TED2016
Mariano Sigman: Your words may predict your future mental health
Mariano Sigman: Tus palabras pueden predecir tu salud mental futura
Filmed:
Readability: 4.5
3,146,887 views
¿Puede la forma de hablar y escribir predecir hoy el estado mental futuro, incluso la aparición de la psicosis? En esta charla fascinante el neurocientífico Mariano Sigman reflexiona sobre la Antigua Grecia y los orígenes de la introspección para investigar cómo nuestras palabras hacen alusión a nuestra vida interior y detalla un algoritmo de mapeo de palabras que podría predecir el desarrollo de la esquizofrenia. "Podríamos ver en el futuro una forma muy diferente de la salud mental", dice Sigman, "basado en criterios objetivos, análisis cuantitativo y automatizado de las palabras que escribimos, de las palabras que decimos".
Mariano Sigman - Neuroscientist
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain. Full bio
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain. Full bio
Double-click the English transcript below to play the video.
00:13
We have historical records that allow us
to know how the ancient Greeks dressed,
to know how the ancient Greeks dressed,
0
1006
5150
Hay registros históricos para saber
cómo se vestían los antiguos griegos,
cómo se vestían los antiguos griegos,
00:18
how they lived,
1
6180
1254
cómo vivían,
00:19
how they fought ...
2
7458
1522
cómo peleaban...
00:21
but how did they think?
3
9004
1524
pero ¿qué pensaban?
00:23
One natural idea is that the deepest
aspects of human thought --
aspects of human thought --
4
11432
4440
Una idea natural es que los aspectos
más profundos del pensamiento:
más profundos del pensamiento:
00:27
our ability to imagine,
5
15896
1872
la capacidad de imaginar,
00:29
to be conscious,
6
17792
1397
de ser consciente,
00:31
to dream --
7
19213
1231
de soñar,
00:32
have always been the same.
8
20468
1619
siempre han sido los mismos.
00:34
Another possibility
9
22872
1499
Otra posibilidad
00:36
is that the social transformations
that have shaped our culture
that have shaped our culture
10
24395
3723
es que las transformaciones sociales
que han dado forma a nuestra cultura
que han dado forma a nuestra cultura
00:40
may have also changed
the structural columns of human thought.
the structural columns of human thought.
11
28142
3785
pueden haber cambiado las columnas
estructurales del pensamiento humano.
estructurales del pensamiento humano.
00:44
We may all have different
opinions about this.
opinions about this.
12
32911
2524
Podemos tener diferentes
opiniones sobre esto.
opiniones sobre esto.
00:47
Actually, it's a long-standing
philosophical debate.
philosophical debate.
13
35459
2717
En realidad, es un debate
filosófico de larga tradición.
filosófico de larga tradición.
00:50
But is this question
even amenable to science?
even amenable to science?
14
38644
2727
Pero ¿es esta pregunta acaso
abordable por la ciencia?
abordable por la ciencia?
00:54
Here I'd like to propose
15
42834
2506
Aquí me gustaría proponer
que, así como podemos
que, así como podemos
00:57
that in the same way we can reconstruct
how the ancient Greek cities looked
how the ancient Greek cities looked
16
45364
4772
reconstruir el aspecto de
las antiguas ciudades griegas
las antiguas ciudades griegas
01:02
just based on a few bricks,
17
50160
2388
a partir de unos ladrillos,
01:04
that the writings of a culture
are the archaeological records,
are the archaeological records,
18
52572
4126
los escritos de una cultura
son los registros arqueológicos,
son los registros arqueológicos,
01:08
the fossils, of human thought.
19
56722
2143
los fósiles del pensamiento humano.
01:11
And in fact,
20
59905
1174
Y, de hecho,
01:13
doing some form of psychological analysis
21
61103
2206
haciendo algún tipo
de análisis psicológico
de análisis psicológico
01:15
of some of the most ancient
books of human culture,
books of human culture,
22
63333
3544
de algunos de los libros más antiguos
de la cultura humana,
de la cultura humana,
01:18
Julian Jaynes came up in the '70s
with a very wild and radical hypothesis:
with a very wild and radical hypothesis:
23
66901
5955
Julian Jaynes sugirió en los años 70
una hipótesis fantástica y muy radical:
una hipótesis fantástica y muy radical:
01:24
that only 3,000 years ago,
24
72880
2413
que hace solo 3000 años
01:27
humans were what today
we would call schizophrenics.
we would call schizophrenics.
