Technology has brought us so much: the moon landing, the Internet, the ability to sequence the human genome. But it also taps into a lot of our deepest fears, and about 30 years ago, the culture critic Neil Postman wrote a book called "Amusing Ourselves to Death," which lays this out really brilliantly. And here's what he said, comparing the dystopian visions of George Orwell and Aldous Huxley. He said, Orwell feared we would become a captive culture. Huxley feared we would become a trivial culture. Orwell feared the truth would be concealed from us, and Huxley feared we would be drowned in a sea of irrelevance. In a nutshell, it's a choice between Big Brother watching you and you watching Big Brother. (Laughter)
La tecnología nos ha dado mucho: el alunizaje, el internet, lograr secuenciar el genoma humano. También llega a nuestros miedos más hondos y hace 30 años aproximadamente, el crítico cultural Neil Postman escribió un libro llamado "Divertirse hasta morir", en el que resalta esta verdad brillantemente. Aquí esta lo que dijo comparando las distópicas visiones de George Orwell y Aldous Huxley. Dijo: Orwell temía que nos volviéramos una cultura cautiva. Huxley, en una trivial. Orwell temía que la verdad nos sería ocultada, y Huxley que seríamos ahogados en un océano de irrelevancia. En resumen, es escoger entre el Gran hermano viéndote y tu viendo al Gran Hermano. (Risas)
But it doesn't have to be this way. We are not passive consumers of data and technology. We shape the role it plays in our lives and the way we make meaning from it, but to do that, we have to pay as much attention to how we think as how we code. We have to ask questions, and hard questions, to move past counting things to understanding them. We're constantly bombarded with stories about how much data there is in the world, but when it comes to big data and the challenges of interpreting it, size isn't everything. There's also the speed at which it moves, and the many varieties of data types, and here are just a few examples: images, text, video, audio. And what unites this disparate types of data is that they're created by people and they require context.
Pero no tiene que ser así. No somos consumidores pasivos de datos y tecnología. Decidimos el rol que juega en nuestra vida y cómo le damos significado, pero para hacerlo, tenemos que poner mucha atención desde cómo pensamos hasta cómo codificamos. Tenemos que hacer preguntas, preguntas difíciles, para pasar de contar cosas a entenderlas. Estamos bombardeados constantemente por historias de los muchos datos que hay en el mundo, pero cuando se refiere a datos masivos, y los retos de interpretarlos, el tamaño no lo es todo. También está la velocidad a la que se mueven, las muchas variantes de tipos de datos, he aquí algunos ejemplos: imágenes, texto, video, audio. Lo que une estos diferentes tipos de datos es que son creados por gente
Now, there's a group of data scientists out of the University of Illinois-Chicago, and they're called the Health Media Collaboratory, and they've been working with the Centers for Disease Control to better understand how people talk about quitting smoking, how they talk about electronic cigarettes, and what they can do collectively to help them quit. The interesting thing is, if you want to understand how people talk about smoking, first you have to understand what they mean when they say "smoking." And on Twitter, there are four main categories: number one, smoking cigarettes; number two, smoking marijuana; number three, smoking ribs; and number four, smoking hot women. (Laughter)
y requieren contextos. Hay un grupo de científicos de datos de la Universidad de Illinois-Chicago, llamados Colaboración para la Salud en Medios, trabajando con los Centros de Control de Enfermedades para entender mejor cómo la gente habla sobre dejar de fumar, cómo hablan de cigarros electrónicos, y qué pueden hacer colectivamente para ayudarse a dejarlo. Lo interesante es que, si quieres entender cómo la gente habla sobre dejar de fumar, primero tienes que entender a qué se refieren al decir "fumar". En Twitter, hay 4 categorías principales: la primera, fumar cigarros; la segunda, fumar marihuana; la tercera, ahumar costillas; y la cuarta, chicas ardientes.
So then you have to think about, well,
(Risas)
how do people talk about electronic cigarettes? And there are so many different ways that people do this, and you can see from the slide it's a complex kind of a query. And what it reminds us is that language is created by people, and people are messy and we're complex and we use metaphors and slang and jargon and we do this 24/7 in many, many languages, and then as soon as we figure it out, we change it up.
