Las Inteligencias Artificiales son también una montaña de trabajo basura

Fotografias hechas en Midjourney

El glamour de ver funcionar un modelo de Inteligencia Artificial esconde uno de los nuevos trabajos basura y sin proposito de este nuevo siglo, El antropólogo David Graeber define los “trabajos de mierda” o “bullshit jobs” como empleos sin ningún propósito o significado, trabajos que deberían ser automatizados pero por razones de burocracia o estatus o inercia no lo son.

La IA aprende al encontrar patrones en enormes cantidades de datos, pero primero esos datos deben ser clasificados y etiquetados por personas, una gran fuerza de trabajo en su mayoría escondida detrás de las máquinas, ya que la cantidad de datos para entrenar un modelo es absurdamente gigante, lo mejor es contratar empreados remotos o llamados “TASKERS” que hacen esas operaciones de anotación por muy poco dinero y obviamente estan en los lugares más inimaginados de la tierra o eso dicen pero frecuentemente son “trabajos” bien pagos en lugares como Latinoamérica.

Bienvenidos a la realidad!
En el artículo de “Inside the AI Factory” en la portada de New York Magazine exponía el caso de un personaje al que llamaron JOE y que hacia labores de etiquetado como identificar cosas en fotogramas de video o fotos, cosas como mujer, persona caminando, bicicleta, mascota y por un trabajo de 8 horas recibía pago de 10 dólares, lo que no suele sonar demasiado pero que en paises como Kenya en los que el salário mínimo es de solo 112 Usd al mes es una oportunidad para miles de personas que sin ningún conocimiento, (no se necesita) pueden realizarlo y tener una media de remuneración más alta que el promedio, En general es trabajo despojado de todos sus adornos normales: un horario, colegas, conocimiento de en qué estaban trabajando o para quién estaban trabajando. De hecho, rara vez lo llaman trabajo, solo "tarea" de ahí el nombre de Taskers (task o tarea en inglés)

Gran parte de la respuesta pública a los modelos de lenguaje como ChatGPT de OpenAI se ha centrado en todos los trabajos que parecen estar preparados para automatizar o desaparecer. Pero incluso detrás del sistema de IA más impresionante hay personas: miles sino millones de personas que etiquetan los datos para entrenar los modelos y que hacen correciones cuando se encuentra un error, a estos últimos les pagan mejor y por lo regular si son empleados de las empresas porque hacen algo que se llama Reinforcement learning from human feedback que es una especie de corrección de la Data del modelo.

Las Universidades tienen la culpa?
Desde el 2007 se viene trabajando en modelos de generación de imágenes como MIDJOURNEY, Fei-Fei Liprofesor en Princeton, sospechó que la clave para mejorar las redes neuronales de reconocimiento de imágenes, que en su momento estaban descartadas como proyecto era entrenar su modelo con más datos: millones de imágenes etiquetadas. en lugar de decenas de miles. El problema era que su equipo de estudiantes universitarios necesitaría décadas y millones de dólares para etiquetar tantas fotos.

Recopilar la mayor cantidad de datos etiquetados que pueda obtener de la manera más económica posible para entrenar su modelo es la clave para hacer funcionar un modelo de AI y, si funciona, al menos en teoría, ya no necesitará más Taskers. Pero la anotación nunca está realmente terminada. Los sistemas de aprendizaje automático son "frágiles", o propensos a fallar cuando encuentran algo que no está bien representado en su entrenamiento. Estos fallos, denominados “casos extremos”, pueden tener graves consecuencias. En 2018, un auto de prueba autónomo de Uber mató a una mujer porque, aunque estaba programado para evitar a ciclistas y peatones, no sabía qué hacer con alguien cruzando la calle caminando en bicicleta. Aún así y en favor de las AI, la conducción autónoma es más segura que la que hacemos a diario, pero obvio también tiene fallas.
Cuantos más sistemas de inteligencia artificial se pongan en el mundo para brindar asesoramiento legal y ayuda médica, más casos extremos se encontrarán y se necesitarán más humanos para resolverlos. Esto ya ha dado lugar a una industria global con personal como Joe, que utilizan sus facultades humanas (únicas pero no especiales) para ayudar a las máquinas. Así que la hipótesis de que las AI destruiran miles de trabajos debe evaluarse: tal vez ya han creado miles de ellos sin propósito.