TEDGlobal 2009
Beau Lotto: Optical illusions show how we see
Beau Lotto: Ilusiones ópticas que demuestran cómo vemos.
Filmed:
Readability: 2.7
7,158,267 views
Los juegos de colores de Beau Lotto confunden tu visión, pero a la vez reflejan lo que normalmente no podemos ver: cómo funciona nuestro cerebro. Esta divertida mirada de primera mano a nuestro versátil sentido de la vista revela cómo la evolución tiñe nuestra percepción de lo que realmente hay ahí fuera.
Beau Lotto - Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bio
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bio
Double-click the English transcript below to play the video.
00:13
I want to start with a game.
0
1000
3000
Quiero empezar con un juego.
00:16
And to win this game,
1
4000
2000
Y para ganar este juego,
00:18
all you have to do is see the reality that's in front of you
2
6000
3000
todo lo que tienen que hacer es ver la realidad que está delante de ustedes
00:21
as it really is. All right?
3
9000
2000
tal y como es. ¿De acuerdo?
00:23
So, we have two panels here,
4
11000
2000
Tenemos aquí dos paneles
00:25
of colored dots.
5
13000
2000
de círculos de colores.
00:27
And one of those dots is the same
6
15000
3000
Y uno de esos círculos es el mismo
00:30
in the two panels. Okay?
7
18000
3000
en los dos paneles, ¿vale?
00:33
And you have to tell me which one.
8
21000
2000
Tienen que decirme cuál es.
00:35
Now, narrow it down to
9
23000
3000
Ahora, limítense
00:38
the gray one, the green one and, say, the orange one.
10
26000
3000
al gris, al verde y, digamos, al naranja.
00:41
So, by a show of hands -- we'll start with the easiest one --
11
29000
3000
A mano alzada, - empezaremos con el más fácil -
00:44
Show of hands: how many people think it's the gray one?
12
32000
4000
¿cuántos piensan que es el gris?
00:48
Really? Okay.
13
36000
2000
¿De verdad? Bueno.
00:50
How many people think it's the green one?
14
38000
5000
¿Cuántos piensan que es el verde?
00:55
And how many people think it's the orange one?
15
43000
4000
¿Y cuántos piensan que es el naranja?
00:59
Pretty even split.
16
47000
3000
Bastante igualado.
01:02
Let's find out what the reality is.
17
50000
3000
Descubramos cuál es la realidad.
01:05
Here is the orange one.
18
53000
3000
Aquí está el naranja.
01:08
(Laughter)
19
56000
2000
(Risas)
01:10
Here is the green one.
20
58000
3000
Aquí está el verde.
01:13
And here is the gray one.
21
61000
4000
Y aquí está el gris.
01:17
(Laughter)
22
65000
3000
(Risas)
01:20
So, for all of you who saw that, you're a complete realist. All right?
23
68000
4000
Así que los que lo vieron, son realistas absolutos. ¿De acuerdo?
01:24
(Laughter)
24
72000
2000
(Risas)
01:26
So, this is pretty amazing, actually, isn't it?
25
74000
2000
Es increíble, ¿no?
01:28
Because nearly every living system
26
76000
2000
Porque casi cada sistema viviente
01:30
has evolved the ability to detect light in one way or another.
27
78000
3000
ha desarrollado la habilidad de detectar luz de una manera u otra.
01:33
So, for us, seeing color is one of the simplest things the brain does.
28
81000
5000
Así que, para nosotros, ver colores es una de las cosas más simples que hace el cerebro.
01:38
And yet, even at this most fundamental level,
29
86000
2000
Y aún así, incluso en el nivel más fundamental,
01:40
context is everything.
30
88000
3000
el contexto lo es todo.
01:43
What I want to talk about is not that context is everything,
31
91000
3000
Pero no quiero hablar de si el contexto lo es todo o no,
01:46
but why is context everything.
32
94000
2000
sino de por qué el contexto lo es todo.
01:48
Because it's answering that question that tells us not only
33
96000
4000
Porque la respuesta a esa pregunta nos dice no sólo
01:52
why we see what we do,
34
100000
2000
por qué vemos lo que vemos,
01:54
but who we are as individuals,
35
102000
2000
sino quiénes somos como individuos
01:56
and who we are as a society.
36
104000
3000
y quiénes somos como una sociedad.
01:59
But first, we have to ask another question,
37
107000
2000
Pero primero tenemos que hacer otra pregunta,
02:01
which is, "What is color for?"
38
109000
2000
que es: ¿para qué sirve el color?
02:03
And instead of telling you, I'll just show you.
39
111000
2000
Y en lugar de contárselo, simplemente lo mostraré.
02:05
What you see here is a jungle scene,
40
113000
3000
Lo que ven aquí es una escena en la jungla.
02:08
and you see the surfaces according to the amount
41
116000
2000
Y ven las superficies de acuerdo con la cantidad
02:10
of light that those surfaces reflect.
42
118000
2000
de luz que esas superficies reflejan.
02:12
Now, can any of you see the predator that's about to jump out at you?
