CIENCIA Y LETRAS
Por: Paulino Betancourt
Todos interactuamos con la tecnología a diario. En algunos casos, controlamos activamente una máquina al conducir un automóvil o usamos una aplicación en un teléfono inteligente. Y a veces interactuamos con ella sin saberlo, como cuando somos escaneados por un sistema de reconocimiento facial en un aeropuerto. La interacción hombre-máquina es un término general que describe las formas en que las personas interactuamos con ellas. Para que esto sea efectivo, deben realizarse investigaciones que permitan comprender cómo las personas podrían utilizarlas de manera útil y amigable.
Los investigadores, especialmente aquellos con formación en ingeniería, adoptan cada vez más un enfoque centrado en el ser humano al desarrollar sistemas y dispositivos. Esto significa esforzarse por hacer que la tecnología funcione como se espera para aquellos que la usarán. Sin embargo, estas investigaciones tienen un punto ciego: la escasa diversidad étnica, cultural, lingüística, sexual y social de los grupos de estudio.
Los investigadores y desarrolladores suelen seguir un proceso de diseño que implica probar funciones y características clave antes de lanzar los productos al público. Realizadas correctamente, estas pruebas pueden ser un componente importante para predecir la respuesta humana. Las pruebas pueden incluir entrevistas y experimentos con grupos de personas que representan al público.
En los entornos académicos, por ejemplo, la mayoría de los participantes en el estudio son estudiantes. Algunos investigadores intentan reclutar participantes fuera del entorno universitario, pero estas comunidades suelen ser similares a la población académica. En muchas empresas, los compañeros de trabajo sirven como sujetos de prueba porque resulta más sencillo reclutarlos.
Se necesita esfuerzo para atraer a participantes externos y, cuando se utilizan, a menudo no reflejan a la mayoría de la población. Por lo tanto, muchas de las personas que participan en estos estudios tienen características demográficas similares.
En algunos casos es posible utilizar una muestra homogénea de personas para publicar un trabajo de investigación, tomando en consideración las limitaciones de estas poblaciones. Sin embargo, cuando se trata de desarrollar sistemas que se basan en algoritmos, tales descuidos pueden causar problemas en el mundo real.
Los algoritmos a menudo se basan en modelos matemáticos que capturan patrones y luego informan a una computadora sobre esos patrones para realizar una tarea determinada. Imaginemos un algoritmo diseñado para detectar cuándo aparecen los colores en una superficie. Si el conjunto de imágenes utilizado para entrenar ese algoritmo consta principalmente de tonos rojizos, es posible que el algoritmo no detecte cuando haya un tono de color azul presente.
Un caso real que hemos visto de cerca durante la lucha contra la Covid-19, ha sido la variación en las respuestas de los equipos médicos. Por ejemplo, los oxímetros de pulso que son esenciales para indicar cuándo podría necesitar hospitalización, suelen ser menos precisos para las personas con piel melanizada (piel morena). Estas fallas en el algoritmo no son inherentes al dispositivo, sino que se remontan al diseño de la tecnología que se probó al seleccionar poblaciones que no eran lo suficientemente diversas, como para representar a todos los usuarios potenciales.
Hay varias formas en que los investigadores pueden aumentar la diversidad de sus grupos de participantes en el estudio. Una de ellas es reclutar estudiantes de diversos sectores que puedan servir como representantes de las diferentes comunidades, actuando como un puente entre sus grupos y los investigadores. Otra, es permitir que los miembros de las comunidades se postulen voluntariamente a la investigación.
Aunque existen comités de revisión institucional para garantizar que los derechos de los participantes del estudio estén protegidos y que los investigadores sigan la ética adecuada en su trabajo, no tienen la potestad de indicar a quién deben seleccionar para el estudio. Cuando los investigadores están presionados por el tiempo, considerar diferentes poblaciones puede significar un retraso adicional.
Finalmente, es posible que algunos desarrolladores de innovaciones tecnológicas no contemplen adecuadamente las interacciones hombre-máquina. Por ejemplo, el uso de un perro robótico por parte de la Policía de Nueva York, provocó indignación entre los residentes, generando una pérdida importante de recursos. Esto podría haberse evitado si se hubieran asesorado con expertos en ciencias sociales, estudiosos de la ciencia y la tecnología, o consultado a los residentes sobre la iniciativa.
PAULINO BETANCOURT | @p_betanco
Investigador, profesor de la Universidad Central de Venezuela, miembro de la Academia Nacional de Ingeniería y Hábitat
El Pitazo no se hace responsable ni suscribe las opiniones expresadas en este artículo.