Prácticamente construir una nueva economía…¿Qué tipo de economía?

Un artículo de Marcelo Rinesi en La Nación

“La unidad natural para la economía argentina no es ni el peso ni el dólar, sino el globón per cápita. Un globón (nombre que acabo de inventar) es lo que produce un ser humano promedio en un año, en alguna unidad monetaria normalizada. Medir las cosas en globones resulta práctico porque los números son chicos, las comparaciones se pueden hacer de manera bastante directa, y, siempre que uno no requiera mucha precisión de detalle, se pueden ignorar cuestiones como el progreso tecnológico, crisis mundiales, crecimiento poblacional, cambios en las expectativas sociales, etcétera.

Estos son los tres números fundamentales de la economía local: la Argentina produce un globón con veinte centavos por año; un tercio (40 centavos) se los queda el Estado, y a su vez el Estado gasta 50 centavos por año.

Esos 50 centavos de globón resultan poco para proveer los niveles de educación, salud, servicios, seguridad, etcétera, que la ciudadanía espera. Si bien la ineficiencia y la corrupción no son precisamente desconocidas en el Estado, no hay lugares obvios para cortar los 10 centavos de globón que harían falta ahorrar para evitar el déficit fiscal: son casi la mitad de todo lo que se transfiere a provincias y municipios, casi todo lo que va a jubilaciones, o siete veces el gasto total en asignaciones familiares y la Asignación Universal por Hijo.

Pero una presión tributaria de un tercio está en el límite de lo aceptable, y el país no puede endeudarse eternamente a las tasas a las que aceptan prestarle. ¿Qué puede hacer un Gobierno? Si sube el gasto público, como no puede subir los impuestos sin que la sociedad explote, tiene que endeudarse más, y eventualmente la situación estalla. Si baja los impuestos, como no puede bajar el gasto público sin que la sociedad explote, tiene que endeudarse más, y eventualmente la situación estalla.

La apuesta del Gobierno es la única lógicamente posible: si la economía crece y la Argentina produce más globones por año, entonces el Estado puede gastar lo mismo quedándose con una proporción menor, gastar más quedándose con la misma proporción, o incluso gastar más y recaudar relativamente menos. Las matemáticas no le dejan otra salida. Hoy la Argentina no produce suficientes globones por año para que el Estado ofrezca servicios aceptables con un nivel de presión impositiva razonable sin endeudarse o gastar reservas constantemente. Eso no se puede sostener más que unos pocos años.

El problema es qué pasa cuando uno mira la historia de la economía medida en globones. A principios de los 60, la Argentina producía más de dos globones y cuarto por año. Eso es casi el doble de lo que hoy producimos, pero no era el mismo mundo. China estaba entre la Gran Hambruna y la Revolución Cultural -dos de los desastres autoinflingidos más graves de la historia mundial- y la India estaba replicando el programa de desarrollo económico de la Unión Soviética con resultados igualmente pobres. Con los dos países más poblados del mundo implementando esas políticas económicas y sociales (y muchos otros en situaciones parecidas o peores) no era difícil duplicar la productividad por persona promedio. Entre 1960 y 1980, con algunos altibajos, la economía bajó de dos globones y cuarto por año a un globón y cuarto por año. No es que la economía se achicó: en dólares constantes per cápita, era más del doble en 1980 que en 1960. Pero es fácil crecer cuando se pasa de la tecnología de 1960 a la de 1980, y lo que hizo el país fue crecer mucho menos que el resto del mundo, que quintuplicó su productividad durante esos 20 años.

Desde entonces, la Argentina tiene una economía relativamente inestable pero con un techo muy claro: oscila alrededor de un globón y cuarto por año desde hace décadas, con un máximo de aproximadamente un globón y medio. No es algo que se pueda demostrar, pero mirando esos números sin una dosis deliberada de optimismo, es casi inevitable pensar que la sociedad, cultura, geografía, e instituciones dan para una economía de un globón y cuarto por año en promedio, con veinticinco centavos de globón más en períodos muy buenos.

En la medida en que este techo es real, es mucho el daño que un gobierno puede causar, pero hay un límite muy claro a lo que puede alcanzar: con la mejor economía posible (un globón y medio por año), y la mayor tasa de impuestos aceptable (un tercio), el Estado sólo puede gastar el mínimo aceptable en servicios públicos (cincuenta centavos de globón por año). De más está decir que “aceptable” es un eufemismo para decir: “probablemente llegás a las elecciones, aunque nada dice que las ganes.

Esta es la antigüedad y profundidad de la situación del país. Para poner la carga impositiva en línea con el resto de la región, o, equivalentemente, para subir en un tercio el gasto público real, la economía tendría que llegar a al menos dos globones por año, una productividad comparada con la del resto del mundo que jamás hemos tenido desde que China e India empezaron a dejar de ser perversamente autodestructivos.