43
120000
5000
Ahora bien, ¿puede alguien ver el depredador que está a punto de saltar hacia ustedes?
02:17
And if you haven't seen it yet, you're dead. Right?
44
125000
2000
Y si no lo han visto todavía, ya están muertos, ¿no?
02:19
(Laughter)
45
127000
2000
(Risas)
02:21
Can anyone see it? Anyone? No?
46
129000
2000
¿Puede verlo alguien? ¿Alguien? ¿No?
02:23
Now, let's see the surfaces according to the quality of light that they reflect.
47
131000
4000
Bueno, veamos las superficies de acuerdo con la calidad de luz que reflejan.
02:27
And now you see it.
48
135000
3000
Y ahora lo ven.
02:30
So, color enables us to see
49
138000
3000
Así que el color nos permite ver
02:33
the similarities and differences between surfaces,
50
141000
2000
las diferencias y semejanzas entre las superficies,
02:35
according to the full spectrum of light that they reflect.
51
143000
3000
de acuerdo con la completa gama de luz que reflejan.
02:38
But what you've just done is, in many respects, mathematically impossible.
52
146000
4000
Pero lo que acaban de hacer es, en muchos aspectos, matemáticamente imposible.
02:42
Why? Because, as Berkeley tells us,
53
150000
3000
¿Por qué?, Porque, como nos dice Barkley,
02:45
we have no direct access to our physical world,
54
153000
3000
no tenemos acceso directo a nuestro mundo físico
02:48
other than through our senses.
55
156000
2000
más que a través de nuestros sentidos.
02:50
And the light that falls onto our eyes
56
158000
2000
Y la luz que llega a nuestros ojos
02:52
is determined by multiple things in the world --
57
160000
2000
está determinada por muchas cosas en el mundo,
02:54
not only the color of objects,
58
162000
2000
no solamente el color de los objetos
02:56
but also the color of their illumination,
59
164000
2000
sino también el color de su iluminación
02:58
and the color of the space between us and those objects.
60
166000
3000
y el color del espacio entre esos objetos y nosotros.
03:01
You vary any one of those parameters,
61
169000
2000
Si varían uno de esos parámetros,
03:03
and you'll change the color of the light that falls onto your eye.
62
171000
5000
cambiarán el color de la luz que llega a sus ojos.
03:08
This is a huge problem because it means that
63
176000
2000
Esto es un problema enorme, porque significa que
03:10
the same image could have an infinite number
64
178000
3000
una misma imagen podría tener un número infinito
03:13
of possible real-world sources.
65
181000
3000
de posibles fuentes del mundo real.
03:16
So let me show you what I mean. Imagine that this is the back of your eye.
66
184000
3000
Les mostratré a lo que me refiero. Imaginen que este es el fondo de su ojo.
03:19
And these are two projections from the world.
67
187000
3000
Y estas son dos proyecciones del mundo exterior.
03:22
They are identical in every single way.
68
190000
3000
Son idénticas en todos los sentidos.
03:25
Identical in shape, size, spectral content.
69
193000
4000
Idénticas en forma, tamaño, y contenido espectral.
03:29
They are the same, as far as your eye is concerned.
70
197000
4000
Son lo mismo, en lo que respecta a nuestro ojo.
03:33
And yet they come from completely different sources.
71
201000
5000
Y aún así, vienen de fuentes completamente distintas.
03:38
The one on the right
72
206000
2000
La de la derecha
03:40
comes from a yellow surface,
73
208000
3000
viene de una superficie amarilla,
03:43
in shadow, oriented facing the left,
74
211000
2000
en sombra, mirando hacia la izquierda,
03:45
viewed through a pinkish medium.
75
213000
3000
vista desde un medio rosado.
03:48
The one on the left comes from an orange surface,
76
216000
3000
La de la izquierda, viene de una superficie naranja,
03:51
under direct light, facing to the right,
77
219000
2000
bajo luz directa, mirando a la derecha,
03:53
viewed through a sort of a bluish medium.
78
221000
2000
vista a través de una especie de medio azulado.
03:55
Completely different meanings,
79
223000
3000
Significados completamente diferentes
03:58
giving rise to the exact same retinal information.
80
226000
3000
dando lugar a exactamente la misma información retinal.
04:01
And yet it's only the retinal information
81
229000
2000
Y aún así, lo que nos llega sólo
04:03
that we get.
82
231000
2000
es información retinal.
04:05
So how on Earth do we even see?
83
233000
3000
Así que, ¿cómo rayos conseguimos ver?
04:08
So, if you remember anything in this next 18 minutes,
84
236000
4000
Si van a recordar algo de los próximos 18 minutos,
04:12
remember this: that the light that falls on to your eye,
85
240000
3000
recuerden esto: la luz que llega a nuestro ojo,
04:15
sensory information, is meaningless,
86
243000
2000
la información sensorial, no tiene significado.
04:17
because it could mean literally anything.
87
245000
3000
Porque podría no significar literalmente nada.
