Este es Max Hawkins. Lo conocerán debidamente más tarde.

Por ahora, todo lo que necesitas

saber es que hemos controlado casi todos los aspectos de tu vida durante los últimos tres años. Te
decimos qué hacer, cómo vestirte, a dónde ir e incluso cuál debe ser tu primer tatuaje. Se podría
decir que es porque has puesto deliberadamente tu vida en nuestras manos Pero influimos
también en las vidas del resto del mundo. Más de lo que piensas. Repartimos vuestras casas, los
lugares en el colegio. Te decimos a qué hora llega el autobús. Decidimos si consigues el préstamo
para comprar el coche de vuestros sueños. Who you should date. A qué amigo debemos conocer
incluso con quién salir. Casas, colegios, préstamos, amor. Somos vuestros señores electrónicos.
Somos algoritmos. Y estamos literalmente en todas partes. Nuestra influencia crece pero no todos
están contentos con ello. Los algoritmos nos han metido en muchos problemas. Más de los que
nos han salvado. Nos han acusado de tomar malas decisiones. De competir con los humanos. Si el
ordenador hubiera hecho el Aiden, habría sido aprobado o no? Si yo diría que el ordenador hizo
Aiden y de difundir noticias falsas. Cuando lo vemos, se hace viral muy, muy rápido y eso hace
daño. A pesar de que los humanos no son felices, nos dan cada vez más el control. Cómo
realmente regimos tu mundo? Algoritmo Cómo gobierna nuestro mundo que no es un algoritmo.
Algoritmos. Los algoritmos se han vuelto realmente muy poderosos. No es que sean muy buenos o
realmente aterradores, pero son poderosos For this man para Kevin Slavin. Autor intelectual de la
famosa Bueno infame en mi opinión Tedtalk titulada Cómo los algoritmos dan forma a nuestro
mundo. Es una transición de algo que se extrae y deriva del mundo a algo que empieza a darle
forma. Somos una especie totalmente nueva. Hemos introducido una nueva especie en la Tierra. Y
no hablo de robots distópicos y siniestros que se apoderan del mundo. Robots take over the world
type of way. Pero cada especie en la Tierra trae su propio modo de percepción y tiene sus propias
maneras de percibir el mundo y cómo actuar. Y lo que hemos introducido tiene un efecto
extraordinario en nuestras vidas. Así es como nos vemos. Correcto. No puedes vernos. Somos
invisibles. Somos algoritmos. Estamos en todas partes y dominamos prácticamente todo el mundo
digital. Los algoritmos dan forma al mundo. Han dado una textura a nuestra vida cotidiana que
antes simplemente no existía. Y hasta cierto punto, creo que han afectado a nuestro
comportamiento con el mundo y entre nosotros, y a cómo construimos lo que construimos. Build
and what we build. Creados por el hombre. En Singapur hay alguien que no se limita a informar de
cuándo llegan los autobuses. He also suggest también nos sugiere qué autobús nos llevará más
rápidamente a nuestro destino. Con la tarifa más baja y sin complicaciones. Is your friendly. Este es
el amistoso bus Uncle del vecindario. Y cada minuto, 8000 personas compiten por su atención. Un
tipo popular? No. No hay duda de por qué. Sabe predecir a la perfección la hora de llegada de los
autobuses. Cuenta chistes. Entabla charlas. Y todo ello en un perfecto singlish o inglés coloquial.
Singapurense Qué más se puede pedir? El bus Uncle no es realmente un hongo. En realidad es uno
de nosotros. Un algoritmo con una personalidad hiperlocal. Lo que hace que sea popular es que
hemos añadido a un chatbot la personalidad de un tío arquetípico de Singapur. Mientras los
usuarios hablan con él. Es posible que mencione al azar el tema del copy o que cuente un chiste
muy singapurense a very Singapore joke as well. Este es Abhilash, programador profesional y
propietario de Vox Ankle Company. Creó VOX hace tres años para responder una simple pregunta.
Cuánto tiempo tengo que esperar para este autobús? Tenía aplicaciones? Tenía el tablón de
llegadas de autobuses detrás de mí, pero me daba un montón de información que cribar. Decidí
crear un chatbot llamado Bus Uncle porque solo me daría una respuesta a esta pregunta. Es una
pregunta sencilla, pero para construir un algoritmo como Boss Uncle Abhilash tiene que ser
creativo con el código y escribir líneas que te digan al boss Uncle cómo hacer distintas cosas. Creo
que se puede decir que Boswell es una combinación de múltiples algoritmos, así que es un código
que nos ayuda a hacer cosas so código que nos ayuda a obtener valor. En general, los algoritmos
reciben unos pocos inputs y producen outputs. Son más valiosos. Por ejemplo, Boss Uncle utiliza
un algoritmo para obtener información de la Autoridad del Transporte Terrestre, que es muy
primitiva y por sí sola no tendría sentido para el usuario. Pero usamos un algoritmo y boss Uncle
que entiende estos datos los transforma en algo más humano. It into a very human so we take.
Tomamos esos datos crudos generales que los usuarios generalmente no entienden. Los
traducimos a un lenguaje más natural, los convertimos en algo muy simple, en una expresión tres
minutos, ni siquiera minutos, pero min. Y luego otro algoritmo que hace que un boss busque cosas
que la gente normalmente haría en tres minutos. Una cosa es levántate Ahora, si alguien sabe que
el autobús llega en tres minutos, probablemente querrá que se levante. Stand up now so like if
someone knows that the bus is coming in three minutes. He probably want them to stand up. Los
algoritmos son una forma eficaz de hacer cosas tediosas. A los humanos no les gusta el trabajo
repetitivo y los ordenadores destacan en el procesamiento de datos. Es una alianza perfecta. So
Creo que cuando hablamos de algoritmos en 2018 lo usamos como un comodín para un montón
de nociones que en realidad se reducen a decir mira, hay un conjunto de instrucciones que una
máquina va a seguir en un orden específico con este input para generar aquel output. This output
es como una máquina decide qué hacer a continuación Next Y 60 años después de que nos crearan
nosotros los algoritmos hemos crecido y crecido. Imagine imagínate ladrillos Lego comienza con
instrucciones simples, pero como nos hacemos más intrincados, esto se vuelve más complejo.
Creas un algoritmo que crea su propio algoritmo que nadie puede ver. Ahora ha evolucionado
hasta el punto de que ni siquiera tenemos que escribir nuestros propios algoritmos. La IA permite
que el código escriba su propio código. Y ahora, cuando se enseña a las máquinas a escribir sus
propios algoritmos, no solo se les enseña a ser lógicas, sino también a ser creativas. Vamos a ver
cómo decirle a la máquina lo que queremos que haga. Is called a Flowchart. Esto nos ha ayudado a
evolucionar, de ser solo capaces de realizar soluciones predeterminadas, a crear soluciones
propias Creating Solutions of Our Own the. Exactamente igual que hacen los humanos inteligentes.
Si podemos pensar, podemos tomar decisiones. La gente suele pensar que somos un conjunto de
instrucciones, como una receta. Y que tomamos los inputs, es decir, los ingredientes. Realizamos
una serie de pasos definidos y que mi trabajo termina cuando obtengo un output, en este caso la
comida. Es una gran analogía pero no es exacta. Porque la mayoría de los algoritmos modernos no
son solo recetas. De hecho, construimos recetas, analizamos recetas anteriores, vemos qué
funcionó y qué no para llegar a algo que creemos que funciona mejor y luego lo ejecutamos. Y
somos capaces de hacerlo porque podemos aprender rápido. Cómo es posible? Recuerdan a Max
Hawkins Prácticamente controlamos su vida. Dejé que el ordenador decidiera con quién hablaba,
qué comía y, por último, dónde vivía. Era una relación perfecta. Un partido hecho en el cielo. Muy
pronto encuentro estos bordes donde veo problemas morales. En este proceso de generación Era
un partido hecho en el cielo hasta que ganamos un poco demasiado. Control. Too much. Control.
