web analytics

Posts etiquetados con ‘algoritmos’

Algoritmos ciudadanos, ¿son tan inocentes como parecen?

Esta entrada de la serie “La ciudad matemática” entrada está inspirada en el artículo Seeing the smart city: Mapping technologies in Canada, publicado en la sección canadiense de The Conversation.

Bancos inteligentes

Es posible que usted se haya encontrado alguna vez en la carretera a un automóvil de Google Maps con esa extraña cámara en la parte superior. Google está trazando un mapa global del planeta, que de momento, nos está resultando muy útil cuando planificamos un desplazamiento entre dos puntos, dentro o fuera de nuestra ciudad. Obviamente, con la colaboración del sistema de GPS, sistema que usa la simple geometría analítica unida a las correcciones relativistas.

Pero probablemente lo que usted no se imagina es que si se sienta en un banco público de un parque y usa su móvil con la aparente wifi gratuita, sus datos están siendo anotados. Esta tarea y algunas otras que comentaremos, son las que desarrolla el grupo Sidewalk Labs, una filial de Google, cuyos objetivos son “idear, diseñar, comprobar y elaborar innovaciones urbanas para ayudar a que las ciudades afronten sus grandes desafíos”.

Así que usted está navegando gratuitamente, lo que es una maravilla, pero sus datos están siendo recogidos: si usted reserva un restaurante, o un billete de tren o avión, o conecta con determinadas webs, etc. Pero también hay sensores que analizan sus desplazamientos, y cámaras que hacen lo mismo con el tráfico. Dicho esto, ¿dónde queda la privacidad? ¿quién garantiza que estos datos son usados con buenos fines y no para sacar provecho y utilizarnos como clientes sin que nosotros lo sepamos?

El artículo citado al comienzo de esta entrada se refiere precisamente a este tema. Es importante informar a los ciudadanos del uso y los peligros de este tipo de tecnologías de los que en muchas ocasiones no son conscientes.

¿Y cómo se analizan todos esos datos que se obtienen cuando nos movemos por la ciudad inteligente o matemática? Los pasos son varios, tal y como se describe en el artículo Essential Math for Data Science, escrito por Tirthajyoti Sarkar: :

  • Se hace un modelo del proceso.
  • Se construye una hipótesis.
  • Se hace una estimación rigurosa de la calidad de la fuente de datos.
  • Se cuantifica la incerteza sobre los datos y las predicciones.
  • Se identifican los patrones ocultos en la enorme cantidad de datos.
  • Se analiza las limitaciones del modelo.
  • Se trabaja la demostración matemática y la lógica que hay detrás.

En su artículo, da unos consejos sobre las matemáticas que se deberían estudiar para llevar esto adelante (y por qué hacerlo):

  • Funciones, variables, ecuaciones y grafos
  • Estadística
  • Álgebra lineal
  • Cálculo diferencial
  • Matemática discreta
  • Optimización e Investigación de Operaciones

Como ven, las matemáticas están detrás y lo iremos desvelando a lo largo de este año.

___

Manuel de León (CSIC, Fundador del ICMAT, Real Academia de Ciencias, Real Academia Canaria de Ciencias).

 

Etiquetas: , ,
Categorias: General

¿Pueden las matemáticas contribuir a ganar unas elecciones?

Navegando me he encontrado con esta noticia, Los partidos quieren tus datos. Este artículo nos alerta de la capacidad de los partidos políticos para usar datos de los ciudadanos y enviar propaganda electoral vía redes sociales y aplicaciones de mensajería. Su autora, Gemma Galdon, lidera una consultoría  sobre el impacto social, ético y legal del desarrollo tecnológico, y relata su preocupación ante el uso que se pueda dar de nuestros datos con la finalidad de moldear opiniones y con ello dirigir el voto en una dirección determinada. Gemma Galdón alerta ante “incentivos perversos, orientados a hacer rentable, económica o políticamente, la desprotección de datos”.

Gemma Galdon Clavell

La publicación  de Gemma me ha recordado el libro de Cathy O’Neil, Armas de destrucción matemática (Cómo el big data aumenta la desigualdad y amenaza la democracia), que recientemente pasó por mis manos. Cathy O´Neil es matemática (se graduó en Berkerley  y se doctoró en Harvard). Aburrida de la vida académica, pasó a la empresa un poco antes de la crisis del 2008, siendo allí testigo del uso de las matemáticas en el mundo financiero y en las empresas de marketing. Desilusionada con esta actividad e involucrada  en movimientos sociales como Occupy Wall Street, lleva un blog (mathbabe, Exploring and venting about quantitative issues) donde se pregunta qué es lo que un matemático puede hacer para que el mundo sea un poco mejor.

Cathy O’Neil


O´Neil narra en su libro en su libro como el equipo de Obama contrató, en las elecciones de 2011, “expertos en estadística, aprendizaje automático, minería de datos, análisis de textos y análisis predictivo para trabajar con grandes volúmenes de datos y ayudar a orientar la estrategia de las elecciones”, tal como anunciaban en LinkedIn. El desempeño de este equipo fue el de detectar “tribus” de gente uniforme en sus valores y prioridades para “movilizarlos hacia objetivos específicos, como votar, organizar o recaudar fondos”.  Barack Obama ganó estas elecciones presidenciales por 4 puntos de diferencia con respecto al segundo, Mitt Romney  (unos 5 millones en votos) pero fue en la recaudación donde mayor fue la diferencia. Obama recaudó 720 millones de dólares por 450 de Romney, y esa diferencia fue en gran medida debida a la movilización de pequeños donantes: 235 millones Obama por 80 de Romney (la información se puede ver en OpenSecrets).

El análisis de datos combinado con el envío de mensajes en redes sociales o sistemas de mensajería se ha ido utilizando en posteriores procesos electorales: presidenciales estadounidenses de 2016, Brexit, presidenciales francesas 2017, presidenciales brasileñas,… Y ahora los partidos en España seguro que están en disposición  de utilizarlas en estas próximas elecciones. En primer lugar, han modificado la Ley para que ellos puedan recopilar, de páginas web y otras fuentes de acceso público, los “datos personales relativos a las opiniones políticas de las personas en el marco de sus actividades electorales”.  Con estos datos se agrupan los individuos en “diferentes  pequeñas tribus” a las que luego trasladarles el mensaje adecuado y en el momento propicio mediante algoritmos de aprendizaje inmediato. Estas tribus se hacen buscando correlaciones  entre los datos de las actividades de diferentes actividades de  las personas. ¿Qué datos? Tus compras, tus movimientos, tus lecturas, tus búsquedas, tus mensajes, tus amigos, tus compañeros de trabajo, tu familia…

Todo tipo de datos es susceptible de ser adquirido por una empresa especializada en empaquetar datos, porque se lo hemos permitido con sus cookies.  Estos datos se pueden agrupar de forma apropiada para el uso del interesado, en este caso, los partidos políticos. Así, tras un buen análisis de datos se puede detectar las tribus de personas indecisas con posibilidad de orientar su voto hacia el objetivo de ese partido. En definitiva, en esta campaña donde unos pocos votos te pueden hacer ganar o perder un escaño en muchas provincias, y que esos escaños te pueden proporcionar el gobierno, los partidos están utilizando todas las herramientas disponibles.

Seguro que ya has recibido o vas a recibir algún mensaje con intención de que orientes tu voto.

___

Rafael Orive Illera (Profesor de la Universidad Autónoma de Madrid e investigador del Instituto de Ciencias Matemáticas)

Etiquetas: , ,
Categorias: General