Por qu¨¦ este v¨ªdeo de una mujer en el v¨¢ter grabado por una Roomba no ser¨¢ el ¨²ltimo que veamos

Hace unos d¨ªas salieron a la luz una serie de im¨¢genes grabadas en 2020 por aspiradores autom¨¢ticos Roomba. En una de ellas se ve a una joven sentada en la taza del v¨¢ter con los pantalones bajados. Es la m¨¢s llamativa, pero hay otras en las que aparece un ni?o tumbado en el suelo mirando al robot limpiador o una mujer paseando por su casa. En total, 15 extractos de v¨ªdeos grabados en Estados Unidos, Jap¨®n, Francia, Alemania y Espa?a que fueron encontrados en Facebook y Discord por una reportera del MIT Technology Review.

Lo interesante del caso es c¨®mo han llegado esos v¨ªdeos a circular por las redes sociales. Los subieron a internet microtrabajadores venezolanos que se ocupaban de etiquetar im¨¢genes para entrenar al algoritmo de las aspiradoras. Y eso nos dice dos cosas: que la inteligencia artificial es menos autom¨¢tica de lo que se predica y que la econom¨ªa de plataformas (lo que una vez se llam¨® econom¨ªa colaborativa) ha asumido cotas insospechadas.

Vivimos rodeados de aparatos que se apoyan en algoritmos de aprendizaje autom¨¢tico, o machine learning. Esta tecnolog¨ªa consiste b¨¢sicamente en coleccionar grandes cantidades de datos y desarrollar algoritmos que saquen patrones sobre ello. El aprendizaje autom¨¢tico se usa, por ejemplo, en los sistemas de visi¨®n computacional, presentes en los coches autopilotados y en las aspiradoras rob¨®ticas. Para que el ordenador reconozca una silla hace falta darle (entrenarle con) miles o millones de ejemplos de im¨¢genes de sillas, de manera que extraiga un patr¨®n y sea capaz de identificar una cuando se le muestre.

Pero alguien tiene que asociar esos miles de im¨¢genes que se le facilitan a la m¨¢quina con la palabra silla. Ah¨ª entran los etiquetadores, una pieza tan fundamental como silenciosa de la inteligencia artificial. Son trabajadores que se conectan a ciertas plataformas (Amazon Mechanical Turk fue la pionera) en las que escriben manualmente lo que aparece en la imagen, identifican y se?alan contenidos potencialmente problem¨¢ticos o ayudan a mejorar la tecnolog¨ªa de reconocimiento de voz, interpretando y traduciendo fragmentos de audio particularmente dif¨ªciles a los que no llegan los traductores autom¨¢ticos.

Todo esto sucede en tiempo real, en un proceso de subasta instant¨¢nea de microtareas pagadas a c¨¦ntimos de d¨®lar. Mary L. Gray y Siddharth Suri describieron esta industria en Ghost Work, un libro que sacudi¨® al sector en 2019 al demostrar que la inteligencia artificial funciona gracias a una legi¨®n de trabajadores fantasma, la mayor¨ªa ubicados en pa¨ªses en v¨ªas de desarrollo, que realizan microencargos extremadamente sencillos y mal pagados. Todo lo que necesitan es un ordenador con conexi¨®n a internet y responder en el momento. Igual que los riders que recorren las ciudades a lomos de sus bicicletas con la cena de otros en sus mochilas cuadradas.

El retrato que hacen de la inteligencia artificial estos dos investigadores de Microsoft choca frontalmente con los cantos de progreso y menos trabajo pesado que vienen prometiendo desde hace lustros los garantes de esta tecnolog¨ªa. La automatizaci¨®n aporta grandes mejoras a nuestras vidas, s¨ª, pero a costa de generar trabajos basura al servicio de la inteligencia artificial. Estos empleos invisibles se concentran en pa¨ªses no occidentales, pero tambi¨¦n ocupan a gente en EE UU y en otros pa¨ªses europeos. Aunque, igual que los riders, trabajan muchas horas por poco dinero. La inteligencia artificial tambi¨¦n va a pedales.

¡°Los grandes avances tecnol¨®gicos¡±, sostienen Gray y Suri, ¡°siempre han requerido mano de obra barata y prescindible¡±. En 1800, los due?os de los molinos textiles de Massachusetts contrataban a granjeros para que elaborasen prendas demasiado delicadas como para hacerse en sus talleres mec¨¢nicos. En los a?os cincuenta del siglo pasado, las calculistas, o calculadoras humanas, repasaban las cuentas de los primeros ordenadores. Hoy se paga a gente para perfeccionar motores de b¨²squeda y ayudar a entrenar algoritmos.

El caso de Roomba demuestra hasta qu¨¦ punto eso es cierto. Los venezolanos que colgaron los v¨ªdeos accedieron a ellos a trav¨¦s de Scale AI, una de las empresas a las que iRobot, los productores de los aspiradores Roomba, contratan el ¡°entrenamiento¡± de sus sistemas. Los trabajadores estaban etiquetando los objetos con los que se cruzan las aspiradoras para mejorar sus sistemas.

Amazon anunci¨® el pasado verano su intenci¨®n de hacerse con iRobot a cambio de 1.700 millones de d¨®lares. La operaci¨®n est¨¢ a la espera de que el regulador de EE UU determine si afectar¨ªa a la libre competencia en el sector de los hogares inteligentes.

Seg¨²n dijo iRobot al MIT Technolgy Review, las im¨¢genes filtradas proceden de prototipos de robots modificados. La empresa asegura que Scale AI ha infringido los t¨¦rminos del contrato, mientras que la plataforma de microtrabajos descarga la responsabilidad en los microtrabajadores que han compartido las im¨¢genes. El caso es que se est¨¢n compartiendo datos muy sensibles de los usuarios con el ¨²nico objetivo de entrenar algoritmos. Y no es descabellado pensar que esto suceda con otros productos inteligentes m¨¢s all¨¢ de las aspiradoras Roomba.

Mantener cierta privacidad en la era digital es una quimera. Desde el momento en que subimos un documento a internet, este pasa a poder ser hackeado o robado. La intervenci¨®n de trabajadores fantasma en los procesos de la inteligencia artificial agrega un nuevo vector de potenciales fugas de datos. Y muestra las costuras de una tecnolog¨ªa, la inteligencia artificial, que se presupon¨ªa m¨¢s autom¨¢tica y menos anal¨®gica. Cada vez que veamos un rider por la calle podemos pensar que en alguna habitaci¨®n de Caracas, Bombai o Detroit puede haber un colega suyo contribuyendo a que la aplicaci¨®n de Uber o las aspiradoras Roomba funcionen un poco mejor.

Puedes seguir a EL PA?S TECNOLOG?A en Facebook y Twitter o apuntarte aqu¨ª para recibir nuestra newsletter semanal.