El denunciante de Facebook testificó que los algoritmos de la empresa son peligrosos.

#Enterate #EmisorQuerétaro Noticias Internacionales.

13/10/2021.

El siguiente ensayo se reimprime con permiso de La conversación The Conversation, una publicación en línea que cubre las últimas investigaciones.

La exgerente de productos de Facebook, Frances Haugen, testificó ante el Senado de los Estados Unidos el 5 de octubre de 2021, que las plataformas de redes sociales de la compañía " dañan a los niños, avivan la división y debilitan nuestra democracia ".

Haugen fue la fuente principal de una exposición del Wall Street Journal sobre la empresa. Llamó a los algoritmos de Facebook peligrosos, dijo que los ejecutivos de Facebook estaban al tanto de la amenaza, pero anteponían las ganancias a las personas y pidió al Congreso que regule la empresa.

Las plataformas de redes sociales dependen en gran medida del comportamiento de las personas para decidir el contenido que ves. En particular, buscan contenido al que las personas responden o con el que “interactúan” al darle me gusta, comentar y compartir. Las granjas de trolls , organizaciones que difunden contenido provocativo, explotan esto copiando contenido de alta participación y publicándolo como propio , lo que les ayuda a llegar a una amplia audiencia.

Como científico informático que estudia las formas en que un gran número de personas interactúa utilizando la tecnología, entiendo la lógica de utilizar la sabiduría de las multitudes en estos algoritmos. También veo dificultades sustanciales en la forma en que las empresas de redes sociales lo hacen en la práctica.

DE LEONES EN LA SABANA A ME GUSTA EN FACEBOOK

El concepto de sabiduría de las multitudes asume que el uso de señales de las acciones, opiniones y preferencias de los demás como guía conducirá a decisiones acertadas. Por ejemplo, las predicciones colectivas suelen ser más precisas que las individuales. La inteligencia colectiva se utiliza para predecir mercados financieros, deportes, elecciones e incluso brotes de enfermedades.

A lo largo de millones de años de evolución, estos principios se han codificado en el cerebro humano en forma de sesgos cognitivos que vienen con nombres como familiaridad, mera exposición y efecto de vagón. Si todo el mundo empieza a correr, tú también deberías empezar a correr; tal vez alguien vio un león que venía y corría podría salvarle la vida. Puede que no sepa por qué, pero es más prudente hacer preguntas más tarde.

Tu cerebro capta pistas del entorno, incluidos tus compañeros, y usa reglas simples para traducir rápidamente esas señales en decisiones: ve con el ganador, sigue a la mayoría, copia a tu vecino. Estas reglas funcionan muy bien en situaciones típicas porque se basan en suposiciones sólidas. Por ejemplo, asumen que la gente suele actuar de forma racional, es poco probable que muchos se equivoquen, el pasado predice el futuro, etc.

La tecnología permite que las personas accedan a señales de un número mucho mayor de personas, la mayoría de las cuales no conocen. Las aplicaciones de inteligencia artificial hacen un uso intensivo de estas señales de popularidad o "participación", desde seleccionar resultados de motores de búsqueda hasta recomendar música y videos, y desde sugerir amigos hasta clasificar publicaciones en fuentes de noticias.

NO TODO LO VIRAL MERECE SER

Nuestra investigación muestra que prácticamente todas las plataformas de tecnología web, como las redes sociales y los sistemas de recomendación de noticias, tienen un fuerte sesgo de popularidad. Cuando las aplicaciones están impulsadas por señales como la participación en lugar de consultas explícitas en los motores de búsqueda, el sesgo de popularidad puede dar lugar a consecuencias no deseadas nocivas.

Las redes sociales como Facebook, Instagram, Twitter, YouTube y TikTok dependen en gran medida de los algoritmos de IA para clasificar y recomendar contenido. Estos algoritmos toman como entrada lo que le gusta, comentan y comparten; en otras palabras, el contenido con el que interactúa. El objetivo de los algoritmos es maximizar el compromiso descubriendo lo que le gusta a la gente y clasificándolo en la parte superior de sus feeds.

En la superficie, esto parece razonable. Si a la gente le gustan las noticias creíbles, las opiniones de expertos y los videos divertidos, estos algoritmos deberían identificar ese contenido de alta calidad. Pero la sabiduría de las multitudes hace una suposición clave aquí: que recomendar lo que es popular ayudará a que el contenido de alta calidad "burbujee".

