Revista digital de Experiencias y Arte

Seguinos en:  Twitter logo Facebook logo

Caminar
22/08/2017
Oraculares

Perfilar es gobernar

Bid Data y algoritmos: el poder de modular el futuro a partir de tendencias y potencialidades estadísticamente calculadas.
Por: Andrea Villar

Imagen de portada: Dianan Lange, Generative Portrait | Processing.


... De lo que se trata es de perfilar a los ciudadanos.

Tiqqun, Primeros materiales para una teoría de la jovencita.

 

 

En Shangai ya está vigente un “sistema social de crédito”, Honest Shangai, que premia los buenos comportamientos ciudadanos. El Estado recopila todos los datos personales (incluido el reconocimiento facial) y tabula una puntuación que señala si sos socialmente deseable o no. Esto es parte de un ambicioso programa de crédito que implementará China, materializando la pesadilla de “Caída en picada”[1]. 

“Nos enfrentamos a un mundo en el que serás un paria social si no concedés regularmente acceso a tu perfil de Facebook. Facebook se está convirtiendo en nuestro sistema de crédito social de facto”[2], nos advierte Jason Ditzian.

Perfiles como los de Facebook y otras redes sociales, así como los que nos identifican como clientes de un banco o de comercios online, tienen un contenido representacional o referencial que los vinculan a individuos (rostros) concretos.  Pero no son los únicos "perfiles".

 

Algoritmos 

Nuestra actividad en Internet deja huellas personales que son recopiladas, analizadas y sometidas a estadísticas en forma permanente, gracias a modelos matemáticos diseñados para buscar y explotar esa información.

Desde los sistemas de crédito social hasta la elaboración de campañas publicitarias personalizadas, los algoritmos mandan:

 “Hay algoritmos destinados a levantar perfiles de usuarios a través de las redes, el registro del celular o el buscador. Y eso permite gestionar campañas publicitarias personalizadas o direccionadas a usuarios específicos”.[3] 

Así, la ventaja competitiva de una empresa puede ser “la capacidad para manejar grandes volúmenes de datos, la potencia para procesar y la capacidad de almacenarlos”[4]. Aunque esto no es trasladable al cálculo de riesgos de seguridad: los entusiastas del Big Data (datos masivos) apuntan a los beneficios del "descarte". En esta materia, las reglas de derivación de datos no están orientadas a la recolección y el archivo, sino a “descartar”. El despliegue de una derivada (que se visualizará como una banderita de riesgo en la pantalla de un guardia fronterizo, por ejemplo) busca automatizar decisiones futuras en base a correlaciones estadísticas que descartan, o hacen invisibles, otros futuros potenciales[5]. La mayoría de la analítica de datos toma la actividad como generadora de guías para la acción.

“Como el derivado financiero orientado al riesgo, el derivado de seguridad contemporáneo es indiferente a las personas, los lugares o los acontecimientos reales (…), no se centra en quiénes somos, ni siquiera en los que nuestros datos dicen sobre nosotros, sino en lo que se puede imaginar e inferir acerca de quiénes podríamos ser: en nuestras propensiones y potencialidades”[6]. 

La derivada de datos recomendará acciones. Es lo que verdaderamente importa en áreas como las finanzas y la seguridad: no predecir el futuro (como los sistemas de reconocimiento de patrones que rastrean datos pasados hacia adelante[7]), sino la capacidad de actuar frente a la incertidumbre, de hacer que los datos sean susceptibles de acción [8]. Los futuros potenciales son imaginados a partir de “curvas diferenciales de normalidad”. Futuros modulados a partir de datos y algoritmos.


Prácticas de autoseguimiento y creación de valor

Usamos las plataformas digitales para compartir información personal, interactuar, comparar datos, aprender de otros "autoseguidores". Cientos de aplicaciones han sido desarrolladas para facilitar estas tareas de monitereo y optimización de la vida cotidiana -o prácticas de "autoseguimiento" (self-tracking)-.

Gracias a su digitalización, las prácticas de “autoseguimiento” -tan acordes, dicen, a la cultura neoliberal del emprendedurismo y la auditoría- han dejado de ser personales y privadas y son usadas para generar valor.

Los modos de autoseguimiento del “yo cuantificado” constituyen –según Deborah Lupton[9]- uno de los mecanismos actuales de acumulación primitiva, junto con la “desposesión de las preferencias”[10]. Un ejemplo que propone es el de la plataforma PatiensLikeMe[11], que empuja al autoseguimiento en el cuidado de la salud de los propios enfermos: “Tiene preguntas. Únase a una red de más de 500.000 pacientes que pueden ayudarle a encontrar respuestas”, anuncia. Estos “empujones” de autoseguimiento pueden volverse cada vez más coercitivos (como en el caso del monitoreo intensivo en los lugares de trabajo) y explotadores (cuando la industria farmacéutica cosecha los datos compartidos y luego obtiene beneficios de lo producido a partir de ellos).

Si el Big Data funciona como modo de acumulación primaria capitalista[12], es gracias a ese “ser sin entrañas, dispuesto a monitorear, medir y optimizar frenéticamente cada uno de sus gestos y afectos” descripto por Comité Invisible [13]. El “yo cuantificado” -y su entorno (tecnológico) social-  es creador de un nuevo tipo de valor: los perfiles –cuya esencia es meramente estadística- son el nuevo beneficio del capital.