25
75317
4888
los humanos eran lo que hoy
llamaríamos esquizofrénicos.
llamaríamos esquizofrénicos.
01:33
And he made this claim
26
81753
1508
Hizo esta afirmación
01:35
based on the fact that the first
humans described in these books
humans described in these books
27
83285
3301
apoyándose en el hecho de que los
humanos descritos en estos libros
humanos descritos en estos libros
01:38
behaved consistently,
28
86610
1904
se comportaban de manera sistemática
01:40
in different traditions
and in different places of the world,
and in different places of the world,
29
88538
3016
en diferentes tradiciones
y distintos lugares del mundo,
y distintos lugares del mundo,
01:43
as if they were hearing and obeying voices
30
91578
3532
como si oyeran y obedecieran voces
01:47
that they perceived
as coming from the Gods,
as coming from the Gods,
31
95134
3040
que percibían como
procedentes de los dioses,
procedentes de los dioses,
01:50
or from the muses ...
32
98198
1198
o de las musas...
01:52
what today we would call hallucinations.
33
100063
2769
Lo que hoy llamaríamos alucinaciones.
01:55
And only then, as time went on,
34
103888
2626
Y solo luego,
con el transcurso del tiempo,
con el transcurso del tiempo,
01:58
they began to recognize
that they were the creators,
that they were the creators,
35
106538
3651
empezaron a reconocer que
ellos mismos eran los creadores,
ellos mismos eran los creadores,
02:02
the owners of these inner voices.
36
110213
2515
los dueños de esas voces interiores.
02:05
And with this, they gained introspection:
37
113316
2715
Y con esto, ganaron introspección:
02:08
the ability to think
about their own thoughts.
about their own thoughts.
38
116055
2483
la capacidad de pensar
los propios pensamientos.
los propios pensamientos.
02:11
So Jaynes's theory is that consciousness,
39
119785
3397
La teoría de Jaynes
dice que la conciencia,
dice que la conciencia,
02:15
at least in the way we perceive it today,
40
123206
3166
al menos como la percibimos hoy
02:18
where we feel that we are the pilots
of our own existence --
of our own existence --
41
126396
3540
es decir, que sentimos ser pilotos
de nuestra propia existencia,
de nuestra propia existencia,
02:21
is a quite recent cultural development.
42
129960
2737
es un desarrollo cultural
bastante reciente.
bastante reciente.
02:25
And this theory is quite spectacular,
43
133456
1786
Y esta teoría es espectacular,
02:27
but it has an obvious problem
44
135266
1433
pero tiene un problema obvio
02:28
which is that it's built on just a few
and very specific examples.
and very specific examples.
45
136723
3992
y es que está construida sobre
pocos ejemplos muy específicos.
pocos ejemplos muy específicos.
02:33
So the question is whether the theory
46
141085
1763
Por eso, la pregunta es si la teoría
02:34
that introspection built up in human
history only about 3,000 years ago
history only about 3,000 years ago
47
142872
4751
de que la introspección se creó en la
historia humana hace solo unos 3000 años
historia humana hace solo unos 3000 años
02:39
can be examined in a quantitative
and objective manner.
and objective manner.
48
147647
2984
puede examinarse de manera
cuantitativa y objetiva.
cuantitativa y objetiva.
02:43
And the problem of how
to go about this is quite obvious.
to go about this is quite obvious.
49
151543
3563
Y el problema de cómo abordar esto
es bastante obvio.
es bastante obvio.
02:47
It's not like Plato woke up one day
and then he wrote,
and then he wrote,
50
155130
3460
No es que Platón se haya despertado
un día y escrito:
un día y escrito:
02:50
"Hello, I'm Plato,
51
158614
1659
"Hola, soy Platón
02:52
and as of today, I have
a fully introspective consciousness."
a fully introspective consciousness."
52
160297
2889
y, hoy, tengo una conciencia
totalmente introspectiva".
totalmente introspectiva".
02:55
(Laughter)
53
163210
2293
(Risas)
02:57
And this tells us actually
what is the essence of the problem.
what is the essence of the problem.
54
165527
3333
Y esto nos dice en realidad
cuál es la esencia del problema.
cuál es la esencia del problema.
03:01
We need to find the emergence
of a concept that's never said.
of a concept that's never said.
55
169467
4055
Tenemos que encontrar la emergencia
de un concepto que nunca se dijo.
de un concepto que nunca se dijo.
03:06
The word introspection
does not appear a single time
does not appear a single time
56
174434
4310
La palabra introspección
no aparece ni una sola vez
no aparece ni una sola vez
03:10
in the books we want to analyze.
