Grandes datos

El profesor del MIT quiere transferir el poder a la gente mediante la construcción de colectivos de datos locales

mit data cooperative
El profesor del MIT Alex Pentland tiene una visión para las colaboraciones de datos que permiten a los miembros tomar el control de su salud personal y datos financieros y beneficiarse del análisis en un nuevo libro, «Construyendo una nueva economía».
Imagen: MIT

Nuevo libro»construyendo una nueva economía«, tiene un plan para hacer que las ciudades sean más flexibles y resilientes: control local de datos personales. Los residentes de pueblos pequeños o ciudades grandes pueden centralizar sus datos en cooperativas, que analizarán los datos para beneficiar a los miembros. Las comunidades se pueden personalizar Las soluciones se adaptan a la demografía y las economías locales, en lugar de adoptar un enfoque único para las necesidades de atención médica o los servicios bancarios.

Mirar: Tableau Business Analytics Platform: hoja de referencia (descarga gratuita en PDF) (República tecnológica)

La intensidad geográfica de la pandemia de coronavirus es un ejemplo perfecto de la necesidad de una solución local, ya que algunas regiones tienen un alto número de casos y otras tienen poca actividad del virus. El cambio climático es otro ejemplo de un desafío nacional que requiere diferentes soluciones locales.

El profesor del MIT Alex Pentland, Alexander Lipton, miembro de Ciencias de la Conexión del MIT y Thomas Hardjono, director del MIT Internet Trust Consortium, editaron el libro. Pentland, líder de Sloan Initiative for Digital Economy y fundador del Connecting Science Project del MIT, habló con Tecnopedia sobre el libro, que forma parte de la colección Work in Progress (WiP) del MITP.
grupo de investigación de Pentland, Ciencia de conexión del MITlas mismas tecnologías que quieren causar malestar social para impulsar sistemas gubernamentales, de salud y financieros más flexibles.

Mirar: Kit de herramientas de contratación: Analista de investigación de mercado (República Tecnológica Premium)

La idea es utilizar un sistema distribuido para dar a las personas y las ciudades control sobre sus propios datos. Actualmente, las aseguradoras de salud y los hospitales tienen el control principal sobre los datos de salud de las personas, mientras que los bancos obtienen el mayor beneficio del análisis de los datos de los clientes. Las personas tienen acceso a esta información, pero no hay una manera fácil de darle un buen uso.

LEER  Australia planea hacer que el escaneo de documentos sea obligatorio para todas las empresas de tecnología

Si las organizaciones locales más pequeñas, como las cooperativas de ahorro y crédito, pudieran crear una plataforma segura para que las personas administren sus propios datos, eso trasladaría la toma de decisiones y el control a los individuos y las comunidades, en lugar de a las corporaciones estatales.

El aumento del control local sobre los datos permitirá a los líderes y a las personas encontrar soluciones que se ajusten a las necesidades de su comunidad, en lugar de utilizar un enfoque único para todos. Pentland usa la península superior de Michigan y Boston como ejemplos.Creció en una comunidad rural, pero ahora vive en una ciudad internacional centrada en la tecnología.

«Las reglas son completamente diferentes aquí, y el enfoque que se aplica a la parte superior de la península no funcionará aquí», dijo. «La idea es manejar situaciones locales localmente y coordinar globalmente para que las ciudades puedan aprender unas de otras pero hacerse responsables».

El libro se divide en tres partes: La perspectiva humana, Sistemas resilientes y Datos e inteligencia artificial. El capítulo final de Métodos computacionales analiza cómo implementar y regular estos nuevos sistemas sociales. Los 14 capítulos incluyen: TI para la salud: algoritmos, privacidad y datos; tokens respaldados por moneda fiduciaria y banca estrecha; monedas estables, monedas digitales y el futuro del dinero; interoperabilidad de sistemas distribuidos.

Además de explicar el marco general de este nuevo enfoque de la propiedad de los datos, los autores brindan detalles técnicos sobre cómo hacer realidad esta nueva visión.

¿Cómo funcionará la colaboración de datos?

En el capítulo «Cooperativas de datos», los autores usan el ejemplo de los conductores de Lyft y Uber que agrupan datos entre ellos para comprender cómo pagan los conductores y si son iguales en una sola ciudad. Pentland dijo que este enfoque ayudaría a abordar la falta de transparencia que condujo a la explotación y la injusticia.

«Si una comunidad agrega sus datos, puede aportar mucha transparencia», dijo.

Las recopilaciones de datos creadas por los conductores de Lyft y Uber los enfrentarán a las empresas de transporte privado, cuyos ejecutivos usan los datos para maximizar las ganancias de la empresa y desarrollar estrategias comerciales. El mayor obstáculo para estas cooperativas de datos es que muchas empresas ven estos datos como un activo. Hacer que estos datos sean más fáciles de ver y usar para los individuos y los competidores sería una desventaja competitiva.

Pentland, quien contribuyó al Reglamento General de Privacidad de Datos de Europa, dijo que la clave del éxito regulatorio es permitir que todas las partes interesadas vean el lado positivo de la ley.

“Si todos no ven un triple ganado, te vuelves loco y no pasa nada”, dijo.

El concepto de colaboración de datos tiene varios aspectos clave:

  • Los miembros individuales poseen y controlan sus datos personales
  • Las cooperativas de datos son propiedad y están operadas por miembros y están legalmente obligadas a actuar en el mejor interés de los miembros.
  • Las cooperativas proporcionarán beneficios directos a los miembros, principalmente en forma de análisis y conocimiento.

El autor recomienda utilizar Algoritmos abiertos del MIT (OPAL) Formas de garantizar la privacidad de los datos de los miembros almacenados en los almacenes de datos personales. El paradigma OPAL dicta que los datos nunca se mueven ni se copian de su almacén de datos, sino que el algoritmo se transfiere al almacén de datos para su ejecución.

Los autores enumeran estos principios como pautas para un paradigma de algoritmo abierto:

  • Mueva el algoritmo a los datos: en lugar de «tirar» los datos a una ubicación centralizada para su procesamiento, el algoritmo debe transportarse al punto final del repositorio de datos y procesarse allí.
  • Los datos nunca deben salir de su repositorio: Los datos nunca deben exportarse o copiarse de su repositorio. Se pueden aplicar protecciones locales adicionales contra la pérdida de datos, como el cifrado (por ejemplo, el cifrado homomórfico), para evitar que las puertas traseras roben datos.
  • Algoritmos censurados: los algoritmos deben ser examinados para protegerlos de prejuicios, discriminación, invasión de la privacidad y otras consecuencias no deseadas.
  • Proporcione solo respuestas seguras: al devolver el resultado de ejecutar uno o más algoritmos, solo devuelva la respuesta agregada como la granularidad predeterminada de la respuesta.

OPAL es una innovación sociotécnica sin fines de lucro desarrollada por un grupo de socios en MIT Media Lab, Imperial College London, Orange, el Foro Económico Mundial y Data Popularity Alliance. El objetivo es desbloquear el potencial de los datos del sector privado para ser utilizados con fines pro bono mediante el envío de código a los datos de manera segura, participativa y sostenible.

LEER  7 empresas tecnológicas que contratan a la mayoría de los científicos de datos

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Botón volver arriba