TEMPORADA 1 | EP. 3

Hay un DJ en tu bolsillo: Sistemas de recomendación

Desde hace un par de décadas, lo digital es una parte inseparable de la cultura.

Los datos y algoritmos nos rodean y se encargan de hacernos llegar el arte (música, películas, libros) en forma de servicios y apps de streaming.

En el capítulo de hoy vamos a hablar de los sistemas de recomendación, que son los modelos que se encargan de ordenar y priorizar el contenido que recibimos.

Las viejas nociones de cultura popular y cultura masiva se trastocan al calor de los hits virales y las redes sociales nacidas para una generación que nunca tuvo contacto con lo analógico.

Las plataformas habilitan la creación y la divulgación de contenido artístico sin un costo económico, pero eso no lo hace gratis.

Además, cómo los nuevos robots de logística detectan el comportamiento de los seres humanos que lo rodean, pero también cómo se está usando la inteligencia artificial para realizar mantenimiento preventivo y usar recursos de manera más eficiente.

Soy Hernán Escudero y esto es Buena Data, un espacio para debatir, aprender y concientizar sobre el maravilloso y amplio mundo de la ciencia de datos.

COMPARTÍ ESTE EPISODIO

Bloque 00 – Introducción)
[Hernán Escudero]
En la era paleozoica de la internet (es decir, entre 1998 y el 2000) existió algo llamado Napster.


Hasta que Metallica y su ejército de abogados lo erradicó de la existencia, Napster fue uno de los programas que, junto con Kazaa, Imesh, Emule y un montón de nombres que hoy suenan tan antiguos como un dactilógrafo, nos permitían a les adolescentes de aquel entonces acceder a música con métodos tal vez no del todo legales.


De repente apareció una aplicación llamada Spotify. Aunque hubo otras antecesoras, lo que logró esta empresa, con un modelo de negocios bastante interesante, fue algo que era casi impensado hasta ese entonces, que es “matar la piratería”.


Desde ese entonces, cualquiera cuenta con la posibilidad de acceder a música a escala global, de forma bastante económica y sencilla… pero no gratis, ni tampoco sin consecuencias.


Si ayer el video mató a la estrella de radio, hoy las apps, las playlists y el streaming mataron al video.


¿Cómo sabe “el algoritmo” lo que quiero escuchar o ver en un momento determinado?


Y dando un pasito más allá ¿cuál es el impacto que tiene esta forma de consumir cultura en nuestra propia identidad?
(Pieza Artística APERTURA – inicio)
[Hernán Escudero]
¡Hola! Soy Hernán Escudero, y estás escuchando Buena Data, un podcast para entender, desmitificar y cuestionar el mundo de los datos y el uso de algoritmos.


Aquí vamos a hablar de la ética en la inteligencia artificial, de los sesgos en la tecnología y cómo nos afectan como sociedad, discutiendo la realidad de una disciplina en constante evolución y cuyo crecimiento y omnipresencia nos afecta a niveles que aún no conocemos del todo.


En el capítulo de hoy, vamos a hablar de los sistemas de recomendación y cuál es el lugar que ocupan aplicaciones como Spotify, Netflix o Facebook en la construcción de una cultura digital.


Así que sin más preámbulos, arranquemos con Buena Data.
(Pieza Artística APERTURA – fin)
(Bloque 01)
[Hernán Escudero]
Corría el año 1995 y para el Hernán de siete años, entender qué era “abarajar una bañera” no iba a ser una cosa sencilla. Pero algo era seguro: si quería lograrlo, tenía que escuchar la canción más de una vez y no sólo repetirla de forma incesante en mi cabeza.


Afortunadamente, en mi casa había un pequeño minicomponente con grabadora de cassettes, así que era cuestión de sentarme adelante de la radio a esperar a que el operador de turno decidiera pasarla nuevamente y estar atento a apretar “rec+play”, las dos teclas juntas a la vez, para capturar ese pequeño momento en el tiempo, en una cinta cada vez más desgastada de tanto hacer este mismo ejercicio una y otra vez.


¿Y dónde escuchaba esto? Por supuesto que en mi fiel Walkman: un dispositivo grandote como un ladrillo, pesado, amarillo, todo de plástico y con un sticker de “Fido Dido”, la mascota de Sprite de aquel entonces.