57
178768
1919
en los libros que queremos analizar.
03:13
So our way to solve this
is to build the space of words.
is to build the space of words.
58
181728
4087
Por eso nuestra manera de resolverlo
es construyendo el espacio de palabras.
es construyendo el espacio de palabras.
03:18
This is a huge space
that contains all words
that contains all words
59
186571
3287
Este es un espacio enorme
que contiene todas las palabras
que contiene todas las palabras
03:21
in such a way that the distance
between any two of them
between any two of them
60
189882
2802
de manera que la distancia
entre cualquiera de ambas
entre cualquiera de ambas
03:24
is indicative of how
closely related they are.
closely related they are.
61
192708
2883
es indicativa de lo estrechamente
relacionadas que están.
relacionadas que están.
Así, por ejemplo, uno quiere que
03:28
So for instance,
62
196460
1151
03:29
you want the words "dog" and "cat"
to be very close together,
to be very close together,
63
197635
2897
las palabras "perro" y "gato"
estén muy próximas entre sí,
estén muy próximas entre sí,
03:32
but the words "grapefruit" and "logarithm"
to be very far away.
to be very far away.
64
200556
3831
pero las palabras "pomelo"
y "logaritmo"muy alejadas.
y "logaritmo"muy alejadas.
03:36
And this has to be true
for any two words within the space.
for any two words within the space.
65
204809
3896
Y esto debe cumplirse para cualquier
par de palabras dentro del espacio.
par de palabras dentro del espacio.
03:41
And there are different ways
that we can construct the space of words.
that we can construct the space of words.
66
209626
3341
Y hay diferentes maneras de construir
el espacio de palabras.
el espacio de palabras.
03:44
One is just asking the experts,
67
212991
1643
Una es preguntando a los expertos,
03:46
a bit like we do with dictionaries.
68
214658
1896
un poco como hacemos
con los diccionarios.
con los diccionarios.
03:48
Another possibility
69
216896
1428
Otra posibilidad
03:50
is following the simple assumption
that when two words are related,
that when two words are related,
70
218348
3715
es seguir el supuesto simple de que
cuando dos palabras se relacionan
cuando dos palabras se relacionan
03:54
they tend to appear in the same sentences,
71
222087
2349
tienden a aparecer en las mismas frases,
03:56
in the same paragraphs,
72
224460
1453
en los mismos párrafos,
03:57
in the same documents,
73
225937
1770
en los mismos documentos,
03:59
more often than would be expected
just by pure chance.
just by pure chance.
74
227731
3182
más a menudo de lo esperado
simplemente por pura casualidad.
simplemente por pura casualidad.
04:04
And this simple hypothesis,
75
232231
2050
Y esta hipótesis simple,
04:06
this simple method,
76
234305
1306
este método simple,
04:07
with some computational tricks
77
235635
1607
con trucos computacionales
04:09
that have to do with the fact
78
237266
1389
relacionados con el hecho
04:10
that this is a very complex
and high-dimensional space,
and high-dimensional space,
79
238679
3064
de que este es un espacio
multidimensional muy complejo,
multidimensional muy complejo,
04:13
turns out to be quite effective.
80
241767
1665
resulta ser muy eficaz.
04:16
And just to give you a flavor
of how well this works,
of how well this works,
81
244155
2802
Y solo para darles una muestra
de lo bien que funciona,
de lo bien que funciona,
04:18
this is the result we get when
we analyze this for some familiar words.
we analyze this for some familiar words.
82
246981
3912
este es el resultado obtenido al
analizar algunas palabras familiares.
analizar algunas palabras familiares.
04:23
And you can see first
83
251607
1185
Y lo primero que ven
04:24
that words automatically organize
into semantic neighborhoods.
into semantic neighborhoods.
84
252816
3278
es que las palabras se organizan
automáticamente en campos semánticos.
automáticamente en campos semánticos.
04:28
So you get the fruits, the body parts,
85
256118
2217
Las frutas, las partes del cuerpo,
las piezas de la computadora,
los términos científicos, etc.
los términos científicos, etc.
04:30
the computer parts,
the scientific terms and so on.
the scientific terms and so on.
86
258359
2425
04:33
The algorithm also identifies
that we organize concepts in a hierarchy.
that we organize concepts in a hierarchy.
87
261119
4222
El algoritmo también identifica que
organizamos los conceptos en jerarquías.
organizamos los conceptos en jerarquías.
