the first people to put interesting things up,
171
486000
2000
fue una de las primeras personas en proponer cosas interesantes,
08:26
he noticed that Wikipedia --
172
488000
2000
se dio cuenta que Wikipedia,
08:28
you know Wikipedia, the online encyclopedia
173
490000
3000
conocen Wikipedia, la enciclopedia online
08:31
with lots and lots of interesting documents in it.
174
493000
2000
que tiene muchos documentos interesantes.
08:33
Well, in those documents, there are little squares, little boxes.
175
495000
4000
Bueno, en esos documentos hay pequeños cuadros, pequeñas cajas.
08:37
And in most information boxes, there's data.
176
499000
3000
Y en la mayoría de las cajas de información hay datos.
08:40
So he wrote a program to take the data, extract it from Wikipedia,
177
502000
4000
Entonces escribió un programa para tomar esos datos, extraerlos de Wikipedia,
08:44
and put it into a blob of linked data
178
506000
2000
y ponerlos dentro de un grupo de datos enlazados
08:46
on the web, which he called dbpedia.
179
508000
3000
en la web al que llamó Dbpedia.
08:49
Dbpedia is represented by the blue blob in the middle of this slide
180
511000
4000
Dbpedia está representada por la mancha azul en medio de la diapositiva
08:53
and if you actually go and look up Berlin,
181
515000
2000
y si uno va y busca Berlín,
08:55
you'll find that there are other blobs of data
182
517000
2000
verá que allí hay otras manchas de datos
08:57
which also have stuff about Berlin, and they're linked together.
183
519000
3000
que tienen cosas sobre Berlín y están enlazadas.
09:00
So if you pull the data from dbpedia about Berlin,
184
522000
3000
Entonces si uno extrae los datos de Berlín desde Dbpedia,
09:03
you'll end up pulling up these other things as well.
185
525000
2000
terminará extrayendo estas otras cosas también.
09:05
And the exciting thing is it's starting to grow.
186
527000
3000
Y lo más interesante es que esto está empezando a crecer.
09:08
This is just the grassroots stuff again, OK?
187
530000
2000
Esto es sólo el principio, otra vez, ¿sí?
09:10
Let's think about data for a bit.
188
532000
3000
Pensemos un poco sobre los datos.
09:13
Data comes in fact in lots and lots of different forms.
189
535000
3000
Los datos llegan, de hecho, de formas muy diferentes.
09:16
Think of the diversity of the web. It's a really important thing
190
538000
3000
Piensen en la diversidad de la web, es algo muy importante
09:19
that the web allows you to put all kinds of data up there.
191
541000
3000
que la web permita poner todo tipo de datos allí.
09:22
So it is with data. I could talk about all kinds of data.
192
544000
2000
Es igual con los datos. Puedo hablar sobre todo tipo de datos.
09:25
We could talk about government data, enterprise data is really important,
193
547000
4000
Podemos hablar de datos de gobierno, los de empresas son importantes,
09:29
there's scientific data, there's personal data,
194
551000
3000
hay datos científicos, datos personales,
09:32
there's weather data, there's data about events,
195
554000
2000
datos del clima, acerca de eventos,
09:34
there's data about talks, and there's news and there's all kinds of stuff.
196
556000
4000
sobre charlas, hay noticias y todo tipo de cosas.
09:38
I'm just going to mention a few of them
197
560000
3000
Sólo voy a mencionar unos pocos de ellos
09:41
so that you get the idea of the diversity of it,
198
563000
2000
para que tengan una idea de la diversidad,
09:43
so that you also see how much unlocked potential.
199
565000
4000
así podrán ver el gran potencial.
09:47
Let's start with government data.
200
569000
2000
Empecemos con los datos de gobierno.
09:49
Barack Obama said in a speech,
201
571000
2000
Barack Obama dijo en un discurso
09:51
that he -- American government data would be available on the Internet
202
573000
5000
que los datos del gobierno estadounidense deberían estar disponibles en Internet
09:56
in accessible formats.
203
578000
2000
en formatos accesibles.
09:58
And I hope that they will put it up as linked data.
204
580000
2000
Y espero que los pongan como datos enlazados.
10:00
That's important. Why is it important?
205
582000
2000
Eso es importante. ¿Por qué es importante?
10:02
Not just for transparency, yeah transparency in government is important,
206
584000
3000
No sólo por transparencia- sí, la transparencia de un gobierno es importante,
10:05
but that data -- this is the data from all the government departments
207
587000
3000
sino porque esos datos -- son datos de todos los organismos de gobierno.
