Reveladores retratos humanos a partir de datos
-
0:01 - 0:03Soy artista,
-
0:03 - 0:04pero un artista un poco particular.
-
0:04 - 0:06No pinto.
-
0:06 - 0:08No dibujo.
-
0:08 - 0:11En la secundaria, mi profesor
de trabajos manuales anotó -
0:11 - 0:13que era una amenaza
en mi carné de notas. -
0:14 - 0:18Quizá no quieran ver mis fotos,
-
0:18 - 0:20pero hay algo que sí sé hacer:
-
0:20 - 0:22sé programar computadoras.
-
0:22 - 0:23Sé escribir código.
-
0:23 - 0:26Hay gente que dirá que hace 100 años
-
0:26 - 0:28no existía la gente como yo,
-
0:28 - 0:30que eso era imposible,
-
0:30 - 0:33que el arte hecho con datos
es algo nuevo, -
0:33 - 0:35que es producto de nuestra era,
-
0:35 - 0:39que es muy importante
verlo como algo vanguardista. -
0:39 - 0:40Y es verdad.
-
0:40 - 0:44Pero hay una forma artística que
nos acompaña desde hace mucho -
0:44 - 0:46y que consiste en usar la información,
-
0:46 - 0:48la información abstracta,
-
0:48 - 0:51para crear obras conmovedoras.
-
0:51 - 0:52Y se llama música.
-
0:54 - 0:58Hemos compuesto música durante
decenas de miles de años, ¿no? -
0:58 - 0:59Y si lo piensan, la música es...
-
1:00 - 1:02notas, acordes, claves,
armonías y melodías... -
1:02 - 1:04estas cosas son algoritmos.
-
1:04 - 1:06Estas cosas son sistemas diseñados
-
1:06 - 1:10para hacernos desarrollar emociones.
-
1:10 - 1:12Llegué a las artes a través de la música.
-
1:12 - 1:15Me formé como compositor,
y hace unos 15 años, -
1:15 - 1:17empecé a hacer obras diseñadas
-
1:17 - 1:21para explorar la mezcla
entre imagen y sonido, -
1:21 - 1:24a usar una imagen para revelar
una estructura musical -
1:24 - 1:27o usar el sonido para mostrar
algo interesante sobre algo -
1:27 - 1:29que, por lo general, es
una representación gráfica. -
1:29 - 1:32Lo que ven en la pantalla,
literalmente, es un dibujo -
1:32 - 1:35a partir de la estructura musical
creada por los músicos en el escenario, -
1:35 - 1:38y no es casualidad
que se parezca a una planta, -
1:38 - 1:41porque la biología algorítmica
subyacente de la planta -
1:41 - 1:44es lo que en primer lugar
caracteriza a esa estructura musical. -
1:45 - 1:48Una vez que se aprende a hacerlo,
que uno sabe codificar los medios, -
1:48 - 1:50se pueden hacer cosas bastante geniales.
-
1:50 - 1:54Este es un proyecto que hice para
el Festival de Cine de Sundance. -
1:54 - 1:58La idea es muy simple: tomar cada premio
de la Academia a la Mejor Película, -
1:59 - 2:02acelerarla para que quepa en un minuto
-
2:02 - 2:03y luego sumarlas.
-
2:03 - 2:07Así, en 75 minutos, puedo mostrarles
la historia del cine de Hollywood. -
2:08 - 2:12En realidad, muestra la historia
del montaje cinematográfico de Hollywood. -
2:12 - 2:16A la izquierda tenemos Casablanca;
a la derecha tenemos Chicago. -
2:16 - 2:19Notarán que Casablanca
es un poco más fácil de leer. -
2:19 - 2:20Esto se debe
-
2:20 - 2:24a que la duración media de una toma
en la década de 1940 era de 26 segundos -
2:24 - 2:26y ahora es de unos 6 segundos.
-
2:27 - 2:29Este es un proyecto inspirado
-
2:29 - 2:32en un trabajo financiado por
el Gobierno Federal de EE.UU. -
2:32 - 2:33a principios de los 2000,
-
2:33 - 2:39para ver material filmado e identificar
a un actor específico en cualquier video. -
2:40 - 2:45Por eso adapté este código para reconocer
a una persona de nuestra cultura -
2:45 - 2:48que nunca necesitara
ser vigilada de esa manera, -
2:48 - 2:50que es Britney Spears.