Es comprensible que, por razones políticas y prácticas, el Gobierno muestre una actitud profesional de calma y confianza al hablar de la necesidad de inversiones, modernización, inserción en el mundo, educación, seguridad, etcétera. Todo eso es cierto, y parte de lo que hace efectivo a un gobierno -incluso, y simplemente, capaz de llegar a ser gobierno- es poder transmitir que lo que hace falta hacer puede ser difícil pero es claramente posible, y sólo requiere que todos hagamos las cosas bien.

Al no tener responsabilidad administrativa o política, me puedo tomar la libertad de decir que no, no es claramente posible, y hacer las cosas bien va a ser insuficiente. La Argentina es exactamente tan rica como puede serlo dado su capital institucional, político, humano, y físico. Hoy estamos en una situación social dolorosa y humanamente inaceptable, pero no es una crisis en el sentido de algo inusual o causado por algo específico: contextualizando su historia económica con la del resto del mundo, la Argentina de 2017 no está muy lejos de ser todo para lo que da la Argentina -todo para lo que hasta ahora ha demostrado que puede dar- y tiene un techo que no alcanza para una situación significativa y sustentablemente mejor.

Esta es una limitación sistémica, no un problema puntual. En términos de su historia, la Argentina no es una sociedad de tres globones (digamos, Italia) con un problema al que no encuentra solución, sino una sociedad de un globón con veinticinco centavos que funciona a su ritmo normal. Pasar de donde estamos a donde insistimos que tenemos que estar no es arreglar una economía, sino prácticamente construir una nueva.

No lo veo como algo descorazonador. Generalmente no intentamos hacer las cosas lo mejor posible porque “lo suficientemente bien” es menos riesgoso, pero hace mucho que esto dejó de ser cierto para la Argentina. Hay que hacer las cosas mejor que nunca antes, mejor de lo que nuestra experiencia personal, nuestra memoria institucional, y nuestra tradición política dicen que es siquiera posible, porque nada menos que eso va a ser remotamente suficiente.

El autor es científico de datos

La Nación
Economía para no economistas


Algunas cosas que me llaman la atención del artículo:

“Con los dos países más poblados del mundo implementando esas políticas económicas y sociales (y muchos otros en situaciones parecidas o peores) no era difícil duplicar la productividad por persona promedio. Entre 1960 y 1980, con algunos altibajos, la economía bajó de dos globones y cuarto por año a un globón y cuarto por año. No es que la economía se achicó: en dólares constantes per cápita, era más del doble en 1980 que en 1960. Pero es fácil crecer cuando se pasa de la tecnología de 1960 a la de 1980, y lo que hizo el país fue crecer mucho menos que el resto del mundo, que quintuplicó su productividad durante esos 20 años.”


¿Qué pasó con ese “crecimiento”?, el autor nos aclara que la economía no se achicó en dólares constantes per cápita, ¿cómo se distribuyó?, ¿Por qué no alcanzó?, ¿Por qué no tenemos la misma calidad de vida que a principios de los años 60?

El autor no nos lo aclara.


“Esta es la antigüedad y profundidad de la situación del país. Para poner la carga impositiva en línea con el resto de la región, o, equivalentemente, para subir en un tercio el gasto público real, la economía tendría que llegar a al menos dos globones por año, una productividad comparada con la del resto del mundo que jamás hemos tenido desde que China e India empezaron a dejar de ser perversamente autodestructivos.”


¿China e India dejaron de ser perversamente autodestructivos?…¿El autor sabrá del terrible costo humano, tal vez el equivalente al de la Gran Hambruna o la Revolución Cultural, que tiene el modelo chino? ¿Cómo se impuso ese modelo no autodestructivo?

¿Un “crecimiento” donde la gente se suicida porque no soporta las condiciones de trabajo es deseable?, ¿Un “crecimiento” como el que se muestra en la construcción de la represa de las Tres Gargantes no es “perversamente autodestructivo”?

¿Un “crecimiento” donde los campesinos se suicidan porque se endeudan y no pueden pagar por un modelo tóxico no es perverso?

Para el autor no…


“Hoy estamos en una situación social dolorosa y humanamente inaceptable, pero no es una crisis en el sentido de algo inusual o causado por algo específico: contextualizando su historia económica con la del resto del mundo, la Argentina de 2017 no está muy lejos de ser todo para lo que da la Argentina -todo para lo que hasta ahora ha demostrado que puede dar- y tiene un techo que no alcanza para una situación significativa y sustentablemente mejor.

Esta es una limitación sistémica, no un problema puntual. En términos de su historia, la Argentina no es una sociedad de tres globones (digamos, Italia) con un problema al que no encuentra solución, sino una sociedad de un globón con veinticinco centavos que funciona a su ritmo normal. Pasar de donde estamos a donde insistimos que tenemos que estar no es arreglar una economía, sino prácticamente construir una nueva.