Esta pequeña oda a la infancia en los 90 tiene un propósito, que es refrescar (o contar, dependiendo de tu edad) cómo era escuchar música en aquel entonces: cuáles eran las condiciones materiales que hacían posible entrar en contacto con “el arte” (en este caso, la música, que en lo personal siempre fue lo que más me movió).


Lo que se escuchaba en aquel entonces, es decir, lo que era mainstream, estaba únicamente dictaminado por la tele, por la radio o por las revistas.


Hoy en día eso cambió bastante, y ese rol en buena medida, lo ocupan playlists armadas a mano o automatizadas. A través de estas herramientas, básicamente se nos pone delante de los ojos y oídos una serie de opciones a partir de las cuales podemos empezar a explorar y conocer un espacio que hasta ese momento nos era desconocido.


En este episodio vamos a poner el foco especialmente en cómo inciden los algoritmos e inteligencias artificiales en el consumo y distribución de arte: en el capítulo de “NLP”, procesamiento de lenguaje natural, vamos a poner un poquito más el foco en la producción de arte mediante estas tecnologías.


Los algoritmos y plataformas como Spotify, Netflix y demás, en última instancia se convirtieron en nuevos medios masivos de comunicación: antes prendíamos la radio y nos tocaba escuchar lo que el programador de turno quisiera poner en aquel entoces. Encendíamos la tele, poníamos MTV y nos tocaba ver el videoclip que cayera en suerte o el programa bizarro de turno.


Y quiero remarcar este punto porque no es menor: en muy pocos años, este modelo de producción de cultura, esta nueva forma de desarrollar lo que se conoce como “industrias culturales”, se vio alterada para siempre y de forma definitiva.
(Pieza Artística RRSS)
(Pieza Artística MOMENTO CHARLIE BROOKER – inicio)
[Hernán Escudero]
Corría el año 1811 y el aire se sentía cada vez más espeso en las noches de Nottinghamshire. Un pequeño grupo de trabajadores fabriles recorría las calles en búsqueda de talleres que contuvieran algo que hasta ese entonces era casi desconocido, y de lo que se hablaba con una fascinación por momentos mágica: las primeras maquinarias a vapor, cuyos movimientos precisos, controlados y repetitivos amenazaban con dejarlos a todos y cada uno de ellos sin empleo.


200 años luego de la aparición de lo que pasó a la historia como el movimiento ludita, la robótica ocupa una buena parte de las tareas industriales, especialmente a gran escala. Pero los nuevos desarrollos en la materia, alimentados por la nueva ola de desarrollos de machine learning e inteligencia artificial, están llegando a puntos casi de ciencia ficción.


“La analogía acá es con un perro lazarillo: te obedece, podés moldear su comportamiento y está ahí para ayudarte” dijo Rodney Brooks, dueño de Robust AI, en una entrevista con la revista Wired.


Robust AI es una empresa que se dedica a la construcción de robots para logística y almacenamiento, pero con un pequeño plus: tienen sistemas de detección de movimiento que buscan un poco anticiparse y detectar el comportamiento de los humanos que lo rodean.


No es la única empresa que está intentando hacer que los robots sientan dónde y cómo están las personas a su alrededor: sorprendiendo a exactamente cero personas, Amazon develó en agosto de 2022 a Proteus, su primer robot completamente autónomo capaz de levantar cargas pesadas y detectar si hay humanos en el medio de su camino para correrse y hacer alguna maniobra que evite llevárselos puestos.


Y preparate, porque el próximo paso, según Brooks, es que sus robots puedan anticiparse a las necesidades que tienen las personas en el momento de ejercer su trabajo y ser proactivamente colaboradores, en vez de limitarse a recibir órdenes.


Igualmente, como el meme sensación del 2016, “vamo a calmarno”: Proteus está sin ninguna duda muchísimo, pero muchísimo más cerca de un Roomba que de un Terminator (googlealo y vas a ver que es igual), y al día de hoy los robots están limitados a espacios donde la interacción con personas es mínima para justamente evitar posibles riesgos en caso de que fallen.