Gubernamentalidad algorítmica

Perfilar, además, es una técnica algorítmica de poder. Poder algorítmico.

Ya no se necesita rostrificar o binarizar (identificar, cuadricular, normalizar, sujetar) para gobernar[14]: el sistema de derivadas de datos busca indicar cuándo se cumple alguna condición de umbral para la acción, y ésta siempre está “en proceso de ser cambiada y revisada sobre la base de datos entrantes (incluyendo falsos positivos), (…) datos [que] pueden o no tener un contenido representacional”[15]. El sistema no pretende representar a ningún individuo específico - “este viajero”, “este cliente”, “este migrante”- sino aconsejar cuándo actuar.

Gracias al Big Data, hoy es posible modular el futuro a partir de nuestras tendencias y potencialidades estadísticamente calculadas. Los algoritmos, a la larga, recomiendan acciones –desde la amable sugerencia de un destino turístico o persona a contactar, hasta la deportación, detención e interrogación en un aeropuerto- y nosotros terminamos librados a una curva de normalidad que se mueve al ritmo de nuestros datos sin sujeto.

El Big Data hace realidad el sueño de la cibernética: gestionar lo impredecible actuando directamente sobre lo virtual, estructurando algorítmicamente los futuros posibles. Y alimenta, de paso, la lógica del capital.

Para funcionar como medio de cambio y medida de valor universal, el dinero tuvo que autonomizarse de los valores de uso. Ahora es el turno de los datos: cuando los perfiles se independizan, paso a paso, de los rostros. Cuando el territorio de los rostros -imaginemos-, liberado del gobierno algorítmico, exija nuevas formas de libertad, de vida. 

 

 


[1] Episodio 1 de la tercera temporada de la serie Black mirror.

[2] DITZIAN, J., Facebook Goes Full “Black Mirror”: How Facebook Is Making Membership a Prerequisite to Everyday Existence, disponible en https://thebolditalic.com/facebook-goes-full-black-mirror-how-facebook-is-making-membership-a-prerequisite-to-everyday-e88fb03b0eb9

[3]  Carlos Abril, presidente de Atos, una consultora en tecnologías de la información, consultado por diario Clarín, 21 de mayo de 2017, Disponible en https://www.clarin.com/ieco/tecnologia/gurues-marcas-saben-usted-comprara_0_ByxdAmnhl-.html

[4] Ibídem.

[5]  HULL, Gordon, Kant on big data, New apps, 19 de mayo de 2017, disponible en http://www.newappsblog.com/2017/05/kant-on-big-data.html

[6] AMOORE, Louise, On the emergence of a security risk calculus on our times, disponible en

  http://dro.dur.ac.uk/9331/1/9331.pdf

[7] Un ejemplo sería la “lista estratégica de sujetos" usada por la Policía de Chicago, generada por “un algoritmo que asigna puntuaciones en base a arrestos, disparos, afiliaciones con miembros de pandillas y una serie de variables para predecir quién es más probable que empuñe un arma para disparar a otra persona (o reciba un disparo)”. Ver http://www.lanacion.com.ar/2022777-es-posible-predecir-un-delito-el-controversial-algoritmo-usado-por-la-policia-de-chicago-la-ciudad-con-mas-criminalidad-de-eeuu

[8] HULL, G., Kant on big data?

[9] Citado por HULL, G, Kant on big data?

[10] HULL, G., Self-tracking, big data, and the question of subjetivation and primitive accumulation, New APPS, 3 de febrero de 2017, disponible en http://www.newappsblog.com/2017/02/self-tracking-big-data-and-the-questions-of-subjectification-and-primitive-accumulation.html  

[11] Caso citado por HULL, G., Self-tracking, big data, and the question of subjetivation and primitive accumulation. Más detalles en el blog de Deborah Lupton, https://simplysociology.wordpress.com/tag/patientslikeme/        

[12] HULL, G., Self-tracking, big data, and the question of subjetivation and primitive accumulation. 

[13] COMITÉ INVISIBLE, A nuestros amigos, Buenos Aires: Hekht Libros.

[14] En alusión a la "máquina de rostridad" conceptualizada por Deleuzze y Guattari, que ejerce una función de binarización: constituye, primero, una unidad de rostro en relación biunívoca con otro (es un hombre o una mujer, un rico o un pobre, “un x o un y”); luego, juzga si los rostros concretos se ajustan o no a esas unidades elementales. DELEUZE y GUATTARI, Mil mesetas, Valencia: Pretextos, 2010, cap. 7: Año cero – Rostridad.

[15] HULL, G., Kant on big data?

Comentarios

Enviar un comentario nuevo

El contenido de este campo se mantiene privado y no se mostrará públicamente.
Este sitio web puede incluir contenido de terceros y/o vínculos con sitios web externos (empresas y particulares, entre otros) que no pertenecen a QRV y de los cuales éste no se responsabiliza por la veracidad y exactitud del contenido publicado, o de las opiniones o comentarios vertidos por los usuarios, o cualquier consecuencia que pudiere derivarse del ingreso a los mismos y/o su utilización.

ISSN: 2545-6814Diseño: chouch - Programación: ConDrupal