2019-07-16

El sesgo de la inteligencia artificial

Fuegos artificiales
No es la primera vez que traemos el tema aquí (Algoritmos, sesgos y decisiones) pero siempre está bien traer textos interesantes. En este caso, Notes on AI Bias.

Lo primero, recordar que el aprendizaje automático ('machine learning') no consiste en fijar un conjunto de reglas y dejar al sistema decidir, sino que el sistema recibe un conjunto de datos, genera un modelo y lo utiliza para tomar las decisiones, lo que proporciona resultado estupendos para algunos problemas:


With machine learning, we don’t use hand-written rules to recognise X or Y. Instead, we take a thousand examples of X and a thousand examples of Y, and we get the computer to build a model based on statistical analysis of those examples. Then we can give that model a new data point and it says, with a given degree of accuracy, whether it fits example set X or example set Y. Machine learning uses data to generate a model, rather than a human being writing the model. This produces startlingly good results, particularly for recognition or pattern-finding problems, and this is the reason why the whole tech industry is being remade around machine learning.


A veces, esto produce problemas, porque establece relaciones de elementos que aparecen habitualmente en algunas situaciones, pero que no tienen por qué estar presentes ni formar parte de la que estemos considerando. Por ejemplo, si hay hierba en abundancia el sistema puede esperar que en la zona haya ovejas (que puede o no puede tener sentido que estén en una determinada escena).


What does that mean in practice? My favorite example is the tendency of image recognition systems to look at a photo of a grassy hill and say ‘sheep’. Most of the pictures that are examples of ‘sheep’ were taken on grassy hills, because that’s where sheep tend to live, and the grass is a lot more prominent in the images than the little white fluffy things, so that’s where the systems place the most weight.


Esto es, el sistema identifica que eso pondría estar en la escena (una imagen, en este caso) pero no es capaz de comprenderla y, por lo tanto, decidir correctamente sobre la posibilidad real de que lo que indica ocurra.
También ocurre que el sistema puede prestar atención a detalles que los humanos no prestarían o, simplemente, ignorarían.


But the patterns that it was seeing were not necessarily things that a human being would have noticed, and with some things (vocabulary describing success, perhaps, is something we now know can vary between genders) a human might have struggled to see them even if they were looking for them.


En muchos casos, ni siquiera tenemos una distribución de datos equilibrada, sólo tenemos una represetación parcial de la realidad. En este caso se refiere a la posible detección de cáncer de piel con imágenes.


... three hypothetical ways it might break:

1. You don’t have an even distribution of people: your photos of skin with different tones is unbalanced, so your system gives false positives or false negatives based on skin pigmentation.

2. Your data contains a prominent and unevenly distributed non-human characteristic with no diagnostic value, and the system trains on that - the ruler in the photo of skin cancer, or the grass in the photo of a flock of sheep. In this case it alters its result if the pixels that we see as a ‘ruler’ (but that it does not) are present.

3. Your data contains some other characteristic that a human cannot see even if they look for it.


Esto es, además de no tener una distribución razonable de valores, los valores contienen datos no relevantes (una escala en la foto, que se usar para hacerse una idea del tamaño, o la hierba con un rebaño...). Y también contienen características invisibles o irrelevantes para un humano.

También puede ocurrir que haya predicciones correctas que no queremos (o no debemos) utilizar; incluso puede ser ilegal tomar decisiones basadas en esos indicadores.


Next, so far we’ve been talking about correlations that are false, but there may also be patterns in the data that are entirely accurate and correct predictors, but that you don’t want to use, for ethical, legal or product-based reasons. In some jurisdictions, for example, you are not allowed to give better car insurance rates to women even though women might tend to be safer drivers.


Y a veces, ni siquiera es fácil anonimizar los datos para evitar sesgos por este tipo de motivos, porque esos sesgos pueden estar contenidos en datos que, a priori, no nos parecerían sospechosos.


One could easily imagine a system that looks at the historical data and learns to associate ‘female’ first names with lower risk, so you would remove the first names from the data - but, [...] there might be other factors that reveal the gender to the system (though of course it would have no concept of gender, or indeed cars), and you might not realise this until the regulator did an ex ante statistical analysis of the quotes you’ve given and fined you.


Por lo tanto, debemos tener en cuenta que los datos que se utilicen para entrenar a los sistemas de inteligencia artificial deben tomarse con el adecuado rigor metodológico (no introducir sesgos), utilizar herramientas para analizar y diagnosticar el comportamiento de los modelos y, como siempre, preparar adecuadamente a las personas relacionadas con estos sistemas (su gestión y uso).


