TED2018
James Bridle: The nightmare videos of children's YouTube -- and what's wrong with the internet today
James Bridle: Los videos de pesadilla del YouTube para niños, y qué está mal en Internet
Filmed:
Readability: 4.1
5,404,429 views
El escritor y artista James Bridle descubre un rincón oscuro y extraño de Internet, donde personas desconocidas o grupos en YouTube piratean los cerebros de los niños pequeños a cambio de ingresos publicitarios. Desde "huevo sorpresa" revelados y "Finger Family Song" hasta 'mashups' creados algorítmicamente usando personajes familiares de dibujos animados en situaciones violentas. Estos videos explotan y aterrorizan a las mentes jóvenes, y nos dicen algo sobre hacia dónde se dirige nuestro mundo cada vez más basado en datos. "Tenemos que dejar de pensar en la tecnología como una solución para todos nuestros problemas, y, en cambio, pensar en ella como una guía para saber cuáles son esos problemas en realidad, para que podamos empezar a pensar en ellos adecuadamente y comenzar a abordarlos", dice Bridle.
James Bridle - Artist, writer
Working across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future. Full bio
Working across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future. Full bio
Double-click the English transcript below to play the video.
00:12
I'm James.
0
777
1183
Soy James.
00:13
I'm a writer and artist,
1
1984
1686
Soy escritor y artista,
00:15
and I make work about technology.
2
3694
2341
y trabajo en tecnología.
00:18
I do things like draw life-size outlines
of military drones
of military drones
3
6454
3911
Hago cosas como dibujar contornos
de tamaño real de drones militares
de tamaño real de drones militares
en calles de ciudades de todo el mundo,
00:22
in city streets around the world,
4
10389
1828
00:24
so that people can start to think
and get their heads around
and get their heads around
5
12241
2950
para que la gente pueda comenzar
a pensar y dar vueltas
a pensar y dar vueltas
00:27
these really quite hard-to-see
and hard-to-think-about technologies.
and hard-to-think-about technologies.
6
15215
3440
a estas tecnologías realmente difíciles
de ver y difíciles de pensar.
de ver y difíciles de pensar.
00:31
I make things like neural networks
that predict the results of elections
that predict the results of elections
7
19494
3836
Hago cosas como redes neuronales que
predicen los resultados de las elecciones
predicen los resultados de las elecciones
00:35
based on weather reports,
8
23354
1737
basadas en informes meteorológicos,
00:37
because I'm intrigued about
9
25115
1314
porque estoy intrigado sobre
00:38
what the actual possibilities
of these weird new technologies are.
of these weird new technologies are.
10
26453
3924
cuáles son las posibilidades reales
de estas nuevas tecnologías raras.
de estas nuevas tecnologías raras.
00:43
Last year, I built
my own self-driving car.
my own self-driving car.
11
31405
2426
El año pasado, construí
mi propio auto autónomo.
mi propio auto autónomo.
00:45
But because I don't
really trust technology,
really trust technology,
12
33855
2526
Pero como realmente
no confío en la tecnología,
no confío en la tecnología,
00:48
I also designed a trap for it.
13
36405
1928
también diseñé una trampa para eso.
00:50
(Laughter)
14
38777
1086
(Risas)
00:51
And I do these things mostly because
I find them completely fascinating,
I find them completely fascinating,
15
39887
4298
Y hago estas cosas principalmente porque
las encuentro completamente fascinantes,
las encuentro completamente fascinantes,
pero también porque creo que
cuando hablamos de tecnología,
cuando hablamos de tecnología,
00:56
but also because I think
when we talk about technology,
when we talk about technology,
16
44209
2602
00:58
we're largely talking about ourselves
17
46835
2619
en gran medida estamos hablando
de nosotros mismos
de nosotros mismos
01:01
and the way that we understand the world.
18
49478
2299
y la forma en que entendemos el mundo.
01:03
So here's a story about technology.
19
51801
2442
Así que aquí hay
una historia de tecnología.
una historia de tecnología.
01:07
This is a "surprise egg" video.
20
55520
2830
Este es un video de "huevo sorpresa".
01:10
It's basically a video of someone
opening up loads of chocolate eggs
opening up loads of chocolate eggs
21
58374
3348
Básicamente es un video de alguien
abriendo muchos de huevos de chocolate
abriendo muchos de huevos de chocolate
01:13
and showing the toys inside to the viewer.
22
61746
2126
y mostrando los juguetes del interior.
Eso es. Eso es todo lo que hace
durante siete largos minutos.
durante siete largos minutos.
01:16
That's it. That's all it does
for seven long minutes.
for seven long minutes.
23
64461
2649
01:19
And I want you to notice
two things about this.
two things about this.
24
67428
3051
Y quiero que noten dos cosas.
01:22
First of all, this video
has 30 million views.
has 30 million views.
25
70503
4074
En primer lugar,
este video tiene 30 millones de visitas.
este video tiene 30 millones de visitas.
01:26
(Laughter)
26
74601
1275
(Risas)
01:28
And the other thing is,
27
76376
1166
Y la otra cosa es,
01:29
it comes from a channel
that has 6.3 million subscribers,
that has 6.3 million subscribers,
28
77566
3869
que proviene de un canal que tiene
6,3 millones de suscriptores,
6,3 millones de suscriptores,
01:33
that has a total of eight billion views,
29
81459
2680
que tiene un total de
8 mil millones de visitas,
8 mil millones de visitas,
01:36
and it's all just more videos like this --
30
84163
3106
y todo son solo más videos como este...
01:40
30 million people watching a guy
opening up these eggs.
opening up these eggs.
31
88256
3908
30 millones de personas viendo
a un chico abriendo estos huevos.
a un chico abriendo estos huevos.
01:44
It sounds pretty weird, but if you search
for "surprise eggs" on YouTube,
for "surprise eggs" on YouTube,
32
92188
4481
Suena bastante extraño, pero si buscan
"huevos sorpresa" en YouTube,
"huevos sorpresa" en YouTube,
01:48
it'll tell you there's
10 million of these videos,
10 million of these videos,
33
96693
3523
les dirá que hay
10 millones de estos videos,
10 millones de estos videos,
01:52
and I think that's an undercount.
34
100240
1657
y creo que es un conteo a la baja.
01:53
I think there's way, way more of these.
35
101921
1897
Creo que hay muchos más.
01:55
If you keep searching, they're endless.
36
103842
2242
Si siguen buscando, no acaban.
01:58
There's millions and millions
of these videos
of these videos
37
106108
2159
Hay millones y millones de estos videos
02:00
in increasingly baroque combinations
of brands and materials,
of brands and materials,
38
108291
3454
en combinaciones cada vez más barrocas
de marcas y materiales,
de marcas y materiales,
02:03
and there's more and more of them
being uploaded every single day.
being uploaded every single day.
