Un desarrollo tecnológico permite identificar casos donde se
actúa con prejuicios / Crédito: Shutterstock
Todos recordamos la escena. Vivian Ward, el personaje de
Julia Roberts en Mujer Bonita, entra con su desenfado y aspecto extremo a una
carísima tienda de Rodeo Drive, y cuando pregunta "¿cuánto cuesta este
vestido?", recibe como respuesta un "no tenemos nada para usted,
obviamente está en el lugar equivocado; por favor, retírese". Todos nos
indignamos con la discriminación basada en apariencias y luego celebramos ver a
la Roberts retornar vengativamente al negocio, ya transformada en una
Cenicienta moderna, con Roy Orbison cantando "Pretty Woman" de fondo.
Hollywood jamás decepciona.
Pero la realidad es más dura y pocas veces ofrece
oportunidades como las que tuvo el personaje de Julia Roberts. A fines de
estudiar estas lamentables prácticas, big data y algoritmos mediante, el joven
economista argentino Ignacio Sarmiento Barbieri integró un equipo que, a su
manera, creó algo así como "clones" de las distintas versiones de
Julia Roberts (la rea, la refinada, la inocente, etcétera) para estudiar las
actitudes discriminatorias en la sociedad, en particular en contra de los
negros y los latinos en Estados Unidos. Estas cuestiones ocupan un lugar
central en la discusión política del país del norte, máxime con las tensiones
raciales que atraviesan toda su historia.
El estudio que llevaron a cabo Sarmiento Barbieri junto a
Peter Christensen (de la Universidad de Illinois) y Christopher Timmins (de
Duke) se focalizó en la situación que enfrentan la comunidades afroamericanas y
latinas en el mercado inmobiliario. La situación real es la siguiente: un
latino o afroamericano va a una inmobiliaria a alquilar una vivienda, y solo
por su aspecto físico es abiertamente discriminado, en forma no muy distinta de
la narrada en el episodio de Mujer Bonita.
A fines de pasar de la anécdota a la hipótesis concreta y
científicamente analizable, Sarmiento Barbieri y sus colegas crearon un bot (un
robot computacional) que lee páginas web de ofertas de alquileres de
inmobiliarias y responde haciéndose pasar por potenciales interesados, blancos,
negros y latinos, creados al azar a través de un meticuloso diseño
experimental. La forma de crear estos "inquilinos ficticios" es
asignándoles un nombre que claramente indique la pertenencia a uno de estos
grupos étnicos. Por ejemplo, un nombre como José Ramírez indica obviamente a un
latino. Con los afroamericanos la cuestión es más complicada. El equipo utilizó
los resultados de un puntilloso estudio reciente del sociólogo Michael Gaddis,
de la Universidad de California en Los Ángeles (e implementado online en la
plataforma Mechanical Turk, de Amazon), que muestra que nombres como Tanisha,
Tremayne o Jamal son mucho más identificables con la comunidad afroamericana
que Hunter, Claire o Seth, que indican fuertemente a los blancos. Más aún,
Gaddis encuentra que una precisa combinación de nombres y apellidos permite no
solo indicar pertenencia racial sino también a distintos grupos
socioeconómicos, aun dentro de un mismo grupo étnico, lo que permite aislar
cuestiones raciales de económicas.
Así, el bot (bautizado por sus creadores como
"Earl", en homenaje al abogado Earl Dickerson, pionero en la lucha
por los derechos habitacionales de los negros) fue entrenado para leer avisos
online de oferta de alquileres y para responder manifestando interés en una vivienda,
haciéndose pasar por Tanisha Booker, Seth Miller, Mirta Orozco o nombres
similares, a través de un mensaje generado computacionalmente.