04:37
So for instance,
88
265852
1151
Entonces, por ejemplo,
04:39
you can see that the scientific terms
break down into two subcategories
break down into two subcategories
89
267027
3597
se puede ver que los términos científicos
se separan en dos subcategorías:
se separan en dos subcategorías:
04:42
of the astronomic and the physics terms.
90
270648
2100
términos de astronomía y de física.
04:45
And then there are very fine things.
91
273338
2246
Y luego hay cosas muy sutiles.
Por ejemplo, la palabra astronomía,
04:47
For instance, the word astronomy,
92
275608
1905
que parece tener
una ubicación extraña,
una ubicación extraña,
04:49
which seems a bit bizarre where it is,
93
277537
1815
está exactamente
donde debería estar,
donde debería estar,
04:51
is actually exactly where it should be,
94
279376
2048
04:53
between what it is,
95
281448
1595
entre lo que es,
04:55
an actual science,
96
283067
1270
una ciencia real,
04:56
and between what it describes,
97
284361
1536
y entre lo que describe,
04:57
the astronomical terms.
98
285921
1492
los términos astronómicos.
Y podríamos seguir y seguir con esto.
05:00
And we could go on and on with this.
99
288182
1891
En realidad, si uno mira con atención
esto durante un tiempo,
esto durante un tiempo,
05:02
Actually, if you stare
at this for a while,
at this for a while,
100
290097
2060
05:04
and you just build random trajectories,
101
292181
1858
y construye trayectorias aleatorias,
05:06
you will see that it actually feels
a bit like doing poetry.
a bit like doing poetry.
102
294063
3166
verá que, en realidad, se parece
un poco a hacer poesía.
un poco a hacer poesía.
05:10
And this is because, in a way,
103
298018
1882
Y esto se debe, en cierta forma,
05:11
walking in this space
is like walking in the mind.
is like walking in the mind.
104
299924
2940
a que caminar en este espacio
es como caminar por la mente.
es como caminar por la mente.
05:16
And the last thing
105
304027
1617
Y lo último es que
05:17
is that this algorithm also identifies
what are our intuitions,
what are our intuitions,
106
305668
4040
este algoritmo también identifica
cuáles son nuestras intuiciones,
cuáles son nuestras intuiciones,
05:21
of which words should lead
in the neighborhood of introspection.
in the neighborhood of introspection.
107
309732
3896
respecto a qué palabras nos llevarían
al campo de la introspección.
al campo de la introspección.
05:25
So for instance,
108
313652
1223
Así, por ejemplo,
05:26
words such as "self," "guilt,"
"reason," "emotion,"
"reason," "emotion,"
109
314899
3979
palabras como "yo", "culpa",
"razón", "emoción",
"razón", "emoción",
05:30
are very close to "introspection,"
110
318902
1889
están muy cerca de "introspección",
05:32
but other words,
111
320815
1151
pero otras palabras como
"rojo", "fútbol", "vela", "banana",
05:33
such as "red," "football,"
"candle," "banana,"
"candle," "banana,"
112
321990
2167
05:36
are just very far away.
113
324181
1452
están muy lejos.
05:38
And so once we've built the space,
114
326054
2762
Y así, una vez que
hemos construido el espacio,
hemos construido el espacio,
05:40
the question of the history
of introspection,
of introspection,
115
328840
2826
la cuestión de la historia
de la introspección,
de la introspección,
05:43
or of the history of any concept
116
331690
2333
o de la historia de cualquier concepto
05:46
which before could seem abstract
and somehow vague,
and somehow vague,
117
334047
4779
que antes podía parecer abstracto
y en cierta forma impreciso,
y en cierta forma impreciso,
05:50
becomes concrete --
118
338850
1604
se vuelve concreto,
05:52
becomes amenable to quantitative science.
119
340478
2738
se vuelve abordable
por la ciencia cuantitativa.
por la ciencia cuantitativa.
05:56
All that we have to do is take the books,
120
344216
2762
Solo nos resta tomar los libros,
05:59
we digitize them,
121
347002
1381
digitalizarlos,
06:00
and we take this stream
of words as a trajectory
of words as a trajectory
122
348407
2809
tomar esta corriente de palabras
como una trayectoria,
como una trayectoria,
06:03
and project them into the space,
123
351240
1969
proyectarla en el espacio,
y luego preguntarnos
y luego preguntarnos
06:05
and then we ask whether this trajectory
spends significant time
spends significant time
124
353233
3754
si esta trayectoria
pasa un tiempo considerable
pasa un tiempo considerable
06:09
circling closely to the concept
of introspection.
of introspection.
