WEBVTT
0
00:00:00.050 --> 00:00:04.365
Hemos empezado a hablar de la 
importancia de la privacidad 

1
00:00:04.415 --> 00:00:05.001
de los datos.

2
00:00:06.230 --> 00:00:08.930
He comentado algunos problemas,

3
00:00:09.370 --> 00:00:14.370
algunas filtraciones, escándalos, 
llamaría yo, que han provocado 

4
00:00:15.450 --> 00:00:20.050
que haya una legislación específica 
para la protección de datos. 

5
00:00:20.610 --> 00:00:23.785
Entre esa legislación, la 
más relevante quizás 

6
00:00:23.835 --> 00:00:27.955
es la Reglamentación General de 
Protección de Datos, Que, 

7
00:00:28.005 --> 00:00:32.044
como estaba diciendo, establece 
un nuevo marco legal 

8
00:00:32.095 --> 00:00:34.485
en el que se establecen 
unos nuevos roles 

9
00:00:34.535 --> 00:00:39.510
y unas nuevas bases legitimadoras 
del tratamiento de datos. 

10
00:00:42.290 --> 00:00:43.910
Tenemos la idea, normalmente,

11
00:00:43.970 --> 00:00:48.970
que solo se pueden usar mis datos si 
tienen el consentimiento mío. 

12
00:00:49.330 --> 00:00:50.465
Pero no siempre es así, ¿no?

13
00:00:50.515 --> 00:00:53.865
Hay otros escenarios donde se pueden 
usar datos personales, 

14
00:00:53.915 --> 00:00:56.445
por ejemplo, si hay un contrato 
laboral de por medio, 

15
00:00:56.495 --> 00:00:57.245
etcétera, etcétera.

16
00:00:57.295 --> 00:01:01.470
Bueno, pues esta ley, digamos, 
establece todos estos puntos. 

17
00:01:02.210 --> 00:01:05.925
Y obliga a las empresas y 
instituciones a tener una figura, 

18
00:01:05.975 --> 00:01:08.108
que es el delegado de protección 
de datos, ¿no? 

19
00:01:08.159 --> 00:01:11.270
Que es obligatorio, que es el 
garante de que se cumple la ley, 

20
00:01:11.350 --> 00:01:11.850
¿vale?

21
00:01:14.350 --> 00:01:16.517
Cualquiera que trabaje en 
una empresa grande, 

22
00:01:16.590 --> 00:01:17.923
pues conoce, digamos, esto.

23
00:01:19.770 --> 00:01:21.070
Ahora bien, la.

24
00:01:22.350 --> 00:01:25.830
La ley no es suficiente para 
proteger los datos. 

25
00:01:26.090 --> 00:01:26.565
¿Por qué?

26
00:01:26.615 --> 00:01:31.590
Hay gente que no respeta la ley 
o no la aplica adecuadamente, 

27
00:01:33.310 --> 00:01:35.366
entonces se producen brechas 
de seguridad. 

28
00:01:35.430 --> 00:01:38.265
Entonces los datos además tienen 
que estar protegidos 

29
00:01:38.315 --> 00:01:41.850
mediante la seguridad informática, 
llamémoslo así, 

30
00:01:41.990 --> 00:01:45.845
para que no se puedan acceder 
a datos personales 

31
00:01:45.895 --> 00:01:49.150
simplemente poniendo en la 
barra de navegación. 

32
00:01:50.300 --> 00:01:54.160
Una clave, como ha pasado 
en algunos casos. 

33
00:01:55.880 --> 00:01:58.780
Y otra manera de proteger los 
datos es anonimizarlos. 

34
00:01:59.140 --> 00:02:00.751
Y de esto es de lo que quería hablar,

35
00:02:00.900 --> 00:02:04.965
y de las implicaciones que tiene 
esto con el lenguaje, 

36
00:02:05.015 --> 00:02:09.100
porque estamos en el máster de 
lingüística de la UNED. 

37
00:02:10.660 --> 00:02:15.040
Entonces, aquí están lo que llamamos 
las técnicas de anonimización, 

38
00:02:15.100 --> 00:02:20.100
que consisten en procedimientos 
para disminuir el riesgo 

39
00:02:20.900 --> 00:02:23.995
de que a través de los datos 
se puedan identificar 

40
00:02:24.045 --> 00:02:24.742
a las personas.

41
00:02:25.940 --> 00:02:29.380
Aquí hay la agencia.

42
00:02:30.180 --> 00:02:31.845
El Español de Protección de Datos,

43
00:02:31.895 --> 00:02:35.760
por ejemplo, sus recomendaciones 
las ha descrito bastante bien. 

44
00:02:36.000 --> 00:02:38.895
Hay algunas que son, por ejemplo, 
la aleatorización, 

45
00:02:38.945 --> 00:02:40.195
que consiste.

46
00:02:40.245 --> 00:02:43.780
Bueno, tengo una base de datos que 
es un Excel, por ejemplo, 

47
00:02:43.900 --> 00:02:45.480
que tiene dos columnas.

48
00:02:45.540 --> 00:02:48.795
Una tiene el nombre y la 
otra tiene el salario. 

49
00:02:48.845 --> 00:02:50.540
Yo las desordeno, ¿no?

50
00:02:50.930 --> 00:02:55.550
Y de esta manera ya no podemos 
atribuir un salario a una persona, 

51
00:02:55.670 --> 00:03:00.265
pero podemos seguir haciendo el 
mismo tipo de estadísticas 

52
00:03:00.315 --> 00:03:02.730
sobre esa base de datos.

53
00:03:04.230 --> 00:03:06.950
Otra posibilidad es generalizar 
los datos. 

54
00:03:07.310 --> 00:03:10.970
En lugar de decir que 
una persona es de. 

55
00:03:11.770 --> 00:03:14.865
De un pueblo en concreto, decir 
que es una provincia, 

56
00:03:14.915 --> 00:03:16.010
una base de datos.

57
00:03:17.210 --> 00:03:20.535
Otra codificable, pues sustituir 
los nombres por códigos. 

58
00:03:20.585 --> 00:03:23.345
Son todo técnicas que se aplican 
sobre bases de datos 

59
00:03:23.395 --> 00:03:25.565
que tienen las empresas 
o las instituciones 

60
00:03:25.615 --> 00:03:30.025
y que ayudan a reducir el riesgo 
de que al compartir esos datos 

61
00:03:30.075 --> 00:03:31.550
haya filtraciones.

62
00:03:33.930 --> 00:03:38.065
En general, la anonimización, esto 
se hace sobre bases de datos, 

63
00:03:38.115 --> 00:03:41.050
como digo, de documentos 
estructurados. 

64
00:03:41.270 --> 00:03:43.930
Es bastante habitual en 
todos los sectores. 

65
00:03:44.950 --> 00:03:47.410
El objetivo es ese,

66
00:03:47.490 --> 00:03:51.790
reducir el peligro, el riesgo de 
identificar a las personas, 

67
00:03:51.930 --> 00:03:53.770
preservando lo que es la utilidad.

