Google y Meta despliegan IA para combatir suicidio, violencia y desigualdad de género

Los sistemas buscan mitigar daño a usuarios vulnerables en crisis de suicidio, violencia doméstica y abuso, además de reducir exposición a contenido discriminatorio.
Las mujeres han sido fundamentales, pero sus aportes reciben menos visibilidad
Angela Fan de Meta explica por qué solo el 20% de biografías en Wikipedia son de mujeres.
Mark

¿Por qué Google decidió enfocarse específicamente en búsquedas sobre crisis personales?

Mimi

Porque reconocieron que en esos momentos críticos, cuando alguien busca ayuda sobre suicidio o violencia, los resultados que aparecen pueden ser literalmente la diferencia entre encontrar un recurso que salve vidas o perderse en contenido inútil o dañino.

Mark

¿Cómo sabe el algoritmo que alguien está en crisis?

Mimi

El modelo MUM fue entrenado para entender la intención detrás de las palabras, no solo las palabras mismas. Puede detectar patrones en cómo las personas formulan preguntas cuando están buscando ayuda urgente, incluso si no lo dicen explícitamente.

Mark

Y el trabajo de Meta sobre Wikipedia, ¿es realmente diferente o es el mismo problema visto desde otro ángulo?

Mimi

Es el mismo problema desde otro ángulo. Google está ayudando a las personas a encontrar lo que necesitan en el momento de crisis. Meta está intentando asegurar que las historias de las mujeres existan en primer lugar para que puedan ser encontradas.

Mark

¿Qué tan difícil es entrenar un modelo en 75 idiomas?

Mimi

Extraordinariamente difícil. Cada idioma tiene sus propias estructuras, contextos culturales, formas de expresar crisis. Pero una vez que lo logras, puedes proteger a miles de millones de personas simultáneamente.

Mark

¿Por qué el caso de Donna Strickland importa tanto?

Mimi

Porque es el símbolo perfecto de la invisibilidad. Una mujer ganó el Premio Nobel en su campo y nadie podía leer sobre ella en la enciclopedia más grande del mundo. Eso no es un accidente de la tecnología; es un reflejo de quién ha sido considerado digno de ser recordado.

  • Cada día, millones de personas buscan en Google palabras que revelan crisis silenciosas — suicidio, abuso, violencia — y hasta ahora el buscador no siempre sabía distinguir una consulta informativa de un grito de auxilio.
  • El modelo MUM, entrenado en 75 idiomas, ahora detecta la intención detrás de esas búsquedas y despliega líneas de ayuda nacionales de forma prominente, acortando la distancia entre quien sufre y quien puede ayudar.
  • En paralelo, la técnica BERT redujo en un 30% la aparición de contenido explícito no deseado, con especial impacto en búsquedas sobre género, orientación sexual y etnia — áreas donde las mujeres, y especialmente las mujeres de color, cargaban con el mayor daño.
  • Meta identificó otra herida estructural: solo el 20% de las biografías en Wikipedia son de mujeres, un vacío que dejó sin entrada a Donna Strickland incluso el día en que ganó el Premio Nobel de Física.
  • El sistema de IA de Meta investiga, redacta y documenta biografías al estilo Wikipedia, apuntando a que la investigación sirva como punto de partida para que la comunidad científica amplíe la visibilidad de contribuciones femeninas históricamente ignoradas.

En marzo de 2022, Google y Meta revelaron cómo la inteligencia artificial puede convertirse en un puente entre la vulnerabilidad humana y los recursos que la alivian. Google afinó sus modelos para reconocer el dolor detrás de ciertas búsquedas y ofrecer ayuda concreta en el momento más crítico, mientras Meta exploró cómo corregir siglos de invisibilidad femenina en el registro colectivo del conocimiento. Ambas iniciativas comparten una misma pregunta de fondo: ¿puede la tecnología reparar, aunque sea en parte, las fracturas que la sociedad ha dejado sin atender?

En marzo de 2022, Google y Meta presentaron dos caminos distintos pero convergentes hacia un mismo horizonte: usar la inteligencia artificial para reducir el daño que sus plataformas, y la sociedad en general, han infligido a los más vulnerables.

Google centró sus esfuerzos en el momento más frágil de un usuario: cuando busca ayuda sin saber exactamente cómo pedirla. Su modelo MUM, entrenado en 75 idiomas, aprendió a leer la intención detrás de consultas sobre suicidio, violencia doméstica o abuso de sustancias, mostrando de inmediato los números de líneas de crisis nacionales junto a los resultados más confiables. Al mismo tiempo, la técnica BERT permitió reducir en un 30% la aparición de contenido explícito inesperado, con un efecto especialmente significativo en búsquedas relacionadas con género, orientación sexual y origen étnico — áreas donde el contenido discriminatorio golpea con mayor fuerza a las mujeres de color.

