Actualización importante:
Esta noticia ha resultado ser fake.
Fue publicada porque apareció como verdadera en varios medios de comunicación de renombre, donde fue verificada antes de compartirse.
Aun así, cuando la información se ha demostrado falsa, se corrige. Así funciona esto.
Gracias a quienes avisan con respeto.
Y ya que la idea no existe, ojalá algún escultor o escultora la haga realidad.
Por el contexto que representa, sería una obra más que necesaria.
• • • • • • • • •

En el corazón de Barcelona se alza "El Esfuerzo," de Jaume Plensa, una escultura que habla sin palabras.
Una mujer sostiene sobre su espalda una montaña de objetos, mientras sus hijos se aferran a ella.

Representa el peso invisible que muchas mujeres cargan cada día, las tareas que parecen “nada” pero que sostienen la vida entera.
Una obra que recuerda que lo cotidiano también puede ser heroico.
📍 La escultura del artista catalán se encuentra en Barcelona, en la calle de la Princesa, cerca del cruce con Vía Laietana.

¿Qué opinas tú sobre esta carga silenciosa que muchas veces no se ve?
★彡

#arte #escultura #JaumePlensa #barcelona #mujer #fuerza #cotidianohéroe #igualdad #reflexion #vidaenfamilia #trabajoinvisible #empoderamiento

Milagros Miceli, referente global en IA, visibiliza los riesgos y costos humanos de la automatización

¿Cómo crees que el trabajo de Milagros Miceli puede influir en la evolución ética de la inteligencia artificial y en la mejora de las condiciones laborales de los trabajadores invisibles que supervisan estos sistemas? @ia...

[Ver comentario original]

No Encontré Libro: The AI Con, de Emily M. Bender y Alex Hanna

El trabajo oculto que hace que la IA funcione

Alex Hanna y Emily M. Bender analizan el revuelo en torno a la inteligencia artificial en su nuevo libro, The AI ​​Con. A continuación, se presenta un extracto sobre el trabajo invisible que se esconde tras algunas herramientas de IA.

La mayoría de las herramientas de IA requieren una enorme cantidad de trabajo oculto para que funcionen. Este esfuerzo masivo va más allá del trabajo de controlar los sistemas que operan en tiempo real, al trabajo de crear los datos utilizados para entrenar los sistemas. Este tipo de trabajadores realizan una gran cantidad de tareas. Se les pide que dibujen cuadros verdes resaltados alrededor de los objetos en las imágenes provenientes de las transmisiones de las cámaras de los autos autónomos; califiquen cuán incoherentes, útiles u ofensivas son las respuestas existentes de los modelos de lenguaje; etiqueten si las publicaciones en redes sociales incluyen discursos de odio o amenazas violentas; y determinen si las personas en videos sexualmente provocativos son menores. Estos trabajadores manejan una gran cantidad de contenido tóxico. Dado que las máquinas de síntesis de medios recombinan el contenido de internet en texto que suena plausible e imágenes legibles, las empresas requieren un proceso de selección para evitar que sus usuarios vean lo peor que la web tiene para ofrecer.

Esta industria ha recibido muchos nombres: «crowdwork», «trabajo de datos» o » trabajo fantasma » (ya que este trabajo suele pasar desapercibido para los consumidores occidentales). Sin embargo, este trabajo es muy visible para quienes lo realizan. Los trabajos en los que trabajadores mal pagados filtran, corrigen o etiquetan texto, imágenes, vídeos y sonidos existen desde hace casi tanto tiempo como la IA y la era actual de los métodos de aprendizaje profundo. No es exagerado decir que no tendríamos la ola actual de «IA» si no fuera por la disponibilidad de trabajadores bajo demanda.

ImageNet es uno de los primeros y más grandes proyectos que recurrió a trabajadores colaborativos en masa para seleccionar datos para el etiquetado de imágenes. Fei-Fei Li, profesor de informática y posteriormente director fundador del influyente laboratorio de Inteligencia Artificial Centrada en el Ser Humano de Stanford, junto con estudiantes de posgrado de Princeton y Stanford, se esforzó por crear un conjunto de datos que pudiera utilizarse para desarrollar herramientas de clasificación y localización de imágenes. Estas tareas por sí solas no son perjudiciales; de hecho, la clasificación y localización automatizadas podrían ser útiles, por ejemplo, en cámaras digitales que enfocan automáticamente los rostros en una imagen, o en la identificación de objetos en una línea de montaje de fábrica en constante movimiento, de modo que un trabajo físicamente peligroso pueda sustituirse por uno realizado a distancia.

Rest of World

Site del Libro no está online!

Podcast Mystery AI Hype Theater 3000 con Emily M. Bender y Alex Hanna

El site de los podcasts con las transcripciones en inglés

Algo más que NO encontré por ahí

#AlexHanna #EmilyMBender #inteligenciaArtificial #trabajadores #trabajoInvisible