68
00:03:53.950 --> 00:03:55.070
Y aquí está, digamos,

69
00:03:55.190 --> 00:03:59.845
el principal reto de las técnicas 
de anonimización, 

70
00:03:59.895 --> 00:04:00.370
que es.

71
00:04:02.690 --> 00:04:04.785
Hacer que el documento todavía 
siga siendo útil. 

72
00:04:04.835 --> 00:04:08.150
Es lo fácil de borrar, borro todo,

73
00:04:08.330 --> 00:04:10.285
ya se acabó, se acaban los 
datos personales, 

74
00:04:10.335 --> 00:04:11.295
todo borrado, fuera.

75
00:04:11.345 --> 00:04:13.274
Ahora, el documento ya 
no sirve para nada. 

76
00:04:14.050 --> 00:04:17.329
Cojo un currículum, hay 
que borrar cosas, 

77
00:04:17.590 --> 00:04:19.200
borramos el nombre, la dirección,

78
00:04:19.250 --> 00:04:22.270
borramos también la universidad 
donde ha trabajado, 

79
00:04:22.350 --> 00:04:26.390
entonces ya pierde la utilidad 
de ese documento. 

80
00:04:26.470 --> 00:04:28.830
Hay que buscar un equilibrio 
entre una cosa y otra. 

81
00:04:30.280 --> 00:04:33.715
Y nunca hablamos en realidad de 
anonimización cien por cien, 

82
00:04:33.765 --> 00:04:36.180
eso absoluta, eso no existe.

83
00:04:37.060 --> 00:04:41.720
Habla habitualmente de la métrica 
de anonicidad K, 

84
00:04:41.840 --> 00:04:43.840
K es en un número.

85
00:04:46.050 --> 00:04:51.035
En el que todos los.

86
00:04:51.085 --> 00:04:56.070
Por ejemplo, una base de datos puede 
tener una anonicidad K de 10, 

87
00:04:56.590 --> 00:05:01.225
significa que hay 10 personas que 
tienen los mismos atributos 

88
00:05:01.275 --> 00:05:02.194
en esa base de datos.

89
00:05:03.010 --> 00:05:05.370
Cuando más alta sea, 
más difícil será. 

90
00:05:05.590 --> 00:05:07.090
Si tiene anonicidad K1,

91
00:05:07.230 --> 00:05:09.452
significa que se puede encontrar 
a esa persona. 

92
00:05:09.650 --> 00:05:10.150
¿Vale?

93
00:05:13.460 --> 00:05:15.560
¿Qué es lo que anonimizamos?

94
00:05:15.840 --> 00:05:18.725
Pues esto es lo que llamamos 
los datos privados, 

95
00:05:18.775 --> 00:05:19.980
datos personales.

96
00:05:21.060 --> 00:05:23.080
Aquí también hay cierta confusión.

97
00:05:23.800 --> 00:05:26.095
Normalmente, cuando hablamos 
de datos personales, 

98
00:05:26.145 --> 00:05:28.415
pensamos en datos de identificación 
directos, 

99
00:05:28.465 --> 00:05:31.240
como el nombre, el DNI, esto 
identifica a la persona, 

100
00:05:31.460 --> 00:05:34.335
pero también hay datos, por 
ejemplo, de contacto, 

101
00:05:34.385 --> 00:05:36.840
el correo electrónico es un 
dato personal también, 

102
00:05:37.120 --> 00:05:39.100
la dirección, el teléfono,

103
00:05:39.180 --> 00:05:42.180
otros datos indirectos, ¿no?

104
00:05:42.760 --> 00:05:45.740
Por ejemplo, la profesión.

105
00:05:45.900 --> 00:05:50.035
Esto es un dato personal que 
de por sí no identifica 

106
00:05:50.085 --> 00:05:50.535
a la persona,

107
00:05:50.585 --> 00:05:52.393
pero en combinación con 
otras cosas sí. 

108
00:05:52.880 --> 00:05:57.880
Por ejemplo, si decimos pues 
tal persona es arquitecto. 

109
00:05:58.740 --> 00:06:01.835
Esto no identifica a nadie, pero 
si digo que es arquitecto 

110
00:06:01.885 --> 00:06:05.960
de un pueblo muy pequeño que 
tiene 400 personas, 

111
00:06:06.360 --> 00:06:07.527
pues ya sabemos quién es.

112
00:06:07.600 --> 00:06:10.280
A eso me refiero con datos de 
identificación indirecto. 

113
00:06:10.900 --> 00:06:13.622
También hay que tenerlos en cuenta 
a la hora de anonimizar. 

114
00:06:14.980 --> 00:06:17.220
Luego hay otros datos que 
se llaman sensibles. 

115
00:06:18.280 --> 00:06:22.640
Son las enfermedades que 
padece alguien. 

116
00:06:25.420 --> 00:06:29.420
La afiliación a un sindicato, 
un partido político. 

117
00:06:30.250 --> 00:06:32.730
Son datos que, de revelarse,

118
00:06:32.850 --> 00:06:37.225
a lo mejor no permiten 
identificarlo, pero ponen en riesgo, 

119
00:06:37.275 --> 00:06:41.430
digamos, algunos de sus derechos 
como persona. 

120
00:06:43.390 --> 00:06:44.165
Y también es importante

121
00:06:44.215 --> 00:06:47.370
a la hora de definir qué es lo 
que estamos anonimizando, 

122
00:06:47.450 --> 00:06:50.250
si los datos son estructurados 
o no estructurados. 

123
00:06:50.430 --> 00:06:55.430
Esto es una diferenciación importante

124
00:06:55.750 --> 00:06:57.910
por lo que implica los 
datos estructurados, 

125
00:06:57.990 --> 00:07:00.005
son los datos que provienen 
de bases de datos, 

126
00:07:00.055 --> 00:07:01.290
están tabulados, ¿no?

127
00:07:01.720 --> 00:07:06.295
Entonces ahí sabemos que tenemos 
una columna de nombre 

128
00:07:06.345 --> 00:07:08.485
o que tenemos una columna de edad,

129
00:07:08.535 --> 00:07:12.395
que la anonimizamos automáticamente 
con una regla informática 

130
00:07:12.445 --> 00:07:13.140
muy sencilla,

131
00:07:13.220 --> 00:07:17.020
pero normalmente tenemos documentos 
que llamamos no estructurados. 

132
00:07:17.260 --> 00:07:19.275
Documentos no estructurados 
son el texto libre, 

133
00:07:19.325 --> 00:07:23.600
un documento, un texto libre, una 
imagen, una grabación de voz, 

134
00:07:23.840 --> 00:07:24.360
un vídeo.

135
00:07:24.840 --> 00:07:27.220
Esto es lo que llamamos datos 
no estructurados. 

136
00:07:28.100 --> 00:07:30.375
Entonces aquí para anonimizar 
estos documentos, 

137
00:07:30.425 --> 00:07:34.975
primero hay que detectar de una 
forma manual o automática 

138
00:07:35.025 --> 00:07:36.695
dónde está la información personal.