No lo veo como algo descorazonador. Generalmente no intentamos hacer las cosas lo mejor posible porque “lo suficientemente bien” es menos riesgoso, pero hace mucho que esto dejó de ser cierto para la Argentina. Hay que hacer las cosas mejor que nunca antes, mejor de lo que nuestra experiencia personal, nuestra memoria institucional, y nuestra tradición política dicen que es siquiera posible, porque nada menos que eso va a ser remotamente suficiente.”


Este modelo en el que estamos no cierra, Macri se endeuda cada vez más, en algún momento todo estallará, ¿estamos preparados para lo que se viene?

No creo que sea con “crecimiento” que esto se solucione, al contrario, lo que se hará es más y más extractivismo y el legado será muchísimo peor.

No sé cuál es la “economía prácticamente nueva” que nos propone el autor, si es con crecimiento no es algo estable.

¿Salir del capitalismo?, ¿Decrecer y distribuir mejor?, ¿Tratar de ser lo más autosuficientes posibles?, ¿Salir del mercado?

Parece que esto es imposible de imaginar.

Nuestros Derechos Digitales a la Ciudad

derechosdig


Instituto Oxford de Internet

Autor Autor
Mark Graham
fecha de publicacion
8 de febrero de 2017

El panfleto ‘Nuestros derechos digitales a la ciudad ‘ está ahora en Meatspace Press. Nos complace ofrecerlo para su descarga gratuita (epub, mobi, pdf), (epub, mobi, pdf) , como un libro de bolsillo de bajo costo, y como un pdf para auto-impresión .

‘Nuestros Derechos Digitales a la Ciudad’ es una pequeña colección de artículos sobre tecnología digital, datos y la ciudad. Abarca una serie de temas relacionados con el poder político y económico de las tecnologías que ahora son casi ineludibles dentro del entorno urbano. Esto incluye discusiones en torno a seguridad, mapeo, bienes raíces, aplicaciones de smartphone y la idea más amplia de un “derecho a la ciudad” en un mundo post digital.

¿Debemos alimentar todos los datos de un problema dado a una computadora? ¿Por qué no? Debido a que la máquina sólo utiliza datos basados en preguntas que se pueden responder con un sí o un no. Y el propio ordenador responde con un sí o un no. Además, ¿puede alguien alegar que todos los datos han sido reunidos? ¿Quién va a legitimar este uso de la totalidad? ¿Quién va a demostrar que el “lenguaje de la ciudad”, en la medida en que es una lengua, coincide con ALGOL, Syntol o FORTRAN, los lenguajes de las máquinas, y que esta traducción no es una traición? ¿No se arriesga la máquina a convertirse en un instrumento en manos de grupos de presión y políticos? ¿No es ya un arma para los que están en el poder y para quienes los sirven?

Henri Lefebvre en “La revolución urbana” (1970)

La colección está editada por Joe Shaw Joe Shaw y Mark Graham y los autores que contribuyen en él Jathan SadowskiValentina CarraroBart WissinkDesiree FieldsKurt IvesonTaylor SheltonSophia Drakopoulou y Mark Purcell

Para Su Descarga Gratuita:

.epub (para la mayoría de los e-readers excepto Kindle ): descarga gratuita en SmashWords.

.pdf (para la mayoría de los lectores): descarga gratuita en Internet Archive o leerlo en alta resolución en el navegador en Issuu.

.mobi (para Kindle): descarga gratuita e Internet Archive.

Libro de Bolsillo:

Tenemos un tiraje limitado de sólo 50 copias disponible a través de Big Cartel por £3 cada uno + P&P.

Detalles:

Título: Nuestros derechos digitales a la ciudad
Editado por: Joe Shaw y Mark Graham
Contribuyen, por orden alfabético: Valentina Carraro, Sophia Drakapoulou, Desiree Fields, Mark Graham, Kurt Iveson, Mark Purcell, Jathan Sadowski, Joe Shaw, Taylor Shelton y Bart Wissink.
Diseño: Irene Beltrame
Formatos: Libro de Bolsillo, .epub, .pdf y .mobi
Cantidad de pábinas: 35
Lenguaje: Inglés
Editorial: Meatspace Press (2016)
ISBN (Libro de Bolsillo): 978-0-9955776-0-2
ISBN (e-book): 978-0-9955776-1-9
ISBN (pdf): 978-0-9955776-2-6
Licensia: Creative Commons BY-NC-SA

¿Cómo podemos detener las mentiras de los algoritmos?

The Guardian

Los algoritmos pueden determinar si recibes una hipoteca o cuánto pagarás por un seguro. Pero a veces ellos están equivocados – y a veces inducen al error.