10:08
Think about how much of that data is about how life is lived in America.
208
590000
5000
Piensen cuánta de esa información es sobre cómo se vive en EE.UU.
10:13
It's actual useful. It's got value.
209
595000
2000
Es realmente útil, tiene valor.
10:15
I can use it in my company.
210
597000
2000
Puedo usarla en mi compañía.
10:17
I could use it as a kid to do my homework.
211
599000
2000
Puedo usarla si soy un chico para hacer mi tarea.
10:19
So we're talking about making the place, making the world run better
212
601000
3000
Entonces hablamos de hacer que el mundo funcione mejor
10:22
by making this data available.
213
604000
2000
haciendo que los datos estén disponible.
10:24
In fact if you're responsible -- if you know about some data
214
606000
4000
De hecho, si uno es responsable -- si uno conoce algunos datos
10:28
in a government department, often you find that
215
610000
2000
de un organismo de gobierno, usualmente encuentra que
10:30
these people, they're very tempted to keep it --
216
612000
3000
esta gente, está muy tentada a guardarla.
10:33
Hans calls it database hugging.
217
615000
3000
Hans llama a esto “abrazar” la base de datos.
10:36
You hug your database, you don't want to let it go
218
618000
2000
Uno abraza la base de datos, no la soltamos
10:38
until you've made a beautiful website for it.
219
620000
2000
hasta que creamos un hermoso sitio web.
10:40
Well, I'd like to suggest that rather --
220
622000
2000
Bueno, me gustaría sugerir
10:42
yes, make a beautiful website,
221
624000
2000
que sí, hagamos un hermoso sitio web,
10:44
who am I to say don't make a beautiful website?
222
626000
2000
¿quién soy yo para decirte que no crees un lindo sitio web?
10:46
Make a beautiful website, but first
223
628000
3000
Háganlo, pero primero
10:49
give us the unadulterated data,
224
631000
3000
dennos los datos sin modificar,
10:52
we want the data.
225
634000
2000
queremos los datos.
10:54
We want unadulterated data.
226
636000
2000
Queremos los datos sin modificar.
10:56
OK, we have to ask for raw data now.
227
638000
3000
Ahora pediremos los datos en crudo.
10:59
And I'm going to ask you to practice that, OK?
228
641000
2000
Y quiero pedirles que practiquen eso, ¿está bien?
11:01
Can you say "raw"?
229
643000
1000
Digan "crudos".
11:02
Audience: Raw.
230
644000
1000
Audiencia: Crudos.
11:03
Tim Berners-Lee: Can you say "data"?
231
645000
1000
Tim Bernes-Lee: ¿Pueden decir "Datos"?
11:04
Audience: Data.
232
646000
1000
Audiencia: Datos.
11:05
TBL: Can you say "now"?
233
647000
1000
TBL: ¿Pueden decir "Ahora"?
11:06
Audience: Now!
234
648000
1000
Audiencia: ¡Ahora!
11:07
TBL: Alright, "raw data now"!
235
649000
2000
TBL: Bien, ¡datos crudos ahora!
11:09
Audience: Raw data now!
236
651000
2000
Audiencia: ¡Datos crudos ahora!
11:11
Practice that. It's important because you have no idea the number of excuses
237
653000
4000
Practiquen eso. Es importante porque no tienen idea del número de excusas
11:15
people come up with to hang onto their data
238
657000
2000
que la gente puede esgrimir para aferrarse a sus datos
11:17
and not give it to you, even though you've paid for it as a taxpayer.
239
659000
4000
y no dárselos, aún cuando paguen por ellos a través de sus impuestos.
11:21
And it's not just America. It's all over the world.
240
663000
2000
Y no es sólo EE.UU., es así en todo el mundo.
11:23
And it's not just governments, of course -- it's enterprises as well.
241
665000
3000
Y no son sólo los gobiernos, por supuesto, las empresas también.
11:26
So I'm just going to mention a few other thoughts on data.
242
668000
3000
Sólo voy a mencionar unas ideas más sobre los datos.
11:29
Here we are at TED, and all the time we are very conscious
243
671000
5000
Aquí estamos en TED, y todo el tiempo somos conscientes
11:34
of the huge challenges that human society has right now --
244
676000
5000
de los enormes desafíos que la sociedad enfrenta en este momento:
11:39
curing cancer, understanding the brain for Alzheimer's,
245
681000
3000
curar el cáncer, entender el cerebro de quienes tienen Alzheimer,
11:42
understanding the economy to make it a little bit more stable,
246
684000
3000
entender la economía para hacerla un poco más estable,
11:45
understanding how the world works.