Methodological rigour in the collection and management of the training data

Technical tools to analyse and diagnose the behavior of the model.

Training, education and caution in the deployment of ML in products.


La novedad es que el análisis no lo hacen humanos, así que hay que estar atentos y vigilantes a los resultados.


The part that’s new, of course, is that the people aren’t doing the statistical analysis directly anymore - it’s being done by machines, that generate models of great complexity and size that are not straightforward to analyse.


No es sencillo auditar y comprender los motivos por los que se toma una de estas decisiones:


Second, the idea that you can audit and understand decision-making in existing systems or organisations is true in theory but flawed in practice. It is not at all easy to audit how a decision is taken in a large organisation.


Se puede comparar el aprendizaje automático con el impacto de las bases de datos relacionales, en el sentido de que estas últimas cambiaron el mundo por la cosas que se podían hacer con ellas. Y también se parecen porque permitían construir modelos basados en suposiciones erróneas o incompletas, contener datos erróneos (y nosotros tomar decisiones basándonos en ellos).


In this context, I often compare machine learning to databases, and especially relational databases - a new fundamental technology that changed what was possible in computer science and changed the broader world, that became a commodity that was part of everything, and that we now use all the time without noticing. But databases had problems too, and the problems had the same character: the system could be built on bad assumptions, or bad data, it would be hard to tell, and the people using it would do what the system told them without questioning it.


En definitiva, el aprendizaje automático introduce problemas. En algunos casos se parecen a problemas que ya han aparecido en el pasado con otros sistemas que venimos utilizando. Estos problemas podrán ser detectados o no, de manera análoga a otros que ya hemos visto.


All of this is to say that ML bias will cause problems, in roughly the same kinds of ways as problems in the past, and will be resolvable and discoverable, or not, to roughly the same degree as they were in the past.


Como siempre, los problemas que será más habitual que tengamos no vendrán de un laboratorio de investigación (maligno o no) sino de algo tan sencillo como alguien que no ha configurado correctamente un sistema, o se ha olvidado de considerar algún aspecto relevante, o directamente lo ha utilizado sin muchas consideraciones.


Rather, it is a third tier technology contractor or software vendor that bolts together something out of open source components, libraries and tools that it doesn’t really understand and then sells it to an unsophisticated buyer that sees ‘AI’ on the sticker and doesn’t ask the right questions, gives it to minimum-wage employees and tells them to do whatever the ‘AI’ says.


El aprendizaje automático puede hacer cualquier cosa para la que pueda ser entrenado, pero en muchos casos no podremos estar seguros de que el resultado es el adecuado (o, al menos, deberemos examinarlo con cuidado).


“Machine Learning can do anything you could train a dog to do - but you’re never totally sure what you trained the dog to do.”


Al final, probablemente el término inteligencia artificial no sea útil para hablar de estos temas porque crea la impresión (falsa) de que estamos hablando realmente de inteligencia y, lamentablemente, no es así.


I often think that the term ‘artificial intelligence’ is deeply unhelpful in conversations like this. It creates the largely false impression that we have actually created, well, intelligence - that we are somehow on a path to HAL 9000 or Skynet - towards something that actually understands. We aren’t. These are just machines, and it’s much more useful to compare them to, say, a washing machine.


Interesante y valioso con todo el ruido que estamos escuchando por ahí afuera.

Puedes enterarte de las notas nuevas en: @reflexioneseir (Twitter), Reflexiones e Irreflexiones (Página de Facebook), Reflexiones e Irreflexiones (Canal de Telegram), fernand0 (en LinkedIn), @fernand0 (en Medium).

2019-07-16 18:14 | 1 Comentarios | In English, please | En PDF | Para enlazar # |
| Compartir/Share | por correo | en Twitter | en LinkedIn | en Facebook | en Google+ | en Delicious |

2019-07-09

Robotizar las redes sociales, ¿eso es lo que queremos?

Robot
Después de ver a muchos 'community managers' que se comportan como robots (¿Podemos diferenciarte de un robot?) utilizando trucos más o meno sucios para aumentar sus seguidores y convertirse en 'influyentes' (ellos o las marcas que representan) siempre es interesante ver una aproximación verdaderamente 'robótica'.

Por ejemplo, How I Eat For Free in NYC Using Python, Automation, Artificial Intelligence, and Instagram donde Chris Buetti nos cuenta sus mecanismos para tener un Instagram 'importante' sobre restaurantes y consegui que la gente le invite y esas cosas.

