Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy

Mientras O'Neil se centra en los algoritmos opacos y sus consecuencias, Zuboff amplía la perspectiva hacia la raíz económica y social de la recopilación de datos, ofreciendo un marco más amplio que subyace a la 'destrucción matemática', conectando con la referencia de una manera sistémica y menos centrada en el algoritmo per se.

A diferencia de O'Neil, que se enfoca en las fallas y el sesgo de los algoritmos a gran escala, Fry ofrece una perspectiva más accesible y con un tono más digerible sobre la omnipresencia de los algoritmos en la vida cotidiana, mostrando el impacto menos visible pero igualmente profundo en la agencia individual, más allá de los sistemas de 'armas de destrucción masiva'.

Filosóficamente, el libro de Erikson resuena con la crítica de O'Neil al examinar cómo los sistemas (en este caso, judiciales y sociales del siglo XX, en el de O'Neil, algorítmicos) inherentemente categorizan y etiquetan a individuos, perpetuando desigualdades y 'desviaciones'. Ambos autores profundizan en cómo las estructuras de poder determinan quién es 'problemático' y con qué consecuencias devastadoras para los márgenes de la sociedad.

Aunque de un campo distinto, la conexión profunda radica en la idea de que sistemas aparentemente simples (los algoritmos) pueden generar resultados impredecibles y altamente complejos, similar a cómo los modelos matemáticos de O'Neil producen consecuencias no intencionadas y dañinas. Wolfram explora los límites inherentes a la predicción y el control en sistemas computacionales, un problema filosófico central en "Weapons of Math Destruction".

Lem, un autor polaco de ciencia ficción, adelantó muchas de las preocupaciones de O'Neil décadas antes. Su obra explora cómo la búsqueda de la objetividad y la automatización puede llevar a sistemas que, a pesar de su lógica interna, resultan absurdos o perjudiciales para la experiencia humana, haciendo eco de la crítica a los algoritmos que funcionan pero causan daño real.

Aunque es ciencia ficción, Le Guin (una autora estadounidense influyente pero a menudo subestimada en este contexto) desafía profundamente los sistemas de categorización binarios y las suposiciones inherentes que estructuran nuestras sociedades, tanto como O'Neil. Su obra ilustra cómo los sistemas de pensamiento rígidos, incluyendo los estadísticos y algorítmicos, pueden fallar catastróficamente al intentar comprender o encajar la complejidad de la realidad humana.

Similar a cómo O'Neil disecciona los modelos y algoritmos que estructuran y dictan resultados en el mundo real, Hallberg explora la estructura interna de un texto masivo a través de herramientas algorítmicas, revelando patrones y conexiones invisibles. Ambos abordan cómo los sistemas (matemáticos o textuales) pueden ser desglosados para entender su funcionamiento y sus implicaciones.

O'Neil examina las estructuras y mecanismos de los algoritmos para revelar sus fallos y consecuencias. De manera análoga, Seife (de forma no ficción) descompone los procesos de pensamiento "algorítmicos" de los genios, analizando las estructuras subyacentes de sus conexiones neuronales e intelectuales. Ambos buscan desentrañar la 'caja negra' para comprender cómo se construyen y operan los sistemas complejos de toma de decisiones.