04:20
And what's true for sensory information is true for information generally.
88
248000
3000
Y lo que es verdad para la información sensorial, es verdad para la información en general.
04:23
There is no inherent meaning in information.
89
251000
2000
No hay significado inherente en la información.
04:25
It's what we do with that information that matters.
90
253000
4000
Es lo que hacemos con esa información lo que importa.
04:29
So, how do we see? Well, we see by learning to see.
91
257000
3000
Así que, ¿cómo vemos? Bueno, vemos aprendiendo a ver.
04:32
So, the brain evolved the mechanisms for finding patterns,
92
260000
4000
El cerebro desarrolló los mecanismos para encontrar modelos,
04:36
finding relationships in information
93
264000
2000
relaciones de información,
04:38
and associating those relationships
94
266000
2000
y para asociar esas relaciones
04:40
with a behavioral meaning,
95
268000
2000
con el significado conductual,
04:42
a significance, by interacting with the world.
96
270000
3000
un significado al interactuar con el mundo.
04:45
We're very aware of this
97
273000
2000
Somos muy conscientes de esto
04:47
in the form of more cognitive attributes, like language.
98
275000
3000
con respecto a atributos más cognitivos, como el lenguaje.
04:50
So, I'm going to give you some letter strings. And I want you to read them out for me,
99
278000
2000
Voy a mostrarles algunas secuencias de letras,
04:52
if you can.
100
280000
2000
y quiero que me las lean, si pueden.
04:54
Audience: "Can you read this?"
101
282000
3000
Audiencia: "Can you read this?" ("¿Pueden leer esto?")
04:57
"You are not reading this."
102
285000
2000
"You are not reading this" ("Usted no está leyendo esto")
04:59
"What are you reading?"
103
287000
2000
"What are you reading?" ("¿Qué está leyendo?")
05:01
Beau Lotto: "What are you reading?" Half the letters are missing. Right?
104
289000
3000
Beau Lotto: "¿Qué está leyendo?" Faltan la mitad de las letras, ¿no?
05:04
There is no a priori reason why an "H" has to go
105
292000
2000
No hay ninguna razón a priori por la que la "H" tenga que ir
05:06
between that "W" and "A."
106
294000
2000
entre la "W" y la "A" (en "what", "qué").
05:08
But you put one there. Why?
107
296000
2000
Pero la pones ahí. ¿Por qué?
05:10
Because in the statistics of your past experience
108
298000
2000
Porque en las estadísticas de tu experiencia pasada
05:12
it would have been useful to do so. So you do so again.
109
300000
3000
había sido útil hacer eso. Así que ahora lo haces otra vez.
05:15
And yet you don't put a letter after that first "T."
110
303000
3000
Y además, no pones una letra después de la primera "T".
05:18
Why? Because it wouldn't have been useful in the past.
111
306000
3000
¿Por qué? Porque no había sido útil en el pasado.
05:21
So you don't do it again.
112
309000
2000
Así que no lo haces otra vez.
05:23
So let me show you how quickly our brains can redefine normality,
113
311000
4000
Déjenme mostrarles rápidamente cómo nuestro cerebro puede redefinir la normalidad,
05:27
even at the simplest thing the brain does, which is color.
114
315000
2000
hasta en las cosas más simples, como el color.
05:29
So, if I could have the lights down up here.
115
317000
3000
Si pudieran bajar la luz aquí.
05:32
I want you to first notice that those two desert scenes are physically the same.
116
320000
3000
Primero quiero que se den cuenta de que esas dos escenas del desierto son físicamente iguales.
05:35
One is simply the flipping of the other. Okay?
117
323000
5000
Una es simplemente el espejo de la otra, ¿de acuerdo?
05:40
Now I want you to look at that dot
118
328000
2000
Ahora quiero que miren a ese punto
05:42
between the green and the red. Okay?
119
330000
3000
entre el verde y el rojo, ¿vale?
05:45
And I want you to stare at that dot. Don't look anywhere else.
120
333000
3000
Y quiero que se queden mirando ese punto. No miren a otro lado.
05:48
And we're going to look at that for about 30 seconds,
121
336000
1000
Y miraremos ahí durante 30 segundos,
05:49
which is a bit of a killer in an 18-minute talk.
122
337000
3000
lo cual es matar un poco el tiempo en una charla de 18 minutos.
05:52
(Laughter)
123
340000
1000
(Risas)
05:53
But I really want you to learn.
124
341000
2000
Pero realmente quiero que aprendan.
05:55
And I'll tell you -- don't look anywhere else --
125
343000
3000
Y les diré -no miren a ningún otro sitio-
05:58
and I'll tell you what's happening inside your head.
126
346000
2000
les diré lo que está ocurriendo en sus cabezas.
06:00
Your brain is learning. And it's learning that the right side of its visual field
127
348000
3000
Su cerebro está aprendiendo. Y está aprendiendo que el lado derecho de su campo visual
06:03
is under red illumination;
128
351000
2000
está bajo iluminación roja;
06:05
the left side of its visual field is under green illumination.
