La matemática Cathy O’Neil ha dado la voz de alarma sobre cómo los algoritmos pueden empeorar la vida de las personas. O’Neil, doctora en Matemáticas por la Universidad de Harvard y postdoctorada en el departamento de Matemáticas del MIT, trabajó como analista cuantitativa para un destacado fondo de cobertura en medio de la crisis crediticia.
Lejos del solucionismo tecnológico, que pregona que los modelos matemáticos conducen a sociedades más igualitarias porque juzgan con las mismas reglas cualquier asunto, O’Neil alerta de que, en realidad, ocurre todo lo contrario.
En el libro Armas de destrucción matemática. Cómo el big data aumenta la desigualdad y amenaza la democracia (Capitán Swing, 2016), O’Neil señala que los algoritmos, incontestables, secretos y discriminatorios, dan forma a nuestro futuro como individuos y como sociedad. Sirven para calificar a profesores y estudiantes, conceder (o negar) préstamos, ordenar currículos, evaluar a los trabajadores, dirigir a los votantes, determinar horarios comerciales e incluso fijar condenas judiciales.
O’Neil visita por primera vez Barcelona para participar como conferenciante principal del festival The influencers, celebrado en el CCCB el pasado fin de semana. Hablamos con ella para reflexionar sobre los peligros del big data, los sesgos de los algoritmos y el impacto de los modelos predictivos.
¿Por qué afirma que los algoritmos son armas de destrucción matemática?
Los algoritmos sobre los que alerto son modelos matemáticos que cumplen tres requisitos. En primer lugar, son modelos incontestables. Les otorgamos el poder mágico de solucionar de manera justa cualquier problema que tenemos, desde encontrar la persona adecuada para un lugar de trabajo hasta ordenar la información que recibimos a través de las redes sociales. Segundo, son secretos. Desconocemos sobre qué reglas han sido construidos y a menudo no somos conscientes de que nos estamos sometiendo a su juicio. La transparencia importa, pero en estos casos siempre hay un “secreto industrial” que impide conocer el origen y la existencia de estos algoritmos. Tercero, son modelos injustos. Bajo ese secretismo los algoritmos suelen operar contra los intereses de las personas. Estas tres características hacen que los algoritmos no solucionen los problemas que tenemos, sino que los hagan peores
Usted trabajó como analista de big data para un importante fondo de cobertura en los años de la crisis, ¿qué papel tuvieron los algoritmos en ese contexto?
Las hipotecas subprime que se acumularon durante el auge inmobiliario no eran algoritmos defectuosos. Eran instrumentos financieros y tenían poco que ver con las matemáticas. Sin embargo, cuando los bancos empezaron a cargar las hipotecas basura en distintas clases de títulos para venderlas, sí que utilizaron modelos matemáticos, algoritmos. La internacionalización de la crisis se debió, en parte, a cómo las agencias de calificación manejaban los datos para hacer confiables unas hipotecas que no lo eran. Las agencias daban la triple A, el símbolo de mejor producto financiero, a hipotecas de clientes poco solventes, a sabiendas de lo que estaban haciendo y lo que ello podía representar para el sistema financiero. El poder de la informática moderna impulsó el fraude hasta una escala sin precedentes de la historia.
Alerta de que los algoritmos también están detrás de nuestra dieta informativa. Muchas personas acceden a las noticias a través de Facebook, ¿cuáles son los riesgos?
En primer lugar, el tipo de publicidad que hay en esas plataformas. La publicidad de las redes sociales, distribuida a través de un algoritmo, está hipersegmentada y se envía a partir de todos los datos que la empresa tiene sobre cada persona. Las tecnológicas, que registran nuestros patrones de navegación digital, saben todo sobre nosotros y nos ofrecen publicidad que apela a nuestras emociones. El algoritmo de Facebook, por otro lado, decide qué noticias nos muestra y en qué orden. Nos ofrece información que sabe que nos va a gustar y sobre la que haremos clic. Este fenómeno se conoce como “cámara de eco” y hace referencia a que las tecnológicas nos ofrecen la información que refuerza nuestras creencias.