39
111769
3846
y hay más y más de ellos
que se cargan todos los días.
que se cargan todos los días.
02:07
Like, this is a strange world. Right?
40
115639
3511
Este es un mundo extraño.
¿De acuerdo?
¿De acuerdo?
02:11
But the thing is, it's not adults
who are watching these videos.
who are watching these videos.
41
119174
3383
Pero la cuestión es que no son adultos
los que miran estos videos.
los que miran estos videos.
02:14
It's kids, small children.
42
122581
2921
Son niños, niños pequeños.
02:17
These videos are
like crack for little kids.
like crack for little kids.
43
125526
2154
Estos videos son como crac
para niños pequeños.
para niños pequeños.
02:19
There's something about the repetition,
44
127704
2075
Hay algo sobre la repetición,
el pequeño y constante golpe
de dopamina de la revelación,
de dopamina de la revelación,
02:21
the constant little
dopamine hit of the reveal,
dopamine hit of the reveal,
45
129803
2468
02:24
that completely hooks them in.
46
132295
1866
que los engancha por completo.
02:26
And little kids watch these videos
over and over and over again,
over and over and over again,
47
134185
4809
Y los niños pequeños miran
estos videos una y otra y otra vez
estos videos una y otra y otra vez
02:31
and they do it for hours
and hours and hours.
and hours and hours.
48
139018
2327
y lo hacen durante horas, horas y horas.
02:33
And if you try and take
the screen away from them,
the screen away from them,
49
141369
2356
Y si tratas de quitarles la pantalla,
02:35
they'll scream and scream and scream.
50
143749
1782
gritarán, gritarán y gritarán.
02:37
If you don't believe me --
51
145555
1262
Si no me creen
02:38
and I've already seen people
in the audience nodding --
in the audience nodding --
52
146841
2607
--y ya he visto gente
en la audiencia asintiendo--,
en la audiencia asintiendo--,
02:41
if you don't believe me, find someone
with small children and ask them,
with small children and ask them,
53
149472
3391
si no me creen, busquen a alguien
con niños pequeños y pregúntenles:
con niños pequeños y pregúntenles:
02:44
and they'll know about
the surprise egg videos.
the surprise egg videos.
54
152887
2340
y sabrán sobre los videos
de huevos sorpresa.
de huevos sorpresa.
02:47
So this is where we start.
55
155251
2070
Aquí es donde comenzamos.
02:49
It's 2018, and someone, or lots of people,
56
157345
3642
Es 2018 mucha gente,
02:53
are using the same mechanism that, like,
Facebook and Instagram are using
Facebook and Instagram are using
57
161011
3941
usa el mismo mecanismo que
Facebook e Instagram
Facebook e Instagram
para que uno siga enganchado
en esa aplicación,
en esa aplicación,
02:56
to get you to keep checking that app,
58
164976
1989
02:58
and they're using it on YouTube
to hack the brains of very small children
to hack the brains of very small children
59
166989
3985
y lo usan en YouTube para hackear
el cerebro de niños muy pequeños
el cerebro de niños muy pequeños
03:02
in return for advertising revenue.
60
170998
1958
a cambio de ingresos publicitarios.
Al menos, espero que sea
lo que están haciendo.
lo que están haciendo.
03:06
At least, I hope
that's what they're doing.
that's what they're doing.
61
174346
2001
03:08
I hope that's what they're doing it for,
62
176371
1955
Espero que para eso lo estén haciendo,
03:10
because there's easier ways
of making ad revenue on YouTube.
of making ad revenue on YouTube.
63
178350
5308
porque hay formas más fáciles de
generar ingresos publicitarios en YouTube.
generar ingresos publicitarios en YouTube.
03:15
You can just make stuff up or steal stuff.
64
183682
2332
Puedes inventar cosas o robar cosas.
03:18
So if you search for really
popular kids' cartoons
popular kids' cartoons
65
186038
2635
Si buscas dibujos animados
populares para niños
populares para niños
03:20
like "Peppa Pig" or "Paw Patrol,"
66
188697
1654
como "Pepper Pig" o "Paw Patrol"
03:22
you'll find there's millions and millions
of these online as well.
of these online as well.
67
190375
3147
encontrarás millones y millones
de estos en línea también.
de estos en línea también.
Por supuesto, la mayoría no están
publicados por los creadores originales.
publicados por los creadores originales.
03:25
Of course, most of them aren't posted
by the original content creators.
by the original content creators.
68
193546
3352
03:28
They come from loads and loads
of different random accounts,
of different random accounts,
69
196922
2999
Vienen de montones y montones
de cuentas aleatorias diferentes,
de cuentas aleatorias diferentes,
03:31
and it's impossible to know
who's posting them
who's posting them
70
199945
2240
y es imposible saber
quién los está publicando
quién los está publicando
03:34
or what their motives might be.
71
202209
1822
o cuáles podrían ser sus motivos.
03:36
Does that sound kind of familiar?
72
204428
1930
¿Suena algo familiar?
03:38
Because it's exactly the same mechanism
73
206382
1980
Porque es exactamente el mismo mecanismo
03:40
that's happening across most
of our digital services,
of our digital services,
74
208386
2600
que se da en la mayoría de
nuestros servicios digitales,
nuestros servicios digitales,
03:43
where it's impossible to know
where this information is coming from.
where this information is coming from.
75
211010
3207
en que es imposible saber
de dónde viene esta información.
de dónde viene esta información.
03:46
It's basically fake news for kids,
76
214241
1829
Básicamente son
noticias falsas para niños,
noticias falsas para niños,
03:48
and we're training them from birth
77
216094
2161
y los estamos entrenando
desde el nacimiento
desde el nacimiento
03:50
to click on the very first link
that comes along,
that comes along,
78
218279
2506
para hacer clic en el
primer enlace que aparece,
primer enlace que aparece,
03:52
regardless of what the source is.
79
220809
1953
independientemente de cuál sea la fuente.
03:54
That's doesn't seem like
a terribly good idea.
a terribly good idea.
80
222786
2603
Esa no parece una idea
terriblemente buena.
terriblemente buena.
Aquí otra cosa que es muy
importante en YouTube para niños.
importante en YouTube para niños.
03:58
Here's another thing
that's really big on kids' YouTube.
that's really big on kids' YouTube.
81
226399
2710
04:01
This is called the "Finger Family Song."
82
229133
1928
Esto se llama "Finger Family Song".
Alguien acaba de suspirar
en la audiencia.
en la audiencia.
04:03
I just heard someone groan
in the audience.
in the audience.
83
231085
2018
La "canción de la familia del dedo".
04:05
This is the "Finger Family Song."
84
233127
1624
04:06
This is the very first one I could find.
85
234775
1930
Este es el primero que pude encontrar.
04:08
It's from 2007, and it only has
200,000 views,
200,000 views,
86
236729
2829
Es de 2007, y solo tiene 200 000 visitas,
04:11
which is, like, nothing in this game.