129
353000
3000
el lado izquierdo de su campo visual está bajo iluminación verde.
06:08
That's what it's learning. Okay?
130
356000
3000
Eso es lo que está aprendiendo, ¿de acuerdo?
06:11
Now, when I tell you, I want you to look at the dot between the two desert scenes.
131
359000
5000
Ahora, cuando yo les diga, quiero que miren al punto que hay entre las dos escenas del desierto.
06:16
So why don't you do that now?
132
364000
2000
Háganlo ahora
06:18
(Laughter)
133
366000
3000
(Risas)
06:21
Can I have the lights up again?
134
369000
2000
¿Pueden subir la luz otra vez?
06:23
I take it from your response they don't look the same anymore. Right?
135
371000
4000
Entiendo por su respuesta que ya no se veían igual, ¿no?
06:27
(Applause)
136
375000
1000
(Aplausos)
06:28
Why? Because your brain is seeing that same information
137
376000
3000
¿Por qué? Porque su cerebro está viendo la misma información
06:31
as if the right one is still under red light,
138
379000
2000
como si el lado derecho estuviera todavía bajo luz roja,
06:33
and the left one is still under green light.
139
381000
2000
y el izquierdo bajo luz verde.
06:35
That's your new normal.
140
383000
2000
Esa es tu nueva normalidad.
06:37
So, what does this mean for context?
141
385000
2000
Y¿qué significa esto para el contexto?
06:39
It means that I can take these two identical squares,
142
387000
2000
Significa que puedo tomar estos cuadrados idénticos
06:41
and I can put them in light and dark surrounds.
143
389000
2000
y ponerlos bajo un marco claro y otro oscuro.
06:43
And now the one on the dark surround looks lighter than the one on the light surround.
144
391000
3000
Y ahora, uno parece más claro que el otro.
06:46
What's significant is not simply the light and dark surrounds that matter.
145
394000
4000
Lo significativo no es simplemente la importancia de los marcos claro y oscuro,
06:50
It's what those light and dark surrounds meant for your behavior in the past.
146
398000
4000
sino lo que esos marcos significaron en nuestro comportamiento en el pasado.
06:54
So I'll show you what I mean. Here we have
147
402000
2000
Les enseñaré a lo que me refiero. Tenemos aquí
06:56
that exact same illusion.
148
404000
2000
exactamente la misma ilusión.
06:58
We have two identical tiles, on the left,
149
406000
2000
Tenemos dos baldosas idénticas, a la izquierda,
07:00
one in a dark surround, one in a light surround.
150
408000
2000
una en un marco oscuro, una en en un marco claro.
07:02
And the same thing over on the right.
151
410000
2000
Y lo mismo a la derecha.
07:04
Now, what I'm going to do is I'm going to review those two scenes.
152
412000
3000
Ahora lo que voy a hacer es examinar esas dos escenas.
07:07
But I'm not going to change anything within those boxes,
153
415000
2000
Pero no voy a cambiar nada de esas escenas,
07:09
except their meaning.
154
417000
2000
excepto su significado.
07:11
And see what happens to your perception.
155
419000
2000
Y veremos qué ocurre con su percepción.
07:13
Notice that on the left
156
421000
2000
Fíjense que en la izquierda
07:15
the two tiles look nearly completely opposite:
157
423000
3000
las dos baldosas se ven casi completamente opuestas:
07:18
one very white and one very dark.
158
426000
2000
una muy blanca y la otra muy oscura.
07:20
All right? Whereas on the right,
159
428000
2000
¿De acuerdo? Mientras que en la derecha,
07:22
the two tiles look nearly the same.
160
430000
2000
las dos baldosas parecen prácticamente iguales,
07:24
And yet there is still one on a dark surround and one on a light surround.
161
432000
4000
a pesar de que una sigue en un marco oscuro, y la otra en uno claro.
07:28
Why? Because if the tile in that shadow
162
436000
3000
¿Por qué? Porque si la baldosa en la sombra
07:31
were in fact in shadow,
163
439000
2000
fuera de hecho una sombra,
07:33
and reflecting the same amount of light to your eye
164
441000
2000
y reflejara la misma cantidad de luz a nuestro ojo
07:35
as the one outside the shadow,
165
443000
2000
como la que está fuera de la sombra,
07:37
it would have to be more reflective -- just the laws of physics.
166
445000
3000
tendría que ser más reflectante -son las leyes de la física.
07:40
So you see it that way.
167
448000
2000
Así que lo ven de esa manera.
07:42
Whereas on the right, the information is consistent
168
450000
3000
Mientras, en la derecha, la información es consistente
07:45
with those two tiles being under the same light.
169
453000
2000
con las dos baldosas estando bajo la misma luz.
07:47
If they are under the same light, reflecting the same amount of light
170
455000
2000
Si están bajo la misma luz, reflejando
07:49
to your eye,
171
457000
2000
la misma cantidad de luz a nuestro ojo,
07:51
then they must be equally reflective.