Es un poco técnico, pero como dice, se puede conseguir utilizando herramientas (programación) o bien, invirtiendo tiempo:


You’ll either need a background in Data Science/Software Development or a lot of free time on your hands. Since I have the prior, I sit back and let my code do the work for me. Oh, and you guessed it, you’ll need to know how to use Instagram as well.


Curioso, como utiliza las redifusiones de instagram, dando crédito a los autores, también las etiquetas y la búsqueda de contenidos relevantes para su propósito.
También cómo hace crecer sus seguidores, da me gusta.

No voy a decir que me guste esta forma de interactuar en redes sociales, pero me parece que hay cierta justicia poética en que un robot lo haga mejor que muchos 'community managers' y, total, Instagram no mejorará (¿he dicho que no me gusta mucho esa red?) por no hablar de este tema.

Puedes enterarte de las notas nuevas en: @reflexioneseir (Twitter), Reflexiones e Irreflexiones (Página de Facebook), Reflexiones e Irreflexiones (Canal de Telegram), fernand0 (en LinkedIn), @fernand0 (en Medium).

2019-07-09 17:50 | 1 Comentarios | In English, please | En PDF | Para enlazar # |
| Compartir/Share | por correo | en Twitter | en LinkedIn | en Facebook | en Google+ | en Delicious |

2019-07-03

¿A quién debería salvar tu coche autónomo?

coches volcados
Vaya por delante que considero este debate un poco sesgado: en condiciones normales, un humano raramente podría elegir en una situación como esta (esto es, estaríamos en manos prácticamente del azar) y, en caso de que pudiera elegir, ¿te fiarías de la decisión de una de esas personas que conducen su coche bebidas, o que van hablando con su teléfono o realizando cualquier otra actividad que les distrae?

En esas estamos mientras podemos encontrar lecturas como How Should Self-Driving Cars Choose Who Not to Kill? que vienen a recordarnos lo evidente: aunque fuera posible elegir a quién salva el coche, no seríamos capaces de ponernos de acuerdo.

Primero, las decisiones morales de las personas tienen muchas influencias. Y además, aunque tengamos una decisión basada en la moral o la inteligencia, actuaríamos por instinto:


Moral decisions made by humans are influenced by so many things. People react on the basis of hormones, but they don’t do that in a reasoned way, not when they make decisions really fast. You and I could sit and spend one hour discussing how we would like to react. But there’s no point, we cannot program ourselves to do what we would like to do because we act on instinct.


Luego están las cuestiones de cómo decidir sobre estos temas: ¿la mayoría
sería un criterio adecuado para la toma de decisiones de este tipo?


I don’t think we should default simply to what the majority says, but I do think it’s useful to know what the public prefers. It suggests what kind of pushback we’re going to get for moral codes imbued into the cars.


Por supuesto, si el coche es mío, quiero que me salve a mi. ¿Afectaría saber que el vehículo puede tomar otra decisión a mi compra?


If you say your car would preference the passenger, there will be public outrage. If you decide to treat all life equally but imperil the life of the person who bought the car, you might actually take a hit to your bottom line, people might not buy that car.


Finalmente, estamos ante sucesos raros, pero en los que pequeñas variaciones de comportamiento (un conductor probablemente pisaría el freno a fondo y, tal vez, pudiera pensar en mover el volante) pueden provocar resultados diferentes.


These situations are going to be incredibly rare. What is certainly more immediately relevant is how every small decision that the car makes is going to shift risk. If the car gives more space to children, that decision will put the driver at higher risk. This small decision might not end in fatalities but the question we’re going to have to ask is how should the car distribute risk between people.


Muy interesante. Y difícil.

Puedes enterarte de las notas nuevas en: @reflexioneseir (Twitter), Reflexiones e Irreflexiones (Página de Facebook), Reflexiones e Irreflexiones (Canal de Telegram), fernand0 (en LinkedIn), @fernand0 (en Medium).

2019-07-03 18:19 | 1 Comentarios | In English, please | En PDF | Para enlazar # |
| Compartir/Share | por correo | en Twitter | en LinkedIn | en Facebook | en Google+ | en Delicious |

2019-06-24

La transformación digital y la gente

Las organizaciones a veces parecen fortalezas....
En la última semana he escuchado decir esto varias veces. Yo ya estaba convencido y hasta había guardado este texto para comentar: Digital Transformation Is Not About Technology.

Como siempre hemos dicho, hablamos de herramientas. Que no tienen sentido si no se adoptan de la manera adecuada.
Para cambiar algo (y, en particular, para hacer la transformación digital) hay que tener en cuenta a las personas.