87
239582
1976
que es, como, nada en este juego.
04:13
But it has this insanely earwormy tune,
88
241582
2852
Pero tiene una melodía
increíblemente tierna
increíblemente tierna
04:16
which I'm not going to play to you,
89
244458
1682
que no les voy a poner,
04:18
because it will sear itself
into your brain
into your brain
90
246164
2008
porque se implantará en su cerebro
04:20
in the same way that
it seared itself into mine,
it seared itself into mine,
91
248196
2395
de la misma manera que
se incrustó en el mío,
se incrustó en el mío,
04:22
and I'm not going to do that to you.
92
250615
1770
y no se lo voy a hacer a Uds.
04:24
But like the surprise eggs,
93
252409
1344
Pero como los huevos sorpresa,
04:25
it's got inside kids' heads
94
253777
2164
está dentro de las cabezas de los niños
04:27
and addicted them to it.
95
255965
1607
y los hace adictos a ella.
04:29
So within a few years,
these finger family videos
these finger family videos
96
257596
2531
Dentro de unos años,
estos videos familiares de dedos
estos videos familiares de dedos
04:32
start appearing everywhere,
97
260151
1303
aparecerán en todas partes,
04:33
and you get versions
in different languages
in different languages
98
261478
2029
y con versiones en diferentes idiomas
04:35
with popular kids' cartoons using food
99
263531
2121
con caricaturas populares usando comida
04:37
or, frankly, using whatever kind
of animation elements
of animation elements
100
265676
2550
o, francamente, cualquier
tipo de animación
tipo de animación
que parece que está por ahí.
04:40
you seem to have lying around.
101
268250
2252
04:43
And once again, there are millions
and millions and millions of these videos
and millions and millions of these videos
102
271002
5197
Y una vez más, hay millones,
millones y millones de estos videos
millones y millones de estos videos
04:48
available online in all of these
kind of insane combinations.
kind of insane combinations.
103
276223
3435
disponibles en línea en todos estos
tipos de combinaciones insanas.
tipos de combinaciones insanas.
04:51
And the more time
you start to spend with them,
you start to spend with them,
104
279682
2228
Y cuanto más tiempo pasas con ellos,
04:53
the crazier and crazier
you start to feel that you might be.
you start to feel that you might be.
105
281934
3694
más loco y loco te sientes que puedes ser.
04:57
And that's where I
kind of launched into this,
kind of launched into this,
106
285652
3333
Y ahí es donde me lancé a esto,
05:01
that feeling of deep strangeness
and deep lack of understanding
and deep lack of understanding
107
289009
3666
esa sensación de profunda extrañeza
y profunda falta de comprensión
y profunda falta de comprensión
05:04
of how this thing was constructed
that seems to be presented around me.
that seems to be presented around me.
108
292699
4175
de cómo se construyó esta cosa que
parece presentarse a mi alrededor.
parece presentarse a mi alrededor.
05:08
Because it's impossible to know
where these things are coming from.
where these things are coming from.
109
296898
3167
Porque es imposible saber
de dónde vienen estas cosas.
de dónde vienen estas cosas.
05:12
Like, who is making them?
110
300089
1241
¿Quién los hace?
05:13
Some of them appear to be made
of teams of professional animators.
of teams of professional animators.
111
301354
3143
Algunos parecen hechos por
equipos de animadores profesionales.
equipos de animadores profesionales.
05:16
Some of them are just randomly
assembled by software.
assembled by software.
112
304521
2882
Algunos son simplemente
ensamblados al azar por software.
ensamblados al azar por software.
05:19
Some of them are quite wholesome-looking
young kids' entertainers.
young kids' entertainers.
113
307427
4253
Algunos son artistas
jóvenes muy saludables,
jóvenes muy saludables,
05:23
And some of them are from people
114
311704
1552
Y algunos son de personas
05:25
who really clearly
shouldn't be around children at all.
shouldn't be around children at all.
115
313280
3007
que claramente no deberían
estar cerca de los niños.
estar cerca de los niños.
05:28
(Laughter)
116
316311
1615
(Risas)
05:30
And once again, this impossibility
of figuring out who's making this stuff --
of figuring out who's making this stuff --
117
318987
4640
Y una vez más, esta imposibilidad de
descubrir quién hace estas cosas:
descubrir quién hace estas cosas:
05:35
like, this is a bot?
118
323651
1156
¿Se trata de un robot?
05:36
Is this a person? Is this a troll?
119
324831
2647
¿Es una persona? ¿Es un troll?
05:39
What does it mean
that we can't tell the difference
that we can't tell the difference
120
327502
2382
¿Qué significa ya no
poder más ver la diferencia
poder más ver la diferencia
05:41
between these things anymore?
121
329908
1583
entre estas cosas?
05:43
And again, doesn't that uncertainty
feel kind of familiar right now?
feel kind of familiar right now?
122
331515
4848
Y nuevamente, ¿esa incertidumbre no
les resulta familiar en este momento?
les resulta familiar en este momento?
05:50
So the main way people get views
on their videos --
on their videos --
123
338145
2580
La principal forma para que
los videos sean vistos
los videos sean vistos
--y recuerden, las visualizaciones
significan dinero--
significan dinero--
05:52
and remember, views mean money --
124
340749
1707
05:54
is that they stuff the titles
of these videos with these popular terms.
of these videos with these popular terms.
125
342480
4742
es titulando estos videos
con estos términos populares.
con estos términos populares.
05:59
So you take, like, "surprise eggs"
126
347246
1687
Tomas algo como "huevos sorpresa"
06:00
and then you add
"Paw Patrol," "Easter egg,"
"Paw Patrol," "Easter egg,"
127
348957
2066
y agregas "Paw Patrol", "Huevo de Pascua"
06:03
or whatever these things are,
128
351047
1393
o lo que sean
06:04
all of these words from other
popular videos into your title,
popular videos into your title,
129
352464
2893
todas estas palabras de otros
videos populares en el título,
videos populares en el título,
hasta que terminas con este tipo
de puré de lenguaje sin sentido
de puré de lenguaje sin sentido
06:07
until you end up with this kind of
meaningless mash of language
meaningless mash of language
130
355381
2968
06:10
that doesn't make sense to humans at all.
131
358373
2498
que no tiene sentido
para los humanos en absoluto.
para los humanos en absoluto.
06:12
Because of course it's only really
tiny kids who are watching your video,
tiny kids who are watching your video,
132
360895
3546
Porque, por supuesto, solo los niños
muy pequeños miran tu video,
muy pequeños miran tu video,
06:16
and what the hell do they know?
133
364465
1827
y ¿qué demonios saben ellos?
06:18
Your real audience
for this stuff is software.
for this stuff is software.
134
366316
3007
Tu audiencia real para esto es software.
06:21
It's the algorithms.