Entonces, tenemos que pensar, ¿cómo habla la gente de cigarros electrónicos? Y hay tantas maneras diferentes en las que la gente lo hace, y se puede ver del lado de es un tipo complejo de búsqueda. Y lo que nos recuerda es que el lenguaje es creado por la gente y la gente es enrevesada y somos complejos y usamos metáforas y argots y jergas 24 horas por 7 días a la semana. en muchos idiomas.
So did these ads that the CDC put on, these television ads that featured a woman with a hole in her throat and that were very graphic and very disturbing, did they actually have an impact on whether people quit? And the Health Media Collaboratory respected the limits of their data, but they were able to conclude that those advertisements — and you may have seen them — that they had the effect of jolting people into a thought process that may have an impact on future behavior. And what I admire and appreciate about this project, aside from the fact, including the fact that it's based on real human need, is that it's a fantastic example of courage in the face of a sea of irrelevance.
Y luego de un momento a otro, cambiamos. Así como estos anuncios que la CDC puso, estos anuncios de TV que tenían mujeres con un hoyo en las gargantas, muy gráficos y perturbadores, ¿realmente tuvieron impacto en que la gente dejara de fumar? Colaboración para la Salud en Medios respeto los límites de sus datos, pero fueron capaces de concluir que esos anuncios —y los pueden haber visto— tenían el efecto de llevar a las personas hacia un proceso de pensamiento que podía impactar su comportamiento futuro. Lo que admiro y aprecio de este proyecto, aparte del hecho, e incluyendo que está basado en una necesidad humana real, es que es un ejemplo fantástico de coraje en medio de un océano de irrelevancia.
And so it's not just big data that causes challenges of interpretation, because let's face it, we human beings have a very rich history of taking any amount of data, no matter how small, and screwing it up. So many years ago, you may remember that former President Ronald Reagan was very criticized for making a statement that facts are stupid things. And it was a slip of the tongue, let's be fair. He actually meant to quote John Adams' defense of British soldiers in the Boston Massacre trials that facts are stubborn things. But I actually think there's a bit of accidental wisdom in what he said, because facts are stubborn things, but sometimes they're stupid, too.
No son solo los datos masivos los que producen retos de interpretación, porque enfrentémoslo, los humanos tenemos una historia muy rica de tomar una cantidad de datos, no importa lo pequeña, y arruinarlo. Así, hace muchos años, quizá recuerden que el antiguo presidente Ronald Reagan fue muy criticado por una declaración de que los hechos son cosas estúpidas. Se le fue la lengua, seamos justos. En realidad quería citar la defensa de Jhon Adams a los soldados británicos en los juicios de la Masacre de Boston de que los hechos son tozudos. Pero creo que hay algo de sabiduría accidental en lo que dijo porque los hechos son tozudos,
I want to tell you a personal story about why this matters a lot to me. I need to take a breath. My son Isaac, when he was two, was diagnosed with autism, and he was this happy, hilarious, loving, affectionate little guy, but the metrics on his developmental evaluations, which looked at things like the number of words — at that point, none — communicative gestures and minimal eye contact, put his developmental level at that of a nine-month-old baby. And the diagnosis was factually correct, but it didn't tell the whole story. And about a year and a half later, when he was almost four, I found him in front of the computer one day running a Google image search on women, spelled "w-i-m-e-n." And I did what any obsessed parent would do, which is immediately started hitting the "back" button to see what else he'd been searching for. And they were, in order: men, school, bus and computer. And I was stunned, because we didn't know that he could spell, much less read, and so I asked him, "Isaac, how did you do this?" And he looked at me very seriously and said, "Typed in the box."
pero a veces también son estúpidos. Quiero contarles una historia personal de porque esto importa tanto para mí. Necesito tomar aire. Mi hijo Isaac, cuando tenía 2 años, fue diagnosticado con autismo, y era este alegre, hilarante, amoroso, y afectuoso niñito, pero las métricas en sus evaluaciones de desarrollo, que ven cosas cómo el número de palabras —en ese momento, ninguna— gestos comunicativos y poco contacto visual, pusieron su nivel de desarrollo en el de un bebé de nueve meses. Y el diagnóstico estaba bien según los hechos, pero no contaba la historia completa. Después de un año y medio, cuando tenía aproximadamente cuatro, lo encontré frente a la computadora un día buscando mujeres en Google, deletreado "m-i-j-e-r-e-s". E hice lo que cualquier padre obsesionado haría: empezar a presionar el botón "atrás" para ver que más había buscado. Y estaban en orden: hombres, escuela, autobús y computadora. Estaba sorprendida, porque no sabíamos que podía deletrear, mucho menos leer, y le pregunte, "Isaac, ¿cómo lo hiciste?" Él me miró muy serio y dijo,
He was teaching himself to communicate,
"Escribí en la cajita".