Fundamentally, it’s because most digital technologies provide possibilities for efficiency gains and customer intimacy. But if people lack the right mindset to change and the current organizational practices are flawed ...


Esto es muy interesante porque todo el mundo cree que es más digital de lo que realmente es, y además trata de resolver sus problemas con lo que sabe (que no siempre es mucho): como decía la canción, "si naciste pa'martillo del cielo te caen los clavos"

Por lo tanto (y aquí empiezan las dificultades), conviene tener algún tipo de estrategia:


Lesson 1: Figure out your business strategy before you invest in anything. Leaders who aim to enhance organizational performance through the use of digital technologies often have a specific tool in mind. “Our organization needs a machine learning strategy,” perhaps. But digital transformation should be guided by the broader business strategy.


Después, conviene apoyarse en los propios empleados, que nos darán pistas sobre lo que puede funcionar y lo que no.


Lesson 2: Leverage insiders. Organizations that seek transformations (digital and otherwise) frequently bring in an army of outside consultants [...] is to rely instead on insiders — staff who have intimate knowledge about what works and what doesn’t in their daily operations.


Luego, tener en cuenta que el objetivo es la satisfacción del cliente (no, ¡ay! la de los empleados, claro).


Lesson 3: Design customer experience from the outside in. If the goal of DT is to improve customer satisfaction and intimacy, then any effort must be preceded by a diagnostic phase with in-depth input from customers.


Esto no significa que los empleados no sean importantes, hay que tener en cuenta su trabajo, los miedos (por ejemplo, a ser reemplazados).


Lesson 4: Recognize employees’ fear of being replaced. When employees perceive that digital transformation could threaten their jobs, they may consciously or unconsciously resist the changes. If the digital transformation then turns out to be ineffective, management will eventually abandon ...


Finalmente, traer la cultura de Silicon Valley, donde se fomenta el cambio, la prueba, el error... Uno de los problemas que yo veo frecuentemente en organizaciones de nuestro contexto es que no se puede fallar: si se lanza una iniciativa tiene que salir bien y no nos permitimos la posibilidad de cambiar lo que esté mal para que no se note demasiado (que estaba mal).


Lesson 5: Bring Silicon Valley start-up culture inside. Silicon Valley start-ups are known for their agile decision making, rapid prototyping and flat structures. The process of digital transformation is inherently uncertain: changes need to be made provisionally and then adjusted; decisions need to be made quickly; and groups from all over the organization need to get involved


Interesante. Menos salir de la zona de confort y más escuchar a la organización, a los clientes, estar dispuestos a cambiar (y luego volver a cambiar si algo no funciona demasiado bien) y, claro, para ello utilizar las herramientas que tengamos disponibles o que consideremos que pueden ser de utilidad.

Puedes enterarte de las notas nuevas en: @reflexioneseir (Twitter), Reflexiones e Irreflexiones (Página de Facebook), Reflexiones e Irreflexiones (Canal de Telegram), fernand0 (en LinkedIn), @fernand0 (en Medium).

2019-06-24 17:52 | 1 Comentarios | In English, please | En PDF | Para enlazar # |
| Compartir/Share | por correo | en Twitter | en LinkedIn | en Facebook | en Google+ | en Delicious |

2019-06-18

Una web de baja tecnología y verde

Verde
Siempre me he sentido atraído por las soluciones de 'baja tecnología': hoy en día la tendencia en la web es añadir todo a las páginas como si fuera necesario para atraer a nuestros visitantes. Cualquier novedad que los navegadores y los tecnólogos ponen a nuestra disposición debe aparecer en nuestra página web. Aún a costa de convertir la navegación en algo insufrible, si no se hace con las medidas adecuadas.

Por eso me gustó leer Digital guide to low tech que declara haber creado su página web siguiendo los que llama 'principios de baja tecnología':


In March 2019 I put my new website online following "low tech" design principles. I decided to do this because, first, I was impressed by the redesign of solar.lowtechmagazine.com. Their site has become extremely light thanks to a sensible approach.


No sólo eso, sino que el rediseño al que aluden (ver LOW←TECH MAGAZINE) también tiene en cuenta el consumo de energía:


Furthermore, they thought about energy: their own server is powered by a solar panel and a battery, which means that if the battery is flat and if the weather is bad then the site is no longer in line.


Desde el punto de vista del diseño, los principios se basan en aligerar el espacio necesario para el sitio (páginas del tamaño mínimo necesario, sin sobrecargas), elecciones técnicas que utilizan la mínima cantidad de equipamiento posible, dejar exclusivamente el contenido esencial y reducir el resto tanto como sea posible y, claro, documentar el proceso y darle visibilidad.