Cathy O’Neil

Domingo 16 julio 2017

Muchos de los algoritmos funcionan mal involuntariamente. Algunos de ellos, sin embargo, se hacen mal a propósito. Los algoritmos son reglas formales, generalmente escritas en programas de computadora, que hacen predicciones sobre eventos futuros basados en patrones históricos. Para entrenar un algoritmo es necesario proporcionarle datos históricos, así como una definición de éxito.

Hemos visto a las finanzas siendo tomadas por los algoritmos en las últimas décadas. Los algoritmos de negociación utilizan datos históricos para predecir movimientos en el mercado. El éxito de ese algoritmo es predecir un movimiento del mercado, y el algoritmo está atento a patrones que históricamente han ocurrido justo antes de ese movimiento. Los modelos de riesgo financiero también usan los cambios históricos del mercado para predecir eventos cataclísmicos en un sentido más global, por lo que no es para un stock individual sino para todo un mercado. El modelo de riesgo para los valores respaldados por hipotecas era malo-intencionalmente – y la confianza en esos modelos puede ser la culpada por gran parte de la escala y consecuente daño causado por la crisis financiera de 2008 .

Desde 2008, hemos escuchado menos de algoritmos en finanzas, y mucho más de algoritmos de big data. El objetivo de esta nueva generación de algoritmos se ha desplazado de los mercados abstractos a los individuos. Sin embargo, la funcionalidad subyacente es la misma: recopilar datos históricos sobre las personas, describir su comportamiento online, ubicación o respuestas a cuestionarios y utilizar ese conjunto de datos masivo para predecir sus compras futuras, comportamiento de voto o ética laboral.

La proliferación reciente de los modelos de big data ha pasado en gran medida inadvertida para la gente comun, pero es seguro decir que los momentos más importantes en los que la gente interactúa con grandes sistemas burocráticos ahora implican a un algoritmo en forma de un sistema de clasificación [scoring]. Entrar en la universidad, conseguir un trabajo, ser evaluado como un trabajador, obtener una tarjeta de crédito o seguro, votar, e incluso ser vigilados por la policía son en muchos casos hechos algorítmicamente. Además, la tecnología introducida en estas decisiones sistemáticas es en gran medida opaca, incluso para sus creadores, y hasta ahora ha escapado en gran medida a una regulación significativa, incluso cuando falla. Eso hace que la cuestión de cuál de estos algoritmos están trabajando en nuestro nombre sean aún más importante y urgente.

Tengo una jerarquía de cuatro capas cuando se trata de malos algoritmos. En la parte superior están los problemas no intencionales que reflejan prejuicios culturales. Por ejemplo, cuando la profesora de Harvard Latanya Sweeney encontró que Google busca nombres que suenan como de personas negras  los anuncios que se generan están asociados con actividades criminales , podemos suponer que no había un ingeniero de Google escribiendo código racista. De hecho, los anuncios fueron entrenados para ser malos por los usuarios anteriores de las búsquedas de Google, que tenían más probabilidades de hacer clic en un anuncio de antecedentes penales cuando buscaban un nombre de que suene como de un negro. Otro ejemplo: el resultado de la búsqueda de imágenes de Google para “pelo no profesional”, devuelve casi exclusivamente a mujeres negras, es similarmente entrenado por las personas que publican o hacen clic en los resultados de búsqueda a lo largo del tiempo.

Una capa más abajo llegamos a algoritmos que funcionan mal por negligencia. Estos incluirían programas que impidan que las personas que trabajan en empleos de salario mínimo lleven una vidas digna. Los algoritmos los tratan como engranajes en una máquina, enviándolos a trabajar en diferentes momentos del día y en diferentes días de la semana, evitando que tengan regularmente cuidado infantil, un segundo trabajo o ir a la escuela nocturna. Son brutalmente eficientes, enormemente escalados, y en gran parte legales, recolectando monedas a los espaldas de los trabajadores. O considere el sistema de Google para etiquetar fotos automáticamente. Tenía un problema consistente en que los negros eran etiquetados como gorilas . Esto representa una negligencia de naturaleza diferente, es decir, la evaluación de la calidad del producto en sí: no comprobaron que funcionara con una amplia variedad de casos de prueba antes de liberar el código.

La tercera capa consiste en algoritmos desagradables pero legales. Por ejemplo, había ejecutivos de Facebook en Australia mostrando a los anunciantes formas de encontrar y dirigirse a adolescentes vulnerables. Horrible pero probablemente no explícitamente ilegal. De hecho, la publicidad online en general se puede ver como un espectro, donde por un lado a los ricos se les presentan artículos de lujo para comprar, pero los pobres y desesperados son presa de los prestamistas de día de pago online. Los algoritmos cobran más por el seguro de automóvil si no pareciera probable que el usuario compare los precios y Uber acaba de detener un algoritmo que estaba utilizando para predecir cuán baja podría ser el ofrecimiento de un pago, reforzando así la brecha salarial de género.