125
357011
2992
rodeando de cerca al concepto
de introspección.
de introspección.
Y con esto,
06:12
And with this,
126
360760
1196
se podría analizar
la historia de la introspección
la historia de la introspección
06:13
we could analyze
the history of introspection
the history of introspection
127
361980
2112
06:16
in the ancient Greek tradition,
128
364116
1921
en la tradición griega antigua,
06:18
for which we have the best
available written record.
available written record.
129
366061
2602
de la cual tenemos el mejor
registro escrito disponible.
registro escrito disponible.
06:21
So what we did is we took all the books --
130
369631
2255
Por eso tomamos todos los libros
06:23
we just ordered them by time --
131
371910
2284
y los ordenamos cronológicamente,
06:26
for each book we take the words
132
374218
1752
por cada libro tomamos las palabras
06:27
and we project them to the space,
133
375994
1961
y las proyectamos al espacio,
y luego nos preguntamos por cada palabra
cuan cercana está a la introspección,
cuan cercana está a la introspección,
06:29
and then we ask for each word
how close it is to introspection,
how close it is to introspection,
134
377979
3032
06:33
and we just average that.
135
381035
1230
y calculamos su promedio.
06:34
And then we ask whether,
as time goes on and on,
as time goes on and on,
136
382590
3198
Luego nos preguntamos si,
con el transcurso del tiempo,
con el transcurso del tiempo,
06:37
these books get closer,
and closer and closer
and closer and closer
137
385812
3252
estos libros se acercaban cada vez más
06:41
to the concept of introspection.
138
389088
1754
al concepto de introspección.
06:42
And this is exactly what happens
in the ancient Greek tradition.
in the ancient Greek tradition.
139
390866
3801
Y esto es exactamente lo que sucede
en la tradición griega antigua.
en la tradición griega antigua.
Se puede ver que en los libros
más antiguos en la tradición homérica,
más antiguos en la tradición homérica,
06:47
So you can see that for the oldest books
in the Homeric tradition,
in the Homeric tradition,
140
395698
3127
06:50
there is a small increase with books
getting closer to introspection.
getting closer to introspection.
141
398849
3412
hay un pequeño acercamiento
a la introspección.
a la introspección.
06:54
But about four centuries before Christ,
142
402285
2206
Pero unos cuatro siglos antes de Cristo,
06:56
this starts ramping up very rapidly
to an almost five-fold increase
to an almost five-fold increase
143
404515
4708
empieza a despegar rápidamente
hasta casi quintuplicarse
hasta casi quintuplicarse
07:01
of books getting closer,
and closer and closer
and closer and closer
144
409247
2500
el acercamiento paulatino de los libros
07:03
to the concept of introspection.
145
411771
1682
al concepto de introspección.
07:06
And one of the nice things about this
146
414159
2424
Y algo bueno de esto
07:08
is that now we can ask
147
416607
1198
es que ahora podemos preguntarnos
07:09
whether this is also true
in a different, independent tradition.
in a different, independent tradition.
148
417829
4147
si esto también es cierto en una
tradición diferente, independiente.
tradición diferente, independiente.
07:14
So we just ran this same analysis
on the Judeo-Christian tradition,
on the Judeo-Christian tradition,
149
422962
3176
Por eso hicimos este mismo análisis
en la tradición judeocristiana,
en la tradición judeocristiana,
07:18
and we got virtually the same pattern.
150
426162
2721
y obtuvimos prácticamente
el mismo patrón.
el mismo patrón.
De nuevo, se ve un pequeño acercamiento
07:21
Again, you see a small increase
for the oldest books in the Old Testament,
for the oldest books in the Old Testament,
151
429548
4635
en los libros más antiguos
del Antiguo Testamento,
del Antiguo Testamento,
07:26
and then it increases much more rapidly
152
434207
1914
y luego se acerca mucho más rápidamente
07:28
in the new books of the New Testament.
153
436145
1839
en los nuevos libros
del Nuevo Testamento.
del Nuevo Testamento.
07:30
And then we get the peak of introspection
154
438008
2032
Y luego tenemos
el pico de la introspección
el pico de la introspección
07:32
in "The Confessions of Saint Augustine,"
155
440064
2127
en "Las confesiones de San Agustín",
07:34
about four centuries after Christ.
156
442215
1857
unos cuatro siglos después de Cristo.