Como ejemplo, y por concretar, se asignó un 'presupuesto' de 500kb en media para cada página


I decided to give me an average budget of 500kb / page


Luego aborda también el tema del equipamiento necesario para servir estas páginas, aunque no entra en mucho detalle. Eso sí, llega a sugerir utilizar computadores antiguos y repararlos (no estoy seguro de esto, porque en una de las cosas que la tecnología ha avanzado más es en el consumo de los nuevos equipos, pero no hay que olvidar la componente romática de estas cosas).
También se plantea la elección de alojamientos 'verdes'.


There is one interesting way to provide self-hosting while reducing your carbon footprint: by collecting scrapt computers, repairing them and using them as hosting hardware. Lowtech.org proposes extensive documentation on this process.


Posteriormente habla de imágenes y vídeos, así como otros elementos de diseño.

¿La conclusión? Una reducción del 'peso' de su sitio en un factor de 10 y una reducción media para las páginas de un tercio.

Curioso.

Puedes enterarte de las notas nuevas en: @reflexioneseir (Twitter), Reflexiones e Irreflexiones (Página de Facebook), Reflexiones e Irreflexiones (Canal de Telegram), fernand0 (en LinkedIn), @fernand0 (en Medium).

2019-06-18 17:34 | 0 Comentarios | In English, please | En PDF | Para enlazar # |
| Compartir/Share | por correo | en Twitter | en LinkedIn | en Facebook | en Google+ | en Delicious |

2019-06-12

Estar en redes sociales, hagas lo que hagas

Twitter
Me gustó leer Ya sabes..., si no estás en las redes sociales no existes porque desde una posición modesta de un Instituto de Guadalajara nos recuedan que debemos estar en las redes.

Hay muchas tentanciones para no hacerlo: nos pueden criticar, no tenemos tiempo, no sabemos...

Pero también hay que ser conscientes de dónde se encuentra nuestra posible 'audiencia' y debemos completar nuestra página web poniendo la información en cuantos sitios sea posible:


Siendo el encargado de la página web, abrí la cuenta de Twitter. Esto supuso más trabajo, pero la recompensa fue ver que el mensaje llegaba a más gente, lo que demandaba publicar las actividades cotidianas del Instituto por la tarde, en fin de semana o cuando pensaba que las circunstancias lo requerían; y siempre había respuesta.


Notar que tiene web: todavía me sorprende más la gente que confía toda su presencia digital a las redes sociales sin tener un 'hogar' donde poder poner la información más relevante.

Conviene tener la habilidad y complicidad de nuestros compañeros:


Ser administrador de redes sociales en un centro educativo no es un trabajo solitario. El profesorado que realiza una actividad o una excursión realiza fotos que envía ...


Y todavía da algunas ideas y consejos más. Desde mi experiencia personal, yo ya he pasado por diversos sitios de gestión donde siempre que he podido, he abierto canales sociales. Veo que a veces nos 'dan', cuando algo no funciona bien, pero también veo que la gente agradece esa comunicación de noticias, dan buena imagen sobre nuestro trabajo (mi departamento, ni universidad) e incluso la gente que está enfadada en algunos momentos puntuales recibe bien las respuestas y siente que se le está escuchando y que no es una 'queja' al aire.


Muy interesante.

Puedes enterarte de las notas nuevas en: @reflexioneseir (Twitter), Reflexiones e Irreflexiones (Página de Facebook), Reflexiones e Irreflexiones (Canal de Telegram), fernand0 (en LinkedIn), @fernand0 (en Medium).

2019-06-12 19:41 | 0 Comentarios | In English, please | En PDF | Para enlazar # |
| Compartir/Share | por correo | en Twitter | en LinkedIn | en Facebook | en Google+ | en Delicious |

2019-06-03

Blockchain, la confianza y la educación

Papeleo
Andamos un poco perplejos con todo el ruido que está habiendo relacionado con educación y blockchain. Lo miramos casi desde una esquina porque parece que hay que estar en ello (y hasta tenemos algunas ideas y proyectos que, tal vez, lleguen a buen puerto) pero con la distancia que nos proporcionar el pensar que se trata de una tecnología 'ruidosa', y viendo que no está claro que la sociedad no esté pidiendo que nos ocupemos de ese tema.

Por eso me gustó leer It’s about Trust, Stupid! Why Blockchain-based BlockCerts are the wrong solution to a false problem (2/3).

