Kate O’Neill, autora de Tech Humanist: How You Can Make Technology Better for Business and Better for Humans, invierte su tiempo ayudando a los humanos a prepararse para los cambios impulsados por la tecnología.

Si tienes redes sociales (o incluso si no las tienes) habrás visto (u oído hablar sobre) la tendencia reciente en Facebook, Instagram (+349k publicaciones) y Twitter  de compartir fotos de perfil de hace 10 años. Actrices, deportistas, cantantes, etc. han publicado sus fotos en rrss enseñando sus rostros de hace 10 años y ahora.

Bien, pues por esta razón vamos a hablar de Kate O’Neill quien, en vez de participar en el #TenYearChallenge decidió publicar en su cuenta de Twitter el siguiente tweet:

En poco tiempo su tweet empezó a coger fuerza y, hoy, tiene 11.7k retweets.

Como dice O’Neill “Mi intención no era afirmar que el meme es inherentemente peligroso. Pero sabía que el escenario de reconocimiento facial era ampliamente plausible e indicativo de una tendencia que la gente debería conocer”.

La crítica que más se repitió como respuesta a su tweet fue que la mayoría de las imágenes de hacía 10 años ya estaban subidas en los perfiles de los usuarios y eran de acceso público.

Está claro que muchas de esas imágenes ya están subidas a los perfiles de muchos usuarios, pero no todos y todas solo suben fotos de hace 10 años de ellos mismos, ni  tampoco de hace 10 años (por ejemplo podrían haber subido fotos de cuando eran pequeños o de cualquier cosa que les gustara: su mascota, un dibujo, etc.

O’Neill desarrolla el siguiente ejemplo:

“Imagine que desea entrenar un algoritmo de reconocimiento facial sobre características relacionadas con la edad y, más específicamente, sobre la progresión de la edad (por ejemplo, cómo es probable que sea el aspecto de las personas a medida que envejecen). Idealmente, querría un conjunto de datos amplio y riguroso con imágenes de muchas personas. Sería útil si supiera que se tomaron con un número fijo de años, por ejemplo, 10 años.”

“Claro, puedes buscar en Facebook las fotos de perfil y ver las fechas de publicación o los datos EXIF. Pero todo el conjunto de imágenes de perfil podría terminar generando una gran cantidad de ruido inútil. Las personas no cargan las imágenes de forma confiable en orden cronológico, y no es infrecuente que los usuarios publiquen imágenes de otra cosa que no sean ellos mismos como una imagen de perfil. Un vistazo rápido a través de las fotos del perfil de mis amigos de Facebook muestra el perro de un amigo que acaba de morir, varias caricaturas, imágenes de palabras, patrones abstractos y más.”

“Sería de ayuda si tuviera un conjunto de fotos de antes y ahora, limpio, simple y bien etiquetado.”

Lo que viene a decir O’Neill es que, gracias a este meme de Facebook, la mayoría de las personas han añadido un contexto a las imágenes “Yo en 2008 y yo en 2018”, por ejemplo, e incluso más información como el lugar donde se tomó la foto o quién la tomó.

“Gracias a este meme, ahora hay un conjunto de datos muy grande de fotos cuidadosamente seleccionadas de personas de hace aproximadamente 10 años y ahora”.

Tendencia, campaña y viralidad

Al igual que un hashtag cuando se vuelve viral, se puede confiar más en la validez de los datos, generalmente cuando se crea la tendencia. Cuanto más viral se vuelva, más trolls y burlas habrá alrededor participando de forma irónica para acabar convirtiéndolo en un hashtag irrelevante.

La respuesta de Facebook

Tras poner en tela de juicio la relación de Facebook con la viralidad del #10YearChallenge, un portavoz de la compañía respondió:

“Este es un meme generado por el usuario que se volvió viral por sí solo”. “Facebook no inició esta tendencia, y el meme usa fotos que ya existen en Facebook. Facebook no gana nada con este meme (además de recordarnos las tendencias de moda cuestionables de 2009). Como recordatorio, los usuarios de Facebook pueden elegir activar el reconocimiento facial. Encendiéndolo o apagándolo en cualquier momento “.

Puede ser que Facebook diga la verdad y que este Challenge haya surgido por parte de los usuarios de forma casual, pero en los últimos años podemos encontrar muchos ejemplos de extracción masiva de datos. ¿Cuál es el primero que te viene a la cabeza sin apenas tener que pensar? El escándalo de Cambridge Analytica.

Nuestra relación y acciones con la tecnología puede llevarnos a lugares a los que no queremos llegar y, pensar en ello antes de tomar la decisión puede ser decisivo a la hora de entender cómo se usan nuestros datos. O’Neill presenta tres casos de uso de ellos para el reconocimiento facial para que nos hagamos una idea de que, como todo, puede usarse de forma beneficiosa o todo lo contrario:

“El escenario benigno: La tecnología de reconocimiento facial, específicamente la capacidad de progresión de la edad, podría ayudar a encontrar niños desaparecidos. El año pasado, la policía de Nueva Delhi informó que había rastreado a casi 3,000 niños desaparecidos en solo cuatro días usando tecnología de reconocimiento facial. Si los niños hubieran faltado un tiempo, probablemente se verían un poco diferentes de la última foto conocida de ellos, por lo que un algoritmo confiable de progresión de la edad podría ser realmente útil aquí.

“El potencial del reconocimiento facial es en su mayoría mundano: el reconocimiento de la edad es probablemente más útil para la publicidad dirigida. Las pantallas de anuncios que incorporan cámaras o sensores y pueden adaptar sus mensajes a la demografía del grupo de edad (así como a otras características reconocibles visualmente y contextos perceptibles) probablemente serán comunes en poco tiempo. Esa aplicación no es muy emocionante, pero puede hacer que la publicidad sea más relevante. Pero a medida que la información fluye hacia abajo y se enreda con nuestro seguimiento de ubicación, respuesta y comportamiento de compra, y otras señales, podría provocar algunas interacciones realmente espeluznantes.

Como la mayoría de las tecnologías emergentes, existe la posibilidad de consecuencias difíciles. La progresión de la edad podría algún día influir en la evaluación de seguros y la atención médica. Por ejemplo, si parece estar envejeciendo más rápido que sus cohortes, quizás no sea un muy buen riesgo de seguro. Puede pagar más o se le puede negar la cobertura.”

Amazon ha sido noticia en varias ocasiones al mostrar sesgos racistas al confundir congresistas con delincuentes o permitir el uso de Rekognition a la policía. Por otro lado Alibaba controla ciudades enteras en China, gracias al proyecto Alibaba City Brain.

ACLU

Estos ejemplos no son para instaurar el miedo si no para dar a conocer las posibilidades que ofrece esta técnica y la responsabilidad humana que debemos tener a la hora de prevenir y evitar que se usen los datos que generamos de forma perjudicial en nosotros, ya que somos la fuente de datos más rica que existe.

“Los seres humanos son el enlace conectivo entre el mundo físico y el digital. Nuestros datos son el combustible que hace que las empresas sean más inteligentes y rentables”, apunta O’Neill.