Finalmente, está la capa inferior, que consiste en algoritmos intencionalmente infames y a veces francamente ilegales. Hay cientos de empresas privadas, incluyendo docenas en el Reino Unido, que ofrecen herramientas de vigilancia masiva. Se comercializan como una forma para localizar terroristas o criminales, pero pueden ser utilizadas para atacar y erradicar a los activistas ciudadanos. Y debido a que recogen cantidades masivas de datos, los algoritmos predictivos y los sistemas de puntuación [scoring] se utilizan para filtrar la señal del ruido. La ilegalidad de esta industria está siendo debatida, pero una reciente operación secreta de periodistas de Al Jazeera ha puesto de manifiesto la relativa facilidad con que los intermediarios que representan a los regímenes represivos de Irán y Sudán del Sur han podido comprar a estos sistemas. Para el caso, los observadores han criticado el sistema de [scoring] puntaje de crédito social de China. Llamado “Crédito Sésamo”, es considerado como un puntaje de crédito, pero también puede funcionar como una forma de mantener registros de las opiniones políticas de un individuo, y de esa manera como una forma de obligar a la gente hacia la conformidad.

Más cerca de casa, está “Greyball” de Uber, un algoritmo inventado específicamente para evitar la detección cuando el servicio está funcionando ilegalmente en una ciudad. Utilizó datos para predecir cuáles conductores estaban violando los términos de servicio de Uber, o cuáles conductores eran funcionarios gubernamentales encubiertos. Telltale señala que Greyball inclusive recolectó el uso múltiple de la aplicación en un solo día y el uso de una tarjeta de crédito vinculada a un sindicato de la policía.

El algoritmo malicioso e ilegal más famoso que hemos descubierto hasta ahora es el utilizado por Volkswagen en 11 millones de vehículos en todo el mundo para engañar en los tests de emisiones y en particular para ocultar el hecho de que los vehículos estaban emitiendo óxido de nitrógeno hasta 35 veces superiores a los niveles permitidos por la ley. Y aunque parecía simplemente como un dispositivo tortuoso, esto califica como un algoritmo también. Fue entrenado para identificar y predecir condiciones de tests frente a las condiciones en las calles, y para funcionar de manera diferente dependiendo de ese resultado. Y, como Greyball, fue diseñado para engañar.

Vale la pena considerar el ejemplo de los fabricantes de automóviles porque el mundo de los algoritmos, una industria nueva muy arriesgada y sin medidas de precaución, es más bien como la industria automovilística. Con su fe ingenua y exuberante en su propia tecnología, el mundo de la Inteligencia Artificial [IA] está vendiendo el equivalente de coches sin guardagolpes cuyas ruedas podrían caerse en cualquier momento. Y estoy segura de que esos coches fueron hechos una vez, pero con el tiempo, como vimos más daños por su diseño defectuoso, se hicieron más reglas para proteger a los pasajeros y peatones. Entonces, ¿qué podemos aprender del actual y maduro mundo de los fabricantes de automóviles en el contexto del software ilegal?

En primer lugar, los fabricantes de automóviles están desplegando tipos similares de software que desactivan los controles de emisiones en determinados entornos. En otras palabras, esta no era una situación en la que sólo había un mal actor, sino más bien un procedimiento operativo estándar. Por otra parte, podemos suponer que esto no representa una complicidad, sino más bien un caso simple de incentivos extremos combinados con una baja probabilidad calculada de quedar atrapados de parte de los fabricantes de automóviles. Es razonable esperar, entonces, que haya un montón de otros algoritmos que se usan para zafar de las reglas y regulaciones consideradas demasiado caras, especialmente cuando los constructores de los algoritmos siguen siendo arrogantes acerca de sus posibilidades.

Siguiendo con el tema, la trampa de VW comenzó en 2009, lo que significa que pasó desapercibida durante cinco años. ¿Qué más ha estado pasando en cinco años? Esta línea de pensamiento nos hace empezar a mirar alrededor, preguntándonos qué compañías están actualmente engañando a los reguladores, evadiendo las leyes de privacidad, o cometiendo fraudes algorítmicos con impunidad.

De hecho, puede parecer un modelo de negocio redondo, en términos del análisis de costos-beneficios: engañar hasta que los reguladores nos alcancen, si alguna vez lo hacen, y luego pagar una multa limitada que no hace mucha mella en nuestra ganancias acumuladas. Así es como funcionó después de la crisis financiera, después de todo. En nombre del valor para los accionistas, podríamos estar obligados a hacerlo.