139
00:07:36.745 --> 00:07:39.720
Y eso es un poco el reto de 
los sistemas automáticos. 

140
00:07:42.600 --> 00:07:45.935
Identificar esos datos personales

141
00:07:45.985 --> 00:07:48.680
o datos que permiten la 
identificación de las personas. 

142
00:07:53.370 --> 00:07:57.805
Más allá de esas entidades 
o datos que son fáciles 

143
00:07:57.855 --> 00:08:02.030
de identificar, hay más cosas.

144
00:08:03.250 --> 00:08:06.685
Y eso es un poco lo más interesante 
que quería comentar 

145
00:08:06.735 --> 00:08:09.850
y que más interés puede tener para 
los estudiantes del máster, 

146
00:08:09.930 --> 00:08:14.930
ir más allá de esos elementos 
que están en los textos, 

147
00:08:18.160 --> 00:08:21.760
y que permiten revelar la identidad 
de las personas. 

148
00:08:22.360 --> 00:08:25.915
Nosotros en este proyecto hemos 
hecho pequeñas investigaciones, 

149
00:08:25.965 --> 00:08:29.035
pequeños experimentos 
con dos aspectos 

150
00:08:29.085 --> 00:08:32.180
que pensamos que permiten revelar 
la identidad de las personas, 

151
00:08:32.260 --> 00:08:36.020
como son el estilo y la prosodia.

152
00:08:36.159 --> 00:08:41.159
Un estilo aplicado al texto y la 
prosodia aplicada a la voz. 

153
00:08:41.740 --> 00:08:44.720
Y eso es lo que quería contar 
un poco más en detalle. 

154
00:08:45.640 --> 00:08:50.640
Entonces, sabemos que hay sistemas 
de detección de autoría 

155
00:08:51.040 --> 00:08:55.120
que funcionan razonablemente bien, 
tienen un cierto nivel de acierto. 

156
00:08:55.360 --> 00:09:00.360
Entonces, metemos un grupo 
de texto y le decimos, 

157
00:09:00.600 --> 00:09:01.989
a ver, ¿quién ha escrito esto?

158
00:09:02.040 --> 00:09:06.715
Y a través de entrenamiento 
de distintos parámetros, 

159
00:09:06.765 --> 00:09:09.427
le decimos, bueno, esto lo ha 
escrito esa persona, ¿vale? 

160
00:09:10.500 --> 00:09:12.515
Nosotros hemos replicado 
ese tipo de tecnología 

161
00:09:12.565 --> 00:09:17.540
con un corpus que teníamos 
ya en Sigma 

162
00:09:18.000 --> 00:09:19.640
desde hace un par de años.

163
00:09:20.140 --> 00:09:25.140
Es un corpus que pedimos que la 
gente escribiera reseñas de cosas 

164
00:09:25.500 --> 00:09:27.015
que se hubieran comprado hace poco.

165
00:09:27.065 --> 00:09:31.735
Bueno, pues he comprado cosas, 
una reseña y bueno, 

166
00:09:31.785 --> 00:09:35.195
esto me ha gustado, esto no, para 
tener el típico corpus de reseña 

167
00:09:35.245 --> 00:09:38.220
con el que entrenar un modelo de 
inteligencia artificial, ¿no? 

168
00:09:39.170 --> 00:09:43.485
Lo pedimos a muchísima gente, 
hicimos un proyecto con cientos 

169
00:09:43.535 --> 00:09:48.510
de informantes, cada uno de ellos 
hizo miles de reseñas, 

170
00:09:48.950 --> 00:09:53.950
cien centrales sí que hicieron, 
de todo tipo de objetos. 

171
00:09:56.170 --> 00:09:59.490
Bueno, con este corpus, como sabemos 
que las han escrito, 

172
00:09:59.610 --> 00:10:02.310
entrenamos un modelo para 
detectar la autoría. 

173
00:10:04.310 --> 00:10:08.225
El modelo tenía una tasa de acierto 
por encima del 70%. 

174
00:10:08.275 --> 00:10:13.250
Esto puede parecer poco, 
pero no está tan mal. 

175
00:10:13.530 --> 00:10:16.725
No está tan mal, entendiendo que 
simplemente estás hablando 

176
00:10:16.775 --> 00:10:18.417
de que te has comprado una bajadora.

177
00:10:18.710 --> 00:10:19.970
¿Por qué?

178
00:10:20.030 --> 00:10:25.030
Bueno, la gente usa, digamos, 
distintas coletillas o expresiones, 

179
00:10:27.010 --> 00:10:28.745
son muy frecuentes en ellos

180
00:10:28.795 --> 00:10:31.870
y en otros no, y con eso permiten 
identificarlos. 

181
00:10:32.130 --> 00:10:32.650
¿Vale?

182
00:10:34.790 --> 00:10:38.285
Entonces, nosotros viendo esto 
dijimos, vale, este también es 

183
00:10:38.335 --> 00:10:41.230
un problema de privacidad, ¿no?

184
00:10:41.550 --> 00:10:45.345
Porque yo estoy escribiendo 
algo, estoy pensando 

185
00:10:45.395 --> 00:10:48.405
que no estoy poniendo información 
personal mía, 

186
00:10:48.455 --> 00:10:50.405
pero en la manera en la 
que estoy escribiendo 

187
00:10:50.455 --> 00:10:54.515
se puede saber que soy yo con 
un cierto nivel de acierto, 

188
00:10:54.565 --> 00:10:55.650
¿vale?

189
00:10:56.510 --> 00:10:58.145
Entonces, lo que nos planteamos fue,

190
00:10:58.195 --> 00:11:00.330
vale, ¿cómo anonimizamos el estilo?

191
00:11:00.570 --> 00:11:05.505
¿Cómo lo hacemos para bajar, 
digamos, la tasa de acierto 

192
00:11:05.555 --> 00:11:06.830
de ese sistema sea más baja?

193
00:11:07.070 --> 00:11:10.025
Entonces, empezamos a pensar en 
elementos que podíamos modificar 

194
00:11:10.075 --> 00:11:15.050
y también analizando un poco 
los parámetros principales 

195
00:11:17.870 --> 00:11:20.310
que detectaba el modelo 
de reconocimiento. 

196
00:11:21.470 --> 00:11:24.730
Y vimos que muchas veces 
eran cosas del tipo. 

197
00:11:25.900 --> 00:11:28.560
Lo más tonto, la puntuación.

198
00:11:29.360 --> 00:11:31.200
Hay mucha gente, por ejemplo,

199
00:11:31.280 --> 00:11:36.280
que tiene costumbres de puntuación 
muy particulares. 

200
00:11:39.680 --> 00:11:41.840
Incluso de puntuación no normativa,

201
00:11:41.940 --> 00:11:45.080
de poner espacio antes de 
punto y cosas así, 

202
00:11:45.180 --> 00:11:47.180
digamos que.

203
00:11:48.400 --> 00:11:50.660
Identifica a una persona 
rapidísimamente. 