Los resultados son escandalosos. En los peores barrios (en
particular, en aquellos con altísimos niveles de contaminación),
aproximadamente el 60% de estos "inquilinos robóticos" recibió
respuesta por parte de las inmobiliarias, sin mayores distinciones entre
negros, blancos y latinos. Pero cuando se trata de las mejores zonas (aquellas
con menores niveles de contaminación), la proporción de respuestas que reciben
los "bots afroamericanos" se desploma al 23%, mientras que las de los
blancos queda inalterada. Dicho de otra forma, en las mejores zonas, tal vez
aquellas en las que deambulaban Julia Roberts y Richard Gere en Mujer Bonita, y
más allá de sus ingresos y otras características, los afroamericanos deben
visitar el triple de viviendas que los blancos, a fines de ser atendidos por
las inmobiliarias. De manera esperable, el estudio encuentra que la situación de
los latinos es también desventajosa, si bien no tanto como la que enfrentan los
afroamericanos. Es importante remarcar que la naturaleza "robótica" y
online de esta investigación les permite a los autores estudiar esta cuestión
en todas las áreas importantes de los Estados Unidos, a diferencia de estudios
anteriores, que, basados en cartas y con actores reales, solo se refirieron a
regiones muy específicas.
Son varias las moralejas que deja este estudio. Los datos
utilizados no provienen de ninguna encuesta sistemática sino de un uso
inteligente de datos online, de la intervención de un robot inteligente que
inicia la transacción en forma automática y de un mecanismo computacional que
recibe y codifica las respuestas (y la ausencia de ellas). Dicho de otra forma,
se trata de datos "de big data", no tanto por su masividad sino por
su libre disponibilidad, producto de "chupar" datos disponibles en
línea.
La euforia por introducir elementos de big data o machine
learning en las disciplinas sociales halló un terreno fértil en circunstancias
fundamentalmente descriptivas o clasificatorias, y desde una perspectiva
claramente inductiva. El estudio implementado por Sarmiento Barbieri y sus
coautores sugiere el inicio de una interesante etapa evolutiva del uso de big data,
ahora para estudiar fenómenos complejos, por sobre meras descripciones,
clasificaciones y predicciones muchas veces triviales.
Otra característica llamativa de esta investigación es la
conformación del equipo que la llevó a cabo, que demanda habilidades
marcadamente multidisciplinares, que en el caso del estudio relatado requiere
conocimientos del mercado inmobiliario, cuestiones ambientales y geográficas,
delicados asuntos relacionados con la sociología y la cultura y, obviamente,
habilidades computacionales y numéricas de frontera. Ignacio Sarmiento Barbieri
(actualmente profesor de la Universidad de Los Andes, en Bogotá) es un claro
exponente de esta nueva generación de "economistas polifuncionales".
Formado inicialmente en economía (en las universidades nacionales de Tucumán y
La Plata), continuó sus estudios doctorales en economía y estadística
matemática en los Estados Unidos, para luego realizar una instancia posdoctoral
en el prestigioso National Center for Supercomputing Applications de la Universidad
de Illinois, institución de frontera en tecnologías digitales aplicadas a la
física, la medicina, la agronomía y, recientemente, a la economía o la ciencia
política.
Es motivo de celebración este uso inteligente de big data y
algoritmos para estudiar fenómenos complejos, que más que describir y encontrar
patrones en los datos, intenta evaluar y cuantificar hipótesis concretas acerca
de problemas urgentes de la sociedad.
Cabe preguntarse cuán lejos está la tecnología de crear
robots reales, cual hologramas de Julia Roberts o los inquilinos buscando
departamentos, a fines de estudiar profundamente estas cuestiones. Y también
vale pensar en la "meta pregunta" de si será posible diseñar un robot
que, a su vez, reemplace a Sarmiento Barbieri y a los coautores en la
formulación de preguntas interesantes y en el diseño de respuestas apropiadas.
Por ahora, la respuesta parece lejana, a la luz de la naturaleza disruptiva y
creativa de los humanos, que todavía tienen una ventaja difícil de imitar.
No hay comentarios:
Publicar un comentario