Jaron Lanier propone pagar por los datos como solución a la automatización de empleos

En Silicon Valley, algunos de los cerebros más brillantes creen que un ingreso básico universal (UBI) que garantice pagos en efectivo sin restricciones ayudará a las personas a sobrevivir y prosperar a medida que las tecnologías avanzadas eliminen más carreras tal como las conocemos, desde trabajos blancos y creativos - abogados, periodistas, artistas, ingenieros de software - hasta roles laborales. La idea ha ganado suficiente tracción que docenas de programas de ingresos garantizados se han iniciado en ciudades de EE. UU. desde 2020.

Sin embargo, incluso Sam Altman, CEO de OpenAI y uno de los defensores más destacados de UBI, no cree que sea una solución completa. Como dijo durante una reunión a principios de este año, "creo que es una pequeña parte de la solución. Me parece genial. Creo que a medida que la inteligencia artificial avanzada participe cada vez más en la economía, deberíamos distribuir la riqueza y los recursos mucho más de lo que lo hemos hecho y eso será importante con el tiempo. Pero no creo que eso vaya a resolver el problema. No creo que eso dé significado a las personas, no creo que signifique que las personas dejen de intentar crear y hacer cosas nuevas y lo que sea. Así que lo consideraría una tecnología habilitadora, pero no un plan para la sociedad".

La pregunta que surge es cómo debería ser entonces un plan para la sociedad, y el científico informático Jaron Lanier, fundador en el campo de la realidad virtual, escribe en el New Yorker de esta semana que la "dignidad de los datos" podría ser una parte aún más importante de la solución.

Aquí está la premisa básica: en este momento, principalmente damos nuestros datos de forma gratuita a cambio de servicios gratuitos. Lanier argumenta que en la era de la inteligencia artificial, debemos dejar de hacer esto, que los modelos poderosos que actualmente se están abriendo camino en la sociedad "deben conectarse con los humanos" que les dan tanto para ingerir y aprender en primer lugar.

La idea es que las personas "reciban pago por lo que crean, incluso cuando se filtra y se combina" en algo que es irreconocible.

El concepto no es nuevo, con Lanier presentando por primera vez la noción de la dignidad de los datos en un artículo de Harvard Business Review de 2018 titulado "Un plan para una sociedad digital mejor".

Como escribió en ese momento con el coautor y economista Glen Weyl, "[R] la retórica del sector tecnológico sugiere una ola de desempleo debido a la inteligencia artificial (IA) y la automatización". Pero las predicciones de los defensores de UBI "dejan espacio para solo dos resultados", y son extremos, observaron Lanier y Weyl. "O habrá pobreza masiva a pesar de los avances tecnológicos, o se tendrá que tomar mucha riqueza bajo control central y nacional a través de un fondo de riqueza social para proporcionar a los ciudadanos un ingreso básico universal".

El problema es que ambos "hiperconcentran el poder y socavan o ignoran el valor de los creadores de datos", escribieron.

Desenredar mi mente

Por supuesto, asignar a las personas la cantidad adecuada de crédito por sus innumerables contribuciones a todo lo que existe en línea no es un desafío menor. Lanier reconoce que incluso los investigadores de la dignidad de los datos no pueden ponerse de acuerdo sobre cómo desentrañar todo lo que los modelos de IA han absorbido o qué tan detallada debería ser la contabilidad que se intenta.

Aún así, cree que podría hacerse, gradualmente. "El sistema no necesariamente contabilizaría a las miles de millones de personas que han hecho contribuciones ambientales a los grandes modelos, aquellos que han agregado competencia simulada al modelo con la gramática, por ejemplo". Pero comenzando con un "pequeño número de contribuyentes especiales", con el tiempo, "más personas podrían ser incluidas" y "comenzar a desempeñar un papel".

Lamentablemente, incluso si hay voluntad, un desafío más inmediato - la falta de acceso - se cierne. Aunque OpenAI había liberado algunos de sus datos de entrenamiento