204
00:11:50.820 --> 00:11:53.320
O el uso de exclamaciones, 
el uso de punto y coma. 

205
00:11:53.940 --> 00:11:56.855
O si pone una interrogación, o dos,

206
00:11:56.905 --> 00:11:57.380
o tres.

207
00:11:58.180 --> 00:12:01.220
O si pone puntos suspensivos, o etc.

208
00:12:01.540 --> 00:12:03.580
Hay una serie de cosas 
en la puntuación. 

209
00:12:03.700 --> 00:12:04.835
O si no pone ninguna puntuación,

210
00:12:04.885 --> 00:12:05.380
o ni coma,

211
00:12:05.480 --> 00:12:07.120
o una coma detrás de cada palabra.

212
00:12:12.230 --> 00:12:15.750
Estos patrones, curiosamente, hay 
que identificar a las personas. 

213
00:12:16.070 --> 00:12:18.510
Entonces, nuestro tipo de cosas,

214
00:12:18.570 --> 00:12:20.690
inicialmente las que decidimos 
normalizar, 

215
00:12:22.500 --> 00:12:24.880
junto con las faltas de 
ortografía, ¿no? 

216
00:12:25.200 --> 00:12:29.835
Para ver si con eso bajaba 
la tasa de acierto 

217
00:12:29.885 --> 00:12:32.275
y efectivamente esa que ya digamos 
es hipótesis, ¿no? 

218
00:12:32.325 --> 00:12:36.040
O sea, esa fue una de 
las primeras dudas. 

219
00:12:36.160 --> 00:12:38.280
Una manera de anonimizar 
el estilo, ¿no? 

220
00:12:38.400 --> 00:12:42.405
Sería la normalización, digamos, 
a ese nivel ortográfico, ¿no? 

221
00:12:42.455 --> 00:12:43.720
Con eso ya ganaríamos algo.

222
00:12:44.000 --> 00:12:45.620
Y se podría ir más allá, ¿no?

223
00:12:45.680 --> 00:12:46.395
Lo hemos hecho, ¿no?

224
00:12:46.445 --> 00:12:48.960
Se podría ir más allá en el 
tema de usar, digamos, 

225
00:12:49.060 --> 00:12:51.000
un léxico más genérico, ¿no?

226
00:13:06.180 --> 00:13:11.180
En cuanto a la prosodia, aquí 
teníamos el tema del agua. 

227
00:13:13.800 --> 00:13:18.360
La anonimización de la voz, bueno, 
la voz también es un dato personal, 

228
00:13:18.580 --> 00:13:21.545
es un dato biométrico que hay que 
anonimizar según la ley, 

229
00:13:21.595 --> 00:13:22.580
etcétera, etcétera.

230
00:13:22.760 --> 00:13:26.875
Entonces, los anonimizadores de voz 
hay de varias generaciones 

231
00:13:26.925 --> 00:13:28.240
y de varias ramas.

232
00:13:28.680 --> 00:13:29.975
Están los más básicos,

233
00:13:30.025 --> 00:13:34.775
que lo que te hacen es distorsionar 
la voz con un filtro, digamos, 

234
00:13:34.825 --> 00:13:38.140
que toca la frecuencia fundamental 
o los formantes, ¿no? 

235
00:13:38.220 --> 00:13:40.440
Y esos son los más habituales o los.

236
00:13:41.440 --> 00:13:45.635
Los que hemos conocido hasta ahora 
que en los medios de comunicación 

237
00:13:45.685 --> 00:13:49.440
cuando presentan a un testigo de 
algo y sale la voz hablando, 

238
00:13:49.620 --> 00:13:53.235
este tipo de anonimización 
que todo el mundo conoce 

239
00:13:53.285 --> 00:13:56.080
y que muchas veces los 
pechados dicen, 

240
00:13:56.260 --> 00:13:59.140
pero si lo conocen, saben quién es.

241
00:14:01.020 --> 00:14:06.020
Y luego hay otra anonimización que 
se basa en el clonado de la voz. 

242
00:14:07.380 --> 00:14:09.540
Lo que hace esta anonimización 
es que te. 

243
00:14:11.460 --> 00:14:13.915
Te sustituyo tu voz por otra, ¿vale?

244
00:14:13.965 --> 00:14:18.200
De otra persona, un conjunto 
de personas, ¿no? 

245
00:14:19.660 --> 00:14:22.575
De tal manera que estás diciendo 
clarísimamente 

246
00:14:22.625 --> 00:14:24.220
lo mismo que has dicho, ¿vale?

247
00:14:24.680 --> 00:14:26.035
Pero con la voz de otra persona,

248
00:14:26.085 --> 00:14:30.180
incluso puede ser la voz de otra 
persona del sexo frontal. 

249
00:14:30.980 --> 00:14:32.240
O en otro acento.

250
00:14:32.300 --> 00:14:35.120
Te pueden poner una voz venezolana, 
una voz de niño, 

251
00:14:35.280 --> 00:14:36.447
una voz de persona mayor.

252
00:14:37.000 --> 00:14:38.920
Y está bastante bien.

253
00:14:39.000 --> 00:14:41.722
Es una voz sintética que da a partir 
de lo que has hablado tú. 

254
00:14:44.300 --> 00:14:46.155
Entonces, nosotros haciendo 
pruebas con esto, 

255
00:14:46.205 --> 00:14:49.680
vimos que, por lo que he comentado, 
aunque le cambie la voz, 

256
00:14:50.140 --> 00:14:50.973
sabemos que es él.

257
00:14:51.060 --> 00:14:52.227
Lo reconocemos todavía.

258
00:14:52.560 --> 00:14:53.800
Lo reconocemos todavía.

259
00:14:55.200 --> 00:14:55.995
¿Por qué lo reconocemos?

260
00:14:56.045 --> 00:15:01.020
Porque hay, digamos, aspectos en 
la organización temporal, 

261
00:15:01.580 --> 00:15:04.000
no sé cómo llamarlo, de la frase,

262
00:15:04.140 --> 00:15:08.680
que no se modifican en 
esta alteración. 

263
00:15:09.720 --> 00:15:12.320
Entonces, eso era un poco lo 
que queríamos probar. 

264
00:15:13.140 --> 00:15:16.040
Entonces, para eso montamos 
un experimento de, 

265
00:15:16.180 --> 00:15:17.902
lo llamamos, autorreconocimiento,

266
00:15:18.690 --> 00:15:21.270
en el que grabamos a varias personas,

267
00:15:21.590 --> 00:15:24.290
todo el mundo tenía que decir 
las mismas frases, ¿vale? 

268
00:15:24.930 --> 00:15:26.070
Una serie de frases.

269
00:15:26.630 --> 00:15:28.470
Luego los distorsionamos, las voces,

270
00:15:28.610 --> 00:15:30.590
y luego les dimos a escuchar 
las voces. 

271
00:15:30.770 --> 00:15:32.910
Le pusimos cinco voces,

272
00:15:33.090 --> 00:15:36.405
una voz eran ellos, y luego había 
cuatro voces que eran 

273
00:15:36.455 --> 00:15:36.985
otras personas.