Probamos esta suposición mediante el estudio de un algoritmo que clasifica los elementos utilizando una combinación de calidad y popularidad. Descubrimos que, en general, es más probable que el sesgo de popularidad reduzca la calidad general del contenido. La razón es que el compromiso no es un indicador confiable de calidad cuando pocas personas han estado expuestas a un artículo. En estos casos, el acoplamiento genera una señal ruidosa y es probable que el algoritmo amplifique este ruido inicial. Una vez que la popularidad de un artículo de baja calidad sea lo suficientemente grande, seguirá ampliándose.

Los algoritmos no son lo único que se ve afectado por el sesgo de participación, también pueden afectar a las personas. La evidencia muestra que la información se transmite a través de un “contagio complejo”, lo que significa que cuantas más veces la gente está expuesta a una idea en línea, más probabilidades hay de que la adopten y la compartan. Cuando las redes sociales les dicen a las personas que un artículo se está volviendo viral, sus sesgos cognitivos se activan y se traducen en la irresistible necesidad de prestarle atención y compartirlo.

MULTITUDES NO TAN SABIAS

Recientemente, realizamos un experimento con una aplicación de alfabetización informativa llamada Fakey. Es un juego desarrollado por nuestro laboratorio que simula una fuente de noticias como las de Facebook y Twitter. Los jugadores ven una combinación de artículos actuales de noticias falsas, ciencia basura, fuentes hiperpartidistas y conspirativas, así como fuentes convencionales. Obtienen puntos por compartir o dar me gusta a noticias de fuentes confiables y por marcar artículos de baja credibilidad para verificar los hechos.

Descubrimos que es más probable que a los jugadores les guste o compartan y es menos probable que marquen artículos de fuentes de baja credibilidad cuando los jugadores pueden ver que muchos otros usuarios se han comprometido con esos artículos. La exposición a las métricas de participación crea una vulnerabilidad.

La sabiduría de las multitudes fracasa porque se basa en la falsa suposición de que la multitud está formada por fuentes diversas e independientes. Puede haber varias razones por las que este no es el caso.

Primero, debido a la tendencia de las personas a asociarse con personas similares, sus vecindarios en línea no son muy diversos. La facilidad con la que los usuarios de las redes sociales pueden dejar de ser amigos de aquellos con quienes no están de acuerdo empuja a las personas hacia comunidades homogéneas, a menudo denominadas cámaras de eco.

En segundo lugar, debido a que los amigos de muchas personas son amigos entre sí, se influyen entre sí. Un famoso experimento demostró que saber qué música les gusta a tus amigos afecta tus propias preferencias declaradas. Tu deseo social de conformarte distorsiona tu juicio independiente.

En tercer lugar, se pueden aprovechar las señales de popularidad. A lo largo de los años, los motores de búsqueda han desarrollado técnicas sofisticadas para contrarrestar las llamadas " granjas de enlaces " y otros esquemas para manipular los algoritmos de búsqueda. Las plataformas de redes sociales, por otro lado, apenas están comenzando a conocer sus propias vulnerabilidades.

Las personas que buscan manipular el mercado de la información han creado cuentas falsas, como trolls y bots sociales, y han organizado redes falsas . Han inundado la red para crear la apariencia de que una teoría de la conspiración o un candidato político es popular, engañando tanto a los algoritmos de la plataforma como a los sesgos cognitivos de las personas a la vez. Incluso han alterado la estructura de las redes sociales para crear ilusiones sobre las opiniones mayoritarias.

REDUCIR EL COMPROMISO

¿Qué hacer? Las plataformas tecnológicas están actualmente a la defensiva. Se están volviendo más agresivos durante las elecciones para eliminar cuentas falsas y desinformación dañina. Pero estos esfuerzos pueden ser similares a un juego de golpear un topo.

Un enfoque preventivo diferente sería agregar fricción. En otras palabras, ralentizar el proceso de difusión de información. Las pruebas CAPTCHA, que requieren que un humano responda, o las tarifas, podrían inhibir los comportamientos de alta frecuencia, como el gusto automático y el intercambio. Esto no solo reduciría las oportunidades de manipulación, sino que con menos información las personas podrían prestar más atención a lo que ven. Dejaría menos espacio para que el sesgo de participación afecte las decisiones de las personas.

También ayudaría si las empresas de redes sociales ajustaran sus algoritmos para depender menos de las señales de participación y más de las señales de calidad para determinar el contenido que le ofrecen. Quizás las revelaciones de los denunciantes proporcionen el ímpetu necesario.

Este artículo se publicó originalmente en The Conversation. Lea el artículo original.