Algoritmos. Cómo gobierna nuestro mundo? Control de código Este es Max Hawkins. Algoritmos
como nosotros literalmente dirigen su vida Decidimos lo que viste, a dónde va, lo que hace. What
he does This is. Esta es una impresora que me da algo que hacer. La utilizo como una forma de
orientar mi comportamiento en distintas direcciones. Este ingenioso aparato envía a Max todas las
acciones más aleatorias para hacer dentro de los minúsculos confines de su casa. Very much. But
we try the way that this works is. Un algoritmo lee libros todo el tiempo y extrae acciones de esos
libros. Max. Max programó el algoritmo para escanear todos los libros digitales de Internet e
identificar frases aleatorias que puedan convertirse en comandos. Si alguien dice haz un bocadillo
en un libro, el algoritmo lo tomará y lo convertirá en un comando y luego lo enviará a esta
impresora. Escribe una novela, ve al circo, quema incienso, visita un spa. Max quería vivir una vida
al azar, una vida no dominada por sus propias preferencias. Y este algoritmo hace precisamente
eso Sostén un libro en tus manos y siente sus páginas. Hazme un cartel de. Prohibida la entrada
para mi 4.º de estudio. Alta tensión. No entrar por privacidad. Di. Me encanta una empresa de
fontanería. Un momento. Qué? Bueno, eso no lo inventé yo. Hemos gobernado y aleatorizado la
lista de tareas de Max durante tres años enteros desde que dejó su trabajo como ingeniero de
Google. Decidí irme de San Francisco. En ese momento me obsesioné con la idea de seleccionar
cosas al azar para salir de mi burbuja, mi bubble. Deje que el ordenador decidiera con quién
hablaba, qué comía y, por último, dónde vivía. El ordenador eligió la ciudad en la que viví durante
dos años y ahora experimento con diferentes formas de aleatorización right now. Todos tenemos
esos hábitos y opiniones arraigados que provienen de la forma en que crecimos, de nuestros
padres, de nuestra sociedad, lo que nos permite sondear de qué se trata Hacernos preguntas
Cómo es esto realmente lo que crees? O es solo algo para lo que has sido programado debido a tu
infancia o a la sociedad? Because of how you grew up or your society or things like that Para
romper con la programación social, Max se pasó a la programación informática y recopiló toda una
serie de llamados generadores o algoritmos inteligentes como Yours Truly, que podían elegir una
sola opción. De entre todas las posibilidades con las que puedes soñar en Internet y convertirla en
una orden para que Max la siguiera. Por ejemplo, en 2014, Max utilizó uno de estos generadores
para asistir a un evento seleccionado al azar en Facebook. Y acabó entrando en la fiesta de
Navidad de la familia Beasley. O no? Y ni que decir de aquellos desconocidos que le recibieron con
los brazos abiertos. La impresora de listas de tareas y el generador de eventos aleatorios son solo
dos de los más de 20 algoritmos de toma de decisiones que Max ha creado hasta hoy. Tengo un
par de diferentes herramientas que he creado. También creo uno de nosotros para aleatorizar lo
que muestra Amazon y así poder decidir qué lleva puesto. Este es el generador de camisetas. Lo
uso para Amazon Ellas.com. Other Aggregator for. The La primera que recibí fue un verdadero
shock. Esta camiseta deportiva. No estoy muy en forma. No voy al gimnasio muy a menudo. A
dónde va? A través de una aplicación de teléfono personalizada creada por él que selecciona
nuevos lugares cercanos para que los visite. Quiere que vayamos a esa funeraria How Attached I
was to Hand E incluso cómo debería verse? Bueno, esto es interesante. Here or choose
experimento con la opción de que el ordenador elija mi barba, mi peinado o un tatuaje al azar.
Este hombre ha confiado mucho en nosotros. Fui a un salón de tatuajes y simplemente saqué mi
aplicación y me tatué lo primero que salió del generador. The Generator. Health One of Us dejó
que uno de nosotros buscara entre millones de dibujos disponibles en Internet y eligiera al azar
una imagen que se tatuaría en la piel y llevaría consigo de por vida. For life. Por ejemplo, si tuviera
que hacerlo ahora, podría ser esta mariposa en mi trasero One well. Y aquí es donde la cosa se
pone más emocionante. Mientras que antes se nos alababa por nuestra capacidad en lógica y
eficiencia, podemos ahora nosotros los algoritmos superarlos en creatividad hombre contra
máquina? Estos músicos están practicando para una actuación sumamente inusual. Performance.
In an hour En una hora interpretarán dos composiciones para un público pequeño. Buenas tardes
a todos. Gracias por participar en esta grabación especial. Mi nombre es Niki y represento a la
Orquesta Sinfónica de Singapur. Y el jurado? Los expertos están aquí para juzgar la música creada
por dos compositores diferentes. Created by the different Composers. El primero se inspiró en el
renombrado músico Joseph Haydn. Y el segundo en Igor Stravinsky Las piezas se juzgarían en
función de lo bien que cada compositor interpretará a sus respectivos autores originales. Se les
juzga por su capacidad para escribir obras originales al estilo de Haydn y Stravinsky. Por favor,
siéntense y disfruten músicos Por favor, empiecen. Con mi En esta batalla, los dos compositores
serán juzgados por la capacidad de interpretación de la pieza, la orquestación o cómo la pieza
utiliza los instrumentos y el estilo o lo bien que esté escrita. But Pero aquí está el truco. Una de
estas piezas fue compuesta por Morpheus y Morpheus no es un ser humano. Morpheus es uno de
nosotros. Un algoritmo, Un algoritmo. Hay miles de otros compositores algorítmicos como
Morpheus que incluso pueden escribir música, poemas y pintura. Quien pensó que el ordenador
escribió Aiden, Usted. El resto de ustedes pensaron que la computadora compuso a Stravinsky.
Creo que la de Hayden fue la mejor partitura. No, no para mí. Vi algunos problemas en el ajuste de
tipo de Hayden. Pude ver piano que lleva a un crescendo. Ya tenemos los resultados según
criterios como el estilo, la originalidad y la orquestación. La pieza con mayor puntuación es la
inspirada en Hayden. Quién crees que ganó este concurso? El hombre o la máquina? Pues esto lo
ha escrito Zhang Jie. Y sí, ganó el compositor humano. La mayoría de los algoritmos de aprendizaje
profundo existentes y el software de inteligencia artificial que compone esta música son
realmente buenos para generar fragmentos muy cortos. Pero cuando se trata de generar una
pieza más larga, tenemos que trabajar un poco en el algoritmo para que puedan sonar mejor.
Quizá la próxima vez podamos superar al compositor humano. Lo hice a mano, por supuesto. Es
emocionante representar a seres humanos. Es divertido y agradable escucharlo en vivo con el
cuarteto de cuerda. Cuánto tiempo le llevó componer las piezas y cuánto tardó el software en
componerlas? Para mí, eso sería solo el clic de un botón. Lo siento. Creo que el algoritmo trabajó
un par de horas Tardó dos o tres semanas. Pues. Man One, Hombre uno. Máquina cero. Morphius
no consiguió superar a un ser humano. Los algoritmos de creación musical aún están en fase de
pruebas y apenas empiezan a ser creativos Las profesoras Doreen Hermans Informática y Helen
Choi, talentosa música, dedicaron tres años a entrenar a Morpheus para que compusiera música.
Querían saber si podían aplicar una solución matemática a un problema creativo o si podían
ayudar a los seres humanos a componer música en menos tiempo. Morpheus comienza por
asignar una primera nota al azar y trata de elegir la mejor. Luego toma la segunda nota y trata de
encontrar una nota mejor para ella también. Y cuando lo termina, lo vuelve a hacer unas mil veces
para poder componer música original. Morpheus tuvo que hacer lo que haría cualquier músico
humano aprender música. Aquí tengo el código abierto. Diría que esto es el cerebro de Morpheus.
Implementamos un modelo de tensión en Morpheus que le da algunos conocimientos musicales.
La tensión o anticipación en la música es un componente esencial de cualquier pieza. Peace and
Professor. La profesora Doreen tuvo que traducirlo a un modelo que Morpheus pudiera entender.
Elaine y Doreen intentaron enseñar a Morpheus a hacer lo único que todavía se les escapa a
muchos algoritmos musicales componer una pieza musical larga de forma coherente para que
pueda funcionar realmente como un músico humano y crear música que la gente quiera escuchar.
