¿Que tienen en común estos robots cuadraditos de delivery que se ven en Miami y otras ciudades con Pikachu? que 143 millones de personas estaban atrapando pokemones cuando en realidad estaban construyendo uno de los datasets de imágenes del mundo real más grandes de la historia de la IA.
Esto lo “reveló“ Niantic hace poco:30 mil millones de imágenes recolectadas en ocho años, fotos de veredas, negocios, parques, monumentos, en toda condición de luz y clima posible… y con versiones de control que ahora es el dataset que alimenta la IA de navegación visual para robots de delivery de Coco Delivery
Y LinkedIn explotó. “¡Nos engañaron!” “¡Dark patterns!” y mi nunca bien ponderado “¡Esto cambia todo!” (con mayúsculas y negritas!)
“All of this has happened before, and it will all happen again.”
Esto no cambia nada y, como decían en Battlestar Galactica: “All of this has happened before, and it will all happen again.”
Un modelo tan viejo como la web comercial
Google Maps existe porque millones de personas reportaron accidentes, corrigieron direcciones y activaron el GPS sin pensar demasiado, de la misma forma que Waze construyó su ventaja competitiva… y Niantic nació en Google:
hace dos años todos creímos que Google estaba haciendo un chiste cuando en realidad el fundador de Keyhole que había sido adquirido para integrarlo en Google Maps estaba haciendo un MVP y no nos dimos cuenta del potencial del mismo
Pokémon Go, el éxito y fracaso repentino… que no es tal (escrito en 2016)
Cada vez que aceptaste los términos y condiciones de cualquier app con acceso a tu cámara, micrófono o ubicación, contribuiste a algún dataset.
No hay una conspiración; es el modelo de negocio explícito de prácticamente toda empresa de internet desde que existe internet comercial: servicio gratis (o subsidiado) a cambio de datos. Siempre fue así. Está en los términos que nadie lee.
“We look at the player data as very high-quality ground training data for other lower-quality datasets,” McClendon told Fortune in a statement. “The long-term philosophy of Niantic Spatial is that we can solve these hard problems of localization, reconstruction, and semantics by using very concentrated places to train models and then use much more broadly available data at lower resolution to be able to localize, visualize, and understand from ‘bad’ data.”
Fortune: Pokémon Go players built a 30-billion-photo map that’s now training robots to deliver your pizza
La “revelación” de Niantic no es que recolectaron datos, sino que esos datos resultaron ser extraordinariamente valiosos para un caso de uso que en 2016 no era obvio todavía y, si tuviesen videos, los World Models de AI de los que ya hablé pagarían fortunas.
Fei-Fei Li — la persona que creó ImageNet y básicamente inició el deep learning moderno — fundó World Labs con una tesis específica: si entrenás un modelo con suficiente video del mundo real, aprende física de forma implícita. No porque alguien le explique las leyes de Newton, sino porque ve millones de ejemplos de objetos cayendo, agua fluyendo, manos manipulando cosas. El mundo físico emerge de los datos.
La pregunta que nadie hace.
Pero pensalo un minuto, el formato “empresa X te usó como dataset sin que lo supieras” tiene una mecánica perfecta para generar bronca/rage/bait: mezcla algo real con algo falso. Las empresas sí recolectan datos, eso es verdad; pero que sea nuevo, sorprendente o necesariamente malicioso, eso es lo que no cierra.
¿Niantic hizo algo malo? Puede ser una discusión interesante. Hay preguntas legítimas sobre consentimiento informado, sobre si los usuarios entendían el alcance real de lo que cedían, sobre si los términos eran suficientemente claros.
Pero esa discusión requiere matiz; deberiamos haber leído los términos en 2016, entender qué sabía Niantic entonces sobre el valor futuro de esos datos, compararlo con lo que hacían Google, Apple, Meta y básicamente cualquier app con más de diez millones de usuarios… y pensar.
Eso, pensar, no tiene 50,000 impresiones. Entonces no existe.
El mismo post, todas las semanas.
Podés hacer este ejercicio con CUALQUIER app que procese datos del usuario. Spotify sabe más de tus estados emocionales que tu terapeuta, Duolingo trackea patrones de atención y frustración. Strava tiene el mapa de movimiento de millones de personas, incluyendo rutas de militares en bases clasificadas (eso sí pasó, y sí era un problema real)… hasta tu teclado predictivo es un modelo de lenguaje entrenado con todo lo que escribiste.
Si, es un modelo de lenguaje, asi que piensen en los LLMs; esos que hoy usamos para escribir emails, generar código y tomar decisiones de negocio fueron entrenados con prácticamente todo el texto que la humanidad produjo y publicó en internet: foros, blogs, libros digitalizados, comentarios de Reddit, artículos académicos, conversaciones de Stack Overflow.
¿Alguien preguntó? ¿Alguien firmó un consentimiento? El contenido estaba ahí, público, y se usó. Y encima ahora, cada conversación que tenés con cualquiera de estos modelos contribuye, de una forma u otra, a la siguiente iteración del entrenamiento.
Jugaste Pokémon Go ocho años y construiste un dataset de navegación visual. Usás ChatGPT o Claude todos los días y estás haciendo exactamente lo mismo, solo que con tus palabras.
Cada semana hay un nuevo Niantic disponible. El outrage es infinitamente renovable porque el modelo de datos de internet es infinitamente explotable como narrativa de traición.
Y acá está el problema: yo podría haber escrito este post exactamente así. “¡Todo es un dataset y nadie te lo dice!” Hubiera funcionado igual de bien en el algoritmo.
La diferencia, supongo, es que terminé diciéndotelo… y volvemos al “All of this has happened before, and it will all happen again.”