Netflix recomienda películas con sistema similar al que usó Cambridge Analytica
Experto asegura que el modelo puede encontrar relaciones entre grupos de personas y grupos de películas que un humano no encontraría.
La filtración de datos desde Facebook y la utilización comercial-electoral que realizó Cambridge Analytica con la información de 87 millones de usuarios de la red social, está relacionada tecnológicamente con el sistema de streaming de Netflix.
El académico Matthew Hindman analizó para el portal The Conversation, el modelo que se aplicó para crear información para grupos de personas, luego de intercambiar correos con el profesor de Cambridge, Aleksandr Kogan, el creador del sistema.
El experto asegura que "su modelo estadístico procesaba los datos de Facebook para Cambridge Analytica. La precisión que afirma que tiene indica que funciona tan bien como los métodos establecidos para la captación de votantes basados en datos demográficos como la raza, la edad y el sexo".
Kogan le aseguró a Hindman que "su método funcionaba básicamente como el que utiliza Netflix para recomendar películas" y que las cifras obtenidas muestran que la "información sobre la personalidad o la 'psicografía' de los usuarios era sólo una pequeña parte del modelo que se empleaba para atraer a los ciudadanos".
Un desarrollador de software con el pseudónimo de Simon Funk, adaptó para Netflix una técnica llamada "descomposición en valores singulares" que condensaba las clasificaciones de las películas de los usuarios en una serie de factores o componentes.
Hindman asegura que este modelo "mostraba la manera en que el aprendizaje automático puede encontrar correlaciones entre grupos de personas y grupos de películas que los propios seres humanos nunca encontrarían".
El académico de la Universidad de Washington explica que estos modelos -que Kogan describe como "un planteamiento de coocurrencias de pasos múltiple"– muestran que "en la predicción de la personalidad son mucho más precisos para adivinar las características demográficas y las variables políticas".
Matthew Hindman recalca que comparado con los Servicios de Verificación de Datos (SVD), "el modelo de Kogan tenía una precisión similar o mejor. Si se le añadía alguna información, por pequeña que fuera, sobre los datos demográficos de amigos o de usuarios, esta precisión probablemente aumentaría y superaría el 90%. Las suposiciones sobre el sexo, la raza, la orientación sexual y otras características también presentaban una precisión superior al 90%".