135
369347
1156
Son los algoritmos.
06:22
It's the software that YouTube uses
136
370527
1855
Es el software que usa YouTube
06:24
to select which videos
are like other videos,
are like other videos,
137
372406
2483
para seleccionar qué videos
que son como otros videos,
que son como otros videos,
06:26
to make them popular,
to make them recommended.
to make them recommended.
138
374913
2243
para hacerlos populares,
para recomendarlos.
para recomendarlos.
06:29
And that's why you end up with this
kind of completely meaningless mash,
kind of completely meaningless mash,
139
377180
3461
Y por eso terminas con este tipo
de puré completamente sin sentido,
de puré completamente sin sentido,
06:32
both of title and of content.
140
380665
2071
tanto de título como de contenido.
06:35
But the thing is, you have to remember,
141
383792
1894
Pero el caso es que debes recordar,
06:37
there really are still people within
this algorithmically optimized system,
this algorithmically optimized system,
142
385710
4478
realmente todavía hay personas dentro de
este sistema optimizado algorítmicamente,
este sistema optimizado algorítmicamente,
06:42
people who are kind
of increasingly forced to act out
of increasingly forced to act out
143
390212
2790
personas cada vez
más forzadas a actuar
más forzadas a actuar
06:45
these increasingly bizarre
combinations of words,
combinations of words,
144
393026
3066
estas combinaciones cada vez
más extrañas de palabras,
más extrañas de palabras,
06:48
like a desperate improvisation artist
responding to the combined screams
responding to the combined screams
145
396116
5173
como un artista de improvisación
desesperado que responde a la vez
desesperado que responde a la vez
06:53
of a million toddlers at once.
146
401313
2203
a los gritos de un
millón de niños pequeños.
millón de niños pequeños.
06:57
There are real people
trapped within these systems,
trapped within these systems,
147
405168
2468
Hay personas atrapadas
dentro de estos sistemas,
dentro de estos sistemas,
06:59
and that's the other deeply strange thing
about this algorithmically driven culture,
about this algorithmically driven culture,
148
407660
4055
y eso es otra cosa muy extraña de
esta cultura guiada algorítmicamente,
esta cultura guiada algorítmicamente,
porque incluso si eres humano,
07:03
because even if you're human,
149
411739
1381
07:05
you have to end up behaving like a machine
150
413144
2145
tienes que terminar comportándote
como una máquina
como una máquina
07:07
just to survive.
151
415313
1800
solo para sobrevivir
07:09
And also, on the other side of the screen,
152
417137
2100
Y también, en el otro lado de la pantalla,
07:11
there still are these little kids
watching this stuff,
watching this stuff,
153
419261
2947
todavía hay niños pequeños mirándolo,
07:14
stuck, their full attention grabbed
by these weird mechanisms.
by these weird mechanisms.
154
422232
4206
atrapados, toda su atención atrapada,
por estos mecanismos extraños.
por estos mecanismos extraños.
07:18
And most of these kids are too small
to even use a website.
to even use a website.
155
426768
2798
Y estos niños son demasiado pequeños
para usar un sitio web.
para usar un sitio web.
07:21
They're just kind of hammering
on the screen with their little hands.
on the screen with their little hands.
156
429590
3276
Simplemente están martillando
en la pantalla con sus pequeñas manos.
en la pantalla con sus pequeñas manos.
07:24
And so there's autoplay,
157
432890
1217
Y existe reproducción automática,
07:26
where it just keeps playing these videos
over and over and over in a loop,
over and over and over in a loop,
158
434131
3579
y estos videos se siguen reproduciendo
una y otra y otra vez,
una y otra y otra vez,
interminablemente
horas y horas a la vez.
horas y horas a la vez.
07:29
endlessly for hours and hours at a time.
159
437734
2059
07:31
And there's so much weirdness
in the system now
in the system now
160
439817
2843
Y es tan raro el sistema hoy
que esa reproducción automática lleva
a algunos lugares muy extraños.
a algunos lugares muy extraños.
07:34
that autoplay takes you
to some pretty strange places.
to some pretty strange places.
161
442684
3009
07:37
This is how, within a dozen steps,
162
445717
2488
Así es como, en una docena de pasos,
07:40
you can go from a cute video
of a counting train
of a counting train
163
448229
3158
puedes pasar de un lindo video
de un tren de conteo
de un tren de conteo
07:43
to masturbating Mickey Mouse.
164
451411
2442
a Mickey Mouse masturbándose.
07:46
Yeah. I'm sorry about that.
165
454529
2288
Sí. Lo lamento.
07:48
This does get worse.
166
456841
1700
Esto empeora.
07:50
This is what happens
167
458565
1282
Esto es lo que pasa
07:51
when all of these different keywords,
168
459871
3086
cuando todas estas
diferentes palabras clave,
diferentes palabras clave,
07:54
all these different pieces of attention,
169
462981
2461
todas estas diferentes piezas de atención,
07:57
this desperate generation of content,
170
465466
2807
esta desesperada generación de contenido,
08:00
all comes together into a single place.
171
468297
2582
todo se une en un solo lugar.
08:03
This is where all those deeply weird
keywords come home to roost.
keywords come home to roost.
172
471871
4472
Aquí es donde esas palabras clave muy
extrañas llegan a casa para descansar.
extrañas llegan a casa para descansar.
08:08
You cross-breed the finger family video
173
476367
2391
Uno cruza el video de la familia del dedo
con algunas cosas de
superhéroes de acción en vivo,
superhéroes de acción en vivo,
08:10
with some live-action superhero stuff,
174
478782
2088
08:12
you add in some weird,
trollish in-jokes or something,
trollish in-jokes or something,
175
480894
3256
agregas algunas bromas raras
y trollsas o algo así
y trollsas o algo así
08:16
and suddenly, you come
to a very weird place indeed.
to a very weird place indeed.
176
484174
3366
y de repente, llegas a un lugar
muy extraño de hecho.
muy extraño de hecho.
08:19
The stuff that tends to upset parents
177
487564
2113
Lo que tiende a molestar a los padres
es el material que tiene un tipo
de contenido violento o sexual, ¿verdad?
de contenido violento o sexual, ¿verdad?
08:21
is the stuff that has kind of violent
or sexual content, right?
or sexual content, right?
178
489701
3331
08:25
Children's cartoons getting assaulted,
179
493056
2822
Dibujos animados de niños siendo atacados,
08:27
getting killed,
180
495902
2018
siendo asesinados,
08:29
weird pranks that actually
genuinely terrify children.
genuinely terrify children.
181
497944
3343
bromas extrañas que realmente
aterrorizan a los niños.
aterrorizan a los niños.
08:33
What you have is software pulling in
all of these different influences
all of these different influences
182
501311
3675
Lo que tienes es software que tira
de todas estas influencias diferentes
de todas estas influencias diferentes
para generar automáticamente
las peores pesadillas de los niños.
las peores pesadillas de los niños.