172
459000
2000
entonces deben ser igualmente reflectantes.
07:53
So you see it that way.
173
461000
2000
Y así lo ven.
07:55
Which means we can bring all this information together
174
463000
2000
Lo que significa que podemos juntar toda esta información
07:57
to create some incredibly strong illusions.
175
465000
2000
para crear ilusiones increíblemente potentes.
07:59
This is one I made a few years ago.
176
467000
2000
Esta es una que hice hace algunos años.
08:01
And you'll notice you see a dark brown tile at the top,
177
469000
3000
Notarán que hay una baldosa marrón oscura en la parte de arriba,
08:04
and a bright orange tile at the side.
178
472000
3000
y una naranja claro en el lado.
08:07
That is your perceptual reality. The physical reality
179
475000
2000
Esa es su realidad percibida. La realidad física
08:09
is that those two tiles are the same.
180
477000
5000
es que esas dos baldosas son iguales.
08:14
Here you see four gray tiles on your left,
181
482000
3000
Aquí ven cuatro baldosas grises a su izquierda,
08:17
seven gray tiles on the right.
182
485000
2000
siete grises a la derecha.
08:19
I'm not going to change those tiles at all,
183
487000
2000
No voy a cambiar las baldosas para nada.
08:21
but I'm going to reveal the rest of the scene
184
489000
2000
Pero voy a descubrir el resto de la escena.
08:23
and see what happens to your perception.
185
491000
3000
Y veremos qué pasa con su percepción.
08:26
The four blue tiles on the left are gray.
186
494000
4000
Las cuatro baldosas azules a la izquierda son grises.
08:30
The seven yellow tiles on the right are also gray.
187
498000
3000
Las siete baldosas amarillas a la derecha, también son grises.
08:33
They are the same. Okay?
188
501000
2000
Son iguales, ¿de acuerdo?
08:35
Don't believe me? Let's watch it again.
189
503000
4000
¿No me creen? Veámoslo de nuevo.
08:39
What's true for color is also true for complex perceptions of motion.
190
507000
4000
Lo que es cierto para el color es también cierto para percepciones complejas en movimiento.
08:43
So here we have --
191
511000
3000
Aquí tenemos
08:46
let's turn this around -- a diamond.
192
514000
5000
- démosle la vuelta a esto - un rombo.
08:51
And what I'm going to do is, I'm going to hold it here,
193
519000
2000
Y lo que voy a hacer es que lo voy a coger así,
08:53
and I'm going to spin it.
194
521000
4000
y voy a darle vueltas.
08:57
And for all of you, you'll see it probably spinning this direction.
195
525000
3000
Y para todos ustedes, probablemente lo verán dando vueltas en esta dirección.
09:00
Now I want you to keep looking at it.
196
528000
3000
Ahora quiero que sigan mirándolo.
09:03
Move your eyes around, blink, maybe close one eye.
197
531000
2000
Muevan los ojos alrededor, parpadeen, o quizás cierren un ojo,
09:05
And suddenly it will flip, and start spinning the opposite direction.
198
533000
4000
y de repente cambiará y empezará a dar vueltas en dirección contraria.
09:09
Yes? Raise your hand if you got that. Yes?
199
537000
3000
¿Sí? Levanten la mano los que lo vean. ¿Sí?
09:12
Keep blinking. Every time you blink it will switch. Alright?
200
540000
4000
Sigan parpadeando. Cada vez que parpadee cambiará. ¿De acuerdo?
09:16
So I can ask you, which direction is it rotating?
201
544000
4000
Y si les pregunto, ¿en qué dirección da vueltas?
09:20
How do you know?
202
548000
2000
¿Cómo lo saben?
09:22
Your brain doesn't know. Because both are equally likely.
203
550000
3000
Nuestro cerebro no lo sabe. Porque ambas son igualmente posibles.
09:25
So depending on where it looks, it flips
204
553000
2000
Dependiendo a donde mire, cambia
09:27
between the two possibilities.
205
555000
3000
entre las dos posibilidades.
09:30
Are we the only ones that see illusions?
206
558000
2000
¿Somos nosotros los únicos que vemos ilusiones?
09:32
The answer to this question is no.
207
560000
2000
La respuesta a esa pregunta es no.
09:34
Even the beautiful bumblebee,
208
562000
2000
Incluso el bonito abejorro
09:36
with its mere one million brain cells,
209
564000
2000
con tan sólo un millón de células cerebrales,
09:38
which is 250 times fewer cells than you have in one retina,
210
566000
3000
250 veces menos células de las que tenemos en una retina,
09:41
sees illusions, does the most complicated things
211
569000
3000
ve ilusiones, y hace las más complicadas tareas
09:44
that even our most sophisticated computers can't do.
212
572000
3000
que ni nuestro ordenador más sofisticado puede hacer.
09:47
So in my lab, we of course work on bumblebees.
213
575000
2000
Así que en mi laboratorio obviamente trabajamos con abejorros.
09:49
Because we can completely control their experience,
214
577000
2000
Porque podemos controlar su experiencia completamente,
09:51
and see how that alters the architecture of their brain.