Dicho de otro modo. Todos esperamos que los autos se conduzcan por sí mismos en unos pocos años o en un par de décadas como mucho. Cuando eso suceda, ¿podemos esperar que haya acuerdos internacionales sobre cómo será la ética del coche autodirigido? ¿O los peatones estarán a merced de los fabricantes de automóviles para decidir qué sucede en el caso de un bache inesperado? Si hacemos reglas, ¿las reglas varíaran según el país, o incluso por el país del fabricante?

Si esto suena confuso para algo tan fácil de observar como accidentes automovilísticos, imagine lo que está pasando bajo el capó, en el mundo relativamente oscuro de complejos modelos de “aprendizaje profundo”.

Estamos seguros que las herramientas ya existen. China ha demostrado recientemente cómo la tecnología de reconocimiento facial ya funciona – lo bastante para agarrar a descuidisas y ladrones de papel higiénico . Eso significa que hay un montón de oportunidades para que las empresas realicen trucos tortuosos con los clientes o potenciales contrataciones. Para el caso, los incentivos también están en su lugar. El mes pasado, Google fue multado en 2.400 millones de euros por haber colocado injustamente sus propios resultados en las búsquedas en un lugar más prominente que el de sus competidores. Un reclamo similar fue presentado a Amazon por ProPublica el año pasado con respecto a su algoritmo de precios , a saber, que estaba privilegiando a sus propios productos internos -incluso cuando no eran mejores- sobre aquellos de fuera de su mercado. Si usted piensa en Internet como un lugar donde las compañías de big data compiten por su atención, entonces podemos imaginar más algoritmos como estos en nuestro futuro.

Hay un paralelo final para extraer del escándalo de VW. A saber, la discrepancia en las emisiones fue finalmente descubierta en 2014 por un equipo de profesores y estudiantes de la Universidad de West Virginia , que solicitó y recibió una mísera subvención de 50.000 dólares del Consejo Internacional del Transporte Limpio, una organización independiente sin fines de lucro pagada por los contribuyentes estadounidenses. Gastaron su dinero conduciendo coches alrededor del país y capturando las emisiones, una prueba barata y directa.

¿Qué organización le pondrá fin a la cosecha de algoritmos ilegales? ¿Cuál es el análogo del Consejo Internacional del Transporte Limpio? ¿Existe todavía una organización que tenga la capacidad, el interés y la habilidad para ponerle fin a los algoritmos ilegales, y demostrar que estos algoritmos son perjudiciales? La respuesta es, hasta ahora, no. En cambio, al menos en Estados Unidos, un grupo dispar de agencias federales está a cargo de hacer cumplir las leyes en su industria o dominio, ninguna de los cuales está particularmente en la parte superior del complejo mundo de los grandes algoritmos de datos. En otros lugares, la comisión europea parece estar estudiando la actividad antimonopolio de Google y los problemas de las falsas noticias [fake news] de Facebook, pero eso deja a varias industrias sin ser tocadas para su control.

Aún más sobre este punto, sin embargo, es la pregunta de cuán comprometida la investigación de algoritmos tendría que estar. La naturaleza actual de los algoritmos es de un código secreto, protegidos como una “salsa secreta” de las corporaciones. Son tan secretos que la mayoría de los sistemas de scoring online no son ni siquiera aparentes para las personas que son su objetivo. Eso significa que esas personas tampoco saben la puntuación que se les ha dado, ni pueden quejarse o impugnar esas puntuaciones. Lo más importante, por lo general, no sabrán si les ha sucedido algo injusto.

Teniendo en cuenta todo esto, es difícil imaginar la supervisión de los algoritmos, incluso cuando han funcionado mal y están perjudicando activamente a la gente. Por lo demás, en primer lugar, no todos los tipos de daños son claramente medibles. Se puede argumentar que, con todas las noticias falsas flotando, nuestra democracia ha sido dañada. Pero ¿cómo medir la democracia?

Eso no quiere decir que no haya esperanzas. Después de todo, por definición, un algoritmo ilegal está rompiendo una ley real con la que podemos señalarlo. Hay, en última instancia, alguien que debe ser responsabilizado por esto. El problema sigue siendo, ¿cómo se aplicarán tales leyes?

Ben Shneiderman, profesor de ciencias de la computación en la Universidad de Maryland, propuso el concepto de un Consejo Nacional de Seguridad de Algoritmos, en una charla en el Instituto Alan Turing. De acuerdo con el modelo de la Junta Nacional de Seguridad del Transporte, que investiga los accidentes de tráfico terrestre y aéreo, este organismo también será el encargado de investigar los daños y, específicamente, de decidir quién debe ser considerado responsable del daño algorítmico.

Esta es una buena idea. Debemos investigar los problemas cuando los encontramos, y es bueno tener un proceso formal para hacerlo. Si tiene suficiente poder legal, la junta quizás pueda llegar al fondo de un montón de asuntos de sentido común. Pero no está claro cuan completos podrían ser.