-
2:50 - 2:53Descargué 2000 fotos de Britney Spears
hechas por los paparazzi -
2:53 - 2:57y configuré a mi computadora para
que reconozca únicamente su rostro. -
2:57 - 3:01Puedo reproducir cualquier secuencia
suya y enfocar sus ojos en la imagen, -
3:01 - 3:04y esto es un poco una reflexión
-
3:04 - 3:06sobre la vigilancia en nuestra sociedad.
-
3:06 - 3:09Nos inquieta ser observados,
-
3:09 - 3:11pero vivimos obsesionados por la fama.
-
3:12 - 3:16En pantalla ven una colaboración
-
3:16 - 3:19con una artista llamada Lián Amaris.
-
3:19 - 3:22Ella hizo algo muy simple
de explicar y describir, -
3:22 - 3:24pero muy difícil de hacer.
-
3:24 - 3:27Grabó 72 minutos de actividad
-
3:27 - 3:30donde se preparaba
para salir una noche, -
3:30 - 3:32los extendió a 3 días
-
3:32 - 3:36recreando todo en cámara lenta
en Nueva York en una isleta peatonal. -
3:36 - 3:38Yo estaba allí, también,
con un equipo de filmación. -
3:38 - 3:39Lo filmamos todo,
-
3:39 - 3:43y luego invertimos el proceso,
acelerándolo hasta 72 minutos otra vez, -
3:43 - 3:45por lo que parece que
se mueve con normalidad -
3:45 - 3:47y que el resto transcurre con rapidez.
-
3:47 - 3:52En un momento dado me di cuenta
de que estaba haciendo retratos. -
3:54 - 3:57Si pensamos en retratos,
solemos pensar en cosas como esta. -
3:57 - 3:59El tipo de la izquierda
se llama Gilbert Stuart. -
3:59 - 4:02Es el primer retratista estadounidense.
-
4:02 - 4:05Y a la derecha está su retrato
de George Washington, de 1796. -
4:06 - 4:08Se llama el retrato Lansdowne.
-
4:08 - 4:11Y si miran este cuadro, tiene
mucho simbolismo, ¿verdad? -
4:11 - 4:14Se ve un arcoíris por la ventana.
Tenemos una espada. -
4:14 - 4:15Hay una pluma sobre el escritorio.
-
4:15 - 4:17Todo está pensado para evocar
-
4:17 - 4:19a George Washington
como el padre de la nación. -
4:20 - 4:23Este es mi retrato de George Washington.
-
4:24 - 4:27Es una tabla optométrica,
-
4:27 - 4:29solo que en lugar de letras,
tiene palabras. -
4:30 - 4:32Y son las 66 palabras
-
4:32 - 4:35de los discursos de Washington
sobre el Estado de la Unión -
4:35 - 4:38que él usa más que cualquier
otro presidente. -
4:38 - 4:42"Caballeros" tiene su propio simbolismo
y su propia retórica. -
4:42 - 4:47Y es muy significativo que sea esa
la palabra que más usa. -
4:47 - 4:49Esta es la tabla optométrica
para George W. Bush, -
4:49 - 4:52que era presidente cuando hice esta obra.
-
4:52 - 4:53Y la forma de pasar
-
4:53 - 4:57de "caballeros" a "terror"
en 43 sencillos pasos, -
4:57 - 4:59nos dice mucho de la historia de EE.UU.
-
4:59 - 5:00y les da una visión diferente
-
5:00 - 5:03de la que tendrían al mirar
una serie de pinturas. -
5:03 - 5:07Estas obras ofrecen una lección
de la historia de EE.UU. -
5:07 - 5:10a través de la retórica política
de sus líderes. -
5:10 - 5:13Ronald Reagan pasó mucho tiempo
hablando de déficit. -
5:13 - 5:15Bill Clinton pasó mucho tiempo hablando
-
5:15 - 5:18del siglo en el que ya
no sería presidente, -
5:18 - 5:20pero que tal vez su esposa sí.
-
5:21 - 5:25Lyndon Johnson fue el primer presidente
que dio el discurso del Estado de la Unión -
5:25 - 5:27por la televisión en horario
de máxima audiencia -
5:27 - 5:29y comenzó cada párrafo con "Esta noche".