274
00:15:37.035 --> 00:15:39.650
A ver si se reconocían 
a sí mismos, ¿no? 

275
00:15:39.730 --> 00:15:40.230
¿Vale?

276
00:15:42.390 --> 00:15:45.730
Los resultados fueron interesantes.

277
00:15:46.510 --> 00:15:49.265
En general, cuando no se hacía

278
00:15:49.315 --> 00:15:52.250
ninguna modificación, las personas 
se reconocían a sí mismas. 

279
00:15:53.210 --> 00:15:54.210
Pero no siempre.

280
00:15:56.270 --> 00:15:58.835
Porque a veces hay gente que 
no se reconoce grabada, 

281
00:15:58.885 --> 00:15:59.610
y esto pasa.

282
00:15:59.890 --> 00:16:02.190
Te grabas y dices, ni me reconozco.

283
00:16:03.010 --> 00:16:06.990
En el 99% de los casos, la gente 
se reconocía a sí misma. 

284
00:16:08.030 --> 00:16:11.915
Con las técnicas clásicas 
de distorsión, 

285
00:16:11.965 --> 00:16:16.170
se seguía el reconocimiento, pero 
ya menos, ahí fallaba más. 

286
00:16:18.050 --> 00:16:20.470
Y con el clonado también se 
seguían reconociendo, 

287
00:16:20.630 --> 00:16:22.570
pero todavía fallaban más.

288
00:16:22.670 --> 00:16:25.805
O sea, el nivel de 
autorreconocimiento bajaba 

289
00:16:25.855 --> 00:16:30.830
a medida que el algoritmo de 
animización de la voz 

290
00:16:35.150 --> 00:16:37.170
era más complejo.

291
00:16:38.510 --> 00:16:42.810
Pero no pasaba igual con 
todos los enunciados. 

292
00:16:43.690 --> 00:16:45.745
Entonces grabamos distintos 
enunciados 

293
00:16:45.795 --> 00:16:47.310
con distintos actos de habla.

294
00:16:48.320 --> 00:16:48.795
¿Por qué?

295
00:16:48.845 --> 00:16:51.835
Porque cuando hacemos 
una enunciativa, 

296
00:16:51.885 --> 00:16:53.195
pues todos las hacemos igual.

297
00:16:53.245 --> 00:16:58.120
Cuando hacemos una pregunta, pues 
casi todas las hacemos igual. 

298
00:16:58.200 --> 00:17:00.900
Pero cuando hay que amenazar 
a alguien, por ejemplo, 

299
00:17:01.360 --> 00:17:03.300
uno de los actores de 
habla es amenaza, 

300
00:17:03.420 --> 00:17:08.420
o insulta, o agradecimiento.

301
00:17:08.520 --> 00:17:11.260
Pues aquí cada uno tiene un 
patrón melódico distinto. 

302
00:17:12.020 --> 00:17:14.920
No hay, digamos, una norma.

303
00:17:15.780 --> 00:17:19.060
Entonativa, me corrija la gente 
que más sabe de esto, 

304
00:17:19.160 --> 00:17:21.115
clara, ¿no?

305
00:17:21.165 --> 00:17:24.180
Sobre cómo hacer una amenaza, ¿vale?

306
00:17:24.300 --> 00:17:27.780
En bastante más variedad, digamos, 
entre locutores, ¿no? 

307
00:17:28.640 --> 00:17:31.880
Entonces, en estos casos, el 
autorrenovamiento era mayor, 

308
00:17:32.080 --> 00:17:32.735
¿vale?

309
00:17:32.785 --> 00:17:34.580
Dice, vale, yo sé que soy ese,

310
00:17:34.720 --> 00:17:39.720
como hayáis puesto una voz 
venezolana en otro género, ¿no? 

311
00:17:40.280 --> 00:17:44.185
Yo sé que soy ese porque ese 
tipo de entonación, 

312
00:17:44.235 --> 00:17:44.998
eso va a cambiar.

313
00:17:45.640 --> 00:17:46.140
¿Vale?

314
00:17:47.700 --> 00:17:52.435
Pues esto es lo que vimos un 
poco con ese experimento, 

315
00:17:52.485 --> 00:17:57.015
esos temas de prosodia que 
también nos hacen pensar 

316
00:17:57.065 --> 00:18:02.040
en que, bueno, el ritmo en el que 
habla uno quizá también es 

317
00:18:03.820 --> 00:18:08.300
un aspecto que habría que anonimizar 
cuando se anonimiza una voz, ¿vale? 

318
00:18:08.460 --> 00:18:12.575
La manera más radical de hacerlo 
es sintetizarla por completo 

319
00:18:12.625 --> 00:18:13.720
y se acabó, ¿no?

320
00:18:14.670 --> 00:18:17.745
Pero muchas veces con eso se 
pierde la naturalidad 

321
00:18:17.795 --> 00:18:20.630
y se pierde utilidad, que es 
lo que he comentado antes, 

322
00:18:20.770 --> 00:18:24.890
la búsqueda de este equilibrio entre 
la utilidad y la naturalidad. 

323
00:18:29.440 --> 00:18:33.000
Este tipo de eventos son complejos 
de anonimizar, 

324
00:18:33.080 --> 00:18:36.300
pero incluso los que son sencillos 
de anonimizar, 

325
00:18:36.420 --> 00:18:40.740
como por ejemplo los que he 
comentado antes, el nombre, 

326
00:18:40.840 --> 00:18:43.760
la dirección, el número de teléfono,

327
00:18:43.840 --> 00:18:46.540
pues se dan contextos en 
los que es difícil. 

328
00:18:48.170 --> 00:18:51.010
Automatizar su detección 
y anonimización, ¿no? 

329
00:18:51.070 --> 00:18:52.885
Entonces, eso es lo que he comentado 
aquí en el punto 5 

330
00:18:52.935 --> 00:18:54.950
de los desafíos para 
la automatización. 

331
00:18:55.210 --> 00:18:57.950
Es otro de los problemas 
que nos encontramos. 

332
00:19:00.570 --> 00:19:01.737
Cuando tenemos un texto,

333
00:19:01.850 --> 00:19:04.530
pues identificar esos elementos 
es trivial, ¿no? 

334
00:19:04.610 --> 00:19:06.525
Identificar un teléfono en 
un texto es trivial. 

335
00:19:06.575 --> 00:19:09.310
Es una regla, una expresión regular,

336
00:19:09.410 --> 00:19:09.910
se llama.

337
00:19:11.430 --> 00:19:14.105
Identificar un número de teléfono en 
una persona que está dictando 

338
00:19:14.155 --> 00:19:16.670
también es irrelevante, ¿no?

339
00:19:18.170 --> 00:19:19.145
Pero en una conversación,

340
00:19:19.195 --> 00:19:21.805
identificar un teléfono 
no es tan sencillo. 

341
00:19:21.855 --> 00:19:25.805
Esto también nos dimos cuenta 
cuando tuvimos que tratar 

342
00:19:25.855 --> 00:19:28.555
con datos reales de distintos 
proyectos. 

