-

El artículo revela que el rápido avance de la inteligencia artificial depende en gran medida de una vasta y a menudo invisible fuerza laboral global de trabajadores por encargo (gig workers) que curan y etiquetan manualmente los datos utilizados para entrenar los modelos de IA. Estas personas realizan tareas esenciales, como identificar objetos en imágenes o transcribir audio, que proporcionan los conjuntos de datos fundamentales para los algoritmos complejos. A pesar de su papel crucial para hacer que los sistemas de IA sean funcionales y precisos, estos trabajadores permanecen en gran medida sin reconocimiento, lo que genera una desconexión significativa entre la percepción de "magia" de la tecnología y el trabajo humano necesario para construirla. Esta dependencia de la anotación humana pone de manifiesto problemas sistémicos dentro de la industria actual de etiquetado de datos, particularmente en lo que respecta a la transparencia y los derechos laborales. Los trabajadores frecuentemente operan sin conocer los productos finales que ayudan a crear ni las empresas detrás de ellos, lo que genera una sensación de alienación y falta de autonomía. Además, la naturaleza precaria del trabajo por encargo expone a estos individuos a una "rechazo masivo", donde el trabajo completado es desestimado sin recurso adecuado ni pago. Esta práctica no solo niega una compensación justa, sino que también daña las calificaciones de los trabajadores en las plataformas, amenazando sus medios de vida y exacerbando el desequilibrio de poder entre los trabajadores y las corporaciones tecnológicas. Esta narrativa es altamente relevante para los datos abiertos, ya que subraya las implicaciones éticas del origen y la calidad de los datos. Las iniciativas de datos abiertos a menudo asumen que los datos son neutrales o puramente técnicos, pero este artículo demuestra que los conjuntos de datos son construcciones sociales a través de prácticas laborales específicas que pueden ser opacas y explotadoras. Ignorar el elemento humano en la creación de datos corre el riesgo de perpetuar inequidades y socava la integridad de los ecosistemas de datos abiertos. Por lo tanto, los defensores argumentan que abordar las condiciones de los etiquetadores de datos es esencial para construir una sociedad más ética, transparente y justa, asegurando que los beneficios de la IA y los datos abiertos no se logren a expensas de los trabajadores marginados.

Source:
Published on 2024-05-18

Datos Abiertos (Open data)

Related news