247
687000
2000
entender cómo funciona el mundo.
11:47
The people who are going to solve those -- the scientists --
248
689000
2000
La gente que va a solucionar esto, los científicos,
11:49
they have half-formed ideas in their head,
249
691000
2000
tienen ideas pre-elaboradas en sus cabezas,
11:51
they try to communicate those over the web.
250
693000
3000
tratan de comunicarlas a través de la web.
11:54
But a lot of the state of knowledge of the human race at the moment
251
696000
3000
Pero mucho del estado del conocimiento humano en este momento
11:57
is on databases, often sitting in their computers,
252
699000
3000
está en bases de datos, casi siempre en sus computadoras,
12:00
and actually, currently not shared.
253
702000
3000
y actualmente no es compartido.
12:03
In fact, I'll just go into one area --
254
705000
3000
De hecho, sólo voy a entrar en un área,
12:06
if you're looking at Alzheimer's, for example,
255
708000
2000
si vemos el Alzheimer, por ejemplo,
12:08
drug discovery -- there is a whole lot of linked data which is just coming out
256
710000
3000
el descubrimiento de drogas, hay mucha información enlazada que está
12:11
because scientists in that field realize
257
713000
2000
apareciendo porque los científicos en ese campo se dieron cuenta
12:13
this is a great way of getting out of those silos,
258
715000
3000
de que es una buena forma de salir de estos silos,
12:16
because they had their genomics data in one database
259
718000
4000
porque tienen la información de los genomas en una base de datos
12:20
in one building, and they had their protein data in another.
260
722000
3000
en un edificio y los datos de las proteínas en otro.
12:23
Now, they are sticking it onto -- linked data --
261
725000
3000
Entonces, están uniendo unos con otros, datos enlazados,
12:26
and now they can ask the sort of question, that you probably wouldn't ask,
262
728000
3000
y ahora pueden hacer el tipo de pregunta, que probablemente ustedes no pudieran hacer,
12:29
I wouldn't ask -- they would.
263
731000
2000
yo no podría preguntar pero ellos sí.
12:31
What proteins are involved in signal transduction
264
733000
2000
¿Qué proteínas están implicadas en la transducción de señales
12:33
and also related to pyramidal neurons?
265
735000
2000
y también relacionadas con las neuronas piramidales?
12:35
Well, you take that mouthful and you put it into Google.
266
737000
3000
Bueno, ustedes tomarían ese trabalenguas y lo buscarían en Google.
12:38
Of course, there's no page on the web which has answered that question
267
740000
3000
Por supuesto, no hay página que tenga esa respuesta
12:41
because nobody has asked that question before.
268
743000
2000
porque nadie ha hecho esa pregunta antes.
12:43
You get 223,000 hits --
269
745000
2000
Obtienes 223.000 entradas,
12:45
no results you can use.
270
747000
2000
pero ningún resultado útil.
12:47
You ask the linked data -- which they've now put together --
271
749000
3000
Consultas los datos enlazados, que ahora están juntos,
12:50
32 hits, each of which is a protein which has those properties
272
752000
4000
hay 32 coincidencias, cada una es una proteína que tiene esas propiedades
12:54
and you can look at.
273
756000
2000
y uno las puede ver.
12:56
The power of being able to ask those questions, as a scientist --
274
758000
3000
El potencial de poder hacer esas preguntas, como científico
12:59
questions which actually bridge across different disciplines --
275
761000
2000
preguntas que relacionan diversas disciplinas,
13:01
is really a complete sea change.
276
763000
3000
realmente es un cambio radical.
13:04
It's very very important.
277
766000
2000
Es muy importante.
13:06
Scientists are totally stymied at the moment --
278
768000
2000
Los científicos están completamente desconcertados en este momento,
13:08
the power of the data that other scientists have collected is locked up
279
770000
5000
el poder de los datos que otros científicos han conseguido no está disponible
13:13
and we need to get it unlocked so we can tackle those huge problems.
280
775000
3000
y necesitamos liberarlo para resolver esos enormes problemas.
13:16
Now if I go on like this, you'll think that all the data comes from huge institutions
281
778000
4000
Ahora, ustedes pensarán que todos los datos vienen de grandes instituciones
13:20
and has nothing to do with you.