Nadie dice que los robots vayan a reemplazar al trabajo humano, pero está claro que con el correr del tiempo, hubo ciertas ocupaciones que se fueron modificando (y que hasta desaparecieron) por la creación de tecnología. Por poner un ejemplo claro, les trabajadores de la tierra de hoy en día, cuentan con desarrollos y maquinaria que hace un par de siglos no era ni siquiera posible soñar (o sea, en el momento de la fundación y del origen mismo del sistema capitalista), y esto altera no sólo la calidad sino la cantidad de trabajo necesaria para producir aquello que necesitamos.


La emergencia de tecnologías como la robótica y la inteligencia artificial son una parte más de todos estos procesos históricos. Y en ese sentido, lo que creo que va a ser interesante, es ver qué es lo que va a pasar: si la emergencia y multiplicación y adopción de esta clase de tecnologías van a representar más pobreza y más desigualdad, o si van a ser parte de un cambio estructural en la forma en la cual organizamos este sistema desde su raíz, modificando lo que consumimos y cómo lo producimos, es decir cómo trabajamos, para lograr un estado en el cual el planeta entero (y la humanidad como parte de ella) recupere su muy necesario punto de equilibrio.
(Pieza Artística MOMENTO CHARLIE BROOKER – fin)
(Bloque 02)
[Hernán Escudero]
Podríamos hacer cinco temporadas enteras hablando de qué es la cultura y hay decenas de definiciones posibles, pero la idea central es que la cultura es ni más ni menos aquello que nos convierte en seres humanos.


Es un concepto tan increíblemente abstracto como terriblemente concreto.


Los relatos que nos contamos sobre cómo funciona el mundo y sobre el lugar que cada quien quiere ocupar en él, marcan esta relación tan delicada entre cultura e identidad.


Y en esta línea, entender cómo consumimos cultura implica necesariamente entender cómo la producimos. Entonces para empezar, hagamos uso de una técnica súper moderna y retrocedamos cinco segundos.


Y en esa línea, entender cómo consumimos cultura implica necesariamente entender cómo la producimos.


Entonces, la idea de la cultura como un objeto de consumo, y por lo tanto, como una mercancía que puede producirse en masa, no es para nada nueva. En este sentido, el término “cultura de masas” tiene por lo general una connotación negativa: algo producido de forma industrial y mecánica, para mantener en movimiento las ruedas de un sistema que requiere que haya “artistas” y “seguidores”, en contraposición a una “alta cultura” como algo de estatus, buen gusto y “fineza”.


Entonces, por un lado, tenemos la “cultura masiva” como una cosmovisión fabricada “de arriba hacia abajo”, donde corporaciones como Sony, Netflix, Amazon y demás, inciden de forma muy directa en cuáles son los objetos culturales que serán fabricados, distribuidos y por lo tanto consumidos por una buena parte de la población. Cómo explicamos sino, este aluvión de series que van teniendo las distintas plataformas audiovisuales, por ejemplo.


Pero por el otro, también hay que tener en cuenta el juego inverso, donde lo que se entiende como cultura popular emerge “de abajo hacia arriba” y construye otro tipo de cosmovisiones, con otro tipo de mensajes y de miradas sobre el mundo.

Vale la pena aclarar que no es que una serie, una película o una canción, un libro o lo que fuere, pertenece a la cultura masiva o a la cultura popular: sirve más bien pensarlo como polos, puntos ideales, que orientan la mirada y ayudan a pensar cómo nos relacionamos con lo que nos gusta, y cómo es que se construye socialmente qué es aquello que nos gusta y que es lo que no.
(TESTIMONIOS – inicio)
[Natalia Suniga]
Hola, mi nombre es Natalia Suniga, soy doctora en ciencias sociales, hace ya varios años trabajo como consultora estratégica para marcas y como speaker. Me especializo en temas de diversidad e innovación y hoy lidero el hub creativo de Tik-Tok para toda la región.


Tik-Tok se posiciona como la plataforma donde nace la cultura, y creo que como todo gran poder, esto conlleva una gran responsabilidad. Si bien hay reglas muy estrictas y pioneras dentro de Tik-Tok contra el bullying, el acoso, el grooming y demás, creo que cada vez se vuelve más imperativo incorporar en las plataformas criterios que promuevan la diversidad desde una perspectiva de derechos.