Cada vez es más frecuente que los 'palabros' lleguen a los medios y, desde allí a la sociedad sin que esté muy claro por qué unos triunfan y otros no y, desde luego, sin comprender por qué de pronto hay presión en introducirse en el uso de tecnologías que pueden tener poco sentido (vamos a dejarlo allí) para las necesidades que tenemos.
No digo que no haya aplicaciones útiles y que se nos ocurran nuevas y mejores, seguro que es así.

Aparentemente, uno de los valores que proporcionaría blockchain es la confianza y allí andamos con las certificaciones y la cadena de bloques. Todo ello sin (hay que decirlo) una legislación útil en estos momentos sobre lo que es o debería ser un título digital, por ejemplo.
Si ponemos títulos en una blockchain, ¿qué hacemos en realidad?: esencialmente extraemos una cierta (y reducida) versión de la información, la codificamos de alguna forma y la lanzamos al mundo.

Ningún problema con eso: podemos hacerlo, sabemos hacerlo y a lo mejor hasta lo haremos pero ... ¿Mejorará eso la empleabilidad de las titulaciones? ¿Las empresas (¡ay!, nuestras empresas) podrán verificar esos títulos mejor que ahora? ¿Evitaremos los fraudes? ¿Hay alternativas más sensatas con tecnologías que ya conocemos y que aporten un valor equivalente? ¿Seremos más modernos así? ¿Mejores?

No extraigo ningún párrafo del texto pero básicamente hace preguntas similares a estas de una manera algo más técnica.

Luego está el tema de la utilidad de los títulos. De vez en cuando leemos eso de que las empresas ya no quieren los títulos (que me parece un mensaje muy peligroso porque, es posible que algunas empresas no miren los títulos pero, desde luego, sí que miran los conocimientos y las habilidades; puedo recordar casos que conozco personalmente de gente que ni siquiera entraba en los procesos por no disponer de... ¡el título! -y esta es nuestra realidad-) pero...
También lo dicen en el texto y es algo que conviene recordar que el título es algo que tiene un valor durante un tiempo determinado; después, ya uno tiene que decir su titulación pero también su experiencia, trayectoria, ....


Louis Armand, a French industry leader and visionary once expressed a diametrically opposite view:

"if after the age of 30 you still feel the urge to mention your diplomas, it probably means that you have not achieved much in life".


Y nuestros títulos allí estarán (o su representación, que ya lo hemos dicho antes) en la blockchain ocupando bitios para una misión que ya cumplieron.

Vale la pena leerlo. Y pensar un poco.

Puedes enterarte de las notas nuevas en: @reflexioneseir (Twitter), Reflexiones e Irreflexiones (Página de Facebook), Reflexiones e Irreflexiones (Canal de Telegram), fernand0 (en LinkedIn), @fernand0 (en Medium).

2019-06-03 19:50 | 0 Comentarios | In English, please | En PDF | Para enlazar # |
| Compartir/Share | por correo | en Twitter | en LinkedIn | en Facebook | en Google+ | en Delicious |

2019-05-27

Buscar pareja en internet y sus servicios asociados

Amor express
Interesante leer You could be flirting on dating apps with paid impersonators sobre gente ocupada y/o poco habilidosa, búsqueda de parejas y relaciones.

El resumen es sencillo: la tarea de buscar pareja es bastante exigente, si lo pensamos. Cuando nos ponemos a hacerlo a través de uno de los sitios que existen la cosa se complica, con la gran cantidad de perfiles 'disponibles' y el primer trabajo de 'selección' y 'eliminación' de las candidaturas menos prometedoras.
Sin olvidar las dificultades propias de los propios sitios web, que no todo el mundo es profesional de internet.
Lo que da lugar, claro, a la aparición de los profesionales.
Porque muchas veces, tampoco es que seamos demasiado buenos en estas tareas.

Desde gente que puede escribir un perfil atractivo por nosotros, hasta los 'rematadores', que se ocupan de responder por nosotros al principio para sondear a las posibles nuevas parejas:


I learned that there are two main types of writers at the company: “Profile Writers,” who create seductive and click-worthy profiles based on facts our clients have supplied about themselves, and “Closers,” who log in to clients’ dating accounts at least twice a day to respond to messages from matches.


Todo está tan profesionalizado que estos escritores de perfiles tienen incluso sus bancos de frases, adecuadas para diversas situaciones:


If a client has a dog (jackpot!), all the Profile Writer needs to do is search for the word "dog" in their manual and choose from a list of dog-related one-liners,...