Debemos ser responsables sobre nuestro comportamiento digital.
Sí, y debemos asumir que, aunque Facebook actuara de otra manera, hay algo en nuestra condición humana que nos empuja a tener ese comportamiento. Es más fácil moverse en un contexto que nos resulta cómodo que en uno que nos es hostil. Nosotros mismos compartimos cosas en Facebook porque nos gustaría que fueran verdad, no porqué lo sean. La tecnología facilita ese tipo de comportamiento.
Los medios de comunicación también buscan influir en los ciudadanos con determinados contenidos…
Los medios tradicionales, a través del gatekeeper, el periodista que filtraba y jerarquizaba la información, mantenía a raya las voces más extremas. Los algoritmos de las redes sociales, sin embargo, han amplificado estas voces. Además, una de las cosas más preocupantes de las tecnológicas es que tienen mucho poder, pero ninguna responsabilidad. Se esconden bajo una apariencia de neutralidad a pesar de tener una fuerte influencia en las democracias actuales.
Usted asegura que el sistema judicial estadounidense se basa en los algoritmos para calificar a los delincuentes y dictaminar condenas. ¿Qué consecuencias tienen los programas predictivos en el sistema judicial?
Los programas predictivos de delitos son la última moda en los departamentos policiales de los Estados Unidos. Estos programas procesan los datos históricos de delincuencia de una ciudad y realizan un cálculo para determinar los días y las horas en las que es más probable que se cometa un delito. Con presupuestos bajo mínimos en todo el país, los departamentos de policía patrullan los cuadrantes identificados como peligrosos en cada momento y publican índices de delincuencia a la baja. Las faltas leves son endémicas en muchos barrios empobrecidos. Este tipo de sistemas ponen el foco determinados delitos e invisibilizan otros, generando un mapa de la delincuencia que en realidad traza el rastro de la pobreza.
Se crea un bucle de retroalimentación pernicioso.
Sí, y las cárceles se llenan de pobres de color. En los Estados Unidos las condenas de cárcel impuestas a hombres de color son un 20% más largas que las impuestas a hombres blancos por delitos similares. Podríamos pensar que la utilización de modelos informatizados debería reducir la influencia de los prejuicios en las condenas y que contribuiría a que el trato sea imparcial. Esa es la esperanza que ha impulsado a más de una veintena de estados del país a recurrir a los llamados modelos de reincidencia, que ayudan a los jueces a evaluar el peligro que representa cada individuo.
Pero no es así.
Uno de los modelos más populares incluye algunas preguntas que es fácil imaginar que los reclusos de origen privilegiado contestarán de una manera y los de los barrios pobres de otra. Por ejemplo, cuestiones acerca de “la primera vez que tuvo trato con la policía” o si amigos y familiares tienen antecedentes penales. Las bases de datos que construyen los policías son incompletas y contienen sesgos que no favorecen a las minorías.
¿Y los jueces toman decisiones en función de esas bases de datos?
En algunos estados, estos datos se utilizan únicamente para identificar a los reclusos con puntuaciones de alto riesgo para incluirlos en programas de prevención de reincidencia. Aunque en otros, sirven para decidir condenas.
¿Cuál es el papel de los algoritmos en los procesos de selección de empleo?
Cada vez más empresas utilizan algoritmos para la selección de personal. Puede ocurrir que un candidato sea descartado por los datos que hay en la red sobre él. Kyle Behm, por ejemplo, es un estudiante de grado al que se le negó un trabajo en un supermercado basándose en unos datos que la empresa recogió de él en una prueba de personalidad. Fue descartado porque anteriormente había sido tratado en un hospital por trastorno bipolar. Su caso podría representar una violación de la ley estadounidense de discapacidades y está pendiente de juicio.