Porque aquí es donde la analogía con los fabricantes de automóviles se rompe: no hay algo equivalente a un desastre de tránsito en el mundo de los algoritmos. La mayor parte del daño les ocurre a individuos aislados, por separado y en silencio. Una proliferación de accidentes automovilísticos silenciosos e indetectables es más difícil de investigar que cuando ocurren a plena vista.

Todavía sostengo que hay esperanzas. Uno de los milagros de ser un escéptico de los datos en una tierra de evangelistas de datos es que la gente está tan impresionada con su tecnología, incluso cuando está creando daños involuntariamente, describiendo abiertamente lo asombroso que es. Y el hecho de que ya hemos encontrado bastantes ejemplos de daño algorítmico significa que, con lo secreto y opacos que son estos algoritmos, finalmente van a a ser descubiertos, a pesar de que han causado muchos problemas.

¿Qué significa esto para el futuro? En primer lugar, tenemos que empezar a mantener el control. Cada algoritmo criminal que descubrimos debe ser visto como un caso de prueba. ¿Se oponen las reglas? ¿Cuánto cuesta? ¿Se aplican las normas y cuál es la sanción? Como aprendimos después de la crisis financiera de 2008, una regla se ignora si la pena por romperla es menor que la ganancia embolsada. Y eso vale doble por una norma rota que sólo se descubre la mitad de las veces.

Incluso una vez que empezamos a construir un historial de cumplimiento, tenemos una carrera de armamentos. Pronto podemos esperar un ejército completo de algoritmos que violen las leyes, que sean sofisticadas y silenciosas, y que buscan evitar normas y regulaciones. Aprenderán de cómo otros fueron atrapados y lo harán mejor la próxima vez. En otras palabras, será cada vez más difícil atraparlos engañando. Nuestras tácticas tienen que mejorar con el tiempo también.

También podemos esperar que se nos diga que las grandes empresas están “luchano contra esto en privado”. Esto ya está ocurriendo con respecto a la lucha contra el terrorismo. No debemos confiar en ellos cuando dicen esto. Necesitamos crear un marco de pruebas estándar – una definición estándar de daños – y requerir que los algoritmos sean sometidos a pruebas. Y tampoco podemos hacer esto solo en “condiciones de laboratorio de prueba”, o estaremos reconstruyendo el escándalo de las emisiones de VW.

Uno de los mayores obstáculos a esto es que Google, Facebook o Amazon no permiten la realización de pruebas de múltiples personajes o perfiles online por parte de investigadores externos. Dado que las empresas ofrecen un servicio a medida e individualizado, la única manera de ver cómo se ve ese servicio sería tomar el perfil de varias personas, pero eso no está permitido. Piense en eso en el contexto de la prueba de VW: sería como decir que los equipos de investigación no podrían tener control de un coche para probar sus emisiones. Necesitamos más acceso y monitoreo continuo, especialmente una vez que los capturamos en actos ilegales. Para el caso, industrias enteras, como algoritmos de seguros y de contratación, deben estar sujetas a estos monitoreos, no sólo a los culpables individuales.

Es hora de prepararnos para una pelea. Con el tiempo será una carrera de armamentos tecnológicos, pero comienza, ahora, como una lucha política. Debemos exigir pruebas de que los algoritmos con el potencial de dañarnos demuestren que actúan de manera justa, legal y consistente. Cuando encontramos problemas, necesitamos hacer cumplir nuestras leyes con multas suficientemente pesadas para que las empresas no encuentran rentable hacer fraude en primer lugar. Este es el momento de empezar a exigir que las máquinas funcionen para nosotros, y no al revés.

Cathy O’Neil es la autora de Armas de destrucción Matemáticas (Allen Lane £ 9.99). Para pedir una copia por £ 8.49, o en  bookshop.theguardian.com o llame al 0330 333 6846


Algo más de Cathy O´Neil en este humilde blog

Sobre la tecnología, los trabajos y la pasividad de algunos periodistas

Juan Dillon en su programa Huevos Revueltos sobre la tecnología, que un taxista lo insulte por elogiar a Uber y algo más:


Si no lo puede escuchar o quiere descargar el archivo de audio: Visite esta página


A Juan Dillon le comentan que es un “gordo barato” por haber elogiado a Uber, a raíz de eso él comienza con la perorata de los empleos que se van a terminar, los robots, etc. etc.. Es una pena que no profundice en toda la precariedad que nos traen estas plataformas.

Tal vez cuando los periodistas sean reemplazados por robots entiendan que ellos también serán afectados!