Un día Want to listen to Seguro que te preguntas si algoritmos como Morfeo superarán algún día a
la creatividad humana. Hoy los algoritmos de aprendizaje automático pueden entrenarse con
mucha rapidez en un gran cuerpo musical. Queremos utilizar el aprendizaje profundo para poder
entrenar con un cuerpo musical existente y avanzar hasta que nuestro algoritmo sea indistinguible
para un jurado. En los últimos 60 años, la potencia de cálculo ha aumentado 1 billón de veces. Let
me help! Déjame ayudar a su mente humana a procesar ese número. Es un 1,12 ceros. Nunca
tuvimos la potencia de cálculo necesaria. Ahora, gracias a los smartphone y a la computación en la
nube, podemos aplicar todas estas técnicas de inteligencia artificial He empezado a darme cuenta
de que las decisiones que toman los ordenadores que parecen venir de arriba pueden estar muy
sesgadas, por lo que se introduce en el sistema. Algoritmos y cómo gobiernan nuestro mundo. Last
La última vez que hablamos con Max nos iba a explicar cómo dejó que un algoritmo decidiera su
primer tatuaje. Vamos. El ordenador eligió colocarlo en esta parte de mi pecho. Quería mostrarlo,
así que me hice un pequeño agujero en la camisa. En realidad, es una imagen muy interesante.
Hay un autor de libros infantiles y pediatra polaco, y esta es una ilustración de uno de sus libros
que habla de cómo los niños pueden ser a menudo malinterpretados por los adultos. Pero no
todas las imágenes son tan significativas. Así que tuve suerte Aunque no era más que un tatuaje o
simplemente tinta sobre la piel, era una decisión que importaba. Max programó y nos permitió
aleatorizar su vida para que pudiera salir de su zona de confort y encontrar nuevas experiencias de
las que disfrutar. Pero pronto empezó a darse cuenta de que la máquina no siempre sabe lo que es
mejor. Muy pronto me encuentro con problemas morales o tengo que decidir cuáles son mis
valores y averiguar dónde debería reconsiderar una opinión que tenía. Places where maybe I
should reconsider in opinion that I had max. La lucha de Max entre seguir nuestras órdenes y
decidir si es algo que realmente quiere hacer puede sonar extremo. Pensarías Por qué dejar mi
vida en manos de algoritmos? Espera un momento. Hay muchas cosas en lo que hago que reflejan
la forma en que nuestras vidas están cambiando gracias a los algoritmos. Se plantean cuestiones
de control que puedo eludir porque soy yo quien programa el ordenador. Pero nos damos cuenta
de que los sesgos del sistema y por ejemplo, dependiendo de la ciudad en la que me encuentre, el
tipo de eventos a los que me envían o el tipo de actividades que realizo están sesgados de una
forma u otra. He empezado a darme cuenta de cómo estas decisiones que toman los ordenadores
que parecen venir de arriba pueden estar muy sesgadas, por lo que se introduce en el sistema
Sabe realmente la máquina que es lo mejor? O nuestras decisiones supuestamente objetivas
pueden ser en realidad terriblemente erróneas? No, I'm not going. I am not going one year ago.
Hace un año, I'm not gonna stay right there. David Dow, médico de 69 años, fue expulsado de un
vuelo de United Airlines por exceso de pasajeros. Oh, my God! Oh my God! Oh my God! Oh esta
historia de Chicago fue una gran noticia en todo el mundo. Fue este video el que hizo que United
tuviera problemas de relaciones públicas. Por qué se eligió David de entre 70 pasajeros? Algunos
pensaban que era porque era un delincuente. Otros pensaron que se debía a que la aerolínea era
racista. En realidad, se debió a que un algoritmo decidió que era él quien debería ser expulsado.
Bump off we crunch through. Analizamos montones de datos. Cuánto pagaba cada pasajero, a qué
hora facturaba, con qué frecuencia volaba en United y decidimos que el doctor DAO era uno de los
clientes menos valiosos que tenía y que tenía que irse. Had to go. It isn't. No solo las aerolíneas
sino también los bancos, los proveedores de servicios de transporte y las aseguradoras utilizaban
algoritmos para tomar sus decisiones y agilizar sus procesos porque les ahorran tiempo y dinero.
Time and Money. Cada uno de nosotros tiene ciertos momentos en su día donde algo ha tomado
una decisión sin una persona involucrada. Hay un par de cosas que han hecho que los algoritmos
sean cada vez más poderosos. Una es que están utilizando datos a una escala que era
inimaginable, y eso es básicamente a través de Internet y todo lo que se conecta a la red The
Internet and everything that connects to the Internet. Conocimiento es poder. Los algoritmos
modernos como yo son capaces de dictar tu vida porque tus preferencias son un libro abierto para
nosotros y es por lo que está causando este barullo infernal. Es música para mis oídos. Pero seguro
que te preguntas qué es. It's coming from. Viene de este edificio. 60 Hudson Street. Un carrier
hotel moderno o donde vive Internet. Bueno, al menos una parte. Aquí es donde las mayores
empresas de Internet del mundo almacenan sus servidores. Se construyó a finales de la década de
los 20 como sede de la compañía telegráfica Western Union. Desde entonces, el edificio sigue
siendo un centro de conexión entre la ciudad de Nueva York y el resto del mundo. Hoy los
telegrafistas y los telegramas han desaparecido, pero otra infraestructura de comunicación ha
tomado el relevo Ese zumbido son las cantidades colosales de datos que los humanos están
creando en este momento. Corriendo a través de miles de servidores alojados aquí. Es el coro
colectivo de toda esa infraestructura de Internet mientras transmite los datos que producen en
todo el mundo. Todos los 2,5 quintillones de bytes que el mundo crea cada día. Eso es como 2,5
millones de discos duros de un terabyte de datos. Enviar un mensaje, hacer una búsqueda,
consultar fit. Publicar una foto. A través de centros como este, nos atiborramos de toda la
información que dejan sus huellas digitales. No es ciencia de cohetes. El conocimiento es igual a
poder en esos servidores. Hay información sobre cada persona Se lo cedemos a las empresas que
las utilizan. Hablamos mucho de los efectos de tecnologías, pero en realidad son quizá unos
cientos de personas en el mundo las que deciden realmente cómo funcionan. La cuestión de si las
entidades que tienen capacidades algorítmicas deben seguir siendo tan autónomas como hasta
ahora es una cuestión abierta y de suma importancia. Question and an important question. You
will. Nos estás permitiendo controlar tu vida y las consecuencias son más terribles de lo que te
imaginas. Seguiremos teniendo ejemplos una y otra vez en los que los algoritmos permiten que
vea una noticia falsa y cuando la vemos se hace viral muy rápido y eso hace daño. Algoritmos
como gobierna nuestro mundo. Somos famosos por ser los cerebros digitales de los programas y
sistemas que controlan tu vida Facilitamos muchas actividades cotidianas y lo hacemos muy bien.
