Problema 2563

A finales del siglo XVIII, un maestro de ajedrez autómata conocido como el "Turco mecánico" realizó una gira por Europa y Estados Unidos. Diseñada en 1770 por el inventor Wolfgang von Kempelen, la máquina parecía capaz de derrotar a cualquier jugador humano.

Más tarde resultó que el turco era, de hecho, una ilusión mecánica. Una marioneta vestida con atuendo oriental, ocultaba bajo su fez y túnicas a un maestro de ajedrez humano. El poeta estadounidense Edgar Allen Poe estaba tan convencido de la estafa del turco que escribió un ensayo para llamar la atención sobre el engaño.

Poe afirmó que era imposible que un mecanismo predeterminado derrotara a una mente humana en el ajedrez, ya que "ningún movimiento en el ajedrez sigue necesariamente a otro. De ninguna disposición particular de los hombres en un período de un juego podemos predicar su disposición en un momento diferente". período."

Hoy, inteligencia artificial permite que las computadoras hagan tales predicciones, por lo que sería justo suponer que esas ilusiones ingenuas quedaron atrás. . Después de todo, ahora existen computadoras que pueden vencer a cualquier ser humano en el ajedrez.

Pero una ilusión similar caracteriza a la industria de la inteligencia artificial. En Amazon Mechanical Turk, una plataforma en línea propiedad de Amazon y operada por Amazon desde 2005, se supone que la actividad humana toma la apariencia de actividad mecánica. La premisa de Amazon Mechanical Turk es simple. El sitio alberga a contratistas, a menudo grandes empresas de tecnología, que subcontratan tareas breves de datos a una multitud de trabajadores.

Los trabajadores cumplen con las tareas que los algoritmos de aprendizaje automático aún no pueden completar. Debido a que se supone que el trabajo debe parecer que lo está haciendo la inteligencia artificial, el ex director ejecutivo de Amazon, Jeff Bezos, se refirió a la plataforma como "inteligencia artificial artificial". Los contratistas tienden a interactuar solo con la plataforma, que alberga las tareas y proporciona a los trabajadores. Al tener poco o ningún contacto directo con los trabajadores, los contratistas experimentan el proceso como si fuera completamente realizado por computadoras.

El aprendizaje automático, la rama más común del entrenamiento de IA, se basa en grandes conjuntos de datos para entrenar modelos que luego se usan para hacer predicciones. Integrados en este proceso hay algoritmos que analizan datos para extraer patrones y hacer más predicciones, que luego usan esas predicciones para generar más algoritmos.

Cuanto más ricos son los datos a los que están expuestas estas tecnologías, más completa es su formación y más sofisticadas se vuelven sus capacidades, mejorando su rendimiento en tareas tan variadas como la categorización de imágenes, la clasificación de textos y el reconocimiento de voz. En muchas áreas, tales desarrollos han otorgado a las máquinas capacidades que con frecuencia igualan o superan las de los humanos. Los diagnosticadores de IA ya son [al menos tan competentes como los médicos para identificar ciertos tipos de cáncer] (https://www.nature.com/articles/s41586-019-1799-6.epdf).

Pero para encontrar patrones y hacer predicciones, el algoritmo necesita que los datos de entrada estén etiquetados o categorizados. Un algoritmo para un automóvil autónomo, por ejemplo, debe estar expuesto a imágenes detalladas y anotadas de áreas urbanas antes de que pueda conducir con seguridad un vehículo por el centro de una ciudad. La inteligencia artificial aún no es capaz de anotar estas imágenes por sí misma, por lo que los humanos tienen que etiquetarlas. Para una tarea que apoye el entrenamiento de vehículos autónomos, esto podría implicar etiquetar una imagen de un cruce con las etiquetas "peatón", "semáforo" y "automóvil".

Este tipo de trabajo, a menudo conocido como 'microtrabajo', debido a la brevedad de las tareas, se está volviendo cada vez más popular. Un número creciente de sitios como Clickworker, Appen y Playment ahora albergan grandes multitudes de trabajadores que realizan estas tareas de datos breves, a menudo por un pago muy bajo. Un estudio encontró que [el salario promedio de un trabajador en Mechanical Turk es menos de $ 2 por hora] (https://core.ac.uk/download/pdf/200254339.pdf), con solo el 4 por ciento de los trabajadores ganando más $7.25 por hora, el salario mínimo de los Estados Unidos. Las tareas son muy cortas, duran entre 30 segundos y 30 minutos y, a menudo, pagan tan solo unos centavos.

Las tareas pueden ser muy repetitivas y, a menudo, opacas hasta el punto de ser imposibles de relacionar con un proyecto más grande. Un estudio de 2020 realizado por académicos encontró que [los contratistas a menudo ofrecen muy poca información detallada sobre sus tareas y los propósitos a los que sirven] (https://journals.sagepub.com/doi/10.1177/2053951720919776). Esto significa que los trabajadores tienen poca idea de en qué están trabajando precisamente. Esto es especialmente preocupante cuando los trabajadores pueden estar respaldando una tecnología como el software de reconocimiento facial, que tiene serias implicaciones éticas.

El trabajo también es muy inseguro. Los trabajadores generalmente se clasifican como "contratistas independientes", por lo que no disfrutan de los derechos y beneficios que se otorgan a los empleados a tiempo completo que trabajan para las empresas que los contratan. Esto significa que los trabajadores generalmente trabajarán para varios contratistas en el transcurso de un solo día, lo que a su vez significa que los trabajadores deben buscar continuamente nuevas tareas. Una parte importante del día debe dedicarse a encontrar trabajo, en lugar de hacer un trabajo que pague.

La mayor parte de este trabajo se realiza actualmente en países del Sur Global como India, Kenia y Venezuela. Pero algunos estudios sugieren que este tipo de trabajo digital está [también en aumento en países como el Reino Unido] (https://www.tuc.org.uk/news/uks-gig-economy-workforce-has-doubled- 2016-tuc-and-feps-backed-research-shows).