¿Parcialidad al educar máquinas?
Un joven va caminando de su facultad al dormitorio que comparte en la universidad. Su cabeza gira alrededor del crédito con el que paga sus estudios, el modo en que le gustaría agradecer a sus padres que lo apoyan para pagar menos, mientras cruza pensamientos algorítmicos para solucionar un problema que le puso su profesor. Entre funciones e integrales recuerda algunos comentarios de un docente respecto a la capacidad de entrenar varias máquinas para que analicen patrones y aprendan de ellos.
El joven empieza a encontrar patrones por todos lados, los árboles del campus, las muecas de la gente, los tonos del cielo, empieza a ligar tiempo, repetición y objeto a todo lo que observa. Todo esto es lo que empieza a llevar al lenguaje, torpe y lento, con el que nos comunicamos con las computadoras. No se trata de dar coherencia, sino velocidad y sentido a las cosas que cada día su pequeño grupo de procesadores agrega a la base de datos.
Pasados algunos años, es tan grande el apetito de ese pequeño Frankenstein que devora patrones que voltea a ver a su ya no tan joven creador y le pide más. El ahora reconocido científico especializado en aprendizaje de máquinas busca a nuevos bancos de datos para acceder: videos, fotos, mensajes, grupos de amigos, mensajes de voz, paisajes. El mundo se convierte en datos, la capacidad de distinguir #ruidoblanco de información (sin categoría) y encasillarla como datos se vuelve la especialidad de las máquinas.
Máquinas diseñadas por los científicos, como nuestro supuesto erudito, han dado décadas de su vida a enseñarles a tomar decisiones con base en patrones. Hoy disfrutamos de ejemplos útiles de lo que pueden hacer: equipos como el Mate 20 Pro de Huawei cuya Inteligencia Artificial (IA) basada en aprendizaje de máquinas no solo resalta los colores que se verán bien en redes sociales.
También está el tal vez no tan imaginario caso del estudiante que se veía cada vez más ahogado por la deuda estudiantil y decidió que no era mala idea darle el acceso a las computadoras sedientas de datos a la información de sus amigos. La sed de crecimiento, los deseos de ganar más, la falta de apoyos éticos, podrían haber permitido que ciertos patrones de aprendizaje se hayan dejado sin nutrir haciendo que el aprendizaje fuera tendencioso, que rompiera o prefiriera hacer grupitos, por el hecho de existir estos en la cotidianidad.
Tendencias relacionadas al lenguaje, a esa necesidad o deseo de siempre estar bien, ser amados y comprendidos. Una dualidad humana que no tiene tamices. Esas mismas tendencias pueden ser las que, al vender los aprendizajes de las máquinas a algunos interesados, permitiera salir de deudas económicas, permitiendo ir del rosa mexicano a un tono oscuro.
Orkut conectaba a la sociedad de Brasil en conversaciones intensas de respeto a las diferencias, de diálogo y, si bien no buscaba que todos estuvieran de acuerdo, sí quería que se pudiera conversar y compartir. Facebook convirtió los encuentros (Facebook), el conversar (WhatsApp y Messenger) y el mostrar momentos (Instagram) en polarización. Hoy no sabemos el impacto social que tendrá pero, sin duda, hay que mantener un ojo en la fuerza de los polos en las sociedades que tienen “un pequeño porcentaje” de usuarios de Facebook.
“Holden: ‘Give us time and then we'll climb, bitches!’ Richard: ‘Yes, Holden. That's right, except for the bitches part, but yes’.” Silicon Valley (serie).