-
5:29 - 5:31Y Richard Nixon, o más exactamente,
-
5:31 - 5:33su redactor de discursos
llamado William Safire, -
5:33 - 5:35pasó mucho tiempo pensando en el lenguaje
-
5:36 - 5:39para asegurarse de que su jefe fuese
retratado a través de discursos honestos. -
5:39 - 5:43Este proyecto se muestra como
una serie de esculturas monolíticas. -
5:43 - 5:45Es una serie de cajas
de luz al aire libre. -
5:45 - 5:47Y es importante tener en cuenta
que son a escala, -
5:47 - 5:51así que si se paran a 6 metros y pueden
leer entre esas dos líneas negras, -
5:51 - 5:52tienen una vista de águila.
-
5:52 - 5:53(Risas)
-
5:53 - 5:55Este es un retrato. Y hay muchos.
-
5:56 - 5:59Hay muchas formas
de hacer esto con datos. -
5:59 - 6:00Empecé a buscar una manera
-
6:00 - 6:05de hacer un retrato más democrático,
-
6:05 - 6:09algo que ilustre más a mi país
y cómo funciona. -
6:09 - 6:13Cada 10 años hacemos un censo en EE.UU.
-
6:13 - 6:15Literalmente contamos personas,
-
6:15 - 6:18vemos quién vive dónde,
qué puestos de trabajo tenemos, -
6:18 - 6:20qué idioma hablamos en casa.
-
6:20 - 6:23Son cosas importantes,
cosas realmente importantes. -
6:23 - 6:25Pero en realidad no nos dice
quiénes somos. -
6:25 - 6:28No nos habla de nuestros sueños
ni de nuestras aspiraciones. -
6:28 - 6:31Por eso, en 2010, decidí
hacer mi propio censo. -
6:31 - 6:34Y empecé a buscar un corpus de datos
-
6:34 - 6:38que contenía muchas descripciones hechas
por los estadounidenses comunes. -
6:38 - 6:42Y resulta que ese material existe
y está a la espera de ser utilizado. -
6:42 - 6:44Son las citas en línea.
-
6:45 - 6:50Así que, en 2010, reuní 21 servicios
de citas en línea diferentes, -
6:50 - 6:53como hombre gay, hombre hetero,
mujer gay, y mujer hetero, -
6:53 - 6:54para cada código postal de EE.UU.
-
6:54 - 6:57y descargué los perfiles
de 19 millones de personas, -
6:58 - 7:01un 20 % de la población adulta
de Estados Unidos. -
7:01 - 7:03Tengo trastorno obsesivo-compulsivo.
-
7:03 - 7:06Esto se hará muy evidente créanme.
-
7:06 - 7:07(Risas)
-
7:07 - 7:10Clasifiqué todo esto por código postal.
-
7:12 - 7:13Y analicé las palabras.
-
7:13 - 7:16Estos son algunos perfiles de 2010
-
7:16 - 7:18en las que destacan
las palabras "sola" o "solo". -
7:18 - 7:21Desde el punto de vista topográfico,
-
7:21 - 7:25si imaginamos que los colores oscuros
representan un mayor uso de la palabra -
7:25 - 7:29se nota que la región de los Apalaches
es un lugar bastante desolado. -
7:30 - 7:35Pueden ver que Nebraska
no es tan divertida. -
7:36 - 7:40En el mapa de los descarados se muestra
-
7:42 - 7:45que las mujeres de Alaska
necesitan salir -
7:45 - 7:48con hombres del sur de Nuevo México
para pasarla bien. -
7:48 - 7:51Y tengo este análisis
a un nivel muy detallado -
7:51 - 7:55así que puedo decir que a los hombres
de la mitad este de Long Island -
7:55 - 7:56les interesa mucho más recibir azotes
-
7:56 - 7:59que a los hombres de la mitad
oeste de Long Island. -
8:00 - 8:03Este será su único recuerdo
de toda la conferencia. -
8:03 - 8:05Recordarán esto durante unos 30 años.
-
8:05 - 8:08(Risas)
-
8:09 - 8:11A nivel cartográfico,
-
8:11 - 8:15se puede volcar esto en un mapa y hacer
lo mismo que con la tabla optométrica. -
8:15 - 8:17Se puede reemplazar el nombre
de la ciudad de Estados Unidos -
8:17 - 8:21por la palabra que más se usa allí
en relación a cualquier otro sitio. -
8:21 - 8:24Si alguna vez salieron con alguien
de Seattle, esto tiene mucho sentido. -
8:24 - 8:26Tienen "guapa". Tienen "angustia".
