Paradoja de Machine Learning: Privacidad Exponencial y Consentimiento Logarítmico

Se atribuye a Nietzsche la cita “No me molesta que me hayas mentido, estoy molesto porque a partir de ahora no te puedo creer”. El impacto de los agujeros de datos de Facebook en las elecciones en EEUU o el referéndum del Brexit, está haciendo perder popularidad y confianza al gigante social, que por primera vez en su historia ha perdido usuarios en Europa en dos trimestres de 2018.

Source: https://s21.q4cdn.com/399680738/files/doc_financials/2018/Q4/Q4-2018-Earnings-Presentation.pdf

 

¿Es posible que en la tierra donde hemos diseñado la regulación más restrictiva del planeta -Reglamento Europeo de Protección de Datos, GDPR- en materia de privacidad de datos no perdonemos estos deslices? Hemos puesto mucho foco en proteger la propiedad de los datos. El error estaba, está y seguirá estando en el uso de esos datos personales como parte de inferencias a nivel agregado. El error está en la tiranía del algoritmo. 

 

Quizás toque supervisar el uso que se hace de esos datos a nivel agregado y dejar de sostener discusiones estériles sobre la propiedad de los datos a nivel individual. Nos guste o no la regulación es un sustituto imperfecto de la responsabilidad individual y la confianza. Nuestros datos ya no son solo nuestros. Vivir en la era digital supone entregar información con cada interacción. Esta es la base del nuevo contrato social en la era digital. La alternativa hubiera sido un Internet de pago. 

 

Asumida la propiedad compartida, posiblemente la regulación debe buscar que las inferencias y las decisiones que se tomen a partir de modelos en los que nuestros datos personales sean un insumo, sí deberían tener cierto nivel de escrutinio, análisis y auditoría. 

 

El crecimiento exponencial de los datos en esta 4ª Revolución Industrial y la facilidad de generar aprendizajes gracias a la tecnología (Inteligencia Artificial y Machine Learning), deja a los humanos es un falso espacio de victimismo. Si dejamos que piensen las correlaciones corremos el riesgo de que en la búsqueda del modelo de éxito empresarial, premiemos el atributo masculino y la raza blanca. En otras palabras, estamos perpetuando el sesgo. 

 

Sólo los humanos podemos plantear preguntas que devuelvan nuevas realidades. Sólo cuando un humano se cuestiona la falta de diversidad, se pueden alterar las consecuencias de los sesgos acumulados en series históricas. Quizás la máquina no tenga que aprender sola. Y si quien alimenta la máquina solo tiene un foco, corremos el riesgo que el trabajo de gente tan valiosa como ingenieros de datos o matemáticos, sólo sea validado por el criterio ejecutivo más oportunista. Y esa deriva ya la conocemos, sólo primará el crecimiento o la eficiencia como únicos indicadores de éxito.

 

La batalla por librar está en el acceso, gobierno y rectificación del algoritmo que regula el comportamiento de la máquina. De otro modo podemos caer en el error de perpetuar sesgos y aceptar decisiones cuando un algoritmo se convierte en el insumo de datos otro algoritmo. El reto está en la transparencia y la responsabilidad. 

 

Intuyo que en los próximos meses la conversación va a girar en torno a regular, supervisar y generar mayor espacio de transparencia en el manejo de modelos de datos. ¿Es posible que aparezcan nuevas plataformas como “bancos personales de datos” que exploren el concepto de portabilidad del dato?; ¿Es posible que las compañías tengan la obligación de contar con el apoyo de un especialista para garantizar la supervisión de toda su “algoritmía”?, ¿Igual empezamos a hablar de “Independent Data Expert Auditor”? No sería una mala IDEA. 

 

Un mundo lleno de profesionales “STEM” (Science Technology Engineering and Mathematics) desnaturaliza algo tan valioso como el progreso de la humanidad. El equilibrio quizás esté en la combinación de profesionales de las “artes” y profesiones “stem”. El nuevo talento híbrido que buscamos encaja más en un sincretismo de humanismo y tecnología. Son las personas a mi juicio las que deben seguir siendo responsables de las decisiones que se toman cuando se infieren consecuencias evolutivas a partir del trabajo con datos personales. La nueva deriva de la tecnología y el uso de datos a nivel masivo, debe contener la visión filosófica de humanos como últimos garantes: Personas, Datos y Tecnología. Y a ser posible en ese orden.

 

Esta nueva era trae consigo la tiranía del algoritmo como el nuevo engranaje que define el precio de productos mediante la utilización de modelos dinámicos de fijación de precios. Estamos subsidiados por un modelo Montecarlo, teoría de juegos o cadenas de Markov. Es posible, y el ser humano debe tener acceso al resultado del modelo. No hablo únicamente de rectificación, hablo de transparencia. Aquellas empresas que decidan exponer la transparencia de sus modelos, serán generadoras de confianza. 

 

No, me temo que no. Ya no tienes el legítimo derecho de protestar cuando alguien utiliza tus datos. Hace mucho tiempo que aceptaste como parte del contrato social que supone vivir en la era digital entregar tus datos a cambio de algo. 

Sin embargo, tienes la legítima responsabilidad de velar por la deriva de datos y tecnología superando ese falso victimismo que sobrevuela la inteligencia artificial. Solo así podremos acortar el gap existente entre la evolución exponencial de los datos y el limitado consentimiento de los humanos. ¿Machine learning? Sí, y que el humanismo enseñe a la máquina. 

Fuente IMAGEN: https://s21.q4cdn.com/399680738/files/doc_financials/2018/Q4/Q4-2018-Earnings-Presentation.pdf

 

Este artículo ha sido publicado previamente en: Diario Gestión, Perú (23 de abril de 2019) https://gestion.pe/tecnologia/paradoja-machine-learning-privacidad-exponencial-consentimiento-logaritmico-264836-noticia/

By | 2019-10-10T22:44:46+00:00 octubre 10th, 2019|Blog|0 Comments

About me:

Me considero un apasionado aprendiz de todo lo que hago. Coach Ontológico certificado por Newfield Network en Bogotá (Colombia). Master Executive en Marketing Relacional, CRM y Comercio Electrónico por ICEMD-ESIC. Licenciado en Ciencias Empresariales por la UCLM (Toledo) y último año de BA Honours en Management and Economics, University of St Andrews.

Comparte tu opinón