343
00:19:28.605 --> 00:19:31.330
Aquí hay un proyecto que se llama 
ARPA y otro Pragmacore. 

344
00:19:31.430 --> 00:19:36.045
En el proyecto ARPA recibimos una 
serie de grabaciones que eran 

345
00:19:36.095 --> 00:19:39.870
de un asistente de venta de Renfe.

346
00:19:40.010 --> 00:19:42.730
Una persona está intentando 
comprar un billete. 

347
00:19:47.740 --> 00:19:48.215
¿no?

348
00:19:48.265 --> 00:19:48.975
La persona, ¿no?

349
00:19:49.025 --> 00:19:51.635
Y le está dando datos personales 
todo el rato, obviamente, ¿no? 

350
00:19:51.685 --> 00:19:53.715
Pero claro, los datos personales, 
¿cómo se los da? 

351
00:19:53.765 --> 00:19:54.240
¿no?

352
00:19:54.300 --> 00:19:56.620
No se los da todo seguido.

353
00:19:56.680 --> 00:19:58.347
Y ahora mi número de identidad, ¿no?

354
00:19:58.600 --> 00:20:00.935
O sea, el fragmento para dar 
el número de identidad, 

355
00:20:00.985 --> 00:20:04.675
a lo mejor es una sección 
de la conversación 

356
00:20:04.725 --> 00:20:06.735
de dos minutos, ¿no?

357
00:20:06.785 --> 00:20:08.895
Que tiene interrupciones, 
repeticiones 

358
00:20:08.945 --> 00:20:11.280
y todo tipo de solapamientos, ¿no?

359
00:20:11.770 --> 00:20:15.625
Y eventos que hacen que, aunque 
se reconozcan bien 

360
00:20:15.675 --> 00:20:17.850
por el sistema de reconocimiento 
automático, 

361
00:20:17.970 --> 00:20:21.630
no se va a entender luego cómo 
que eso es un número, 

362
00:20:21.710 --> 00:20:23.110
porque está tan, digamos,

363
00:20:23.330 --> 00:20:27.790
destructurado que no tiene 
apariencia de número siquiera. 

364
00:20:28.390 --> 00:20:31.510
Entonces, este es uno de los 
problemas que nos encontramos ahí. 

365
00:20:33.270 --> 00:20:35.730
Otro problema era en los contextos 
de solapamiento. 

366
00:20:35.970 --> 00:20:37.585
Están hablando dos personas a la vez,

367
00:20:37.635 --> 00:20:40.485
o los humanos todavía tenemos 
la capacidad 

368
00:20:40.535 --> 00:20:42.510
de identificar qué dice cada uno,

369
00:20:42.630 --> 00:20:46.310
pero las máquinas todavía 
fallan mucho con esto. 

370
00:20:46.610 --> 00:20:49.054
Ponéis dos personas hablando 
a la vez, se para quién. 

371
00:20:50.450 --> 00:20:55.265
Y luego en el proyecto PragmaCore 
era distinto. 

372
00:20:55.315 --> 00:20:58.025
El contexto era un poco 
más complejo aún 

373
00:20:58.075 --> 00:20:59.885
porque eran conversaciones 
telefónicas también, 

374
00:20:59.935 --> 00:21:02.130
pero eran en varios idiomas.

375
00:21:03.420 --> 00:21:05.420
Eran conversaciones con intérpretes.

376
00:21:07.100 --> 00:21:09.260
Una persona estaba hablando español,

377
00:21:09.480 --> 00:21:13.595
había un intérprete traduciéndola 
al inglés 

378
00:21:13.645 --> 00:21:18.620
y luego había otra persona 
hablando en inglés. 

379
00:21:21.980 --> 00:21:23.580
Entonces aquí había dos idiomas,

380
00:21:23.740 --> 00:21:27.060
aquí había que utilizar dos sistemas 
que estaban en los idiomas, 

381
00:21:27.140 --> 00:21:29.580
había mezcla de idiomas, 
había incluso. 

382
00:21:30.370 --> 00:21:33.086
Terceros y cuartos idiomas que 
no estaban identificados. 

383
00:21:33.136 --> 00:21:36.785
Y en esos idiomas a veces también 
hay información, datos personales, 

384
00:21:36.835 --> 00:21:40.190
pero como no las hemos detectado, 
no las podemos anonimizar. 

385
00:21:40.390 --> 00:21:44.390
Y eran audios que tenían 
cierta sensibilidad, 

386
00:21:44.470 --> 00:21:48.690
porque a veces trataban de temas 
sociales o médicos. 

387
00:21:49.150 --> 00:21:53.710
Y bueno, anonimizamos eso, pero 
hubo que hacerlo manualmente. 

388
00:21:53.810 --> 00:21:54.305
¿Por qué?

389
00:21:54.355 --> 00:21:56.925
Porque hay momentos que 
tú no estás seguro 

390
00:21:56.975 --> 00:21:58.350
de que en ese ruido.

391
00:21:59.160 --> 00:22:00.235
La máquina no ha entendido nada,

392
00:22:00.285 --> 00:22:03.200
pero claramente está diciendo la 
dirección de una persona. 

393
00:22:04.880 --> 00:22:08.660
Este es un poco el desafío que 
tenemos con la automatización. 

394
00:22:10.800 --> 00:22:15.400
En resumen, todas estas técnicas 
son automatizables, 

395
00:22:15.480 --> 00:22:20.240
pero en entornos muy críticos sería 
recomendable hacerlo en mano. 

396
00:22:20.460 --> 00:22:22.738
En sus manos todavía tenemos 
algo que hacer aquí. 

397
00:22:25.250 --> 00:22:29.185
Bueno, y por último, para 
finalizar esta charla, 

398
00:22:29.235 --> 00:22:32.845
como siempre hay que hablar de 
la inteligencia artificial 

399
00:22:32.895 --> 00:22:37.870
en todos los foros, aquí un poco 
está más justificado. 

400
00:22:39.070 --> 00:22:41.705
También hemos utilizado la 
inteligencia artificial 

401
00:22:41.755 --> 00:22:43.350
en este proyecto.

402
00:22:44.930 --> 00:22:46.950
La inteligencia artificial, 
como sabéis, 

403
00:22:47.070 --> 00:22:49.410
no solo sirve para.

404
00:22:50.590 --> 00:22:53.465
Dejarnos sin trabajo y 
volvernos estúpidos 

405
00:22:53.515 --> 00:22:58.490
y aniquilar a la humanidad, sino que 
también tiene usos positivos 

406
00:22:59.150 --> 00:23:02.505
para resolver los problemas 
matemáticos, 

407
00:23:02.555 --> 00:23:06.345
para detectar enfermedades

408
00:23:06.395 --> 00:23:09.230
y crear los medicamentos que 
van a salvar a todos. 

409
00:23:10.090 --> 00:23:12.806
Esto es un poco paradójico, por 
un lado nos van a aniquilar, 

410
00:23:12.856 --> 00:23:14.961
pero por otro lado nos van 
a hacer inmortales. 