07:36
And this was very important,
157
444897
1944
Y esto fue muy importante,
07:38
because Saint Augustine
had been recognized by scholars,
had been recognized by scholars,
158
446865
3373
porque San Agustín había sido
reconocido por eruditos,
reconocido por eruditos,
07:42
philologists, historians,
159
450262
2172
filólogos, historiadores,
07:44
as one of the founders of introspection.
160
452458
2078
como uno de los fundadores
de la introspección.
de la introspección.
07:47
Actually, some believe him to be
the father of modern psychology.
the father of modern psychology.
161
455060
3297
En realidad, algunos creen que él
es el padre de la psicología moderna.
es el padre de la psicología moderna.
07:51
So our algorithm,
162
459012
1839
Por lo tanto nuestro algoritmo,
07:52
which has the virtue
of being quantitative,
of being quantitative,
163
460875
2842
que tiene la virtud de ser cuantitativo,
07:55
of being objective,
164
463741
1263
de ser objetivo,
07:57
and of course of being extremely fast --
165
465028
2016
y, por supuesto,
de ser extremadamente rápido
de ser extremadamente rápido
07:59
it just runs in a fraction of a second --
166
467068
2397
-- corre en una fracción de segundo --
08:01
can capture some of the most
important conclusions
important conclusions
167
469489
3503
puede capturar algunas de las
conclusiones más importantes
conclusiones más importantes
08:05
of this long tradition of investigation.
168
473016
2222
de esta larga tradición de investigación.
08:08
And this is in a way
one of the beauties of science,
one of the beauties of science,
169
476317
3651
Y esta es en cierto modo
una de las bellezas de la ciencia,
una de las bellezas de la ciencia,
08:11
which is that now this idea
can be translated
can be translated
170
479992
3476
y es que ahora esta idea
se puede trasladar
se puede trasladar
08:15
and generalized to a whole lot
of different domains.
of different domains.
171
483492
2571
y generalizar a muchos
y diferentes dominios.
y diferentes dominios.
08:18
So in the same way that we asked
about the past of human consciousness,
about the past of human consciousness,
172
486769
4767
Y así como nos preguntamos sobre
el pasado de la conciencia humana,
el pasado de la conciencia humana,
08:23
maybe the most challenging question
we can pose to ourselves
we can pose to ourselves
173
491560
3406
tal vez la pregunta más difícil que
podemos plantearnos
podemos plantearnos
08:26
is whether this can tell us something
about the future of our own consciousness.
about the future of our own consciousness.
174
494990
4137
es si esto puede decirnos algo sobre
el futuro de nuestra propia conciencia.
el futuro de nuestra propia conciencia.
Para decirlo con mayor precisión,
08:31
To put it more precisely,
175
499550
1470
08:33
whether the words we say today
176
501044
2416
si las palabras que decimos hoy
08:35
can tell us something
of where our minds will be in a few days,
of where our minds will be in a few days,
177
503484
5197
nos pueden decir algo de dónde estarán
nuestras mentes en unos días,
nuestras mentes en unos días,
08:40
in a few months
178
508705
1151
en unos meses,
08:41
or a few years from now.
179
509880
1182
o dentro de unos años.
08:43
And in the same way many of us
are now wearing sensors
are now wearing sensors
180
511597
3020
Y así como muchos de nosotros
ahora usamos sensores
ahora usamos sensores
que detectan nuestro ritmo cardíaco,
08:46
that detect our heart rate,
181
514641
1786
08:48
our respiration,
182
516451
1269
nuestra respiración,
08:49
our genes,
183
517744
1667
nuestros genes,
con la esperanza de que esto pueda
ayudarnos a prevenir enfermedades,
ayudarnos a prevenir enfermedades,
08:51
on the hopes that this may
help us prevent diseases,
help us prevent diseases,
184
519435
3651
08:55
we can ask whether monitoring
and analyzing the words we speak,
and analyzing the words we speak,
185
523110
3521
podemos preguntar si monitorear
y analizar las palabras que decimos,
y analizar las palabras que decimos,
08:58
we tweet, we email, we write,
186
526655
2683
que tuiteamos, que escribimos,
09:01
can tell us ahead of time whether
something may go wrong with our minds.
something may go wrong with our minds.
187
529362
4808
pueden decirnos de antemano si algo
puede estar mal en nuestra mente.
puede estar mal en nuestra mente.
09:07
And with Guillermo Cecchi,
188
535087
1534
Y con Guillermo Cecchi,
09:08
who has been my brother in this adventure,
189
536645
3001
que ha sido mi hermano en esta aventura,
09:11
we took on this task.