282
782000
3000
y que no tienen nada que ver con ustedes.
13:23
But, that's not true.
283
785000
2000
Pero eso no es cierto.
13:25
In fact, data is about our lives.
284
787000
2000
De hecho, son datos sobre nuestras vidas.
13:27
You just -- you log on to your social networking site,
285
789000
3000
Cuando ingresan en el sitio de su red social,
13:30
your favorite one, you say, "This is my friend."
286
792000
2000
su red favorita, dicen, "Este es mi amigo".
13:32
Bing! Relationship. Data.
287
794000
3000
¡Listo! Relaciones. Información.
13:35
You say, "This photograph, it's about -- it depicts this person. "
288
797000
3000
Dices: "Esta fotografía es sobre… muestra a esta persona".
13:38
Bing! That's data. Data, data, data.
289
800000
3000
¡Listo! Eso es información. Datos, datos, datos.
13:41
Every time you do things on the social networking site,
290
803000
2000
Cada vez que haces algo en el sitio de la red social,
13:43
the social networking site is taking data and using it -- re-purposing it --
291
805000
4000
esa red está tomando los datos y usándolos, resignificándolos,
13:47
and using it to make other people's lives more interesting on the site.
292
809000
4000
y usándolos para hacer más interesante la vida de otras personas en el sitio.
13:51
But, when you go to another linked data site --
293
813000
2000
Pero, cuando vas a otro sitio de datos enlazados,
13:53
and let's say this is one about travel,
294
815000
3000
digamos que es un sitio de viajes,
13:56
and you say, "I want to send this photo to all the people in that group,"
295
818000
3000
y dices: "Quiero enviar esta foto a todas las personas de este grupo",
13:59
you can't get over the walls.
296
821000
2000
no puedes pasar por encima de sus muros.
14:01
The Economist wrote an article about it, and lots of people have blogged about it --
297
823000
2000
The Economist publicó un artículo sobre esto, y muchas personas
14:03
tremendous frustration.
298
825000
1000
lo reseñaron en sus blogs, tremenda frustración.
14:04
The way to break down the silos is to get inter-operability
299
826000
2000
La forma de derribar estos silos es tener interoperabilidad
14:06
between social networking sites.
300
828000
2000
entre las distintas redes sociales.
14:08
We need to do that with linked data.
301
830000
2000
Necesitamos hacer eso con datos enlazados.
14:10
One last type of data I'll talk about, maybe it's the most exciting.
302
832000
3000
Un último tipo de dato que voy a mencionar, quizá el más apasionante.
14:13
Before I came down here, I looked it up on OpenStreetMap
303
835000
3000
Antes de venir aquí lo busqué en OpenStreetMap.
14:16
The OpenStreetMap's a map, but it's also a Wiki.
304
838000
2000
OpenStreetMap es un mapa, pero también es una Wiki.
14:18
Zoom in and that square thing is a theater -- which we're in right now --
305
840000
3000
Te acercas con el zoom y el cuadrado es un teatro, donde estamos ahora,
14:21
The Terrace Theater. It didn't have a name on it.
306
843000
2000
el teatro The Terrace. No tiene un nombre.
14:23
So I could go into edit mode, I could select the theater,
307
845000
2000
Puedo ir al modo edición, seleccionar el teatro,
14:25
I could add down at the bottom the name, and I could save it back.
308
847000
5000
agregar el nombre al final, y guardarlo nuevamente.
14:30
And now if you go back to the OpenStreetMap. org,
309
852000
3000
Y si ahora vamos nuevamente a OpenStreetMap.org,
14:33
and you find this place, you will find that The Terrace Theater has got a name.
310
855000
3000
y encontramos este lugar, veremos que el teatro The Terrace ya tiene nombre.
14:36
I did that. Me!
311
858000
2000
Yo lo hice. ¡Yo!
14:38
I did that to the map. I just did that!
312
860000
2000
Yo hice ese mapa. ¡Acabo de hacerlo!
14:40
I put that up on there. Hey, you know what?
313
862000
2000
Puse eso ahí y ¿saben algo?
14:42
If I -- that street map is all about everybody doing their bit
314
864000
3000
Ese mapa de calles implica que cada uno hace su pequeño aporte
14:45
and it creates an incredible resource
315
867000
3000
y crea un recurso increíble
14:48
because everybody else does theirs.
316
870000
3000
porque cada uno hace lo suyo.
14:51
And that is what linked data is all about.