El famoso Complejo de Borg

Patentemente espeluznante: el plan de Facebook para “leer emociones” a través de tu smartphone

Fuente Russia Today

Facebook es famoso por empujar los límites tecnológicos con sus innovaciones, pero sus últimas innovaciones pueden dejar a los usuarios preocupados presionando el botón no me gusta.

Una patente presentada y aprobada por la Oficina de Patentes y Marcas de los Estados Unidos detalla cómo las emociones de un usuario de Facebook podrían predecirse sobre la base de sus “características de entradas del teclado”. En pocas palabras, la empresa leería las emociones de una persona basándose en la velocidad y la presión de cómo tipean en las teclas.

La patente, , titulada “Aumentar los mensajes de texto con información emocional”, propone que se puedan añadir rasgos a los textos para reflejar los sentimientos del remitente.

593988c2c46188ad2c8b456f

Quizás lo más alarmante de las patentes pendientes de Facebook son las “Técnicas para la detección de emociones y entregas de contenido”. La aplicación detalla el deseo de Facebook de ver a sus usuarios a través de sus cámaras de sus smartphone o webcams.

La presentación esboza el número de artículos caseros y de ocio que ahora contienen cámaras, y continúa con ese estado que “los actuales sistemas de entrega de contenido típicamente no utilizan la información de las imágenes involuntarias”.

“Por lo tanto, existe una necesidad de una solución para quienes proporcionan contenidos para aprovechar los datos de las imágenes involuntarias disponibles para proporcionarle contenidos a un usuario con una relevancia mejorada”, dice la presentación.

593989d1c36188b6328b4573

El sistema propuesto captura la imagen objetivo, identifica la emoción del usuario y almacena los datos. Con base en esto, Facebook podría determinar qué emociones una porción de contenido obtuvo y utilizar esos datos para orientar a sus usuarios.

Otra patente propuesta basada en el reconocimiento facial y publicada el mes pasado se centra en la generación de emojis basados ​​en la expresión facial del usuario. Por ejemplo el usuario puede tomarse un selfie y el sistema produciría un emoji que expresa la misma emoción.

59398d1dc46188b32c8b4576

Otras innovaciones de Facebook que pueden generar cuestionamientos incluyen una solicitud de derechos exclusivos de “un robot con auto-equilibrio” que puede viajar en dos o tres ruedas.

No está claro cómo sería implementado el dispositivo a través de Facebook. Sin embargo, la patente establece que el dispositivo podría incluir una pantalla de visualización, cámara, altavoz y micrófonos.

En 2014, Facebook presentó  una patente para ayudar a los usuarios que deciden no compartir su estado sentimental en su perfil.

Propuso inferir el estatus de alguien basado en sus interacciones con otros usuarios en la red social que habían proporcionado su información personal. El estatus de relación inferida podría entonces ser utilizado por los anunciantes para orientar al usuario con publicaciones, afirma la patente.

“Por ejemplo, un anuncio para un servicio de citas está asociado con criterios de orientación que identifican a los usuarios asociados con un estado de relación de ‘soltero’, y a los usuarios asociados con un estado de relación inferido de ‘soltero’ son identificados como elegibles para ser presentados con el anuncio,” estados presentados.

Facebook presenta docenas de patentes por semana. La primera patente, presentada por Mark Zuckerberg, inicialmente rechazada por la Oficina de Patentes de Estados Unidos por ser “obvia”, fue aprobada en 2012, seis años después de su presentación. Curiosamente, se refirió a un término no mencionado en ninguna de las presentaciones más recientes de Facebook – “privacidad”.

La patente, titulada “Generación dinámica de un resumen de privacidad”, se centró en proteger la forma en que la información de un usuario aparece en la pantalla, incluyendo cómo se ve su configuración de privacidad

McDonald´s de la Estación Laferrere, uno de los que más factura en la Argentina

mcdonalds


“Caótico, multifacético, intimidante, La Matanza es, como otros distritos del conurbano (Quilmes, José C. Paz, Lanús, Lomas de Zamora), un monumento a la marginalidad y la decadencia. Y a la disparidad. De los grises monoblocks sobre la General Paz a los barrios residenciales de Ramos Mejía; del flamante Metrobus de 16 kilómetros sobre la ruta 3, a las tinieblas de la villa Puerta de Hierro, en Isidro Casanova; del febril enclave boliviano de Villa Celina, pegado a la Autopista Ricchieri, a descampados convertidos en basurales sobre la ruta 1001, en González Catán; de la calma provinciana de Aldo Bonzi al estallido comercial del centro de Gregorio de Laferrère, todo tiene lugar en este partido, gobernado sin interrupciones por el peronismo desde 1983. Su intendenta es la ultrakirchnerista Verónica Magario (FPV), activa opositora a Macri y heredera de una de las mayores maquinarias de clientelismo político del país. Magario no concedió una entrevista a LA NACION para esta nota.”

Toda la nota en La Nación