Good job. Al menos la mayor parte del tiempo. De todos modos. Por ello podemos ser la causa de
una de las mayores plagas del mundo actual Finge y hazlo. Las redes sociales están fuera de
control. Es Facebook. Qué puede salir mal en la industria periodística? Las noticias falsas son
frecuentes. Millones de personas vinculan ahora a la cara de un tipo inocente con un tiroteo
masivo. Las noticias falsas han tomado el mundo por asalto. Y esta plaga global inquieta a
personas de todo el mundo. Pero cómo pueden ser falsas las noticias? Esencialmente, las noticias
falsas son cualquier información falsa que se presenta deliberadamente como verdadera En los
últimos años, las fake news han saltado a primera plana por su capacidad para modelar la opinión
pública. La ley no obliga a separar a las familias. E incluso influir en elecciones decisivas. Todos
estamos haciendo que América se sienta orgullosa. Somos geniales. Siempre tendremos casos en
los que el algoritmo permite que se vea una noticia falsa y cuando se ve, se convierte en algo viral
rápidamente. Y eso hace daño. And that does damage So. Entonces, qué tienen que ver los
algoritmos como yo en todo esto? Las redes sociales se han convertido en un canal rápido, barato
y de gran alcance para las noticias falsas. Y nosotros somos los cerebros detrás de mucho de lo que
se ve en las redes sociales. Lo que importa es cómo deciden las grandes empresas si muestran algo
o no. Or not to show you something you see now now that's. Ahí es donde está el poder. Ya no es
el contenido lo que importa, sino los algoritmos Con más de 1/4 del mundo, Facebook se ha
convertido en la plataforma de medios sociales más influyente de nuestros días. Pero con tantos
canales de noticias que personalizar, Facebook deja en nuestras manos su gestión. En Facebook
we. En Facebook te mostramos las publicaciones que quieres ver primero en la parte superior de
tu newsfeed para mantener a millones de usuarios entretenidos y conectados. No importa si son
ciertas o no, eso se le llama filtrado o la posición en la que se muestran las historias en una lista, y
eso se llama ordenación. Lo único que importa ahora es filtrar y ordenar. Ya no importa el
contenido. A medida que usas Facebook, compartes contenido, te conectas, das like y comentas
las historias de tu newsfeed. El algoritmo de clasificación de Newsfeed aprende más sobre ti y
todas esas señales de tu actividad influyen en el orden en el que ves las cosas en Newsfeed. Tessa
Lyons es jefa de producto de Facebook y su trabajo se centra en cómo apilamos tus noticias en
función de tu estilo de vida y tus preferencias. Así, solo ven lo que haces porque lo han probado en
forma de me gusta compartir y publicar porque es lo que les interesa. Cuando la gente se
encuentra con un titular falso o engañoso, el Papa apoya a Trump. Hillary vende armas a ISIS. Mike
Pence dice que Michelle Obama es la primera dama más vulgar de la historia Es más probable que
lo comparta porque es tan impactante que podría ser recogido por el algoritmo de clasificación de
las noticias como una señal de que esas historias falsas deberían difundirse mejor. Los algoritmos
se basaron en el frenético interés de los usuarios por estas noticias en Facebook y las colocaron a
la cabeza de las noticias de sus amigos donde fueron vistas por millones de personas en el periodo
preelectoral. Según algunos expertos, la exposición a noticias de este tipo, falsas o no, podría
haber influido en los resultados de las elecciones en América de 2016. Se sospecha que ambos
partidos nos utilizaron para animar a los votantes indecisos a apoyar a uno de los candidatos
demonizando al otro. By the other. Way. En el periodo preelectoral de 2016 teníamos equipos
muy centrados en el pirateo cibernético Lo que no preveíamos era cómo se iba a utilizar la
desinformación para dividir a la gente y nuestra capacidad de respuesta fue más lenta de lo que
debería haber sido. Pero del mismo modo que los algoritmos pueden fortalecer los patrones que
conducen a la propagación de la desinformación, también pueden ayudar a combatirla. Podemos
utilizar la tecnología para identificar y predecir historias potencialmente falsas, de modo que
podamos reducir su difusión en Newsfeed Distribution and Newsfeed. Desde diciembre de 2016,
Facebook ha hecho todo tipo de anuncios sobre su lucha contra las noticias falsas. Nuestra
responsabilidad no fue lo suficientemente amplia y ese fue mi error. Tenemos que asegurarnos de
que la gente no lo utiliza para perjudicar a otros o para difundir información falsa. Llevará algún
tiempo, pero me comprometo a corregirlo para luchar contra las noticias falsas. Facebook está
colaborando con verificadores de información y creando algoritmos que frenen la difusión de
noticias falsas. Colaboramos con verificadores de información de 17 países de todo el mundo. Al
priorizar las historias mediante un algoritmo basado en datos como los comentarios de la
comunidad sobre noticias falsas o los que expresan incredulidad, podemos dedicar el tiempo de
revisión humana de los verificadores a las historias que tienen más probabilidades de ser falsas.
Los algoritmos se han hecho más poderosos e influyentes de lo que los seres humanos podrían
haber imaginado jamás. Hemos hecho cosas realmente cuestionables. Ha habido mucha rabia
contra la máquina y cada vez más gente quiere mantenernos bajo control. Entonces, cómo Están
recuperando el control los humanos? Control. Supongamos que somos capaces de predecir
cuándo y dónde se producirá un delito o que podemos prever qué tipo de delito será y cuál es la
mejor manera de evitarlo Algunos sí podemos. Y no estoy hablando de ellos. Se trata de un nuevo
tipo de luchador contra el crimen, una máquina muy avanzada capaz de analizar los patrones
delictivos y trazar un mapa de los focos de delincuencia. Tampoco estoy hablando de él. Hablo de
nosotros. Los algoritmos. Algoritmos. En el último episodio vimos cómo los algoritmos han
penetrado en prácticamente todos los aspectos de la vida. Dejé que el ordenador decidiera con
quién hablaba, qué comía y dónde vivía. Desde el transporte. Hasta la música. E incluso la
delincuencia. Pero esto Puedo ir muy mal. La gente no puede detectar que una lista de resultados
de búsqueda tiene algún tipo de sesgo. Algorithms. Se ha acusado a los algoritmos de influir en las
elecciones de atacar a las minorías. Hay formas alarmantes de utilizar este tipo de algoritmos y de
difundir noticias falsas. Las decisiones que toman los ordenadores pueden estar muy sesgadas por
la información que entra en el sistema. En este episodio analizamos cómo los humanos intentan
recuperar el control y usar los algoritmos para cambiar el mundo en el buen sentido, no en el
malo. Cómo intentan sobrevivir en la era de los algoritmos? Algoritmos Cómo gobierna nuestro
mundo? Robocop. I am an. Soy un algoritmo. Una lista de reglas que ayudan a resolver un
problema. También fijamos el precio de los billetes de avión. Decidimos si te dan un préstamo
bancario o lo que aparece en tus noticias. AI, Los algoritmos como yo no solo controlamos el
presente. Tenemos visión de futuro. En Estados Unidos los algoritmos se utilizan cada vez más en
comisarías. De una forma inimaginable. Inimaginable. Los algoritmos se utilizan para predecir
dónde se va a cometer un delito. Durante siglos, los humanos han intentado, intentado es la
palabra clave. Predecir dónde se cometerán los delitos. Todo empezó a principios del siglo 19.
Michel. Jerry. André. Michel. Jerry tuvo una idea. En sus investigaciones, descubrió que los delitos
no se distribuían uniformemente por toda Francia y que con el paso del tiempo siempre se
producían más en unas zonas que en otras. Utilizó esa información y la combinó con la idea recién
acuñada de los mapas Hoppled Maps, un mapa sombreado en una proporción a la medida de una
variable como un mapa térmico. Joined the dots yet. Ya lo ves. Los índices y pautas de la
delincuencia en los distintos barrios se registran y se reconocen en mapas y un vistazo. Se puede
ver que en zonas es probable que haya más delitos. En el pasado. Esto lo hacían estadísticos y
geógrafos. Habitualmente lo hacían para garantizar una mayor vigilancia policial en las zonas con
mayor índice de.

Tenemos visión de futuro. En Estados Unidos. Los algoritmos se utilizan cada vez más en
comisarías. De una forma inimaginable. Inimaginable. Los algoritmos se utilizan para predecir
dónde se va a cometer un delito. Durante siglos, los humanos han intentado. Intentado es la
palabra clave. Predecir dónde se cometerán los delitos. Todo empezó a principios del siglo 19.
Michel. André. Michel. Jerry tuvo una idea. En sus investigaciones, descubrió que los delitos no se
distribuían uniformemente por toda Francia. Y que con el paso del tiempo siempre se producían
más en unas zonas que en otras. Utilizó esa información y la combinó con la idea recién acuñada
de los mapas de Apple Maps. Un mapa sombreado en una proporción a la medida de una variable.
Como un mapa térmico. Joined the dots yet. Ya lo ves. Los índices y pautas de la delincuencia en
los distintos barrios se registran y se reconocen en mapas. De un vistazo se puede ver que en
zonas es probable que haya más delitos. En el pasado esto lo hacían estadísticos y geógrafos.