-
8:26 - 8:29Tienen "concierto". Tienen "cigarrillo".
-
8:29 - 8:31Tocan en una banda y fuman.
-
8:32 - 8:34Y justo encima se lee "email".
-
8:34 - 8:35Eso es Redmond, Washington,
-
8:35 - 8:38la sede de Microsoft Corporation.
-
8:38 - 8:39Algunos pueden imaginarlos;
-
8:39 - 8:42Los Ángeles es "actuación"
y San Francisco es "gay". -
8:42 - 8:44Algunos son un poco más desgarradores.
-
8:44 - 8:46En Baton Rouge, hablan de exceso de peso;
-
8:46 - 8:49en Nueva Orleans todavía
hablan de la inundación. -
8:49 - 8:52En la capital estadounidense
dicen que son interesantes. -
8:52 - 8:55En Baltimore, Maryland,
dirán que tienen miedo. -
8:55 - 8:56Esto es Nueva Jersey.
-
8:56 - 8:59Yo crecí entre "irritante" y "cínico".
-
8:59 - 9:03(Risas) (Aplausos)
-
9:03 - 9:06Y la palabra número uno
en Nueva York es "ahora", -
9:06 - 9:09como en: "Ahora trabajo como camarero,
pero en realidad soy actor". -
9:09 - 9:10(Risas)
-
9:10 - 9:15O: "Ahora soy profesor de ingeniería
en la UNY, pero de hecho soy artista". -
9:15 - 9:17En el norte del estado se ve "dinosaurio".
-
9:17 - 9:18Eso es Siracusa.
-
9:18 - 9:19El mejor lugar para comer allí
-
9:19 - 9:23es un restaurante de barbacoa
para moteros llamado Dinosaur Barbecue. -
9:23 - 9:25Ahí llevarían a alguien a una cita.
-
9:25 - 9:29Vivo entre "incondicional" y el festival
"Midsummer" en el centro de Manhattan. -
9:29 - 9:31Y en el aburguesado Norte de Brooklyn,
-
9:31 - 9:34tienen "DJ", "glamoroso",
"hipster" y "urbano". -
9:34 - 9:36Este quizá sea un retrato
más democrático. -
9:36 - 9:40Y la idea fue: ¿y si hacemos mapas
del estado rojos y azules -
9:40 - 9:42en función de lo que queremos
hacer un viernes por la noche? -
9:43 - 9:44Este es un autorretrato.
-
9:44 - 9:45Toma datos de mi email,
-
9:45 - 9:48son unos 500 000 emails
enviados en más de 20 años. -
9:48 - 9:51Piensen en ello como
en una selfie cuantitativa. -
9:51 - 9:56Le aplico una ecuación física basada
en mis datos personales. -
9:56 - 9:59Deben imaginar a todo el mundo con
el que he mantenido correspondencia. -
9:59 - 10:02Empezó en el centro
y explotó como el Big Bang. -
10:02 - 10:04Y cada quien se atraen entre sí
-
10:04 - 10:06en función del número
de mails intercambiados -
10:06 - 10:08y a quién le ha estado escribiendo.
-
10:08 - 10:10Y también analiza los sentimientos
-
10:10 - 10:13así que si digo "te amo", se nota
que tienes más peso para mí. -
10:13 - 10:15Y gravitas hacia el centro
de mi correspondencia -
10:15 - 10:17como una estrella guía.
-
10:17 - 10:19Todos los nombres están escritos a mano.
-
10:19 - 10:23A veces estos datos
se procesan en tiempo real -
10:23 - 10:26para resaltar un tema específico
en una ciudad en concreto. -
10:26 - 10:29Esta es una pistola semiautomática
de 9 mm Walther PPK -
10:29 - 10:31usada en un tiroteo en el
barrio francés de Nueva Orleans -
10:31 - 10:35hace unos dos años el Día de San Valentín
en una discusión en el aparcamiento. -
10:35 - 10:36Esos son mis cigarrillos.
-
10:36 - 10:39Esa es la casa donde ocurrió el tiroteo.