Meta, por su parte, puso el foco en una desigualdad más silenciosa pero igualmente profunda: la ausencia de mujeres en Wikipedia. Solo el 20% de las biografías de la enciclopedia más consultada del mundo corresponden a mujeres. La investigadora Angela Fan ilustró el problema con un caso que habla por sí solo: Donna Strickland, ganadora del Nobel de Física en 2018, no tenía entrada en Wikipedia el día en que recibió el premio.

Para corregir este desequilibrio, Meta desarrolló un sistema capaz de investigar, redactar y documentar biografías en tres pasos: recuperar información de Internet, generar el texto y construir una bibliografía con fuentes verificables. Fan subrayó que el proyecto era aún investigativo, pero su propósito era claro — ofrecer a la comunidad científica una herramienta para devolver visibilidad a quienes la historia había dejado en los márgenes.

Google y Meta presentaron en marzo de 2022 avances significativos en cómo utilizan la inteligencia artificial para abordar algunos de los problemas más delicados que enfrentan sus plataformas: la orientación de usuarios en crisis hacia recursos de ayuda, la reducción de contenido dañino y la corrección de desequilibrios históricos en la representación de género.

Google comenzó por explicar cómo ha optimizado su buscador para las búsquedas más vulnerables. Cuando alguien busca información sobre suicidio, violencia doméstica, agresión sexual o abuso de sustancias, el motor ahora despliega de manera prominente los números de teléfono de las líneas directas nacionales relevantes junto con los resultados de mayor calidad disponibles. Para lograrlo, la compañía mejoró su sistema de aprendizaje automático con un modelo llamado MUM, entrenado en 75 idiomas, que puede detectar con mayor precisión cuándo una persona está buscando ayuda en una situación de crisis. El modelo comprende mejor la intención detrás de las preguntas, permitiendo que Google muestre información confiable y práctica en el momento exacto en que se necesita. La compañía anunció que comenzaría a implementar estas mejoras en las semanas siguientes.

Paralelamente, Google trabajó en reducir la exposición a contenido explícito e inapropiado. Utilizando una técnica llamada BERT, que interpreta las palabras en contexto considerando tanto lo que las precede como lo que las sigue, el buscador logró reducir la aparición de resultados inesperados en un 30 por ciento durante el año anterior. Este avance tuvo un impacto especial en búsquedas relacionadas con origen étnico, orientación sexual y género, áreas donde el contenido discriminatorio afecta de manera desproporcionada a las mujeres, particularmente a las mujeres de color. Google señaló que MUM permitiría escalar estas protecciones a nivel mundial, trabajando con socios locales para detectar consultas sobre crisis personales en múltiples idiomas y países.

Mientras Google se enfocaba en la seguridad de las búsquedas, Meta anunció un proyecto de investigación completamente distinto pero igualmente orientado a corregir desigualdades. La compañía desarrolló un sistema de inteligencia artificial capaz de investigar y redactar borradores de biografías al estilo de Wikipedia. El problema que busca resolver es simple pero profundo: apenas el 20 por ciento de las biografías en Wikipedia son de mujeres, a pesar de sus contribuciones fundamentales en ciencia, política, artes y otros campos.

Angela Fan, investigadora de Meta AI, ilustró el problema con un caso concreto. Donna Strickland, física canadiense ganadora del Premio Nobel de Física en 2018, no tenía entrada en Wikipedia en el momento en que recibió el premio más importante de su disciplina. Solo después de que los medios reportaron su logro alguien creó su biografía en la plataforma. Fan explicó que el modelo de Meta funciona en tres pasos: primero recupera información relevante de Internet sobre la persona, luego genera el texto de la biografía, y finalmente construye una bibliografía con enlaces a las fuentes utilizadas. El proceso se repite para cada sección hasta completar una biografía completa.

Fan enfatizó que el trabajo era puramente investigativo en ese momento, con la esperanza de que la comunidad de investigación en inteligencia artificial lo utilizara como punto de partida. El objetivo final era usar la IA para compensar los desequilibrios de género en Wikipedia, una de las referencias informativas más consultadas del mundo. Según Fan, las mujeres han sido fundamentales en innumerables aspectos de la sociedad, pero sus contribuciones reciben menos visibilidad que las de los hombres. La representación, subrayó, importa, y Meta buscaba contribuir a corregir este desequilibrio histórico a través de la investigación en inteligencia artificial.

MUM puede detectar de forma automática y más precisa una gama más amplia de búsquedas sobre crisis personales, comprendiendo mejor la intención detrás de las preguntas
— Google
La representación importa, y queremos contribuir a ella con esta investigación sobre desequilibrios de género en Wikipedia
— Angela Fan, investigadora de Meta AI
Quer a matéria completa? Leia o original em infobae ↗
Fale Conosco FAQ