Otro tipo de profesionales son los 'emparejadores', que se ocupan de tratar de abrir conversaciones en nombre de su clientela:


These pick-up lines are mostly sent by a third type of employee, "Matchmakers," who send out opening messages en masse across every dating platform imaginable: [...] Matchmakers will scour these platforms for potential matches and then send copy-and pasted opening messages to those who fulfill their clients’ preferences, such as "must love cats" or "should know how to cook."


¿Engaño o asistencia?
Los profesionales dicen que están encantados de ayudar gente muy mayor para entender cómo moverse por internet a tener su siguiente oportunidad. Otro, que utilizan datos porque el amor es algo difícil de comprender.


I asked my coworkers how they handle the moral flexibility that the work demands. One male Closer told me that it felt rewarding to "help men too old to understand the internet," and that "some people are too busy for all that." Another writer told me that "finding love is a mysterious process, so we use data."


Cuando hay algo que ganar, siempre hay alguien dispuesto a pagarlo como servicio y alguien dispuesto a proporcionárselo.

Me pregunto si cuando la cosa llegue a buen fin, confesarán las artes utilizadas. A veces conservar el misterio puede ser interesante.

Puedes enterarte de las notas nuevas en: @reflexioneseir (Twitter), Reflexiones e Irreflexiones (Página de Facebook), Reflexiones e Irreflexiones (Canal de Telegram), fernand0 (en LinkedIn), @fernand0 (en Medium).

2019-05-27 19:20 | 0 Comentarios | In English, please | En PDF | Para enlazar # |
| Compartir/Share | por correo | en Twitter | en LinkedIn | en Facebook | en Google+ | en Delicious |

2019-05-13

¿Qué están haciendo los reporteros robóticos?

Cuando se presumía de tecnología (la imprenta)
Con frecuencia escuchamos hablar de la inteligencia artificial porque va a eliminar puestos de trabajo y, también, por los sesgos que puede introducir y las decisiones 'no auditables' (la verdad es que ya tenemos un cierto historial, hasta en las cosas más absurdas, del estilo de: 'esto no se puede hacer, el ordenador no nos deja').
Sin embargo, una inteligencia artificial que apoye a un profesional puede ser un hecho diferencial en algunos puestos de trabajo.
O eso nos gustaría pensar.

Hace unos días podíamos leer The Rise of the Robot Reporter donde un medio poco sospechoso de traicionar al periodismo hablaba de sus experiencias con programas informáticos ayudando a sus reporteros.

Por ejemplo, está claro que un programa informático nos podría ayudar con todo lo que tenga que ver con datos, y de eso sabe bastante Bloomberg, el portal de información económica:


Roughly a third of the content published by Bloomberg News uses some form of automated technology. The system used by the company, Cyborg, is able to assist reporters in churning out thousands of articles on company earnings reports each quarter.


Otro punto donde parece que tiene interés es en información de menor importancia (ligas deportivas menores): aquí la cuestión seguramente tiene que ver con pequeños comentarios para los que es imposible tener personal dedicado sobre asuntos que tienen estructuras repetitivas y con ampliar la cobertura a más actividades.


In addition to covering company earnings for Bloomberg, robot reporters have been prolific producers of articles on minor league baseball for The Associated Press, high school football for The Washington Post and earthquakes for The Los Angeles Times.


Y, aunque no es de poca importancia, una olimpiada es una activadad generadora de tal cantidad de datos que puede venir bien tener un robot que ayude a organizarlos y publicarlos:


The Post has an in-house robot reporter called Heliograf, which demonstrated its usefulness with its coverage of the 2016 Summer Olympic Games and the 2016 elections.


Otro aspecto en el que los robots pueden ser eficaces es en la vigilancia de los datos: ¿hay algo raro? ¿este dato tiene características que hagan pensar que puede ser incorrecto? ¿Hay algo llamativo que nos haga pensar que sería mejor que esta entrada la trabaje un humano?


The A.P., The Post and Bloomberg have also set up internal alerts to signal anomalous bits of data. Reporters who see the alert can then determine if there is a bigger story to be written by a human being.


Por ejemplo, avísanos si hay un resultado que está un 10 por ciento por encima o por debajo de un récord.

Otras posibilidades interesantes están en la transcripción de entrevistas:


The Wall Street Journal and Dow Jones are experimenting with the technology to help with various tasks, including the transcription of interviews ...


Incluso, por qué no, la generación de artículos sería una posibilidad y, desde luego, la personalización de contenidos accesibles a distintos usuarios.
La primera, no es algo que guste en el New York Times.


The New York Times said it had no plans for machine-generated news articles, but the company has experimented with using A.I. to personalize newsletters, help with comment moderation and identify images as it digitizes its archive.