-
10:39 - 10:41Este proyecto requirió
un poco de ingeniería. -
10:41 - 10:44Tengo una cadena de bicicleta
en forma de árbol de levas, -
10:44 - 10:45impulsada por una computadora.
-
10:45 - 10:47El equipo y el mecanismo
están dentro de una caja. -
10:47 - 10:50La pistola está arriba
soldada a una placa de acero. -
10:50 - 10:52Hay un cable que va hasta el gatillo,
-
10:52 - 10:54y la computadora
de la caja está en línea. -
10:54 - 10:58Recibe la información del 911 del
Departamento de Policía de Nueva Orleans, -
10:58 - 11:01por eso cada vez que se informa
un tiroteo en Nueva Orleans, -
11:01 - 11:02(Sonido de bala)
-
11:02 - 11:03el arma se dispara.
-
11:03 - 11:06Es de fogueo, no hay bala.
-
11:06 - 11:08Hay un flash y un gran un estruendo,
-
11:08 - 11:10y lo más importante, hay una carcasa.
-
11:10 - 11:13Hay unos cinco disparos
al día en Nueva Orleans, -
11:13 - 11:16por lo que durante los cuatro meses
que duró la instalación, -
11:16 - 11:17la caja se llenó de balas.
-
11:18 - 11:21Ya saben qué es esto; se llama
"visualización de datos". -
11:23 - 11:25Si lo hacen bien, es revelador.
-
11:25 - 11:27Si lo hacen mal, insensibiliza.
-
11:28 - 11:29Reduce las personas a números.
-
11:29 - 11:31Así que cuidado.
-
11:33 - 11:34Una última obra para Uds.
-
11:34 - 11:37Pasé el verano pasado
como artista residente -
11:37 - 11:38para Times Square.
-
11:39 - 11:43Y Times Square en Nueva York es
literalmente el cruce del mundo. -
11:43 - 11:45Pero la gente no se da cuenta
-
11:45 - 11:48de que es el lugar
más instagrameado del planeta. -
11:48 - 11:52Cada cinco segundos alguien publica
una selfie tomada en Times Square. -
11:52 - 11:56Son unas 17 000 al día,
y yo las tengo a todas. -
11:56 - 11:57(Risas)
-
11:57 - 12:00Estas son algunas de ellas
con los ojos en el centro del marco. -
12:00 - 12:03Cada civilización usará la tecnología
a su alcance para hacer arte. -
12:03 - 12:06Y es responsabilidad del artista
hacer preguntas -
12:06 - 12:10sobre qué significa esa tecnología
y cómo refleja nuestra cultura. -
12:10 - 12:12Por eso me despido con esto:
Somos mucho más que números. -
12:12 - 12:14Somos personas y tenemos
sueños e ideas. -
12:14 - 12:18Y reducirnos a estadísticas es algo
que se hace por cuenta y riesgo propio. -
12:18 - 12:19Muchas gracias.
-
12:19 - 12:21(Aplausos)
- Title:
- Reveladores retratos humanos a partir de datos
- Speaker:
- R. Luke DuBois
- Description:
-
El artista R. Luke DuBois crea retratos únicos de presidentes, ciudades, autorretratos, e incluso el retrato de Britney Spears a partir de datos y de la personalidad. En esta charla comparte nueve proyectos, desde mapas nacionales a partir de información extraída de millones de perfiles de citas, hasta un arma que dispara un blanco cada vez que se informa de un tiroteo en Nueva Orleans. El mensaje que quiere transmitir es que la forma en que usamos la tecnología refleja quienes somos y nuestra cultura, lo que hace reducir a los demás a meros datos bajo propio riesgo y responsabilidad.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 12:43
Sebastian Betti approved Spanish subtitles for Insightful human portraits made from data | ||
Sebastian Betti edited Spanish subtitles for Insightful human portraits made from data | ||
Sebastian Betti edited Spanish subtitles for Insightful human portraits made from data | ||
Sebastian Betti edited Spanish subtitles for Insightful human portraits made from data | ||
Sebastian Betti edited Spanish subtitles for Insightful human portraits made from data | ||
Sebastian Betti edited Spanish subtitles for Insightful human portraits made from data | ||
Sebastian Betti edited Spanish subtitles for Insightful human portraits made from data | ||
Sebastian Betti edited Spanish subtitles for Insightful human portraits made from data |