Pero creo que el gran cambio de paradigma que vienen a exponer las redes sociales o plataformas como Tik-Tok, tiene que ver con el rol que las personas tenemos en la co-construcción del contenido que nos performa. Las personas pasamos de ser espectadoras pasivas a ser creadoras activas, y esto tiene en el núcleo un potencial democratizador. Las personas tenemos el poder de crear, de exponer patrones hegemónicos e incluso de disputarlos y volvernos virales. Y digo esto sin perder de vista que sigue operando el aleccionamiento social sobre nuestros cuerpes, siempre que no encajemos en la norma y que muchas veces también la hiperconexión y la sobreexposición nos puede generar ansiedad, inseguridad y demás.


[Angel del Re]
Hola, mi nombre es Angel del Re y actualmente soy director de Industrias Creativas y Cultura Digital en el Instituto Cultural de la Provincia de Buenos Aires, pero previamente a eso trabajé más de 10 años en el sector de la música independiente.
Y respecto a las ventajas que le veo a una curaduría del arte, yo vengo de una experiencia que hemos construido un catálogo dentro del Instituto Cultural, un catálogo que ya tiene una tradición anterior de formatos físicos, pero en este caso lo hicimos de manera digital con lo que presentaba una diferencia respecto a los anteriores catálogos. Que en este podíamos incluir todo lo que se presentara a convocatoria y en ese contexto, el desafío es, ahora que tenes el todo, cómo lo mostras de manera que sea ordenada y organizada.


Entonces, nosotros tenemos como un modelo diversificado, donde por un lado tenes la curaduría de una persona de carne y hueso con un background, con una historia, con un gusto específico, con una idea de qué quiere mostrar. Nosotros le damos esa llave, esa potestad.
Por otro lado, tenemos todo el taggeo que hacen los artistas que se postulan al catálogo, que nos permiten organizarlos por diferentes categorías y etiquetas.


Obviamente esto es parecido a lo que hacen otras plataformas de streaming comerciales, pero nosotros lo que hacemos es, primero que no alojamos la música, sino que nos presentamos como un filtro entre las plataformas y el usuario, embebemos esas plataformas y mostramos recorridos que tiene que ver con la música que queremos mostrar dentro del catálogo que es el de la Provincia de Buenos Aires.
(TESTIMONIOS – fin)
(Pieza Artística SEPA BUENA DATA)
(Bloque 03)
[Hernán Escudero]
Ahora sí entonces, llega el momento de ver cómo funcionan estos algoritmos que nos hacen bailar a su ritmo… perdón, perdón estaba legalmente obligado a hacer este chiste espantoso, les pido mil disculpas.


Los sistemas de recomendación (tal es el nombre de estos tipos de algoritmos) funcionan a grandes rasgos de dos maneras: o te recomiendan cosas en función del contenido que ya te gustó, o bien a partir de considerar que vos sos parecido o parecida a otra persona que tiene tus mismos gustos.


Acá empezamos a ver cuáles son las grandes diferencias con la era analógica.


Donde por ahí antes uno hablaba con une amigue, iba a una disquería y le decían “che, escuchate este disco que está buenísimo”, ese disquero, ¿por qué te lo recomendaba? Porque sabía lo que te gustaba a vos, cuáles son más o menos los estilos musicales que te gustan. Es decir, tiene datos sobre vos que usa para darte una recomendación.


Adiviná qué hacen los algoritmos. Toman los datos que tienen sobre vos para darte una recomendación.
Y como veníamos hablando, hay dos formas posibles de hacerlo: o pensando qué es lo que le gustó a gente que es como vos y acá viene una pregunta muy picante: ¿quién es “la gente como vos”?
O a partir del contenido, donde básicamente se buscan cuáles son las puntuaciones y atributos que otra persona le puso a un determinado video, canción, libro, serie o lo que sea, y recomienda en función de piezas similares a las que ya consumiste.


Pensemos en Netflix como ejemplo. Tiene algo así como 150 millones de usuarios, y un aproximado de 17 mil títulos en total. Simplificando un poco la cosa, para entender cómo funcionan estos algoritmos, pensá en una matriz (básicamente una tabla de excel, con un montón de filas y un montón de columnas) donde cada fila es un usuario y cada columna es cada uno de estos títulos. Esta matriz tiene que ser poblada, tiene que haber un usuario que dijo “a mí esta película o serie me gustó, no me gustó”. Y a partir de ese llenado de datos, es que se infiere cuáles son los comportamientos de una determinada persona.