but we were looking in the wrong place, and this is what happens when assessments and analytics overvalue one metric — in this case, verbal communication — and undervalue others, such as creative problem-solving. Communication was hard for Isaac, and so he found a workaround to find out what he needed to know. And when you think about it, it makes a lot of sense, because forming a question is a really complex process, but he could get himself a lot of the way there by putting a word in a search box.
Estaba enseñándose a sí mismo a comunicarse. Pero estábamos buscando en el lugar equivocado. Y esto pasa cuando las tareas y los análisis sobrevaloran alguna métrica —en este caso, la comunicación verbal— y devalúan otras, cómo la resolución creativa de problemas. La comunicación era difícil para Isaac, así que encontró una alternativa para encontrar lo que necesitaba saber. Al pensarlo, tiene mucho sentido, porque hacer una pregunta es un proceso muy complejo, pero él pudo evitar mucho de eso poniendo una palabra en el buscador.
And so this little moment had a really profound impact on me and our family because it helped us change our frame of reference for what was going on with him, and worry a little bit less and appreciate his resourcefulness more.
Y ese pequeño momento tuvo un profundo impacto en mí y nuestra familia porque nos ayudó a cambiar el marco de referencia sobre lo que le pasaba a él, y preocuparnos menos y apreciar más
Facts are stupid things. And they're vulnerable to misuse, willful or otherwise. I have a friend, Emily Willingham, who's a scientist, and she wrote a piece for Forbes not long ago entitled "The 10 Weirdest Things Ever Linked to Autism." It's quite a list. The Internet, blamed for everything, right? And of course mothers, because. And actually, wait, there's more, there's a whole bunch in the "mother" category here. And you can see it's a pretty rich and interesting list. I'm a big fan of being pregnant near freeways, personally. The final one is interesting, because the term "refrigerator mother" was actually the original hypothesis for the cause of autism, and that meant somebody who was cold and unloving.
su forma de obtener recursos. Los hechos son cosas estúpidas. Y se pueden usar mal, manipular u otras cosas. Tengo una amiga, Emily Willinghan que es científica, y escribió un artículo para Forbes no hace mucho, titulado "Las 10 cosas más raras ligadas al Autismo". Es una buena lista "El Internet" es culpado por todo ¿cierto?, y claro las madres, porque sí. Y en realidad, esperen, hay más, un grupo completo en la categoría de "madre" aquí. Pueden ver que es una lista muy rica e interesante. Soy una gran fan de "embarazarse cerca de autopistas". (Risas) La última es interesante, porque el término "madre de refrigerador" fue en realidad la hipótesis original para la causa del autismo, y se refería a una persona fría
And at this point, you might be thinking, "Okay, Susan, we get it, you can take data, you can make it mean anything." And this is true, it's absolutely true, but the challenge is that we have this opportunity to try to make meaning out of it ourselves, because frankly, data doesn't create meaning. We do. So as businesspeople, as consumers, as patients, as citizens, we have a responsibility, I think, to spend more time focusing on our critical thinking skills. Why? Because at this point in our history, as we've heard many times over, we can process exabytes of data at lightning speed, and we have the potential to make bad decisions far more quickly, efficiently, and with far greater impact than we did in the past. Great, right? And so what we need to do instead is spend a little bit more time on things like the humanities and sociology, and the social sciences, rhetoric, philosophy, ethics, because they give us context that is so important for big data, and because they help us become better critical thinkers. Because after all, if I can spot a problem in an argument, it doesn't much matter whether it's expressed in words or in numbers. And this means teaching ourselves to find those confirmation biases and false correlations and being able to spot a naked emotional appeal from 30 yards, because something that happens after something doesn't mean it happened because of it, necessarily, and if you'll let me geek out on you for a second, the Romans called this "post hoc ergo propter hoc," after which therefore because of which.