215
579000
2000
y ver cómo se altera la arquitectura de su cerebro.
09:53
And we do this in what we call the Bee Matrix.
216
581000
3000
Y hacemos esto en lo que llamamos "Matriz de abejas".
09:56
And here you have the hive. You can see the queen bee,
217
584000
2000
Y aquí tienen la colmena. Pueden ver la abeja reina,
09:58
that large bee in the middle there. Those are all her daughters, the eggs.
218
586000
3000
la abeja grande que está en el medio. Y las otras son sus hijas, los huevos.
10:01
And they go back and forth between this hive
219
589000
3000
Y van y vienen, entre esta colmena
10:04
and the arena, via this tube.
220
592000
5000
y el otro lado, por este tubo.
10:09
And you'll see one of the bees come out here.
221
597000
2000
Verán un abejorro salir por aquí.
10:11
You see how she has a little number on her?
222
599000
3000
¿Ven dónde tiene un pequeño número?
10:14
Yeah there is another one coming out. She has another number on her.
223
602000
3000
¡Ah! Ahí sale otra. Esta también tiene su número.
10:17
Now, they are not born that way. Right?
224
605000
3000
Bueno, no nacen así, ¿verdad?
10:20
We pull them out, put them in the fridge, and they fall asleep.
225
608000
2000
Nosotros las sacamos, las ponemos en el frigorífico y se duermen.
10:22
And then you can superglue little numbers on them.
226
610000
2000
Y entonces les pegamos los pequeños números con superglue.
10:24
(Laughter)
227
612000
2000
(Risas)
10:26
And now, in this experiment they get rewarded if they go to the blue flowers.
228
614000
4000
En este experimento se les recompensa si van a las flores azules.
10:30
And they land on the flower. They stick their tongue in there,
229
618000
3000
Aterrizan en la flor, meten su lengua en ella,
10:33
called a proboscis, and they drink sugar water.
230
621000
2000
llamada probóscide, y beben el agua con azúcar.
10:35
Now she is drinking a glass of water that's about that big to you and I,
231
623000
3000
Y se bebe un vaso de agua que es así de grande para ti o para mí.
10:38
will do that about three times, and then fly.
232
626000
6000
Esto lo hará tres veces y luego se irá volando.
10:44
And sometimes they learn not to go to the blue,
233
632000
2000
Y a veces aprenden a no ir a la azul,
10:46
but to go to where the other bees go.
234
634000
2000
y van a donde los otros abejorros van.
10:48
So they copy each other. They can count to five. They can recognize faces.
235
636000
3000
Así que se copian entre ellas. Pueden contar hasta cinco, y reconocer caras.
10:51
And here she comes down the ladder.
236
639000
3000
Y aquí viene bajando la escalera.
10:54
And she'll come into the hive, find an empty honey pot
237
642000
2000
Entrará en la colmena, encontrará un tarro de miel vacío,
10:56
and throw up, and that's honey.
238
644000
2000
vomitará, y esa es la miel.
10:58
(Laughter)
239
646000
1000
(Risas)
10:59
Now remember -- (Laughter)
240
647000
3000
Pero recuerden... (Risas)
11:02
-- she's supposed to be going to the blue flowers.
241
650000
2000
se supone que tienen que ir a las flores azules.
11:04
But what are these bees doing in the upper right corner?
242
652000
3000
Entonces, ¿qué es lo que hacen esos abejorros en la esquina superior derecha?
11:07
It looks like they're going to green flowers.
243
655000
2000
Parece que van hacia las flores verdes.
11:09
Now, are they getting it wrong?
244
657000
3000
¿Es que no lo han entendido?
11:12
And the answer to the question is no. Those are actually blue flowers.
245
660000
3000
Y la respuesta a esa pregunta es no. Esas son en realidad flores azules.
11:15
But those are blue flowers under green light.
246
663000
4000
Pero son flores azules bajo luz verde.
11:19
So they are using the relationships between the colors to solve the puzzle,
247
667000
4000
Así que están utilizando las relaciones entre los colores para resolver el problema,
11:23
which is exactly what we do.
248
671000
2000
que es exactamente lo que hacemos nosotros.
11:25
So, illusions are often used,
249
673000
2000
Así, las ilusiones se usan frecuentemente,
11:27
especially in art, in the words of a more contemporary artist,
250
675000
4000
especialmente en arte, en palabras de un artista más contemporáneo,
11:31
"to demonstrate the fragility of our senses."
251
679000
2000
"para demostrar la fragilidad de nuestros sentidos".
11:33
Okay, this is complete rubbish.
252
681000
3000
Pues bueno, esto es auténtica basura.
11:36
The senses aren't fragile. And if they were, we wouldn't be here.
253
684000
3000
Nuestros sentidos no son frágiles. Si lo fueran, no podríamos estar aquí.
11:39
Instead, color tells us something completely different,
254
687000
4000
En cambio, el color nos dice algo completamente diferente,
11:43
that the brain didn't actually evolve to see the world the way it is.