Entonces una buena parte de la tarea que tienen estos algoritmos es tratar de entender cuál es la lógica por detrás de que alguien puntúe o no, e inclusive pensar en estrategias para incentivar a que lo hagan.


Como por ejemplo, en el medio de una narración o lectura de guión, recordarte que podés suscribirte a este Podcast en tu app favorita y si lo estás escuchando en Spotify, que les des la cantidad de estrellas que te parece conveniente.


Si el algoritmo no conoce nada sobre la persona, difícilmente pueda opinar al respecto. Esta es una de las principales dificultades que tienen esta clase de modelos, sobre todo cuando recién empiezan a interactuar. Mejor dicho cuando uno comienza a interactuar con esta clase de modelos, que es que todavía no le dio los suficientes datos como para que puedan opinar al respecto.


Esta es una de las principales dificultades que tienen los algoritmos de este estilo y estas plataformas al momento de brindarte lo que tenes que ver o lo que podrías ver a continuación. Cuando recién uno empieza a utilizarlas, como todavía no tienen datos e información sobre quienes somos y sobre cuáles son los consumos que nos gustan, estas plataformas no te recomiendan cosas acertadas o directamente no lo hacen, porque no te conocen.


Por otro lado, así como los sistemas identifican estas cosas y te pueden decir “como a esta persona le gustó, también escuchalo vos”, lo que hacen además, es analizar qué es lo que pasa adentro de cada canción. Hay básicamente dos grandes herramientas que se usan para trabajar en lo que es música: la primera es obviamente el análisis de audio, esto es traducir las ondas a datos que se puedan interpretar en computadoras.


En el caso de las canciones, se suele usar la longitud de onda, variación en decibeles, frecuencia en Hertz, etc. Y respecto a cómo se estructuran estos datos, cabe mencionar que mediante la API de Spotify, muy así nomás, una “API” es una interfaz programática para consultar datos de un sistema al otro. Se ofrecen datos sobre las canciones en términos, que hay que decir que son muy simpáticos, como la bailabilidad, la proposición de instrumentalidad contra la parte cantada, cuál es el género con el cual se identifica la canción, las puntuaciones que le dieron los demás, etc.


El análisis de audio permite traducir ondas en datos y con esto construir información. La otra herramienta típica tiene que ver con la rama de la ciencia de datos que se conoce como NLP o procesamiento de lenguaje natural.


Las técnicas de esta rama se utilizan para ver de qué hablan las canciones y hacer análisis sobre las temáticas de las cuales tratan.


Entonces, así como vimos que los algoritmos pueden interpretar los datos a nivel de musicalidad, por ejemplo, decir como este tema “es de metal progresivo”, suena Dream Theater, con su tema “As I Am”.


Entonces, el algoritmo tal vez puede decir “para vos que te gustó el tema anterior, te comparto uno con una onda parecida”: suena “Fear of a Blank Planet” de Porcupine Tree.


Pero también puede recomendarte cosas a partir del contenido de las canciones: por ejemplo, la canción “As I Am”, de Dream Theater, habla de ser auténtico y fiel a une misme. De acuerdo al contenido del tema musical, el algoritmo, te puede recomendar una canción que trate exactamente de eso mismo. Suena “As I Am” de Justin Bieber.


Es interesante pensar entonces, cómo es que los algoritmos funcionan y logran captar un montón de datos que nos rodean y brindarnos un servicio que puede ser cuestionable y puede tener sus límites, pero no deja de ser bastante sorprendente.
(Pieza Artística RRSS)
[Hernán Escudero]
Ahora que entendemos un poco más sobre cómo entender lo que es la cultura en sí, por un lado y sobre cómo operan los sistemas de recomendación por el otro, podemos profundizar un poco en algunas cuestiones.


Y esto está bastante asociado con un fenómeno muy actual, que es lo que se conoce como “cámara de eco”: esto es, que las redes sociales sólo te acercan perfiles de cuentas o personas que ya son más o menos como sos vos.
Entonces, tanto en el terreno de lo social y lo cultural así como de lo político, esto lleva a que nunca estés en contacto con opiniones o expresiones que no sean las que ya tenés de antemano y confirmando lo que ya sabías, pensabas o conocías como lo único válido.