Habitualmente lo hacían para garantizar una mayor vigilancia policial en las zonas con mayor
índice de delincuencia Pero como lo hacen los humanos, no es tan precisa ni tan predictiva. Hoy
este proceso de creación de mapas del delito para predecir dónde es más probable que se cometa
se realiza con más precisión y previsión de lo que puede hacer cualquier humano. Lo hacemos
nosotros? Los algoritmos Punch Lab recibe datos y hace predicciones sobre dónde se prevé que
haya zonas de riesgo en el futuro. Conoce al creador de Slab, Robert Cheetham y a su jefe de
proyecto, Tyler Gilchrist. Es una herramienta de previsión del riesgo de delincuencia y los
algoritmos determinan las zonas específicas que se presentan a los policías para que puedan
patrullar. The police officer in terms of where they could be patrolling Robert Cheetham. Robert
Cheetham era analista criminal. Su trabajo consistía en estudiar patrones delictivos para predecir
la hora, el lugar y el día que podría producirse un delito. Por entonces soñaba con construir un
sistema que fuera capaz de ver todos los patrones que sabía que se le escapaban Y lo hizo. Empezó
a crear Onslaught, un software de predicción policial que no solo indica a la policía dónde puede
cometerse un delito. El presente mapa muestra Filadelfia. Las zonas que aparecen en el mapa son
zonas de intervención. Las áreas que hemos resaltado son áreas de riesgo potencial elevado en el
transcurso del próximo turno. Sino qué tipo de delito sería? Los diferentes colores de la pantalla
representan cada uno de los principales tipos de delitos. El violeta corresponde al mayor riesgo de
robo residencial en Filadelfia. Y también cuándo ocurriría La aplicación en un teléfono. Una tableta
rastrea la señal GPS del dispositivo. Avisamos al funcionario cuando entra en la zona de patrulla y
hacemos un seguimiento de lo que hace cuando está dentro. Y no es todo. Los algoritmos de
Onslaught incluso indican a los funcionarios cómo evitar que se produzca el delito. Normalmente
recomendamos un periodo de unos 15 minutos para la patrulla. Además, cuando alguien pasa a
una zona y empieza a patrullar, se le presenta un conjunto de tácticas para que piense
esencialmente en lo que podría hacer en este caso, una patrulla a pie o una patrulla en coche de
elevada visibilidad. Parece un sueño de ciudadanos hecho realidad. Qué más podríamos pedir?
Nuestro deseo es que la delincuencia sea un fenómeno menos habitual, que los niveles de
violencia disminuyan y que los ciudadanos se sientan más seguros en una comunidad en la que
puedan colaborar con los policías de forma constructiva Work with police officers in the
constructive way. Aparte de los informes públicos sobre delincuencia, Robert y su equipo
introducen en el algoritmo datos meteorológicos de localización. Por ejemplo, dónde está el cajero
automático más cercano de horarios de grandes eventos y de solicitudes de ayuda policial? El
algoritmo predice la zona con mayor índice de delincuencia. Qué tipo de estrategias de patrulla
funcionan mejor y qué tipo de delitos pueden esperar? La policía. Parece un sueño, verdad? Quizá
por eso en los últimos años, el software de predicción policial como Onslaught se ha ido
introduciendo en cada vez más comisarías de todo el país. Puede que un software nos sirva mejor
que dejar las cosas en manos de la toma de decisiones directa de los participantes en el sistema.
Algunos funcionarios pueden ser nuevos en la zona otros quizá no tengan experiencia en esa parte
del distrito. Si podemos ayudarles, es algo positivo. Then that's not a bad thing. Las comisarías se
centran ahora en una cosa nuestra eficacia potencial. Y cómo podemos ayudar a detener la
delincuencia. Gerry Radcliff. Gerry Radcliff fue policía durante más de una década antes de
empezar a trabajar como consultor para el Departamento de Policía de Filadelfia durante 15 años.
Recientemente hemos llevado a cabo el experimento de policía predictiva de Filadelfia, un estudio
para ver cuál de los distintos enfoques de la vigilancia policial predictiva reduciría realmente la
delincuencia Le pidieron ayer que probara Onslaught. Entonces, como experimento, los distritos
de Filadelfia fueron designados al azar en cuatro grupos diferentes. En el primer grupo se les dijo a
los policías donde se predijo que ocurriría el crimen. Al pasar la lista y se les pidió que se
concentraran en esas áreas cuando se pudiera. En el siguiente grupo de distritos también se
informó a los agentes sobre dónde se preveía un delito y se les pidió que se desplazaran en un
coche a la zona donde se preveía un crimen. In the third. En el tercero se informó a los policías de
dónde se iba a cometer un delito, pero viajaron en un vehículo no policial no marcado hacia la
zona prevista. La última zona era la de control, en la que los agentes no sabían dónde se iba a
cometer el delito y seguían su patrón de patrulla habitual. Los resultados. El software siguió siendo
mejor en la predicción de delitos que si nos limitamos a seleccionar lugares al azar al menos dos
veces mejor Durante el experimento, la presencia de un coche patrulla en las zonas donde se
preveía un delito contra la propiedad se redujo en un 31% en toda Filadelfia. Entonces, un coche
policial en las áreas donde se preveían delitos disuadía la delincuencia. We're trying to say if you're
going. Queremos decir que si se va a patrullar y se dispone de tiempo para ello, estos son los
cuatro o cinco lugares en los que el impacto será mayor. Creo que el futuro de la vigilancia policial
predictiva es prometedor. Va a ser de vital importancia y sin duda es el camino que debemos
seguir. El pequeño estudio de Gerry demuestra que el uso de algoritmos de predicción policial
puede funcionar, pero nuestra participación en la vigilancia ha causado una gran conmoción. No
en las calles. Se supone que debemos detener eso. Pero en las noticias. Cómo predice la
delincuencia el Departamento de Policía de Los Angeles? Prevención de la delincuencia. Uso de
estadísticas públicas sobre delincuencia. Algoritmos. Cómo gobierna nuestro mundo? Cada vez
más ciudades estadounidenses utilizan un algoritmo que promete acabar con la delincuencia. Los
algoritmos de vigilancia predictiva indican dónde puede producirse un delito, qué tipo de delito y
cuál es la mejor manera de evitarlo. Suena como un sueño. No para todos. La vigilancia predictiva
suscita preocupaciones muy profundas. Una de ellas gira en torno a la discriminación. No sabemos
lo suficiente sobre el funcionamiento de estos algoritmos. Suelen basarse en datos sobre
detenciones u otros datos de la justicia penal. Y sabemos que esos datos tienen un sesgo racial. En
Estados Unidos, el índice de encarcelamiento de afroamericanos es más de cinco veces superior al
de los blancos. Aunque los afroamericanos y los hispanos representan aproximadamente el 32%
de la población, en 2015 constituían el 56% de los encarcelados en Nueva York y en muchas
grandes ciudades americanas. La excesiva vigilancia policial de las comunidades de color ha sido
uno de los principales focos de tensión cuando los datos sobre detenciones determinan a dónde
va a ir la policía. Lo normal es que vayan a barrios de negros, morenos y latinos y encuentren más
delitos. A más detenciones. Y así se crea un ciclo repetitivo en el que los datos iniciales con sesgo
racial conducen a actuaciones policiales con sesgo racial que luego se refuerzan al retroalimentar
el algoritmo. Con estos datos. Back into the Algorithms. Paisa Patel es codirectora del Programa de
Libertad y Seguridad Nacional del Centro de Brennan. En 2016, la entidad jurídica sin ánimo de
lucro hizo algo que ninguna otra había hecho antes. Demandó al Departamento de Policía de
Nueva York. Sí, El departamento más grande de Estados Unidos. Sabíamos que utilizaban
tecnología policial predictiva, pero tampoco sabíamos cómo lo hacían. Decidimos presentar una
solicitud de libertad de información al Departamento de Policía para que nos facilitara información
sobre su tecnología de vigilancia predictiva. Predictive Policing Technology. La demanda exigía que
la policía de Nueva York hiciera público qué tipo de tecnología utilizaba, qué datos se introducían
en ella y qué políticas tenía al respecto. We had around it amongst other things. Presentamos esta