08:37
to automatically generate
kids' worst nightmares.
kids' worst nightmares.
183
505010
2961
08:39
And this stuff really, really
does affect small children.
does affect small children.
184
507995
2701
Y esto realmente afecta
a los niños pequeños.
a los niños pequeños.
08:42
Parents report their children
being traumatized,
being traumatized,
185
510720
2866
Los padres informan que
sus hijos están traumatizados,
sus hijos están traumatizados,
08:45
becoming afraid of the dark,
186
513610
1392
tienen miedo a la oscuridad,
tienen miedo de sus personajes
de dibujos animados favoritos.
de dibujos animados favoritos.
08:47
becoming afraid of their favorite
cartoon characters.
cartoon characters.
187
515026
3050
08:50
If you take one thing away from this,
it's that if you have small children,
it's that if you have small children,
188
518524
3611
Si se llevan una cosa de esto,
es que si tienen niños pequeños,
es que si tienen niños pequeños,
08:54
keep them the hell away from YouTube.
189
522159
1996
manténganlos lejos de YouTube.
08:56
(Applause)
190
524743
3949
(Aplausos)
09:02
But the other thing, the thing
that really gets to me about this,
that really gets to me about this,
191
530504
3096
Pero otra cosa, lo que realmente
me atrapa de esto,
me atrapa de esto,
09:05
is that I'm not sure we even really
understand how we got to this point.
understand how we got to this point.
192
533624
4629
es que no estoy seguro de que realmente
comprendamos cómo llegamos a este punto.
comprendamos cómo llegamos a este punto.
09:10
We've taken all of this influence,
all of these things,
all of these things,
193
538951
2931
Hemos tomado toda esta influencia,
todas estas cosas,
todas estas cosas,
09:13
and munged them together in a way
that no one really intended.
that no one really intended.
194
541906
2953
y las procesamos de manera
que nadie realmente pretendía.
que nadie realmente pretendía.
Y, sin embargo, es también como
estamos construyendo el mundo entero.
estamos construyendo el mundo entero.
09:16
And yet, this is also the way
that we're building the entire world.
that we're building the entire world.
195
544883
3156
09:20
We're taking all of this data,
196
548063
1773
Estamos tomando todos estos datos,
09:21
a lot of it bad data,
197
549860
1447
muchos datos malos,
09:23
a lot of historical data
full of prejudice,
full of prejudice,
198
551331
3029
una gran cantidad de
datos históricos llenos de prejuicios,
datos históricos llenos de prejuicios,
09:26
full of all of our worst
impulses of history,
impulses of history,
199
554384
2837
lleno de todos nuestros peores
impulsos de la historia,
impulsos de la historia,
09:29
and we're building that
into huge data sets
into huge data sets
200
557245
2049
y creamos enormes conjuntos de datos
09:31
and then we're automating it.
201
559318
1423
y luego los automatizamos.
09:32
And we're munging it together
into things like credit reports,
into things like credit reports,
202
560765
3502
Y lo estamos procesando
en cosas como informes de crédito,
en cosas como informes de crédito,
09:36
into insurance premiums,
203
564291
1634
en primas de seguros,
09:37
into things like predictive
policing systems,
policing systems,
204
565949
2693
en cosas como sistemas
de vigilancia predictiva,
de vigilancia predictiva,
09:40
into sentencing guidelines.
205
568666
1762
en pautas de sentencia.
09:42
This is the way we're actually
constructing the world today
constructing the world today
206
570452
2821
Es la forma en que realmente
construimos el mundo de hoy
construimos el mundo de hoy
09:45
out of this data.
207
573297
1151
con estos datos.
09:46
And I don't know what's worse,
208
574472
1698
Y no sé qué es peor,
si construir un sistema que parece
estar completamente optimizado
estar completamente optimizado
09:48
that we built a system
that seems to be entirely optimized
that seems to be entirely optimized
209
576194
3228
09:51
for the absolute worst aspects
of human behavior,
of human behavior,
210
579446
2808
para los peores aspectos absolutos
del comportamiento humano,
del comportamiento humano,
09:54
or that we seem
to have done it by accident,
to have done it by accident,
211
582278
2425
o parecer que lo hemos
hecho por accidente,
hecho por accidente,
09:56
without even realizing
that we were doing it,
that we were doing it,
212
584727
2207
sin siquiera darnos cuenta
de que lo hacíamos,
de que lo hacíamos,
09:58
because we didn't really understand
the systems that we were building,
the systems that we were building,
213
586958
3382
porque realmente no entendíamos
los sistemas que construíamos,
los sistemas que construíamos,
10:02
and we didn't really understand
how to do anything differently with it.
how to do anything differently with it.
214
590364
3683
y realmente no entendimos
cómo hacer algo diferente con eso.
cómo hacer algo diferente con eso.
10:06
There's a couple of things I think
that really seem to be driving this
that really seem to be driving this
215
594769
3365
Hay un par de cosas que creo que
realmente parecen impulsar esto
realmente parecen impulsar esto
más plenamente en YouTube,
10:10
most fully on YouTube,
216
598158
1189
10:11
and the first of those is advertising,
217
599371
1827
y el primero es la publicidad,
10:13
which is the monetization of attention
218
601222
2837
que es la monetización de la atención
10:16
without any real other variables at work,
219
604083
3136
sin otras variables reales de trabajo,
10:19
any care for the people who are
actually developing this content,
actually developing this content,
220
607243
3885
sin ningún cuidado de las personas que
realmente desarrollan este contenido,
realmente desarrollan este contenido,
10:23
the centralization of the power,
the separation of those things.
the separation of those things.
221
611152
3636
la centralización del poder,
la separación de esas cosas.
la separación de esas cosas.
10:26
And I think however you feel
about the use of advertising
about the use of advertising
222
614812
3144
Y creo que lo que sientes sobre
el uso de la publicidad
el uso de la publicidad
10:29
to kind of support stuff,
223
617980
1238
como apoyo de estas cosas,
10:31
the sight of grown men in diapers
rolling around in the sand
rolling around in the sand
224
619242
3067
ver a hombres adultos
en pañales rodando alrededor de la arena
en pañales rodando alrededor de la arena
10:34
in the hope that an algorithm
that they don't really understand
that they don't really understand
225
622333
2983
con la esperanza de que un algoritmo
que realmente no entienden
que realmente no entienden
10:37
will give them money for it
226
625340
1315
les dará dinero por ello
10:38
suggests that this
probably isn't the thing
probably isn't the thing
227
626679
2037
sugiere que esto
probablemente no es sobre
probablemente no es sobre
10:40
that we should be basing
our society and culture upon,
our society and culture upon,
228
628740
2563
lo que deberíamos basar
nuestra sociedad y cultura,
nuestra sociedad y cultura,
10:43
and the way in which
we should be funding it.
we should be funding it.