Sin embargo, aunque la tecnología avance, lo que no cambia es el fondo del asunto con el que tratemos. En este caso el periodismo: siguen siendo relevantes las noticias, su tratamiento correcto y los estándares profesionales.


Today it’s A.I., tomorrow it’s blockchain, and in 10 years it will be something else. What does not change is the journalistic standard.”


La tecnología nos da tiempo: el que perdemos procesando datos y haciendo determinadas tareas repetitivas y aburridas, para emplearlo en cuestiones más valiosas, aumentando la productividad y la amplitud de nuestro trabajo:


In addition to giving reporters more time to pursue their interests, machine journalism comes with an added benefit for editors.


Seguro que hemos escuchado muchas veces esa idea de que 'a mano todo sale
mejor'. A mi me gusta lanzar el reto de, por ejemplo, fabricar un motor o
una casa a mano (sin herramientas) y los acabados que se pueden conseguir,
si las introducimos en los momentos adecuados de los procesos.
Podemos seguir pensando que nuestro trabajo será siempre igual hasta que, a lo mejor, sea tan costoso que nadie pueda permitirse pagarnos y nos quedemos sin él, porque una empresa arruinada no genera productos buenos, ni malos.
O tratar de sacar partido de la tecnología para hacer más y mejores resultados.

Es cierto que hay un riesgo y es que alguien piense que basta con los resultados robotizados, pero cada uno fastidia su negocio como le parece.

Puedes enterarte de las notas nuevas en: @reflexioneseir (Twitter), Reflexiones e Irreflexiones (Página de Facebook), Reflexiones e Irreflexiones (Canal de Telegram), fernand0 (en LinkedIn), @fernand0 (en Medium).

2019-05-13 19:13 | 0 Comentarios | In English, please | En PDF | Para enlazar # |
| Compartir/Share | por correo | en Twitter | en LinkedIn | en Facebook | en Google+ | en Delicious |

2019-05-06

Para desarrollar programas hay que comprender bien el problema y su contexto

Colegio de Médicos
Hace ya unos cuantos años, cuando estudié una introducción a la ingeniería del software recibimos uno de los mejores consejos que se pueden recibir (y que mucha gente no aplica o que no siempre es posible aplicar): observar a las personas que realizaban un determinado trabajo para ver qué cosas necesitaban, cómo las estaban resolviendo en ese momento. Suponiendo que ya utilizaran algún tipo de sistema informático, observar cuándo anotaban algo en alguna parte o necesitaban ayuda 'adicional'.
Si se fijan ustedes, es bastante habitual que alguien utilice un programa informático, recabe información de otro diferente y ¡tachán! anote el resultado en un papel para transferirlo adecuadamente: puede ser incompetencia por no saber copiar y pegar pero en muchos casos se trata simplemente de que no es posible realizar la operación de esa forma.

Siempre he pensado que para un informático ver cómo la gente utiliza sus productos podría ser una buena cura de humildad: suposiciones que hemos hecho y soluciones que creemos que son maravillosas que son falsas en el primer caso. Y en el segundo, descubrir que no son tales soluciones o no se comprenden bien.

Por estos motivos me gustó leer Doctors are asking Silicon Valley engineers to spend more time in the hospital before building apps donde se habla de cómo un médico de emergencias invita a los informáticos a observar su trabajo con el objetivo de que conozcan mejor el contexto y desarrollen mejores sistemas. Tiene la parte de lo que el médico les puede enseñar con su actividad. Pero también la de la observación directa, que permitiría desarrollar sugerencias y mejoras que tal vez el médico no sabe que son posibles pero el técnico podría ofrecer.


Zane decided one way to bridge the gap was by inviting in developers from companies to see how he works. For now, that involves monitoring how he uses computers and other software tools to document and make decisions, but keeping them out of the operating environment and away from patient information.


Interesante.

Puedes enterarte de las notas nuevas en: @reflexioneseir (Twitter), Reflexiones e Irreflexiones (Página de Facebook), Reflexiones e Irreflexiones (Canal de Telegram), fernand0 (en LinkedIn), @fernand0 (en Medium).

2019-05-06 18:32 | 1 Comentarios | In English, please | En PDF | Para enlazar # |
| Compartir/Share | por correo | en Twitter | en LinkedIn | en Facebook | en Google+ | en Delicious |

<Julio 2019
Lu Ma Mi Ju Vi Sa Do
1 2 3 4 5 6 7
8 9 10 11 12 13 14
15 16 17 18 19 20 21
22 23 24 25 26 27 28
29 30 31