LA INTELIGENCIA artificial (IA) es la tecnología de más rápido crecimiento a escala mundial y tiene el potencial de transformar la forma en que vivimos, trabajamos, interactuamos y evolucionamos. La crisis del COVID-19 ha demostrado que puede ayudar a las empresas a crear soluciones revolucionarias en un tiempo récord.
Sin embargo, en un informe publicado por investigadores de Princeton, Cornell, la Universidad de Montreal y el Instituto Nacional de Ciencias Estadísticas, resulta que los beneficios reales de la inteligencia artificial están siendo cosechados por quienes tienen el máximo poder económico.
Esta tecnología ha creado un nuevo conjunto de trabajadores manuales llamados etiquetadores de datos, etiquetadores de la inteligencia artificial, que ganan, en promedio, 2 dólares por hora, mucho más bajo que el salario mínimo federal de Estados Unidos, que es de 7.25 dólares por hora. Estas son cifras para los estadounidenses, lo que nadie puede adivinar cuánto se les paga a los trabajadores en India, Filipinas y otros países del sur global donde residen estos etiquetadores de datos.
La mayoría de los sistemas de inteligencia artificial aún deben recibir capacitación sobre datos, como los niños pequeños que aprenden a identificar colores y formas o los niños de jardín de infancia que aprenden a leer y escribir. El aprendizaje automático supervisado es aún más crítico para los sistemas de inteligencia artificial que utilizan la visión por computadora, ya sea para reconocer un rostro, identificar objetos, leer cláusulas legales o detectar enfermedades que invaden los campos agrícolas.
También lee: La inteligencia artificial revolucionará la detección temprana del glaucoma
Los conjuntos de datos de capacitación deben etiquetarse manualmente, lo cual es un trabajo repetitivo, aburrido y que requiere mucho tiempo y muy pocas habilidades. Lo que se olvida es que los trabajos no calificados son una parte muy crítica del proceso de desarrollo de este tipo de inteligencia tecnológica.
Según Grand View Research, el mercado de recopilación y etiquetado de datos crecerá a una tasa de crecimiento anual compuesta de 25.6 por ciento, entre 2021 y 2028, hasta alcanzar los 8 millones de dólares.
En 2020, la adopción de la inteligencia artificial se aceleró debido a los bloqueos forzosos de COVID-19 y la disrupción de las economías globales. A medida que las organizaciones recurren a las tecnologías para seguir proporcionando valor y seguir siendo relevantes, sus algoritmos de aprendizaje profundo producen aún más datos para etiquetar.
La pregunta entonces es: ¿quién obtendrá la mayor parte de los ingresos y beneficios de este crecimiento? Aunque esta inteligencia ha encontrado una aplicación generalizada, sigue siendo una tecnología basada en la investigación y el desarrollo. Los laboratorios y los canales de preparación de datos se concentran en el norte global, mientras que los trabajadores poco calificados que realizan la limpieza y el etiquetado de datos provienen del sur global.
¿AJUSTES EN EL NUEVO ORDEN?
Estos trabajadores poco calificados obtienen cacahuetes en comparación con los millones que ganan empresas como Samasource, Scale AI y Mighty AI. Las nuevas empresas de etiquetado de datos se están multiplicando a escala mundial, pero queda por ver si disminuirán la disparidad en la concentración de dinero.
Gran parte de la tarea de etiquetado de datos se realiza a través de plataformas como Amazon Mechanical Turk, donde las ganancias a veces se desembolsan como tarjetas de regalo de Amazon.
Inicialmente, solo los trabajadores estadounidenses podían transferir sus ganancias a cuentas bancarias. En 2019, se trasladó esa capacidad a otros 25 países más. El problema no es la disponibilidad de estas plataformas de crowdsourcing, sino la forma en que las empresas de investigación y desarrollo de productos de inteligencia artificial utilizan estos medios, es decir, pueden realizar tareas por muy poco dinero. Y no se puede negar que la cantidad de etiquetado de datos requerido es enorme y las empresas ya están gastando millones.
Si no fuera por la mano de obra barata que ofrece el sur global, los proyectos de anotación de datos habrían sido económicamente inviables, lo que habría mantenido la inteligencia artificial como un sueño lejano. Su precedente se puede encontrar en el manejo exitoso del error Y2K a escala mundial porque podría corregirse manualmente a costos factibles. Pero el hecho de que históricamente el sur global haya sido el proveedor de mano de obra barata no significa que deba seguir siéndolo. Se pueden hacer ajustes en el nuevo orden con el objetivo de disminuir la brecha económica.
No te pierdas: Aplicación de inteligencia artificial se viraliza por dar vida a fotos antiguas
Los etiquetadores de datos, sin los cuales no es posible la IA, pueden desempeñar un papel más importante. A medida que la inteligencia artificial está encontrando una aceptación generalizada, las soluciones también se están implementando en el sur global, pero los conjuntos de datos de código abierto disponibles se centran en Estados Unidos y Europa.
Cuando los modelos de IA entrenados en estos conjuntos de datos se implementan en el sur global, fallan miserablemente. Si bien las poblaciones de todo el sur global ya forman parte del flujo de datos, ¿por qué no convertirlas también en fuentes de datos para que los conjuntos de datos de entrenamiento sean más efectivos?
Los etiquetadores de datos también podrían ser capacitados para adquirir habilidades que los muevan algunos escalones hacia arriba en el flujo de datos, lo que también aumentaría las ganancias. Los datos de entrenamiento de inteligencia artificial tienen una gran demanda para aplicaciones en el cuidado de la salud, productos farmacéuticos, medioambiente, conservación de la vida silvestre, control del clima y otros. Es probable que aumente la necesidad de etiquetadoras de datos especializadas.
Aunque la intención no sea maliciosa, cada nueva herramienta puede ser un arma potencial. Es hora de que aprendamos de nuestros errores pasados y corrijamos el rumbo con la inteligencia artificial. Después de todo, de eso se trata esta tecnología. Aprender de lo que ya existe para estar equipado para tomar decisiones correctas en el futuro. N
—∞—
Shweta Mishra es autora y escritora de tecnología independiente. Su trabajo ha aparecido en Huff Post, Parentology y Thrive Global. Las opiniones expresadas en este artículo son responsabilidad de la autora. Publicado en cooperación con Newsweek / Published in cooperation with Newsweek