229
631327
2160
y la forma en que deberíamos financiarla.
10:45
And the other thing that's kind of
the major driver of this is automation,
the major driver of this is automation,
230
633511
3519
Y la otra cosa que es el principal
impulsor de esto es la automatización,
impulsor de esto es la automatización,
10:49
which is the deployment
of all of this technology
of all of this technology
231
637054
2329
que es el despliegue
de toda esta tecnología
de toda esta tecnología
tan pronto como llega,
sin ningún tipo de supervisión,
sin ningún tipo de supervisión,
10:51
as soon as it arrives,
without any kind of oversight,
without any kind of oversight,
232
639407
2521
10:53
and then once it's out there,
233
641952
1412
y cuando está ahí afuera,
10:55
kind of throwing up our hands and going,
"Hey, it's not us, it's the technology."
"Hey, it's not us, it's the technology."
234
643388
3843
levantar las manos y decir: "Oye,
no somos nosotros, es la tecnología".
no somos nosotros, es la tecnología".
Como, "No estamos involucrados en eso".
10:59
Like, "We're not involved in it."
235
647255
1642
11:00
That's not really good enough,
236
648921
1767
Eso no es realmente
lo suficientemente bueno,
lo suficientemente bueno,
11:02
because this stuff isn't
just algorithmically governed,
just algorithmically governed,
237
650712
2710
porque esto no solo
se rige algorítmicamente,
se rige algorítmicamente,
11:05
it's also algorithmically policed.
238
653446
2498
también está controlado algorítmicamente.
11:07
When YouTube first started
to pay attention to this,
to pay attention to this,
239
655968
2848
Cuando YouTube comenzó
a prestar atención a esto,
a prestar atención a esto,
11:10
the first thing they said
they'd do about it
they'd do about it
240
658840
2087
lo primero que dijo que haría
fue que implementaría mejores
algoritmos de aprendizaje automático
algoritmos de aprendizaje automático
11:12
was that they'd deploy
better machine learning algorithms
better machine learning algorithms
241
660951
2695
11:15
to moderate the content.
242
663670
1329
para moderar el contenido.
11:17
Well, machine learning,
as any expert in it will tell you,
as any expert in it will tell you,
243
665023
3485
Bueno, el aprendizaje automático,
como cualquier experto en ello les dirá,
como cualquier experto en ello les dirá,
es básicamente lo que
hemos comenzado a llamar
hemos comenzado a llamar
11:20
is basically what we've started to call
244
668532
1896
11:22
software that we don't really
understand how it works.
understand how it works.
245
670452
2588
software que no entendemos cómo funciona.
11:25
And I think we have
enough of that already.
enough of that already.
246
673064
3983
Y creo que ya tenemos suficiente de eso.
11:29
We shouldn't be leaving
this stuff up to AI to decide
this stuff up to AI to decide
247
677071
3166
No deberíamos dejar esto
en manos de la IA para decidir
en manos de la IA para decidir
11:32
what's appropriate or not,
248
680261
1251
lo que es apropiado o no,
11:33
because we know what happens.
249
681536
1436
porque sabemos lo que sucede.
11:34
It'll start censoring other things.
250
682996
1688
Comenzará a censurar otras cosas.
11:36
It'll start censoring queer content.
251
684708
1783
Comenzará a censurar contenido queer.
Comenzará a censurar
el discurso público legítimo.
el discurso público legítimo.
11:38
It'll start censoring
legitimate public speech.
legitimate public speech.
252
686515
2237
11:40
What's allowed in these discourses,
253
688776
1925
Lo que se permite en estos discursos,
11:42
it shouldn't be something
that's left up to unaccountable systems.
that's left up to unaccountable systems.
254
690725
3097
no debería ser algo que haya
quedado en sistemas inexplicables.
quedado en sistemas inexplicables.
11:45
It's part of a discussion
all of us should be having.
all of us should be having.
255
693846
2947
Es parte de una discusión
que todos deberíamos tener.
que todos deberíamos tener.
11:48
But I'd leave a reminder
256
696817
1308
Pero dejaría un recordatorio
11:50
that the alternative isn't
very pleasant, either.
very pleasant, either.
257
698149
2753
que la alternativa tampoco
es muy agradable.
es muy agradable.
11:52
YouTube also announced recently
258
700926
1535
YouTube también anunció
11:54
that they're going to release
a version of their kids' app
a version of their kids' app
259
702485
2767
que va a lanzar una versión
de la aplicación para niños
de la aplicación para niños
11:57
that would be entirely
moderated by humans.
moderated by humans.
260
705276
2407
que sería completamente
moderada por humanos.
moderada por humanos.
12:00
Facebook -- Zuckerberg said
much the same thing at Congress,
much the same thing at Congress,
261
708134
3618
Facebook; Zuckerberg dijo
casi lo mismo en el Congreso,
casi lo mismo en el Congreso,
12:03
when pressed about how they
were going to moderate their stuff.
were going to moderate their stuff.
262
711776
2987
cuando se le preguntó sobre
cómo iba a moderar sus cosas.
cómo iba a moderar sus cosas.
Y dijo que tendrían
humanos haciéndolo.
humanos haciéndolo.
12:06
He said they'd have humans doing it.
263
714787
1747
12:08
And what that really means is,
264
716558
1459
Y lo que realmente significa
12:10
instead of having toddlers being
the first person to see this stuff,
the first person to see this stuff,
265
718041
3223
es que en lugar de tener niños pequeños
viendo esto por primera vez,
viendo esto por primera vez,
12:13
you're going to have underpaid,
precarious contract workers
precarious contract workers
266
721288
2788
van a tener trabajadores
subcontratados y precarios
subcontratados y precarios
12:16
without proper mental health support
267
724100
1726
sin el adecuado apoyo de salud mental
12:17
being damaged by it as well.
268
725850
1376
siendo afectados también.
12:19
(Laughter)
269
727250
1096
(Risas)
12:20
And I think we can all do
quite a lot better than that.
quite a lot better than that.
270
728370
2601
Y creo que todos podemos
hacer mucho mejor que eso.
hacer mucho mejor que eso.
12:22
(Applause)
271
730995
2499
(Aplausos)
12:26
The thought, I think, that brings those
two things together, really, for me,
two things together, really, for me,
272
734068
4613
La idea, creo, que reúne esas dos cosas,
realmente, para mí,
realmente, para mí,
12:30
is agency.
273
738705
1420
es agencia.
12:32
It's like, how much do we really
understand -- by agency, I mean:
understand -- by agency, I mean:
274
740149
3157
Es como, ¿cuánto entendemos realmente?
Por agencia, quiero decir:
Por agencia, quiero decir:
12:35
how we know how to act
in our own best interests.
in our own best interests.
275
743330
4390
cómo sabemos cómo actuar
en nuestro propio interés.
en nuestro propio interés.