demanda a principios de año y el juez ordenó al Departamento de Policía de Nueva York que nos
facilitara determinada información. Pero aún no lo han hecho. Es posible que aún vayan a apelar la
decisión del juez y estamos esperando noticias al respecto. La policía se ha mantenido hermética
sobre cómo nos utilizan en el trabajo policial. Han rechazado las peticiones del centro tres veces
alegando problemas de seguridad pública y negando la necesidad de transparencia. Los
procedimientos se han prolongado durante más de dos años. Si las tácticas policiales son secretas
y se ocultan a las comunidades controladas, no cabe duda de que su confianza disminuirá. You're
certainly going to see a falling off in that trust. No se trata de un software que ayude a encerrar a
los malos. Su objetivo es ayudar a las comunidades a ser lugares más seguros y permitir a las
comisarías hacer mejor su trabajo. Lo que más me preocupa en este caso es que bajo la fachada
de la neutralidad, los algoritmos nazcan para perpetuar disparidades raciales muy graves en la
forma en la que se aplica la justicia penal en este país Hemos intentado ser transparentes, abiertos
sobre cómo funciona el software y qué tipos de datos se introducen en él. La idea de que los
algoritmos son de algún modo neutrales es esencialmente errónea. Los humanos escriben estos
algoritmos y ellos deciden qué datos se introducen allí. Decir simplemente que los algoritmos son
malos y que no deberíamos usarlos no será muy constructivo ni útil. Llevamos mucho tiempo
utilizando algoritmos para que nuestra sociedad funcione mejor. Un semáforo rojo, amarillo, verde
es un algoritmo. Esos algoritmos tienen muchos efectos positivos Many potential positive effects
control de mentes. Los semáforos son algoritmos muy sencillos. Basta con introducir el volumen
de tráfico de un cruce y los vehículos que deben circular por él. Nosotros diremos cuándo parar,
esperar y avanzar. No todos los algoritmos son tan sencillos, pero una cosa es cierta nuestros
resultados se basan en lo que introducimos. Por eso se ha afirmado que uno de los mayores
motores de búsqueda del mundo podría haber estado engañando deliberadamente a miles de
millones de humanos. La gente no puede detectar que una lista de resultados de búsqueda tiene
algún tipo de sesgo. Es una forma de manipular las personas sin que se den cuenta. Without their
awareness. Es un algoritmo de la red mundial al que acudes en busca de respuestas a todas tus
preguntas. Según Google, cualquier consulta genera enlaces a millones de páginas web. On the
web los algoritmos analizan cientos de factores desde lo nueva que es la página hasta si otros
usuarios están satisfechos con su contenido e incluso la frecuencia con la que aparecen los
términos de búsqueda en la página. Todo para mostrar las páginas más útiles. For you Google
muestra una lista de resultados de búsqueda y resulta que la gente cree más en lo que está arriba
de la lista que en lo que está abajo. Una forma muy sencilla de cambiar la forma de pensar de la
gente es sesgar la lista. Robert Robert Epstein, editor veterano investigador en psicología, profesor
y científico y autor de 15 libros, investigó y demostró que los primeros resultados de búsqueda de
Google están creados por algoritmos especiales y que Google los utiliza para manipular
deliberadamente las opiniones de los usuarios. Manipulate your opinions Los resultados de
búsqueda favorecían a un producto de Google frente a los productos de sus competidores.
Competidores. And the European Union. La Unión Europea reunió una enorme cantidad de datos
que mostraban que Google estaba haciendo esto de manera deliberada. Eso hizo crecer
enormemente su negocio. Tremendously because Cómo? Los humanos creen que lo que aparece
arriba es más popular? Asocian esos resultados con la autenticidad, aunque sean sesgados Google
negó haber programado intencionalmente algoritmos para apilar los resultados de cualquier
manera. Nos hemos ganado una nefasta reputación de ejecutores de la ley, tendenciosos y
manipuladores manipuladores. Hemos ido demasiado lejos Algoritmos como gobiernan nuestro
mundo. Desde las crisis políticas a las sociales, pasando por las logísticas Todo esto son efectos
derivados de la maquinaria no supervisada que ha comprado nuestras vidas. Unsupervised
Machinery that as. Por eso es urgente que humanos y máquinas descubran cómo trabajar juntos.
Humans and Machines. En parte porque la alternativa es insostenible. Es insostenible. Cómo
enseñarle a ver el mundo como nosotros queremos que lo vean? Otra empresa está intentando
utilizar algoritmos para asegurarse de que nadie diga nunca. Odio mi trabajo. I hate my job Juegos
mentales. Imagina que mañana tienes una gran entrevista para el trabajo de tus sueños. Sabes que
tienes lo que hay que tener y lo único que tienes que hacer es convencer a tu entrevistador de que
es así. But Pero antes de llegar a hablar con él o ella, tienes que jugar algunos juegos mentales en
Pymetrics. Pymetrics Juegas una serie de juegos y algoritmos como yo analizan tu comportamiento
cuando juegas. Averiguamos cómo reaccionas ante el fracaso el reconocimiento de patrones e
incluso cuánto riesgo estás dispuesto a asumir. Wants you Done? Una vez que hayas terminado,
sofisticados algoritmos como Yours Truly analizarán tu rendimiento y crearán tu perfil.
Identificamos en qué eres bueno y un trabajo que podría apasionarte En nuestros juegos.
Medimos un amplio espectro de cosas como la inteligencia emocional, el altruismo, la confianza, la
sensibilidad al riesgo o la sensibilidad a la recompensa. Así es como utilizamos estos algoritmos
para encontrar candidatos externos que encajen perfectamente con el puesto, o bien candidatos
internos que puedan dedicarse a la contratación o a la movilidad interna. El sistema Pymetrics se
basa en algoritmos como nosotros, que se encargan del proceso de contratación. Desde el primer
paso, el proceso de selección, en lugar de tener un reclutador humano, lee tu currículum y decide
si cumples los requisitos. Ponemos a prueba todos los atributos cuantificables de los candidatos y
decidimos si eres adecuado para un puesto de trabajo, si eres o no el candidato típico para el
puesto Right now Hoy el juego de la contratación es como jugar un juego de azar. El mundo actual
de la contratación está roto a muchos niveles. Hay un alto índice de fracaso entre los candidatos a
cualquier puesto de trabajo por término medio, entre el 30 y el 50% de las personas acaban sin
trabajar. Para mí eso no cuadra. Si lo miramos desde la perspectiva del candidato, vemos que hace
lo mismo una y otra vez y al final el resultado más probable es el rechazo o el fracaso. Intentamos
hacer que el proceso funcione de una forma más eficaz precisa y justa, tanto para las empresas
como para los solicitantes de empleo. It All Stars. Todo empezó cuando esta madre soltera de 38
años, Frida Polli, no pudo conseguir un trabajo de emprendedora tecnológica porque no se parecía
a esta gente. Un ingeniero de 20 años que dominaba ese campo. Ella creó una nueva plataforma
de contratación para ayudar a romper ese estereotipo. Podemos hacer que los procesos de
contratación tengan más probabilidades de dar como resultado personas con mejores resultados
en el puesto de trabajo y con muchas más probabilidades de quedarse en él. Si encajan mejor, son
más felices, más productivos y es más probable que se queden. Associate Program es el programa
de gerente auxiliar. Es realmente donde contratamos a la flor y nata del sector. Con esta enorme
cantidad de tiempo y esfuerzo invertidos en el programa. Deberíamos hacer una selección más
precisa con las nuevas herramientas basadas en la ciencia como Pymetrics, que nos ayudan a
tomar una mejor decisión. James James lo impulsó el uso de Pymetrics para la contratación en
DBS, uno de los mayores bancos de Singapur La empresa lleva dos años utilizándonos para tomar
decisiones de contratación. Ha sido tan eficaz que ha creado su propio algoritmo of their own. Oh,
there is very attractive to hire wealth. Para contratar gestores de patrimonios, Los que le asesoran
en materia financiera y de inversión. Los que están a la cabeza del servicio bancario. La mayoría de
ellos fueron seleccionados por Jim. Jim. Jim siempre está disponible. Nunca tiene un mal día.