De hecho, hay muchos estudios que hablan de cómo las redes sociales no hicieron más que aumentar la polarización existente y en buena medida, las acciones que no hacen más que contribuir a esta cámara de eco, influyen en eso.


Y acá une podría preguntarse cómo entrar en contacto con estas expresiones, con estas ideas, con estas culturas que son distintas a las propias; en otros términos, como entrar en contacto con la diversidad.


Entonces, ahora podemos darle una vuelta de tuerca más a este problema que arrastramos desde el primer capítulo y que parecía ser sólo filosófico, esto de “la realidad y cómo la bajamos en datos”: hoy más que nunca, que lo que no se puede construir en formato de datos, es decir lo que no se puede trasladar de la realidad a datos abordables, construibles, observables, medibles, etc. Esencialmente no existe, porque es inasible: es decir, nada se puede hacer con eso.


Y considerando lo que venimos hablando sobre identidades digitales y culturales, aquella expresión que no pueda traducirse a esta nueva forma de llegar a los demás, a estas aplicaciones, a estas plataformas, a estos sistemas, es casi lo mismo que, que no exista.


Esto desde la perspectiva individual de un cineasta del under tal vez es meramente triste, pero si lo llevamos a escalas un poquito más grandes ya pasa a ser preocupante: ¿qué pasa cuando hay un montón de expresiones culturales y artísticas que no llegan a estos algoritmos, que no han sido debidamente captadas de la realidad, y no han sido, digámosle, tamizados por estas nuevas estructuras y tecnologías que se nos han sido impuestas?


El arte es, en buena medida, lo que la sociología de las emociones definió como un “mecanismo de soportabilidad social”. Yendo bien a lo concreto, es eso que nos ayuda a aguantar todo lo que se nos tira, a tratar de encontrarle un sentido a cómo es el mundo y refugiarnos en un discurso compartido, a canalizar bronca e impotencia, atravesar los dolores más intensos y las alegrías más profundas.


Entonces, ¿qué pasa cuando ese arte es accedido mediante herramientas que no son nuestras, cuando hay una empresa en el medio?


Porque no nos confundamos: no es una opción para un artista (o como se dice hoy en un giro muy posmoderno, “creador de contenido”) no estar en Spotify, Tidal o demás; no es una opción para un emprendedor no estar en redes sociales como Instagram o Tiktok: son parte fundamental y necesaria de la “presencia” (término cargadisimo de sentido) en la sociedad actual.


Es crítico tener en cuenta que lo que está en jaque no es poca cosa: son identidades enteras. Lo que no está, no existe; y lo que no ha sido incluído en estas plataformas hegemónicas, no existe.
Y aún no podemos decir a ciencia cierta cuáles son las consecuencias que va a tener esto sobre nuestro presente y sobre nuestro futuro colectivo.
(Pieza Artística MOMENTO GENE RODDENBERRY – inicio)
[Hernán Escudero]
Así como en medicina existe la idea de “prevenir antes que curar”, en el ámbito tecnológico empieza a cobrar cada vez más impulso la idea de “prevenir antes que reparar”.


Sin entrar en demasiadas discusiones respecto de la obsolescencia programada y cuál es la vida útil que tiene un producto, lo cierto es que, citando un axioma que me dijo mi viejo una vuelta cuando me vio sufrir por un disco rígido que se quemó: “las cosas andan hasta que dejan de hacerlo”.


Por eso está cobrando cada vez más fuerza la idea del “mantenimiento predictivo”: esto es usar las herramientas del machine learning para poder adelantarse al momento en que una maquinaria se rompa, para poder actuar de manera preventiva.


De acuerdo al Wall Street Journal, se estima que en 2020 estos servicios movieron unos 4000 millones de dólares y es una cifra que se va a multiplicar por cinco para el 2027.


Ojo, entiendo que capaz, esto parezca una pavada pero, la realidad es que es una aplicación muy interesante y que puede tener (y de hecho tiene) impactos muy concretos, los cuales se hicieron especialmente obvios después de lo que fue la pandemia.