La semana pasada Amazon reconocía que un algoritmo interno utilizado para promover a sus trabajadores tenía sesgo por razones de género.
Sí, Amazon ha hecho algo que muy pocas compañías hacen: auditar sus propios algoritmos. En este proceso descubrieron que uno de ellos perpetuaba el sesgo de la industria tecnológica contra las mujeres. Una universidad de mujeres en la sección de educación de un currículum era un demérito automático. Por contra, la presencia de vocabulario típicamente masculino, como “ejecutivo”, era un punto a favor. Lo que hace destacable el caso de Amazon es que descubrió el sesgo y decidió no usar el algoritmo. Eso es mucho más de lo que la mayoría de las empresas pueden decir.
En el terreno laboral, alerta también sobre el clopening. ¿De qué se trata?
Es un nuevo verbo que han inventado las grandes corporaciones en Estados Unidos y viene de close, cerrar, y open, abrir. Cada vez es más habitual que los trabajadores con salarios bajos en empresas como Starbucks y McDonald’s tengan horarios irregulares como resultado de la economía de datos. El big data permite conocer los días de más actividad de una tienda e incluso las horas de mayor afluencia de clientes, y el análisis de datos se pone al servicio de la máxima optimización de la empresa al mismo tiempo que descuida la salud y la conciliación del trabajador que conoce los turnos casi sin previo aviso. El clopening es lo que hace un empleado que trabaja hasta el cierre por la noche en una tienda y vuelve unas horas más tarde, antes del amanecer, para abrir.
¿El problema está en los algoritmos o en los matemáticos e ingenieros que los diseñan?
El problema radica en las personas que los diseñan, sin duda. Y la mayoría de ellos cumplen un mismo prototipo: son hombres blancos de mediana edad que se han formado en universidades de élite de los Estados Unidos.
¿La solución pasa por educar a los futuros matemáticos e ingenieros para que no introduzcan tales sesgos en sus modelos matemáticos?
Sí, pero en Silicon Valley no interesa este discurso. Las grandes empresas tratan de fingir que tales problemas no existen, incluso cuando se duplican y triplican los algoritmos de reclutamiento, despido u otros recursos humanos, e incluso cuando venden o implementan algoritmos de crédito, seguros y publicidad. Las universidades tampoco están ofreciendo respuestas. La tecnología va demasiado rápido. La ética debería aplicarse en universidades y empresas, pero eso es algo que no se hace.
En los últimos años hemos visto que ingenieros de Facebook y Google han abandonado sus lugares de trabajo porque no estaban de acuerdo con los productos que estaban diseñando e implementando, y han fundado sus propias compañías. ¿Ve ahí algo de esperanza?
Está bien que empecemos a ser conscientes de los riesgos de cuantificarlo todo, pero soy escéptica con estos objetores de conciencia de Silicon Valley. Los trabajadores de Google también han alzado la voz por la participación de la empresa en un programa del Pentágono que utiliza la inteligencia artificial para interpretar mejor las imágenes captadas por drones que se utilizan en las guerras. El poder de estas personas y sus proyectos no es comparable, de momento, al de los gigantes tecnológicos.
¿Y qué hay sobre la regulación? ¿Hace falta crear nuevas normas o sería suficiente con aplicar las que hay?
Sería suficiente con aplicar la legislación existente, pero tampoco se hace. Las grandes corporaciones prefieren mirar hacia otro lado y negar los problemas. Este año hemos visto al fundador de Facebook, Mark Zuckerberg, mentir de manera descarada en el congreso de los Estados Unidos. Confío en que más casos como los de Facebook, Amazon o Google harán que legisladores y periodistas aten cabos acerca de lo que está pasando. Pero las matemáticas asustan porque se desconocen. Y por ello se les otorgan poderes mágicos. Es crucial entender que, bajo la apariencia de neutralidad de los algoritmos, hay decisiones morales que perpetúan y aumentan las desigualdades sociales.
(Tomado de La Vanguardia) (Fragmentos)