12:39
Which -- it's almost impossible to do
276
747744
1787
Lo que es casi imposible de hacer
12:41
in these systems that we don't
really fully understand.
really fully understand.
277
749555
3485
en estos sistemas que realmente
no comprendemos del todo.
no comprendemos del todo.
12:45
Inequality of power
always leads to violence.
always leads to violence.
278
753064
3071
La desigualdad de poder
siempre conduce a la violencia.
siempre conduce a la violencia.
12:48
And we can see inside these systems
279
756159
1685
Y podemos ver dentro de estos sistemas
12:49
that inequality of understanding
does the same thing.
does the same thing.
280
757868
2611
esa desigualdad de
entendimiento hace lo mismo.
entendimiento hace lo mismo.
12:52
If there's one thing that we can do
to start to improve these systems,
to start to improve these systems,
281
760503
3779
Si hay algo que podemos hacer
para comenzar a mejorar estos sistemas,
para comenzar a mejorar estos sistemas,
12:56
it's to make them more legible
to the people who use them,
to the people who use them,
282
764306
2718
es hacerlos más legibles para
las personas que los usan,
las personas que los usan,
12:59
so that all of us have
a common understanding
a common understanding
283
767048
2196
para que todos tengamos
un entendimiento común
un entendimiento común
13:01
of what's actually going on here.
284
769268
1851
de lo que está sucediendo ahí.
13:03
The thing, though, I think
most about these systems
most about these systems
285
771970
2968
La cosa, sin embargo, pienso
más acerca de estos sistemas
más acerca de estos sistemas
13:06
is that this isn't, as I hope
I've explained, really about YouTube.
I've explained, really about YouTube.
286
774962
3857
es que esto no es, como espero haber
explicado, realmente sobre YouTube.
explicado, realmente sobre YouTube.
13:10
It's about everything.
287
778843
1312
Se trata de todo.
13:12
These issues of accountability and agency,
288
780179
2444
Estos problemas de
responsabilidad y agencia,
responsabilidad y agencia,
13:14
of opacity and complexity,
289
782647
2225
de opacidad y complejidad,
13:16
of the violence and exploitation
that inherently results
that inherently results
290
784896
3177
de la violencia y la explotación
que resulta inherentemente
que resulta inherentemente
13:20
from the concentration
of power in a few hands --
of power in a few hands --
291
788097
2794
de la concentración de poder
en unas pocas manos,
en unas pocas manos,
13:22
these are much, much larger issues.
292
790915
2579
estos son problemas mucho,
mucho más grandes.
mucho más grandes.
13:26
And they're issues not just of YouTube
and not just of technology in general,
and not just of technology in general,
293
794395
3687
Y no solo son problemas de YouTube
y no solo de la tecnología en general,
y no solo de la tecnología en general,
y ni siquiera son nuevos.
13:30
and they're not even new.
294
798106
1265
Han estado con nosotros por siglos.
13:31
They've been with us for ages.
295
799395
1461
13:32
But we finally built this system,
this global system, the internet,
this global system, the internet,
296
800880
4390
Pero finalmente construimos este sistema,
este sistema global, Internet,
este sistema global, Internet,
13:37
that's actually showing them to us
in this extraordinary way,
in this extraordinary way,
297
805294
3019
que nos los muestra en realidad
de esta manera extraordinaria,
de esta manera extraordinaria,
13:40
making them undeniable.
298
808337
1547
haciéndolos innegables.
13:41
Technology has this extraordinary capacity
299
809908
2820
La tecnología tiene
esta extraordinaria capacidad
esta extraordinaria capacidad
13:44
to both instantiate and continue
300
812752
3973
para hacer tangibles y continuos
13:48
all of our most extraordinary,
often hidden desires and biases
often hidden desires and biases
301
816749
4248
todos nuestros más extraordinarios,
a menudo ocultos deseos y prejuicios
a menudo ocultos deseos y prejuicios
13:53
and encoding them into the world,
302
821021
1866
y codificándolos en el mundo,
13:54
but it also writes them down
so that we can see them,
so that we can see them,
303
822911
3474
pero también los escribe
para que podamos verlos,
para que podamos verlos,
13:58
so that we can't pretend
they don't exist anymore.
they don't exist anymore.
304
826409
3330
para que no podamos pretender
que ya no existen.
que ya no existen.
14:01
We need to stop thinking about technology
as a solution to all of our problems,
as a solution to all of our problems,
305
829763
4319
Tenemos que dejar de
pensar en la tecnología
pensar en la tecnología
como una solución a
todos nuestros problemas,
todos nuestros problemas,
14:06
but think of it as a guide
to what those problems actually are,
to what those problems actually are,
306
834106
3757
y pensarla como una guía de lo que
esos problemas son en realidad,
esos problemas son en realidad,
para que podamos comenzar
a pensar en ellos adecuadamente
a pensar en ellos adecuadamente
14:09
so we can start thinking
about them properly
about them properly
307
837887
2144
14:12
and start to address them.
308
840055
1766
y empezar a abordarlos.
14:13
Thank you very much.
309
841845
1335
Muchas gracias.
14:15
(Applause)
310
843204
5192
(Aplausos)
14:21
Thank you.
311
849733
1188
Gracias.
14:22
(Applause)
312
850945
2869
(Aplausos)
14:28
Helen Walters: James, thank you
for coming and giving us that talk.
for coming and giving us that talk.
313
856839
3178
Helen Walters: James,
gracias por venir y darnos esa charla.
gracias por venir y darnos esa charla.
14:32
So it's interesting:
314
860041
1189
Es interesante:
14:33
when you think about the films where
the robotic overlords take over,
the robotic overlords take over,
315
861254
3495
cuando piensas en películas donde jefes
supremos robóticos toman el control,
supremos robóticos toman el control,
14:36
it's all a bit more glamorous
than what you're describing.
than what you're describing.
316
864773
3279
todo es un poco más glamoroso
que lo que describes.
que lo que describes.
14:40
But I wonder -- in those films,
you have the resistance mounting.
you have the resistance mounting.
317
868076
3749
Pero me pregunto: en esas películas,
se monta la resistencia.
se monta la resistencia.
14:43
Is there a resistance mounting
towards this stuff?
towards this stuff?
318
871849
3216
¿Hay una resistencia contra esto?
14:47
Do you see any positive signs,
green shoots of resistance?
green shoots of resistance?
319
875089
3796
¿Ves signos positivos,
brotes verdes de resistencia?
brotes verdes de resistencia?
14:52
James Bridle: I don't know
about direct resistance,
about direct resistance,
320
880507
2416
James Bridle: No sé sobre
la resistencia directa,
la resistencia directa,
14:54
because I think this stuff
is super long-term.
is super long-term.
321
882947
2264
porque creo que esto es
a muy largo plazo.
a muy largo plazo.
