Diseña un sitio como este con WordPress.com
Comenzar

Sobre los algoritmos de recomendación y lo que nos aburre

https://www.scu.edu/ethics/internet-ethics-blog/on-recommendation-algorithms-and-what-makes-us-boring-/

O’Ghieblyn redefinió la cuestión: «Estoy dispuesta a apostar», escribió, «que tu verdadera ansiedad no es que seas aburrido, sino que no eres verdaderamente libre. Si tus gustos pueden deducirse tan fácilmente a partir de tu historial de escuchas y de los flujos de datos de «usuarios como tú» (por tomar prestada la jerga condescendiente de los motores de predicción), ¿estás haciendo realmente una elección?».

Sin embargo, más adelante en la columna, señaló que los usuarios de los servicios que incluyen algoritmos de recomendación, al igual que el autor de la pregunta, sí toman decisiones, pero decisiones que están moldeadas por los algoritmos:

En TikTok, pasamos rápidamente por delante de las publicaciones que no reflejan nuestros intereses dominantes, para que el algoritmo que todo lo ve no confunda nuestra curiosidad con un interés invertido. Tal vez haya hecho una pausa, una o dos veces, antes de ver una película de Netflix que se aleja de su gusto habitual, o haya dudado antes de buscar en Google una pregunta religiosa, para que no le tome por un verdadero creyente y sesgue sus futuros resultados de búsqueda.

Son decisiones que nacen de las restricciones. Son esfuerzos por apaciguar la perspectiva rígida y limitada del algoritmo, para que no pase de simplificar demasiado a equivocarse de plano sobre nuestros intereses.

Para el subconjunto de usuarios que entienden el impacto de los algoritmos lo suficiente como para intentar apaciguarlos, la respuesta, entonces, es que sí, que uno se aburre; pero el «eso» no es la previsibilidad de los usuarios sino el cumplimiento de los algoritmos. En este escenario, es el usuario el que ha sido entrenado por el algoritmo, y no al revés. El usuario acepta ser una cáscara de sus «intereses dominantes», preocupado por las consecuencias de probar (o aprender) cosas nuevas.

Aunque reconoce plenamente esta realidad, O’Ghieblyn escribe que no «aconseja abrazar lo irracional o actuar en contra de sus propios intereses» como respuesta. «No te hará feliz», argumenta, «ni demostrará nada». En desacuerdo con este punto de vista, en una visión diferente de los algoritmos de recomendación, Clive Thompson (que también escribe a menudo para Wired) aboga por «rewilding your attention»; afirma que actuar contra los algoritmos no es, de hecho, contra los propios intereses reales. Como él mismo dice,

estos algoritmos de recomendación nunca captan nuestras verdaderas dimensiones extravagantes…. No se equivocan sobre nosotros, pero son lamentablemente incompletos. Por eso, siempre tengo una sensación de aplastamiento cuando contemplo mi feed, que descarga robóticamente cajas de contenido de la misma y monótona cinta transportadora de recomendaciones, atendiendo a una imaginaria versión de marketing de mi identidad. Es como mirar mi reflejo en el espejo y ver imágenes de fotografía de archivo.

En otras palabras, para ofrecer una respuesta diferente a la persona que preguntó en Wired sobre la aplicación de música, los algoritmos de recomendación te hacen aburrido -y estático- si les permites hacer todo el trabajo de encontrar música u otros «contenidos» por ti.

Romper ese falso espejo que menciona Thompson no es, por tanto, «abrazar lo irracional», sino intentar abrazar tu yo completo. En su artículo, Thompson ofrece una serie de sugerencias sobre cómo se puede «reintroducir» la propia imaginación en la era de los algoritmos de recomendación, aunque reconoce que esto requiere un mayor esfuerzo por nuestra parte.

Si las recomendaciones de tu aplicación de música son demasiado precisas, puede que no seas aburrido, sino que estés atascado en la rutina. Richard Feynman: «No tienes ninguna obligación de seguir siendo la misma persona que eras hace un año, hace un mes o incluso hace un día. Estás aquí para crearte a ti mismo, continuamente».

También es importante tener en cuenta que los algoritmos de recomendación utilizados en el contexto de, por ejemplo, las aplicaciones de streaming de música, tienen un impacto social muy diferente al de los utilizados en las redes sociales o en los medios de comunicación. Estas últimas categorías de recomendadores han sido acusadas de ser en parte responsables de una mayor polarización social, de burbujas de filtros que impiden la comprensión, de la radicalización y de otras consecuencias negativas importantes que van mucho más allá de hacernos «aburridos».

*** Translated with http://www.DeepL.com/Translator (free version) ***

Anuncio publicitario

Deja una respuesta

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Salir /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Salir /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Salir /  Cambiar )

Conectando a %s

A %d blogueros les gusta esto: