“No miren hacia arriba”: ¿crimen perfecto o emancipación?

La multimillonaria película de Netflix, en clave de sátira y comedia, refleja un estado de cosas en donde todo es espectáculo y banalidad, lo que lleva a negar la ciencia, el conocimiento y hasta la evidencia palpable y visible. 

14/01/2022
  • Español
  • English
  • Français
  • Deutsch
  • Português
  • Opinión
2021092717160447767.jpg
-A +A

El futuro de la persona conectada digitalmente se predice por sus propios datos y por el pasado de quienes se le asemejan. No es necesario clasificar la información a partir de los contenidos de los documentos, de las evaluaciones y juicios emitidos por expertos, del reconocimiento de la comunidad de pertenencia. Se trata de calcular el perfil del usuario a partir de los rastros que dejan sus actividades en la red, desarrollando técnicas de Aprendizaje Automático que aproximen al máximo el registro de sus gestos.

 

El Machine Learning o Aprendizaje automático, es una disciplina de las Ciencias de la Computación en el campo de la Inteligencia Artificial. Las máquinas o computadoras aprenden mediante algoritmos que se entrenan con datos. Este entrenamiento permite encontrar conocimientos en los datos y realizar predicciones mediante métodos estadísticos expresados en los algoritmos. La calidad y cantidad de datos que entrenan mejoran la predicción. Esta es la base de la Ciencia de datos en el contexto del Big Data. Este es el conocimiento-poder el tecno empresario de la película de Netflix.

 

Llevado a un ridículo en clave de comedia o sátira, la película de Netflix con grandes y taquilleros actores expone una cantidad de emergentes actuales del rumbo que orienta el capitalismo actual o tecno capitalismo que ya no responde a políticas de Estado.

 

Gobiernos al servicio de corporaciones altamente concentradas como las conocidas tecno capitalistas - financieras Google, Amazon, Facebook, Apple, Microsoft, Tesla, Alibaba, etc. con presidentes que toman decisiones fundamentales a partir de algoritmos y tendencias en redes sociales, con oídos y acciones guiados por los gurúes tecno empresarios y el big data ponen en riesgo la verdad y la vida humana.

 

¿Llama la atención? que Netflix uno de los grandes jugadores del modelo tecno capitalista produzca “No miren hacia arriba”, si la inversión fue alta la recaudación sin duda lo justifica. La plataforma de video por demanda ha logrado através de sus sistemas de recomendación tener un lugar central a nivel mundial. Solo para darnos una idea de esta dimensión en Argentina tiene más de 5 millones de suscriptores y nivel mundial Netflix tiene 203,7 millones. Otras a nivel global como Amazon prime video con 140,7 millones, Disney: 137,1 millones, Apple tv+: 42,6 millones i.



Es importante señalar que los sistemas de recomendación son una de las aplicaciones de la Inteligencia Artificial más activas en el territorio digital.

 

Quién se suscribe (cliente) en Netflix, Amazon o Youtube es guiado por recomendaciones para consumir nuevo contenido o productos. Desde ya, estos sistemas funcionan en todas las plataformas de contenido o venta en línea, estando en auge y en constante evolución, debido a los grandes beneficios que reportan. Por poner un ejemplo, en Netflix más de un 80% de las visualizaciones que se realizan, son recomendaciones del sistema. El éxito esta garantizado es decir se produce con conocimiento del consumo.

 

Los sistemas de recomendación son sistemas compuestos por algoritmos que realizan filtrado de información en forma automática. Estos sistemas permiten paliar la sobrecarga de información con la que contamos en internet. Más en concreto, los sistemas de recomendación realizan sugerencias a los usuarios (ciudadanos) sobre elementos que pueden ser de su interés, descartando aquellos que no lo son.

 

Los sistemas de recomendación varían mucho según los ítems que recomienden y, sobre todo, según los usuarios a los que estén dirigidos. Aun así, todos cumplen las siguientes características:

  • Existe un conjunto de usuarios a los que realizar las recomendaciones.

  • Se dispone de un conjunto de ítems que recomendar.
     

Se tienen registradas las valoraciones de los usuarios sobre los ítems que consumen. Estas valoraciones pueden realizarse manera explícita: puntuaciones sobre un ítem, reacciones sobre un post o noticia; o de manera implícita: monitorización o reacciones indirectas del usuario que pueden inferir que el ítem que se le recomendó es de su agrado, por ejemplo, darle a ver el siguiente capítulo en una serie en Netflix, una maratón hasta terminar.

 

Un sistema de recomendación es conjunto de programas (software) que implementan algoritmos, criterios y valoraciones desarrollados por personas sobre los datos de los usuarios con el fin de realizar predicciones sobre posibles recomendaciones de elementos que puedan ser de utilidad o valor para el usuario. El software selecciona datos proporcionados por el usuario de forma directa o indirecta, y procede a analizar y procesar información del historial del usuario para transformar estos datos en conocimiento de recomendación.