317
873000
3000
Y eso es lo que significan los datos enlazados.
14:54
It's about people doing their bit
318
876000
3000
Es gente haciendo su pequeño aporte
14:57
to produce a little bit, and it all connecting.
319
879000
3000
para producir algo, todo conectado.
15:00
That's how linked data works.
320
882000
3000
Así es como funcionan los datos enlazados.
15:03
You do your bit. Everybody else does theirs.
321
885000
4000
Haces tu parte. Todo el mundo hace su parte.
15:07
You may not have lots of data which you have yourself to put on there
322
889000
4000
No tendrás mucha información para poner ahí
15:11
but you know to demand it.
323
893000
3000
pero sabes cómo solicitarla.
15:14
And we've practiced that.
324
896000
2000
Y hemos practicado eso.
15:16
So, linked data -- it's huge.
325
898000
4000
Entonces, los datos enlazados, es algo enorme.
15:20
I've only told you a very small number of things
326
902000
3000
Sólo les conté muy pocas cosas.
15:23
There are data in every aspect of our lives,
327
905000
2000
Hay información en cada aspecto de nuestras vidas,
15:25
every aspect of work and pleasure,
328
907000
3000
cada aspecto del trabajo y del placer,
15:28
and it's not just about the number of places where data comes,
329
910000
3000
y no es sólo la cantidad de fuentes de datos,
15:31
it's about connecting it together.
330
913000
3000
sino que están todas conectadas.
15:34
And when you connect data together, you get power
331
916000
3000
Y cuando conectas datos, tienes poder
15:37
in a way that doesn't happen just with the web, with documents.
332
919000
3000
en una forma que no ocurre con la web, con los documentos.
15:40
You get this really huge power out of it.
333
922000
4000
Obtienes este enorme poder.
15:44
So, we're at the stage now
334
926000
3000
Entonces, estamos en el momento
15:47
where we have to do this -- the people who think it's a great idea.
335
929000
4000
en que tenemos que hacer esto, la gente que piensa que es una gran idea.
15:51
And all the people -- and I think there's a lot of people at TED who do things because --
336
933000
3000
Y todos, creo que hay mucha gente en TED que hace cosas porque,
15:54
even though there's not an immediate return on the investment
337
936000
2000
aunque no haya un retorno inmediato de la inversión
15:56
because it will only really pay off when everybody else has done it --
338
938000
3000
porque solo veremos los frutos cuando todo el mundo lo haga,
15:59
they'll do it because they're the sort of person who just does things
339
941000
4000
lo harán porque son el tipo de personas que hacen cosas
16:03
which would be good if everybody else did them.
340
945000
3000
que serán buenas si todo el mundo las hace.
16:06
OK, so it's called linked data.
341
948000
2000
Bien, entonces los llamamos datos enlazados.
16:08
I want you to make it.
342
950000
2000
Quiero que lo hagan.
16:10
I want you to demand it.
343
952000
2000
Quiero que lo exijan.
16:12
And I think it's an idea worth spreading.
344
954000
2000
Y creo que es una idea que merece ser difundida.
16:14
Thanks.
345
956000
1000
Gracias.
16:15
(Applause)
346
957000
3000
(Aplausos)
ABOUT THE SPEAKER
Tim Berners-Lee - InventorTim Berners-Lee invented the World Wide Web. He leads the World Wide Web Consortium (W3C), overseeing the Web's standards and development.
Why you should listen
In the 1980s, scientists at CERN were asking themselves how massive, complex, collaborative projects -- like the fledgling LHC -- could be orchestrated and tracked. Tim Berners-Lee, then a contractor, answered by inventing the World Wide Web. This global system of hypertext documents, linked through the Internet, brought about a massive cultural shift ushered in by the new tech and content it made possible: AOL, eBay, Wikipedia, TED.com...
Berners-Lee is now director of the World Wide Web Consortium (W3C), which maintains standards for the Web and continues to refine its design. Recently he has envisioned a "Semantic Web" -- an evolved version of the same system that recognizes the meaning of the information it carries. He's the 3Com Founders Professor of Engineering in the School of Engineering with a joint appointment in the Department of Electrical Engineering and Computer Science at the Laboratory for Computer Science and Artificial Intelligence (CSAIL) at the MIT, where he also heads the Decentralized Information Group (DIG). He is also a Professor in the Electronics and Computer Science Department at the University of Southampton, UK.
Tim Berners-Lee | Speaker | TED.com