411
00:23:16.030 --> 00:23:20.370
La IA también puede servir no 
solo para desnudarnos, 

412
00:23:20.450 --> 00:23:22.370
sino también para protegernos.

413
00:23:22.690 --> 00:23:25.490
Hemos intentado buscar esa utilidad,

414
00:23:25.550 --> 00:23:30.465
de qué manera con la IA podemos 
generar una identidad alternativa 

415
00:23:30.515 --> 00:23:35.290
para sustituirla en documentos, 
vídeos, audios. 

416
00:23:35.430 --> 00:23:37.610
Esas son las técnicas que 
selecciono aquí. 

417
00:23:38.460 --> 00:23:42.375
La pseudonimización consiste en 
documentos donde está escrito 

418
00:23:42.425 --> 00:23:43.555
nuestro nombre, nuestra dirección,

419
00:23:43.605 --> 00:23:45.925
asignar otro nombre a otra dirección,

420
00:23:45.975 --> 00:23:49.235
generarla automáticamente, 
manteniendo la naturalidad 

421
00:23:49.285 --> 00:23:50.720
y la utilidad del documento.

422
00:23:52.680 --> 00:23:55.695
Otra posibilidad es la anonimización 
diferencial, 

423
00:23:55.745 --> 00:23:57.500
eso se aplica en la voz.

424
00:23:59.260 --> 00:24:04.260
En la voz podemos sustraer de una voz

425
00:24:04.540 --> 00:24:09.540
los aspectos que revelan información 
sobre nuestra edad, 

426
00:24:12.840 --> 00:24:16.315
nuestro sexo, nuestro acento,

427
00:24:16.365 --> 00:24:18.360
pero manteniendo otros aspectos.

428
00:24:19.070 --> 00:24:23.390
Que son, digamos, propios 
de nuestra voz. 

429
00:24:23.490 --> 00:24:26.130
Es decir, yo anonimizo la 
voz, le quito, digamos, 

430
00:24:26.270 --> 00:24:28.490
información que no quiero 
que se sepa de mí, 

431
00:24:28.570 --> 00:24:31.110
pero esa voz sigue siendo 
mía y solo mía, ¿vale? 

432
00:24:31.630 --> 00:24:34.945
Tiene algunas utilidades en sistemas 
de identificación de voz, ¿no? 

433
00:24:34.995 --> 00:24:36.270
Dice, bueno, esta es mi voz,

434
00:24:36.390 --> 00:24:39.225
pero a partir de ella no podéis 
saber la edad que tengo 

435
00:24:39.275 --> 00:24:41.930
ni nada de mi procedencia, ¿vale?

436
00:24:44.940 --> 00:24:46.875
Y luego por último también 
hemos hecho pruebas 

437
00:24:46.925 --> 00:24:51.900
con la generación sintética de 
voz y también de imagen, 

438
00:24:52.180 --> 00:24:56.520
para sustituir lo típico, la cara 
de una persona por la de otra, 

439
00:24:56.680 --> 00:25:01.680
sin afectar al resto de la 
imagen o el documento. 

440
00:25:05.580 --> 00:25:08.680
Estos han sido un poco los usos 
que le hemos dado a esto. 

441
00:25:09.580 --> 00:25:11.700
Bueno, este era un poco 
el repaso todo. 

442
00:25:22.780 --> 00:25:26.340
Toda esta investigación,

443
00:25:26.700 --> 00:25:28.075
todo este proyecto está 
un poco recogido 

444
00:25:28.125 --> 00:25:32.615
en este artículo que se ha 
publicado en la revista, 

445
00:25:32.665 --> 00:25:35.315
en una revista que ha publicado la 
Agencia Española de Protección de 

446
00:25:35.365 --> 00:25:39.360
Datos, se llama PIT, Privacidad, 
Innovación y Tecnología. 

447
00:25:40.660 --> 00:25:45.555
Aquí está, si os interesa más y 
queréis un poco más en detalle 

448
00:25:45.605 --> 00:25:47.455
y con bibliografía un poco 
de lo que hemos hecho 

449
00:25:47.505 --> 00:25:48.313
en este proyecto.

450
00:25:49.340 --> 00:25:53.175
Aquí está el resumen de este proyecto

451
00:25:53.225 --> 00:25:56.880
y todas las personas que han 
trabajado en él, que son bastantes. 

452
00:25:57.840 --> 00:26:02.840
Y bueno, voy a contar con la hora

453
00:26:03.580 --> 00:26:04.555
o va a estar de la hora.

454
00:26:04.605 --> 00:26:05.358
Muchas gracias.

455
00:26:11.920 --> 00:26:13.031
Muchas gracias, Jorge.

456
00:26:13.200 --> 00:26:16.120
Sí que tenemos unos minutitos 
para hacer preguntas, 

457
00:26:16.440 --> 00:26:21.120
que seguro que han suscitado 
por lo menos inquietudes. 

458
00:26:23.840 --> 00:26:28.840
A mí lo que ya lleva tiempo 
preocupándome, 

459
00:26:37.140 --> 00:26:42.140
sobre todo en la parte de habla, 
de voz, que está muy ligado, 

460
00:26:43.070 --> 00:26:47.205
es que efectivamente si tú generas, 
por ejemplo, un corpus que habla 

461
00:26:47.255 --> 00:26:51.230
y lo quieres ofrecer públicamente 
y tienes que anonimizarlo, 

462
00:26:51.310 --> 00:26:56.310
eso entra en conflicto a veces con 
el propio uso del corpus. 

463
00:26:56.390 --> 00:27:00.810
Porque evidentemente hay detalles 
que te interesan en el corpus, 

464
00:27:00.890 --> 00:27:04.490
como la prosodia, que detienen 
a la persona, 

465
00:27:04.690 --> 00:27:09.610
pero si los eliminas, el corpus 
deja de ser valioso. 

466
00:27:10.670 --> 00:27:12.445
No sé si os habéis encontrado 
con cosas así 

467
00:27:12.495 --> 00:27:14.690
y cómo se puede resolver.

468
00:27:15.130 --> 00:27:18.990
Realmente, a nivel legal no sé 
qué límites se imponen, 

469
00:27:19.070 --> 00:27:24.070
pero a veces los datos en 
sí mismos son sensibles 

470
00:27:24.350 --> 00:27:26.330
y son necesarios para hacer un.

471
00:27:27.140 --> 00:27:32.140
Sí, para seguridad e investigación 
cualquier modificación o alteración 

472
00:27:32.520 --> 00:27:37.520
que haga de esos datos pues 
le quita valor, ¿no? 

473
00:27:37.820 --> 00:27:40.175
Pues ya son datos generados 
sintéticamente 

474
00:27:40.225 --> 00:27:41.515
o modificados sintéticamente

475
00:27:41.565 --> 00:27:46.160
y eso no lo va a querer nadie 
para su investigación. 

476
00:27:46.560 --> 00:27:48.400
A nosotros nos ha pasado, ¿no?