14:57
I think it's baked into culture
in really deep ways.
in really deep ways.
322
885235
2510
Creo que está profundamente
arraigada en la cultura.
arraigada en la cultura.
14:59
A friend of mine,
Eleanor Saitta, always says
Eleanor Saitta, always says
323
887769
2132
Una amiga mía,
Eleanor Saitta, siempre dice
Eleanor Saitta, siempre dice
15:01
that any technological problems
of sufficient scale and scope
of sufficient scale and scope
324
889935
3609
que cualquier problema tecnológico
de escala y alcance suficientes
de escala y alcance suficientes
15:05
are political problems first of all.
325
893568
2267
es un problema político antes que nada.
15:07
So all of these things we're working
to address within this
to address within this
326
895859
2785
Todas estas cosas en las que estamos
trabajando para enfrentarnos a esto
trabajando para enfrentarnos a esto
15:10
are not going to be addressed
just by building the technology better,
just by building the technology better,
327
898668
3274
no van a abordarse solo
construyendo mejor tecnología,
construyendo mejor tecnología,
15:13
but actually by changing the society
that's producing these technologies.
that's producing these technologies.
328
901966
3464
sino cambiando la sociedad
que está produciendo estas tecnologías.
que está produciendo estas tecnologías.
15:17
So no, right now, I think we've got
a hell of a long way to go.
a hell of a long way to go.
329
905454
3027
Así que no, hoy, creo que
tenemos un infierno que recorrer.
tenemos un infierno que recorrer.
15:20
But as I said, I think by unpacking them,
330
908505
1986
Pero como dije, creo que al destaparlos,
15:22
by explaining them, by talking
about them super honestly,
about them super honestly,
331
910515
2697
al explicarlos, al hablar
de ellos superhonestamente,
de ellos superhonestamente,
15:25
we can actually start
to at least begin that process.
to at least begin that process.
332
913236
2505
en realidad podemos comenzar
al menos ese proceso.
al menos ese proceso.
15:27
HW: And so when you talk about
legibility and digital literacy,
legibility and digital literacy,
333
915765
3562
HW: Y cuando hablas de legibilidad
y alfabetización digital,
y alfabetización digital,
15:31
I find it difficult to imagine
334
919351
1591
me resulta difícil de imaginar
15:32
that we need to place the burden
of digital literacy on users themselves.
of digital literacy on users themselves.
335
920966
3680
que debemos colocar la carga de la
alfabetización digital en los usuarios.
alfabetización digital en los usuarios.
15:36
But whose responsibility
is education in this new world?
is education in this new world?
336
924670
4562
¿Pero de quién es la educación
en este nuevo mundo?
en este nuevo mundo?
JB: Nuevamente, creo que esta
responsabilidad depende de todos nosotros,
responsabilidad depende de todos nosotros,
15:41
JB: Again, I think this responsibility
is kind of up to all of us,
is kind of up to all of us,
337
929256
3612
todo lo que hacemos, todo lo
que construimos, todo lo que creamos,
que construimos, todo lo que creamos,
15:44
that everything we do,
everything we build, everything we make,
everything we build, everything we make,
338
932892
2984
15:47
needs to be made
in a consensual discussion
in a consensual discussion
339
935900
3692
debe hacerse en una discusión consensuada
15:51
with everyone who's avoiding it;
340
939616
1940
con todos los que lo evitan;
15:53
that we're not building systems
intended to trick and surprise people
intended to trick and surprise people
341
941580
4341
que no estamos construyendo sistemas
para engañar y sorprender a las personas
para engañar y sorprender a las personas
15:57
into doing the right thing,
342
945945
2300
haciendo lo correcto,
16:00
but that they're actually involved
in every step in educating them,
in every step in educating them,
343
948269
3236
pero que en realidad están involucrados
en cada paso para educarlos,
en cada paso para educarlos,
16:03
because each of these systems
is educational.
is educational.
344
951529
2278
porque cada uno de estos
sistemas es educativo.
sistemas es educativo.
16:05
That's what I'm hopeful about,
about even this really grim stuff,
about even this really grim stuff,
345
953831
3102
Es lo que me da esperanza,
aun en esta cosa realmente sombría,
aun en esta cosa realmente sombría,
16:08
that if you can take it
and look at it properly,
and look at it properly,
346
956957
2262
que si puedes tomarla
y mirarla correctamente,
y mirarla correctamente,
16:11
it's actually in itself
a piece of education
a piece of education
347
959243
2089
en realidad es en sí misma
una pieza educativa
una pieza educativa
16:13
that allows you to start seeing
how complex systems come together and work
how complex systems come together and work
348
961356
3762
que permite comenzar a ver cómo
los sistemas complejos se unen y funcionan
los sistemas complejos se unen y funcionan
y tal vez ser capaz de aplicar ese
conocimiento en otro lugar del mundo.
conocimiento en otro lugar del mundo.
16:17
and maybe be able to apply
that knowledge elsewhere in the world.
that knowledge elsewhere in the world.
349
965142
3501
HW: James, es una
discusión tan importante,
discusión tan importante,
16:20
HW: James, it's such
an important discussion,
an important discussion,
350
968667
2115
y sé que muchos aquí están
realmente abiertos y dispuestos a tenerla,
realmente abiertos y dispuestos a tenerla,
16:22
and I know many people here
are really open and prepared to have it,
are really open and prepared to have it,
351
970806
3227
así que gracias por
comenzar nuestra mañana.
comenzar nuestra mañana.
16:26
so thanks for starting off our morning.
352
974057
1859
16:27
JB: Thanks very much. Cheers.
353
975940
1400
JB: Muchas gracias.
16:29
(Applause)
354
977364
1651
(Aplausos)
ABOUT THE SPEAKER
James Bridle - Artist, writerWorking across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future.
Why you should listen
James Bridle is an artist and writer working across technologies and disciplines. His artworks and installations have been exhibited in Europe, North and South America, Asia and Australia, and have been viewed by hundreds of thousands of visitors online. He has been commissioned by organizations including the Victoria & Albert Museum, the Barbican, Artangel, the Oslo Architecture Triennale and the Istanbul Design Biennial, and he has been honored by Ars Electronica, the Japan Media Arts Festival and the Design Museum, London. His writing on literature, culture and networks has appeared in magazines and newspapers including Frieze, Wired, Domus, Cabinet, The Atlantic, the New Statesman and many others, and he has written a regular column for The Observer.
New Dark Age, Bridle's book about technology, knowledge and the end of the future is forthcoming from Verso (UK & US) in 2018. He lectures regularly on radio, at conferences, universities and other events including SXSW, Lift, the Global Art Forum and Re:Publica. He has been a resident at Lighthouse, Brighton, the White Building, London and Eyebeam, New York, and an adjunct professor on the interactive telecommunications program at New York University.
James Bridle | Speaker | TED.com