 

Los sistemas de recomendación en la actualidad tienen un nivel de eficiencia alto ya que pueden asociar elementos de nuestros perfiles de consumo como el historial de compras, selección de contenidos e inclusive nuestras horas de actividad, para realizar las recomendaciones. Es decir, a más tiempo conectado mayor entrenamiento de los algoritmos de recomendación, es decir mayor aprendizaje. Esto permite que descubramos elementos nuevos con mayor porcentaje de cercanía a nuestros gustos, preferencias, necesidades.

 

Es importante señalar, que el funcionamiento de los sistemas de recomendación ha evolucionado gracias al Machine Learning.

 

Anteriormente en la red internet los motores de búsqueda, plataformas de contenido y ventas de producto funcionaban con rankings o listas de popularidad. Estos sistemas eran funcionales hasta cierto punto, pero no podían personalizar la experiencia del usuario y mostraban elementos que no se correspondían a los intereses personalizados.

 

Los sistemas de recomendación han logrado cambiar la forma en la que consumimos nuevos contenidos y descubrimos productos nuevos. Uno de los ejemplos más claros los podemos ver en las páginas de compra de productos como Mercado Libre, Amazon, Ebay o Facebook entre otros.

 

Con un nivel de precisión alto, estos servicios digitales pueden proporcionarnos de sugerencias de productos adaptadas a nuestras necesidades. De igual forma sucede con las plataformas de contenidos como Youtube, Spotify o Netflix. Sus recomendaciones precisas nos motivan a descubrir nuevas series, videos o artistas al analizar nuestros gustos y preferencias. Nunca descansaremos siempre habrá algo más, algo nuevo para consumir. Nuestros datos son el combustible de los sistemas de recomendación.

 

Para la cultura tecno capitalista los resultados se traducen en una mejor satisfacción de las necesidades del cliente. La experiencia del usuario se convierte en una actividad más agradable, ya que estos sistemas actúan como un asistente personal que estimula a la persona a seguir descubriendo elementos. Las recomendaciones de productos personalizados acerca al cliente a lo que desea, mejorando las posibilidades de que este efectivamente compre o consuma el contenido sugerido. Además, estos sistemas ayudan a la corporación a obtener datos para el small o big data que pueden alimentar de forma permanente los modelos de Machine Learning o Inteligencia Artificial que desarrollan sus ingenieros.

 

Retomando la película de Netflix, un estado de cosas donde todo es espectáculo y banalidad, que lleva a negar la ciencia, el conocimiento y hasta la evidencia palpable y visible. 

 

“No miren arriba”, deja una clave sobre la final expresada por Randall Mindy el científico interpretado por Leonardo DiCaprio que reflexiona "La cosa es que nosotros realmente lo teníamos todo. ¿No lo creen? Quiero decir, si nos ponemos a pensar", dice Randall en la cena de los últimos minutos mientras todo tiembla a su alrededor. ¿Una reflexión en dirección del sueño americano perdido? excelentemente expresada por otra película “Gran Torino” de Clint Eastwood. ¿El sueño del retorno es posible?

 

El mundo está en peligro y tiene que ver con el poder de la tecno información y del conocimiento producido en los paradigmas del tecno capitalismo. Es un fenómeno global que atraviesa todo y es monopolizado por el poder financiero tecno científico. Otro fenómeno global como el Covid-19 muestra que la producción de vacunas y datos también continuará enriquecido a los gurúes de las tecno corporaciones concentradas del territorio digital.

 

Como lo expresa Jorge Alemán en Capitalismo: Crimen perfecto o Emancipaciónii “el carácter del capital es ilimitado, en el cual nada funciona como punto de amarre que haga barrera a su deriva financiera incontrolada. De hecho, las distintas naciones o las instituciones nacionales o internacionales, en cuanto promueven algunas medidas económicas para paliar el despliegue sin límite del capitalismo, son absorbidas de inmediato y diluidas por los movimientos de mercado. En consonancia con eso, el Capitalismo es capaz de poner en crisis todas las estructuras que hasta el momento aparecen como reguladores, estas crisis las va produciendo perversamente con lo que evita que ninguna autoridad simbólica pueda emerger a la vez…”

 

Cabe aún la posibilidad de emanciparnos. Aunque el flujo de las redes y la televisión no lo muestren, están sucediendo hechos que alimentan la esperanza. Cabe aún preguntarnos por el sentido del progreso, es decir cuales fueron y son las condiciones que lo producirían y hoy nos encuentra en un riego ecológico sin precedentes. ecuperemos el impulso de un pensamiento que apueste a otro modo de habitar la tierra. No es posible vivir el planeta con presidentes manejados por el valor de mercado y “las siliconas del progreso”. No es posible la vida sin poesía.

 

i Ampere Analysis

ii Jorge Alemán 2018, editado por Nuevos Emprendimientos Editoriales. S.L., 2019.

https://www.alainet.org/es/articulo/214720
Suscribirse a America Latina en Movimiento - RSS