190
539670
1555
nos embarcamos en esa tarea.
09:14
And we did so by analyzing
the recorded speech of 34 young people
the recorded speech of 34 young people
191
542228
5532
Analizamos la voz grabada de 34 jóvenes
09:19
who were at a high risk
of developing schizophrenia.
of developing schizophrenia.
192
547784
2801
con alto riesgo
de desarrollar esquizofrenia.
de desarrollar esquizofrenia.
Medimos el discurso el primer día,
09:23
And so what we did is,
we measured speech at day one,
we measured speech at day one,
193
551434
2881
y luego nos preguntamos si las
propiedades del discurso podían predecir,
propiedades del discurso podían predecir,
09:26
and then we asked whether the properties
of the speech could predict,
of the speech could predict,
194
554339
3242
09:29
within a window of almost three years,
195
557605
2496
en el periodo de casi tres años,
09:32
the future development of psychosis.
196
560125
2035
el desarrollo de la psicosis futura.
09:35
But despite our hopes,
197
563427
2366
Pero a pesar de nuestras esperanzas,
09:37
we got failure after failure.
198
565817
3117
tuvimos un fracaso tras otro.
09:41
There was just not enough
information in semantics
information in semantics
199
569793
3882
Sencillamente no había suficiente
información en la semántica
información en la semántica
09:45
to predict the future
organization of the mind.
organization of the mind.
200
573699
2793
para predecir la organización
futura de la mente.
futura de la mente.
09:48
It was good enough
201
576516
1809
Era suficientemente buena
09:50
to distinguish between a group
of schizophrenics and a control group,
of schizophrenics and a control group,
202
578349
4175
para distinguir entre un grupo de
esquizofrénicos y un grupo de control,
esquizofrénicos y un grupo de control,
09:54
a bit like we had done
for the ancient texts,
for the ancient texts,
203
582548
2712
tal y como nos había ocurrido
con los textos antiguos,
con los textos antiguos,
09:57
but not to predict the future
onset of psychosis.
onset of psychosis.
204
585284
2994
pero no para predecir
el inicio de la psicosis futura.
el inicio de la psicosis futura.
10:01
But then we realized
205
589164
1706
Pero luego nos dimos cuenta
10:02
that maybe the most important thing
was not so much what they were saying,
was not so much what they were saying,
206
590894
4088
de que quizá lo más importante
no era tanto lo que decían,
no era tanto lo que decían,
10:07
but how they were saying it.
207
595006
1673
sino cómo lo estaban diciendo.
10:09
More specifically,
208
597679
1220
Más específicamente,
10:10
it was not in which semantic
neighborhoods the words were,
neighborhoods the words were,
209
598923
2827
no eran los campos semánticos
donde estaban las palabras
donde estaban las palabras
10:13
but how far and fast they jumped
210
601774
2600
sino cuán lejos y rápido saltaban
10:16
from one semantic neighborhood
to the other one.
to the other one.
211
604398
2301
de un campo semántico al otro.
10:19
And so we came up with this measure,
212
607247
1731
Y se nos ocurrió esta medida,
10:21
which we termed semantic coherence,
213
609002
2389
que denominamos "coherencia semántica",
10:23
which essentially measures the persistence
of speech within one semantic topic,
of speech within one semantic topic,
214
611415
4804
que mide esencialmente la persistencia
del discurso dentro de un tema semántico,
del discurso dentro de un tema semántico,
10:28
within one semantic category.
215
616243
1529
dentro de una categoría semántica.
10:31
And it turned out to be
that for this group of 34 people,
that for this group of 34 people,
216
619294
4047
Y resultó ser que para este grupo
de 34 personas,
de 34 personas,
10:35
the algorithm based on semantic
coherence could predict,
coherence could predict,
217
623365
3659
el algoritmo basado en la
coherencia semántica podía predecir,
coherencia semántica podía predecir,
10:39
with 100 percent accuracy,
218
627048
2500
con 100 % de precisión,
10:41
who developed psychosis and who will not.
219
629572
2507
quién desarrollará psicosis
y quién no lo hará.
y quién no lo hará.
10:44
And this was something
that could not be achieved --
that could not be achieved --
220
632976
2937
Y esto era algo que no podía lograrse
10:47
not even close --
221
635937
1508
-- ni por aproximación --
10:49
with all the other
existing clinical measures.
existing clinical measures.