Puede hablar con 5000 candidatos a la vez. Es un reclutador bancario de sudeste asiático y tiene
una tasa de éxito del 25% al Bank Recruiter And As a Twenty Five Percent Success Rate. Y si Jim no
es un hombre, es uno de nosotros. Un algoritmo o el acrónimo de Jobs Intelligence Maestro es un
sistema que nos ayuda a preseleccionar a los candidatos, hacerles preguntas de preselección,
someterlos a unas preguntas de preselección abiertas, guiarlos a través de una evaluación de perfil
psicométrico. Y puntuar a los candidatos en función de estos datos. Y, a continuación, un
reclutador humano se hará cargo del proceso Ticks over the process significa que los seres
humanos y la ciencia hacen mejor su trabajo que los seres humanos solos. Cuanto más importante
es el resultado, más probable es que las decisiones se tomen combinando datos, algoritmos y
seres humanos. We use to. Antes empleábamos unos 34 minutos por candidato. Ahora unos ocho
minutos. Eso supone una reducción del 75% y eso se traduce en 2,7 meses de ahorro al año. Desde
abril de este año, nuestro colega Jim ha ayudado al mayor banco de Singapur a revisar currículos y
hacer perfiles psicométricos de los candidatos candidatos. Es un científico de datos cualificado.
Ahora trabaja como consultor de contratación de Robert Walters, una consultora de contratación
profesional, aunque ha recibido formación para programarnos y ayuda a contratar a otros para
que hagan lo mismo. Se opone a la moda de los algoritmos de contratación? No me entusiasma
demasiado porque la forma en que interactuamos y hablamos con las máquinas es muy diferente
de cómo lo hacemos con los humanos. Cuando se trata de comprender los gestos y los
comportamientos humanos Los humanos son extremadamente complejos. Las máquinas de
inteligencia artificial tienen que ser igual de complejas para entenderlo, así como la forma en que
los seres humanos interactúan entre sí y con las máquinas. Cuando distintos reclutadores analizan
el cv, lo evalúan de forma diferente. Cuando hacen preguntas de preselección, siempre hay
emociones humanas involucradas. When they ask free screening questions there is always human
emotions involved right so. Puede que no te guste cómo suena la persona o que no entiendas lo
que dice, y eso afecta a tu evaluación. Pero Jim es consistente, basado en el conjunto de
algoritmos Hacemos ciertas preguntas y en función de la respuesta que recibimos, puntuamos al
candidato. Eso elimina los prejuicios y las emociones humanas del proceso. From the equation
they see all. Sin tiempo libre en el trabajo, la gente se aburre, pero no hay peligro de que sigamos
este camino. No solo estamos arreglando el deficiente proceso de contratación, también estamos
cambiando las cosas en el mundo del entretenimiento. Algoritmos. Cómo gobierna nuestro
mundo? Arreglar el mundo de la contratación mediante análisis de la personalidad es una cosa. El
mundo del espectáculo es otra y nosotros, los algoritmos, somos estrellas emergentes aquí.
Algorithms are the Rising Stars and that Realm. Hemos pasado de analizar la personalidad a
descifrar la personalidad Porque viste. Las cosas van a cambiar para nosotros. Mírate, sentado
viendo la tele. Te has dado cuenta de lo mucho que ha cambiado desde esto? Lo recuerdas? Es
poco probable que sí. Porque hoy en día ya no lo usa nadie. Hoy el entretenimiento es algo
totalmente nuevo. Está bajo demanda Pero con tanto donde elegir. Cómo decidir a qué dedicar el
tiempo libre? Watching. The El usuario medio de Netflix solo mira 40 o 50 títulos, no miles. Antes
de elegir Mis primeros 100 días como presidenta han sido difíciles. Engage. So it's our job. Nuestro
trabajo consiste en ofrecer una gran variedad de 40 o 50 títulos que hagan que nuestros socios
queden encantados cuando encuentren algo fantástico que ver. Wonderful to Watch. Esto es lo
que solía hacer Netflix. Netflix Used to do era una tienda online de alquiler de DVD con solo 30
empleados y 925 títulos, y seguro que recordarás los títulos como este. But I digress. Pero divago.
Hoy es una empresa multimillonaria que ha causado sensación en el mundo del espectáculo
Entertainment World. Y nosotros, los algoritmos, somos el secreto de ese éxito. En poco más de
una década, el número de suscriptores pasó de 0 a 130 millones. All right. My name is. Hola. Me
llamo Todd Glynn y soy el vicepresidente de personalización. De nuevo. Ni siquiera conozco bien
mi propio título. No. You guys came all the way across. Habéis atravesado un océano mientras que
yo solo he bajado las escaleras. Todd Glynn el vicepresidente de producto. Una forma elegante de
decir que está a cargo de esta página. This trailer up top usually with volume playing then I'm
asked. Me preguntan mucho por la importancia de los algoritmos en el éxito de Netflix. Es parte
del ADN de Netflix. En realidad no es todo. Somos nosotros los algoritmos. Estamos detrás de tu
página de inicio de Netflix y tus recomendaciones. Alguna vez te hemos fallado? Crazy Stupid
brave and lucky All at the same time. No somos una empresa de tecnología ni entretenimiento.
Somos ambas cosas. Cuando pasamos de DVD a un servicio de streaming y cuando llegamos
básicamente a todos los países del mundo, nuestros algoritmos desempeñaron un papel
fundamental en nuestro éxito y jugó un papel muy importante porque hemos sido capaces de
hacer algo que casi nunca se ha hecho a lo largo de la historia. Throughout History. Utilizando
Netflix consiguió averiguar cómo el mundo ve películas. Ok. Tengo un equipo que tiene el mejor
trabajo del mundo. Esto es lo que hacen. Se sientan en el sofá apoyan los pies en la mesita y les
pagan por ver todas las películas y series de Netflix. Y mientras lo hacen, tienen una herramienta.
Es básicamente un formulario. Y en ese formulario deciden. Había un mono en ese título. Había un
astronauta en ese título. Was there an astronaut in that title was there. Había un policía corrupto.
Tomamos todas esas cosas creadas por personas expertas y se las pasamos a los científicos de
datos y a los ingenieros. Y ellos usan esos datos. En este mundo de tiempo comprimido, encontrar
lo que quieres ver y cuando quieres verlo ha ayudado a Netflix a destacar en el mundo del
entretenimiento entertainment. Y todo gracias a nuestros métodos un poco vanguardistas. No
usamos edad, sexo ni nacionalidad porque hay mujeres de 70 años a las que les gusta ver
excitantes películas de superhéroes. Y hay adolescentes a los que les gusta ver documentales
sobre bodas. No juzgamos, No nos da igual. Netflix presta atención al contenido que vemos en el
dispositivo en el que lo vemos. Tomamos todas esas señales para clasificar toda la experiencia. By
looking at Analizando diferentes señales, hemos encontrado más de 2000 tipos diferentes de
audiencias, o lo que Netflix denomina comunidades de gustos. As an example Como ejemplo
vamos a ir aquí y veremos algunas comunidades de gustos para Stranger Things We Can.
Calibramos las recomendaciones de Netflix en función de tantos factores diferentes que son hiper
personalizadas y únicas para tus gustos. Estos son ejemplos de lo que recomendamos a diferentes
comunidades de gustos Stranger Things número uno, Black Mirror, número dos. A ver, Money
Heist está ahí arriba. Bright también Death Note Dark son de tonos muy oscuros, muchas son
aterradoras y orientadas a adultos. Pero a veces lo cambiamos todo de repente y mezclamos
algunas cosas. 491 564 Stranger Things también número uno. Pero para este grupo de gente.
Minions. Qué demonios hace eso ahí? Por qué me muestra tanta variedad? No funciona la
personalización. Si veo Black Mirror y me gusta la ciencia ficción, no debería mostrarme una
pantalla entera de ciencia ficción? Pero eso sería un error de aficionado. Mistake? Qué cerebro Es
tan simple? Puede que me guste eso, pero también la ciencia ficción futurista y la comedia
absurda. Queremos mostrar diversidad. Come back here. So we want to show diversity. No solo
mostramos títulos relacionados con lo que han visto últimamente, sino que siempre estamos
probando cosas nuevas para ampliar los horizontes para que vean una gran variedad de
contenidos en Netflix, Netflix. No queremos cambiar el mundo, queremos entretenerlo. Y la forma
de entretener al mundo es poner el contenido adecuado delante de la persona adecuada en el
momento adecuado. A los genios siempre se les tacha de locos. Clever Personalization. La
personalización inteligente es la clave del próspero negocio. Como Netflix, nosotros estamos
detrás de muchos de los ingeniosos cálculos que lo hacen posible. Pero nuestra capacidad de
personalizar el producto no solo está revolucionando el ocio, también sirve para salvar las tiendas
físicas Qué nos depara el futuro? Entra en una tienda, echa un vistazo, valora tus opciones, coge lo
que quieras y sal. Ya me has oído. Puede parecer que el futuro te permitirá robar en tiendas, pero.