y no amorosa. En este momento, pueden pensar: "Está bien, Susan, lo entendemos, puedes tomar datos, y hacer que signifiquen lo que sea". Y es cierto, absolutamente cierto. Pero el reto es que tenemos la oportunidad de darles significado nosotros mismos, porque francamente, los datos no crean un significado. Nosotros se los damos. Así que como personas de negocios, como consumidores, como pacientes, como ciudadanos, tenemos una responsabilidad, creo, de pasar más tiempo enfocándonos en nuestras capacidades críticas. ¿Por qué? Porque en este punto de la historia, como hemos escuchado muchas veces, podemos procesar exabytes de datos a la velocidad de la luz, y tenemos el potencial de tomar malas decisiones mucho más rápidamente, eficientemente, y con mucho más impacto que en el pasado. Genial, ¿no es cierto? Y lo que necesitamos hacer en su lugar es pasar un poco más de tiempo en cosas como las humanidades y sociología, y las ciencias sociales, retórica, filosofía, ética, porque nos dan el contexto que es tan importante para los datos masivos, y porque nos ayudan a volvernos mejores pensadores críticos. Porque después de todo, si puedo ver un problema en un argumento, no importa mucho, que este expresado en palabras o números. Y esto significa enseñarnos a nosotros mismos a encontrar esos sesgos confirmatorios y falsas correlaciones, y a ser capaces de ver una afirmación puramente emocional desde 10 metros, porque que algo que pase después de otra cosa no significa que pasó por eso necesariamente, y si me dejan ser <i>geek</i> por un segundo, los romanos lo llamaban: "post hoc ergo propter hoc", "después de esto, entonces por esto".
And it means questioning disciplines like demographics. Why? Because they're based on assumptions about who we all are based on our gender and our age and where we live as opposed to data on what we actually think and do. And since we have this data, we need to treat it with appropriate privacy controls and consumer opt-in, and beyond that, we need to be clear about our hypotheses, the methodologies that we use, and our confidence in the result. As my high school algebra teacher used to say, show your math, because if I don't know what steps you took, I don't know what steps you didn't take, and if I don't know what questions you asked, I don't know what questions you didn't ask. And it means asking ourselves, really, the hardest question of all: Did the data really show us this, or does the result make us feel more successful and more comfortable?
Y significa cuestionar disciplinas como la demografía. ¿Por qué? Porque están basadas en asumir cosas, sobre quiénes somos con base en nuestro género nuestra edad y dónde vivimos, opuestos a datos de qué es lo que pensamos y hacemos en realidad. Y dado que tenemos estos datos, necesitamos tratarlos con adecuados controles de privacidad y al consumir optar por inclusión, y más allá de eso necesitamos ser claros en nuestras hipótesis, las metodologías que usamos, y nuestro nivel de confianza en el resultado. Cómo decía mi maestro de álgebra: "muestra tus matemáticas, porque si no sé qué pasos usaste, no sé qué pasos no tomaste, y si no sé qué preguntas hiciste, no sé qué preguntas no hiciste". Significa preguntarnos a nosotros mismos, la pregunta más difícil de todas: ¿Los datos en realidad nos lo muestran, o el resultado nos hace sentir más exitosos y más cómodos?
So the Health Media Collaboratory, at the end of their project, they were able to find that 87 percent of tweets about those very graphic and disturbing anti-smoking ads expressed fear, but did they conclude that they actually made people stop smoking? No. It's science, not magic.
Así que los de Colaboración por la Salud en Medios al final del proyecto, pudieron encontrar 87 % de tweets sobre esos muy gráficos y perturbadores anuncios para dejar de fumar que expresaban miedo, pero ¿concluyeron que hicieron que la gente dejara de fumar? No. Es ciencia, no magia.
So if we are to unlock the power of data, we don't have to go blindly into Orwell's vision of a totalitarian future, or Huxley's vision of a trivial one, or some horrible cocktail of both. What we have to do is treat critical thinking with respect and be inspired by examples like the Health Media Collaboratory, and as they say in the superhero movies, let's use our powers for good.
Así que si vamos a abrir el poder de los datos, no tenemos que ir a ciegas en la visión de Orwell de un futuro totalitario, o la visión de Huxley de uno trivial, o un horrible cóctel de ambos. Lo que tenemos que hacer es tratar al pensamiento crítico con respeto y ser inspirados por ejemplos cómo el de Colaboración por la Salud en Medios y como dicen en las películas de superhéroes:
Thank you.
"Usemos nuestros poderes para el bien".
Gracias.
(Aplausos)
(Applause)