Porque básicamente, si podés predecir cuándo se va a romper una maquinaria, te ahorras muchísimos costos de logística y no solamente económicos sino también costos ambientales, todo lo que son los traslados de las autopartes. Además, esto permitiría impulsar bastante al sector industrial que elabora los distintos repuestos, dado que tendrían otra clase de previsibilidad.


Y la realidad es que esta clase de desarrollos, como suele ser a lo largo de la historia de la tecnología, empiezan en una escala industrial y luego empiezan a permear hacia lo que son los ámbitos particulares, hasta las casas de cada une de nosotres.


Así que si bien es cierto que falta para llegar a este nivel, la realidad es que es una cuestión de tiempo hasta que tengamos una heladera que cuando nos vea salir al supermercado nos pida que le compremos un repuesto en la ferretería.
(Pieza Artística MOMENTO GENE RODDENBERRY – fin)
(Bloque 04)
[Hernán Escudero]
El reggaetón es un género nacido en Puerto Rico, que podríamos decir que hoy en día es el más escuchado a nivel mundial, que está incorporando con cada vez más ritmo a figuras nacidas en Argentina a sus puestos top de popularidad.


Al momento de escritura de este guión, veo que nuestro seleccionado nacional perdió el “Mundial del Asado” a manos del combinado de Dinamarca; nación que nos dio a Mercyful Fate, banda que conozco por el increíble cover que hizo Metallica en su disco “Garage, Inc”, que me acompañó en buena parte de mi adolescencia.


Si bien una vez más tengo más preguntas que respuestas, lo que tengo muy en claro es que nada de este sincretismo musical y cultural que les acabo de describir hubiera sido posible sin la tecnología que permitió crear y compartir todo esto.


El arte es “conectar con otres”. Es una parte ineludible de lo que nos hace seres humanos, es la capacidad de dejar “algo” que pueda trascender en tiempo y espacio, y que ese “algo” nos permita reconocernos en otras personas con la cual compartimos algo que muchas veces es difícil de explicar en palabras, pero que está ahí, de forma intangible.


Y como bien dice ese lugar común en inglés, “sharing is caring”: una frase cuya complejísima traducción sería algo así como “compartir es un acto solidario, un acto de preocupación”. Y recomendar una serie, una canción, un libro, una cuenta de Instagram (o por ejemplo buenadata.podcast en instagram), cualquier recomendación es parte de eso.


Pero hay un balance muy delicado entre una recomendación que busca “transmitir algo, compartir algo” y otra que sólo busca mantener una rueda de consumo audiovisual girando en el interminable negocio de la explotación de nuestra propia capacidad de atención.


El desafío está en encontrar la forma de que la tecnología sirva para compartir desde aquello que nos conecta y nos hace humanos, y no para mantenernos sumergides en un scrolleo automático y customizado para nuestros ojos y oídos, que nos encierre más, y más y más, en nuestras propias pantallas y auriculares, con un entretenimiento que nos aburra hasta que la muerte o la batería del celular nos separe.
(Pieza Artística CRÉDITOS)

Hernán Escudero
Idea y música original, producción, guión y grabación >https://www.linkedin.com/in/hernanescudero
 
Mothercaster Media
Producción, edición, diseño sonoro y post producción sonora >https://www.mothercastermedia.com
 
Circular.lat
Comunicación y dirección de arte
 
Milagros Francomano
Diseño gráfico

“Buena Data Theme”, “CB Theme” y “GR Theme” by Hernán Escudero
Dial Up Modem REmix” by Texture
Video Killed the Radio Star“ by Sim Gretina Remix
A Fifth of Beethoven” by Walter Murphy
Sharp Edges” by Half Cool
I Fell Like Party Right Now” by Nat Keefe & BeatMower
American Idle” by RKVC

Este episodio contiene material obtenido de programas de televisión con fines periodísticos. 

HACEN POSIBLE ESTE PODCAST

¡HOLA!

Soy Hernán Escudero: un comunicador que se recibió de sociólogo y trabaja programando modelos de machine learning en la nube.

Soy fundador y ML Engineer en deployr, una agencia de datos especializada en la puesta productiva de pipelines, arquitecturas de datos y modelos de machine learning.

Busco aportar y compartir una mirada humana, ética y social sobre el mundo de la ciencia de datos.

Encontrame en //