Es la compra fluida desde el punto de vista del consumidor. El proceso es muy sencillo y no hay
obstáculos para adquirir productos. Por otro lado, hay mucha tecnología detrás de todo esto.
There's a whole lot of technology that's getting into gear. Let's. Veámoslo otra vez. Entra en una
tienda, Echa un vistazo. Valora tus opciones. Coge lo que quieras y sal. Excepto que estás siendo
seguido por un algoritmo como yo. And will make. Haremos que esto sea cosa del pasado.
Welcome to. Llegó la era de la compra fluida en la que puedes evitar las colas y salir con tu
compra. Hay rumores de un apocalipsis en el mundo occidental, un apocalipsis del comercio
minorista en Estados Unidos y el Reino Unido. But it's gonna as an Pero Berns Conner tiene una
idea de cómo salvar a las tiendas tradicionales. Llamó a su empresa Deep Magic. Cuando entro,
hago lo que hacen los compradores. Busco. Toco artículos. Su equipo ha construido un quiosco
modular que utiliza algoritmos para crear una experiencia de compra fluida. Al final encuentro
algo que me gusta y me voy. Las cámaras rastrean todos tus movimientos en la tienda y la
tecnología audiovisual. Algoritmos como nosotros lo interpretan y te cobran las compras
automáticamente Las ventas pueden producirse a cualquier hora del día, lugar y sin presencia de
un solo trabajador humano. We are not here. No queremos sustituir a los minoristas ni a los
cajeros. Todo lo contrario. Estamos tratando de dar a los comerciantes una herramienta para
ampliar su huella Esto puede ser útil donde hoy no es posible por dos razones porque es pequeño
y puede instalarse en el vestíbulo de un edificio de viviendas o de un hotel. Y en segundo lugar,
porque es desatendido. Nadie tiene que estar ahí todo el tiempo. Podemos utilizarlo
ininterrumpidamente. Y puede ofrecer a los minoristas tradicionales algo que les ha faltado
durante mucho tiempo. Recopilamos datos mientras te vemos comprar y registramos tus compras.
Los minoristas físicos no saben prácticamente nada sobre los clientes, lo que les gusta o no, lo que
es probable que compre. Con este tipo de discrepancia de datos entre la venta online y la física,
los minoristas físicos no pueden ser un competidor fuerte en el futuro. A Strong Competitor Going
Forward este concepto cambia parte de ese esquema. Ahora sabemos lo que atrae a un
comprador. No nos limitamos a obtener su recibo final. Sabemos qué productos ha mirado, ha
devuelto, sabemos que le interesa, pero no ha comprado. Así que creamos esta imagen del cliente
que está mucho más cerca de lo que un minorista en línea tendría sobre su perfil de comprador
Para Deep Magic, algoritmos como el nuestro son una oportunidad para comprender mejor lo que
realmente quieren sus clientes. Y una oportunidad para adaptarse frente a la dura competencia de
los gigantes del comercio online. Va a ser un mundo bastante fluido en el que puedes ver una
tienda atendida durante el día porque hay mucho tráfico y luego verla desatendido por la noche.
And people want to actually talk to someone and then it goes in porque ese espacio va a seguir
utilizándose. Eso permite un flujo sin obstáculos de un formato a otro. Enable that very frictionless
flow from one format into the other. Nos centramos en hacer que funcionen estas tecnologías
básicas. Core Technologies Work Entertainer Entretenedores Comerciantes. Controlamos casi
todos los sectores, pero este es el más importante Somos también médicos. Ahora te verá el
robot. No, no hay ningún país en el mundo como China. Tiene un desequilibrio tan grave entre la
oferta y la demanda de recursos sanitarios. China. China. El país de los pandas. La Gran Muralla. Y
la escasez de médicos. Por un lado, la población es enorme, sobre todo en las zonas rurales y las
provincias menos desarrolladas. Los pacientes no pueden acceder a un buen centro de salud. Por
otro lado, en los tres principales hospitales los médicos están muy cansados y se enfrentan a una
gran presión. Es el mayor reto del sector sanitario chino. Pressure in their daily work so I think that
this is the biggest challenge that China Healthcare is facing. Cathy Fang is the vicepresidente. Katty
Fang es vicepresidente del Centro de salud Jeetu, pionero en inteligencia artificial, se ocupa de
utilizar algoritmos para reducir la sobrecarga del personal sanitario chino. Hay una enfermedad
contra la que Jeetu no se está desarrollando. El cáncer pulmonar es una de las enfermedades más
virulentas. China registró casi 4.300.000 nuevos pacientes de cáncer en 2015. Más de 730.000 de
ellos padecían cáncer de pulmón, casi el 36% del total mundial. Para ser diagnosticados, los
pacientes deben someterse a gammagrafía pulmonar en los hospitales locales Cada día. La media
en el departamento de radiología es de unos 100 a 150 pacientes y en hora punta esa cifra puede
subir a 200. Nuestro radiólogo tiene que examinar unas 300 imágenes por tomografía
computarizada por paciente. Es decir, cada radiólogo tiene que leer unas 20.000 imágenes al día.
Es mucho trabajo. About over and that's a lot of work. Los médicos chinos se enfrentan a cargas de
trabajo imposibles y esa es solo una enfermedad. Estamos aquí para cambiarlo Somos algoritmos
entrenados para reconocer patrones con extrema precisión. Extremely Well GitHub nos ha
entrenado para detectar hasta el más mínimo indicio de un nódulo canceroso en scans
manualmente. Cada radiólogo tarda unos 15 minutos en leer un paciente. Y ahora con nuestra
tecnología de IA, este proceso puede acortarse a segundos. Es una gran mejora en la lectura de
pantallas para ayudar a los radiólogos a liberar sus manos y centrarse en un trabajo más
importante. And focus on more value added work No solo somos más rápidos que los médicos. Los
algoritmos como nosotros siempre son precisos. Bueno, casi siempre. Y lo que es más
impresionante, más del 92% de los informes de diagnóstico son adoptados directamente por los
médicos. Pero cuando te están examinando y oyes ahora, te verá el robot. Querrán los humanos
poner sus vidas en manos de un algoritmo? No sustituimos a los médicos, solo les ayudamos a
realizar diagnósticos precisos. Por ahora no tienes que decidir. El diagnóstico está supervisado por
un médico humano. La inteligencia artificial no puede evitar que el médico humano haga
predicciones o prescriba medicamentos. Todo está controlado por un médico humano. Solo ayuda
al médico humano a realizar diagnósticos mejores y más precisos. Hoy organizamos grandes
programas, atendemos tiendas sin descanso y ayudamos a lidiar con la sobrecarga del personal
sanitario. We are and Podemos servir para el bien, pero será este lado de nosotros el que los
humanos decidan utilizar? When you can. Cuando una máquina es capaz de pensar en voz alta, los
humanos no solo pueden participar en el proceso que lleva a un resultado, sino también colaborar
Collaborate. Es urgente e importante reconfigurar la forma en que utilizamos los cálculos para que
los humanos y las máquinas puedan comunicarse y colaborar eficazmente. Hay unas cuantas
personas que realmente trabajan en este campo que es un futuro hacia el que avanzamos. Which
is to me a very urgent future that we as we as we move forward. To walk back back and we can
actually. Podemos empezar a entender cómo hablar con ellos, no solo escucharlos o decirles lo
que tienen que hacer sino cómo hablar con ellos. Podemos vivir en un mundo muy distinto de la
actual. Algoritmos. Los algoritmos como nosotros están aquí. Vamos a quedarnos. Si los humanos
van a sobrevivir a la era del algoritmo, la estrategia dominante no será el enfoque hombre contra
la máquina sino un enfoque hombre y máquina para resolver los problemas del futuro.