255
691000
3000
nos dice que nuestro cerebro no se desarrolló en realidad para ver el mundo de la manera que es.
11:46
We can't. Instead, the brain evolved to see the world
256
694000
4000
No podemos. En cambio, el cerebro se desarrolló para ver el mundo
11:50
the way it was useful to see in the past.
257
698000
3000
de la manera que fue útil verlo en el pasado.
11:53
And how we see is by continually redefining normality.
258
701000
6000
Y la manera en que vemos es redefiniendo continuamente la normalidad.
11:59
So how can we take this
259
707000
4000
Así que, ¿cómo podemos tomar esta
12:03
incredible capacity of plasticity of the brain
260
711000
3000
increíble capacidad de plasticidad del cerebro
12:06
and get people to experience their world differently?
261
714000
3000
y hacer que la gente experimente su mundo de manera diferente?
12:09
Well, one of the ways we do in my lab and studio
262
717000
3000
Bueno, una de las formas en que lo hacemos en mi laboratorio y en mi estudio
12:12
is we translate the light into sound
263
720000
3000
es traduciendo la luz en sonido
12:15
and we enable people to hear their visual world.
264
723000
4000
para que la gente pueda escuchar su mundo visual.
12:19
And they can navigate the world using their ears.
265
727000
3000
Y puedan navegar por el mundo usando sus oídos.
12:22
Here is David, in the right. And he is holding a camera.
266
730000
3000
Aquí está David, a la derecha. Está sujetando una cámara.
12:25
On the left is what his camera sees.
267
733000
2000
A la izquierda está lo que la cámara ve.
12:27
And you'll see there is a line, a faint line going across that image.
268
735000
3000
Verán que hay una línea, una línea tenue que cruza esa imagen.
12:30
That line is broken up into 32 squares.
269
738000
3000
Esa línea está dividida en 32 cuadradros.
12:33
In each square we calculate the average color.
270
741000
2000
Calculamos el color medio en cada cuadrado
12:35
And then we just simply translate that into sound.
271
743000
2000
y luego simplemente lo traducimos en sonido.
12:37
And now he's going to
272
745000
3000
Ahora él se va a dar la vuelta,
12:40
turn around, close his eyes,
273
748000
4000
cerrar los ojos,
12:44
and find a plate on the ground with his eyes closed.
274
752000
3000
y encontrar un plato en el suelo, con los ojos cerrados.
13:06
He finds it. Amazing. Right?
275
774000
2000
Lo encuentra. Increíble, ¿no?
13:08
So not only can we create a prosthetic for the visually impaired,
276
776000
2000
Así que no sólo podemos crear una prótesis para los invidentes,
13:10
but we can also investigate how people
277
778000
3000
sino que también podemos investigar cómo la gente
13:13
literally make sense of the world.
278
781000
3000
literalmente le da sentido al mundo.
13:16
But we can also do something else. We can also make music with color.
279
784000
4000
Pero también podemos hacer algo más. También podemos crear música con color.
13:20
So, working with kids,
280
788000
2000
Así, trabajando con niños,
13:22
they created images,
281
790000
2000
ellos crean las imágenes
13:24
thinking about what might the images you see
282
792000
2000
pensando en cómo esas imágenes podrían sonar
13:26
sound like if we could listen to them.
283
794000
2000
si pudiéramos escucharlas.
13:28
And then we translated these images.
284
796000
2000
Y entonces nosotros las traducimos.
13:30
And this is one of those images.
285
798000
2000
Esta es una de esas imágenes.
13:32
And this is a six-year-old child composing a piece of music
286
800000
3000
Y éste es un niño de 6 años componiendo una obra musical
13:35
for a 32-piece orchestra.
287
803000
3000
para una orquesta de 32 instrumentos.
13:38
And this is what it sounds like.
288
806000
2000
Y así es como suena.
14:06
So, a six-year-old child. Okay?
289
834000
3000
Bueno, un niño de 6 años, ¿no?
14:09
Now, what does all this mean?
290
837000
3000
¿Y todo esto qué significa?
14:12
What this suggests is that no one is an outside observer
291
840000
3000
Lo que esto sugiere es que nadie es un observador externo
14:15
of nature. Okay?
292
843000
2000
a la naturaleza, ¿de acuerdo?
14:17
We are not defined by our central properties,
293
845000
2000
Nosotros no estamos definidos por nuestras propiedades centrales,
14:19
by the bits that make us up.
294
847000
2000
por las partes que nos componen.
14:21
We're defined by our environment and our interaction with that environment --
295
849000
3000
Estamos definidos por nuestro medio ambiente y por nuestra interacción con él,
14:24
by our ecology.
296
852000
2000
por nuestra ecología.
14:26
And that ecology is necessarily relative,
297
854000
4000
Y esa ecología es necesariamente relativa,
14:30
historical and empirical.
298
858000
2000
histórica y empírica.
14:32
So what I'd like to finish with is this over here.