222
637469
3126
con las demás
medidas clínicas existentes.
medidas clínicas existentes.
10:54
And I remember vividly,
while I was working on this,
while I was working on this,
223
642525
3579
Y recuerdo vívidamente,
mientras estaba trabajando en esto,
mientras estaba trabajando en esto,
10:58
I was sitting at my computer
224
646128
2317
sentado ante mi computadora
11:00
and I saw a bunch of tweets by Polo --
225
648469
2635
que vi un montón de tuits de Polo;
11:03
Polo had been my first student
back in Buenos Aires,
back in Buenos Aires,
226
651128
3167
Polo había sido mi primer estudiante
de regreso en Buenos Aires,
de regreso en Buenos Aires,
11:06
and at the time
he was living in New York.
he was living in New York.
227
654319
2070
y en ese momento vivía en Nueva York.
11:08
And there was something in this tweets --
228
656413
2088
Y había algo en esos tuits,
11:10
I could not tell exactly what
because nothing was said explicitly --
because nothing was said explicitly --
229
658525
3501
no podría decir exactamente qué
porque no había algo explícito,
porque no había algo explícito,
11:14
but I got this strong hunch,
230
662050
2021
pero tuve ese presentimiento,
11:16
this strong intuition,
that something was going wrong.
that something was going wrong.
231
664095
2955
esa intuición fuerte de que algo iba mal.
11:20
So I picked up the phone,
and I called Polo,
and I called Polo,
232
668347
2723
Así que tomé el teléfono y llamé Polo,
11:23
and in fact he was not feeling well.
233
671094
1919
y, de hecho, no se sentía bien.
11:25
And this simple fact,
234
673362
1937
Y este simple hecho,
11:27
that reading in between the lines,
235
675323
2491
de leer entre líneas,
11:29
I could sense,
through words, his feelings,
through words, his feelings,
236
677838
4262
de sentir, a través de las
palabras, sus sentimientos,
palabras, sus sentimientos,
11:34
was a simple, but very
effective way to help.
effective way to help.
237
682124
2619
fue una manera simple
pero efectiva de ayudar.
pero efectiva de ayudar.
11:37
What I tell you today
238
685987
1638
Los que les digo hoy
11:39
is that we're getting
close to understanding
close to understanding
239
687649
2508
es que estamos cerca de comprender
11:42
how we can convert this intuition
that we all have,
that we all have,
240
690181
4286
cómo convertir esta intuición
que todos tenemos,
que todos tenemos,
11:46
that we all share,
241
694491
1365
que todos compartimos,
11:47
into an algorithm.
242
695880
1197
en un algoritmo.
11:50
And in doing so,
243
698102
1461
Y, al hacerlo,
11:51
we may be seeing in the future
a very different form of mental health,
a very different form of mental health,
244
699587
4650
podríamos ver en un futuro
una forma muy diferente de salud mental,
una forma muy diferente de salud mental,
11:56
based on objective, quantitative
and automated analysis
and automated analysis
245
704261
5621
basada en un análisis automatizado,
cuantitativo, objetivo,
cuantitativo, objetivo,
12:01
of the words we write,
246
709906
1709
de las palabras que escribimos,
12:03
of the words we say.
247
711639
1537
de las palabras que decimos.
12:05
Gracias.
248
713200
1151
Gracias.
12:06
(Applause)
249
714375
6883
(Aplausos)
ABOUT THE SPEAKER
Mariano Sigman - NeuroscientistIn his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain.
Why you should listen
Mariano Sigman, a physicist by training, is a leading figure in the cognitive neuroscience of learning and decision making. Sigman was awarded a Human Frontiers Career Development Award, the National Prize of Physics, the Young Investigator Prize of "College de France," the IBM Scalable Data Analytics Award and is a scholar of the James S. McDonnell Foundation. In 2016 he was made a Laureate of the Pontifical Academy of Sciences.
In The Secret Life of the Mind, Sigman's ambition is to explain the mind so that we can understand ourselves and others more deeply. He shows how we form ideas during our first days of life, how we give shape to our fundamental decisions, how we dream and imagine, why we feel certain emotions, how the brain transforms and how who we are changes with it. Spanning biology, physics, mathematics, psychology, anthropology, linguistics, philosophy and medicine, as well as gastronomy, magic, music, chess, literature and art, The Secret Life of the Mind revolutionizes how neuroscience serves us in our lives, revealing how the infinity of neurons inside our brains manufacture how we perceive, reason, feel, dream and communicate.
Mariano Sigman | Speaker | TED.com