Marco teórico y aproximación jurídica al big data: algoritmos, inteligencia artificial y transformación digital - Derecho y big data - Libros y Revistas - VLEX 795820521

Marco teórico y aproximación jurídica al big data: algoritmos, inteligencia artificial y transformación digital

AutorJairo Becerra/Lorenzo Cotino Hueso/Ivonne Patricia León/Marco Emilio Sánchez Acevedo/Jheison Torres Ávila/John Velandia Vega
Páginas39-63
MARCO TEÓRICO Y APROXIMACIÓN JURÍDICA
AL
BIG DATA
: ALGORITMOS, INTELIGENCIA
ARTIFICIAL Y TRANSFORMACIÓN DIGITAL1
*
Aproximación general al
big data
: premisas y cautelas
La expresión big data se debe al trabajo de Schönberger y Cukier (2013a).
En español se utiliza también esta expresión inglesa. El Parlamento Europeo
(2017) hace referencia a ‘macrodatos’, y no tanto a ‘datos masivos’:
Recopilación, análisis y acumulación constante de grandes cantidades de datos, in-
cluidos datos personales, procedentes de diferentes fuentes y objeto de un tratamiento
automatizado mediante algoritmos informáticos y avanzadas técnicas de tratamien-
           
           
macrodatos).
Se habla de las V (Gartner, 2012): volumen, variedad, velocidad y valor, a
las que se añaden, entre otras, la veracidad (Puyol, 2014, p. 488). Se hace refe-
rencia al carácter big —‘grande’ o ‘masivo’— de los datos para hacer alusión al
volumen, esto es, a cantidades de datos ingentes, de magnitud inabarcable a la
* Apartes de este capítulo de libro fueron presentados y publicados por el Dr. Lorenzo Cotino en la sesión del
Seminario de Derecho de la Universidad de Valencia, España; ponencia: “El Dret enfrontat las reptes del Big Data
i l’automatització de les decisions”, del 26 de octubre de 2016, que puede consultarse en esta vínculo: https://www.
uv.es/seminaridret/sesiones2017/bigdata/ponenciaCotino2016.pdf?
2
40
PÚBLICO 25
Derecho y big data
mente humana, como la grandeza del espacio. Tales datos masivos pueden tener
también la V por su variedad de fuentes y naturaleza; y se destaca asimismo la
gran velocidad en la gestión y actualización de los datos. Los datos a los que
se hace referencia pueden estar estructurados, no estructurados o parcialmente
estructurados; no obstante, más allá de la cantidad o estructura, se destaca con el
término big data elementos como la V del gran valor potencial presente y futuro;
además, es nota diferencial de los datos masivos que no pueden ser manipulados,
analizados, procesados con mecanismos o procesos tradicionales.
El gran reto de los datos masivos es la captación, gestión y tratamiento para
agregar valor a grandes volúmenes de datos poco utilizados o inaccesibles hasta
la fecha; todo ello, para aportar y descubrir un conocimiento hasta ahora oculto.
Boyd y Crawford (2011, p. 6), entre otros autores, subrayan que el big data no

utilizados para manipularlos y analizarlos, sino a un giro en el pensamiento com-
putacional y la investigación (Burkholder, 1992). Así como Ford cambió la forma
en que se hicieron coches —y luego se transformó la forma de trabajo—, el big
data va a cambiar toda la teoría social (Latour, 2009, p. 9) al automatizar tanto el
objeto como el procedimiento del conocimiento.
El big data-
cial cuando los sistemas computacionales son capaces de tratar, aprender, resol-
ver problemas y tomar decisiones a partir de los grandes datos, desde un cambio
de paradigma que automatiza tanto el objeto (los datos) como el procedimiento
del conocimiento (Boyd y Crawford, 2011). Se aplican algoritmos, redes neuro-
 -
nos (Nils, 1980). En esta dirección, el Parlamento Europeo (2017) recuerda que


y comportamientos”. Según el Parlamento Europeo (2017), los algoritmos pue-
   -
et al.), o bien, como “código software que procesa un conjunto
limitado de instrucciones”. Los algoritmos avanzados de aprendizaje automático
(advanced machine-learning algorithms) destacan por su capacidad de adaptarse
y aprender, y cabe recordar que los robots no precisan de una entidad física y,

Para continuar leyendo

Solicita tu prueba

VLEX utiliza cookies de inicio de sesión para aportarte una mejor experiencia de navegación. Si haces click en 'Aceptar' o continúas navegando por esta web consideramos que aceptas nuestra política de cookies. ACEPTAR