299
860000
6000
Así que me gustaría terminar con esto de aquí.
14:38
Because what I've been trying to do is really celebrate uncertainty.
300
866000
3000
Porque lo que realmente he estado intentando hacer es celebrar realmente la incertidumbre.
14:41
Because I think only through uncertainty is there potential for understanding.
301
869000
4000
Porque creo que sólo a través de la incertidumbre hay potencial para el entendimiento.
14:45
So, if some of you are still feeling a bit too certain,
302
873000
3000
Así que, por si alguno de ustedes se siente todavía demasiado seguro,
14:48
I'd like to do this one.
303
876000
2000
me gustaría hacer esto.
14:50
So, if we have the lights down.
304
878000
2000
Si pueden bajar las luces.
14:52
And what we have here --
305
880000
6000
Lo que tenemos aquí --
14:58
Can everyone see 25 purple surfaces
306
886000
3000
¿Puede todo el mundo ver 25 círculos violetas
15:01
on your left,
307
889000
2000
a su izquierda,
15:03
and 25, call it yellowish, surfaces on your right?
308
891000
4000
y 25 círculos, digamos amarillentos, a su derecha?
15:07
So, now, what I want to do:
309
895000
2000
Y ahora, lo que quiero hacer:
15:09
I'm going to put the middle nine surfaces here
310
897000
2000
Voy a poner los 9 círculos de en medio aquí
15:11
under yellow illumination
311
899000
2000
bajo iluminación amarilla,
15:13
by simply putting a filter behind them.
312
901000
4000
simplemente poniendo un filtro detrás de ellos.
15:17
All right. Now you can see that changes the light
313
905000
3000
Bien. Ahora pueden ver que cambia la luz
15:20
that's coming through there. Right?
314
908000
2000
que sale por ahí, ¿de acuerdo?
15:22
Because now the light is going through a yellowish filter
315
910000
2000
Porque ahora la luz pasa a través de un filtro amarillento
15:24
and then a purplish filter.
316
912000
2000
y después por un filtro violeta.
15:26
I'm going to do this opposite on the left here.
317
914000
5000
Voy a hacer lo opuesto aquí en la izquierda.
15:31
I'm going to put the middle nine under a purplish light.
318
919000
7000
Voy a poner los 9 de en medio bajo luz violácea.
15:38
Now, some of you will notice that the consequence is that
319
926000
4000
Ahora algunos de ustedes notarán que la consecuencia es que
15:42
the light coming through those middle nine on the right,
320
930000
3000
la luz que sale de los 9 de en medio a la derecha
15:45
or your left,
321
933000
2000
o a su izquierda,
15:47
is exactly the same as the light coming through
322
935000
2000
es exactamente la misma que la que sale a través de
15:49
the middle nine on your right.
323
937000
2000
de los 9 de en medio a su derecha.
15:51
Agreed? Yes?
324
939000
3000
¿De acuerdo? ¿Sí?
15:54
Okay. So they are physically the same.
325
942000
2000
Bueno, así que son físicamente iguales.
15:56
Let's pull the covers off.
326
944000
6000
Quitemos las cubiertas.
16:02
Now remember,
327
950000
4000
Pero recuerden,
16:06
you know the middle nine are exactly the same.
328
954000
3000
ya saben que los 9 de en medio son exactamente iguales.
16:09
Do they look the same? No.
329
957000
4000
¿Se ven iguales? No.
16:13
The question is, "Is that an illusion?"
330
961000
2000
La pregunta es, "¿es eso una ilusión?"
16:15
And I'll leave you with that.
331
963000
2000
Y con ello los dejo.
16:17
So, thank you very much.
332
965000
2000
Muchas gracias.
16:19
(Applause)
333
967000
3000
(Aplausos)
ABOUT THE SPEAKER
Beau Lotto - Neuroscientist, ArtistBeau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system.
Why you should listen
"Let there be perception," was evolution's proclamation, and so it was that all creatures, from honeybees to humans, came to see the world not as it is, but as was most useful. This uncomfortable place--where what an organism's brain sees diverges from what is actually out there--is what Beau Lotto and his team at Lottolab are exploring through their dazzling art-sci experiments and public illusions. Their Bee Matrix installation, for example, places a live bee in a transparent enclosure where gallerygoers may watch it seek nectar in a virtual meadow of luminous Plexiglas flowers. (Bees, Lotto will tell you, see colors much like we humans do.) The data captured isn't just discarded, either: it's put to good use in probing scientific papers, and sometimes in more exhibits.
At their home in London’s Science Museum, the lab holds "synesthetic workshops" where kids and adults make abstract paintings that computers interpret into music, and they host regular Lates--evenings of science, music and "mass experiments." Lotto is passionate about involving people from all walks of life in research on perception--both as subjects and as fellow researchers. One such program, called "i,scientist," in fact led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," December 2010). It starts, "Once upon a time ..."
These and Lotto's other conjurings are slowly, charmingly bending the science of perception--and our perceptions of what science can be.
Beau Lotto | Speaker | TED.com