477
00:27:49.420 --> 00:27:53.420
Nosotros, porque trabajamos también 
sobre los datos, ¿no? 

478
00:27:53.480 --> 00:27:56.360
Tenemos datasets que para.

479
00:27:56.920 --> 00:27:58.160
Para clientes y tal.

480
00:27:58.940 --> 00:28:03.940
Y efectivamente lo manejamos con 
consentimiento de las personas. 

481
00:28:04.380 --> 00:28:05.324
Es que no ha quedado.

482
00:28:06.280 --> 00:28:08.502
Al final falta consentimiento 
de las personas. 

483
00:28:09.140 --> 00:28:11.060
Lo hemos intentado evitar 
en algún caso, 

484
00:28:11.200 --> 00:28:14.820
pero no funciona porque pierde valor.

485
00:28:15.540 --> 00:28:20.540
Y sí que se puede hacer por lo menos 
lo que son las entidades 

486
00:28:20.620 --> 00:28:23.100
en el habla.

487
00:28:23.700 --> 00:28:24.220
No.

488
00:28:25.350 --> 00:28:30.350
Introduciendo pitidos o silencios 
para no inundar fragmentos. 

489
00:28:31.890 --> 00:28:36.890
Y también teníamos, bueno, hemos 
probado también la posibilidad 

490
00:28:37.190 --> 00:28:39.670
de hacer sustituciones 
solo de esas partes, 

491
00:28:39.770 --> 00:28:43.170
para mantener, digamos, una 
continuidad, digamos, 

492
00:28:43.290 --> 00:28:43.970
en el audio.

493
00:28:44.720 --> 00:28:45.220
¿Vale?

494
00:28:45.360 --> 00:28:46.555
Para que alguien está hablando,

495
00:28:46.605 --> 00:28:49.555
si de repente dicen datos personales,

496
00:28:49.605 --> 00:28:53.195
pues sustituirlos, digamos, 
con otros datos, ¿no? 

497
00:28:53.245 --> 00:28:53.740
General.

498
00:28:53.880 --> 00:28:58.880
Pero, insisto, muchas veces no es 
aceptable para investigaciones. 

499
00:29:04.040 --> 00:29:04.560
Victoria.

500
00:29:04.880 --> 00:29:05.640
Sí, sí.

501
00:29:06.140 --> 00:29:10.140
Bueno, ha pasado el tiempo 
que como siempre. 

502
00:29:11.600 --> 00:29:13.625
A mí me venían muchas 
cosas a la cabeza, 

503
00:29:13.675 --> 00:29:15.438
uno de los que están 
comentando ahora, 

504
00:29:15.580 --> 00:29:20.495
y tengo una reflexión general 
de este tipo 

505
00:29:20.545 --> 00:29:21.860
y una pregunta concreta.

506
00:29:21.920 --> 00:29:24.500
La reflexión general es, 
¿hasta qué punto esto? 

507
00:29:24.720 --> 00:29:27.880
Si está determinado por 
una obligación legal, 

508
00:29:28.040 --> 00:29:30.115
¿se puede considerar una 
aplicación forense 

509
00:29:30.165 --> 00:29:31.120
de la lingüística?

510
00:29:32.310 --> 00:29:32.785
Porque es

511
00:29:32.835 --> 00:29:36.130
justamente todo lo contrario 
a la lingüística forense, 

512
00:29:36.210 --> 00:29:40.565
donde intenta justamente encontrar 
los rasgos indexicales 

513
00:29:40.615 --> 00:29:41.450
de cada locutor.

514
00:29:41.510 --> 00:29:43.810
Es borrar todo eso,

515
00:29:43.890 --> 00:29:45.590
es como la careta.

516
00:29:45.650 --> 00:29:50.650
Es muy interesante hacer un estado 
de la cuestión de esa disciplina. 

517
00:29:51.750 --> 00:29:52.610
Sí, sí, claro.

518
00:29:53.810 --> 00:29:56.150
Obviamente es lo que tú has dicho.

519
00:29:56.210 --> 00:29:59.330
Es lo contrario que lo que 
sigue la forense. 

520
00:29:59.470 --> 00:30:00.430
¿Pero es forense?

521
00:30:00.590 --> 00:30:01.390
No, no, no.

522
00:30:01.930 --> 00:30:06.930
Aunque sea por imperativo legal, 
no lo considera forense. 

523
00:30:07.630 --> 00:30:09.430
No es por imperativo legal.

524
00:30:09.630 --> 00:30:13.830
No hay imperativo legal de 
anonimizar los datos. 

525
00:30:14.920 --> 00:30:19.920
El objetivo es conservarlos, 
no distribuirlos, 

526
00:30:23.280 --> 00:30:25.760
hacer un buen uso de los datos.

527
00:30:25.860 --> 00:30:29.192
Tú no tienes por qué anonimizar los 
datos que tienes en tu organización. 

528
00:30:29.241 --> 00:30:31.295
Lo que tienes que hacer es 
conservarlos y distribuirlos 

529
00:30:31.345 --> 00:30:32.555
cuando tengas que distribuirlos.

530
00:30:32.605 --> 00:30:36.160
La anonimización es como para darle 
una segunda vida a estos datos. 

531
00:30:37.980 --> 00:30:38.480
¿Vale?

532
00:30:38.680 --> 00:30:40.400
O para distribuirlos, ¿no?

533
00:30:41.280 --> 00:30:44.420
Por ejemplo, los datos 
para investigación, 

534
00:30:44.720 --> 00:30:47.175
los datos clínicos que están 
anonimizados se pueden usar 

535
00:30:47.225 --> 00:30:47.940
y son públicos.

536
00:30:48.440 --> 00:30:49.000
¿Vale?

537
00:30:50.460 --> 00:30:51.020
Claro.

538
00:30:51.360 --> 00:30:52.220
Ese es el punto.

539
00:30:53.700 --> 00:30:58.235
Y decimos que lo que has puesto, 
si no fuera porque la ley dice 

540
00:30:58.285 --> 00:31:00.465
que no puede distribuir 
datos personales, 

541
00:31:00.515 --> 00:31:03.240
nadie se tomaría el trabajo 
de anonimizar. 

542
00:31:04.960 --> 00:31:05.740
Sí, claro.

543
00:31:06.920 --> 00:31:10.195
En cierta medida la animación te 
permite digamos compartirlos 

544
00:31:10.245 --> 00:31:15.220
distribuirlos comercializarlos 
porque dejan de ser personales bueno 

545
00:31:17.400 --> 00:31:22.400
y mi pregunta dijiste que en la 
parte cuando ya se había clonado la voz 

546
00:31:24.380 --> 00:31:26.715
y te habían puesto a mí me 
habían puesto la voz 

547
00:31:26.765 --> 00:31:30.955
de un vasco más varón porque si 
me ponen la de un venezolano 

548
00:31:31.005 --> 00:31:34.920
aunque quiera digas parecida.

549
00:31:35.370 --> 00:31:40.370
Te fui reconociendo cada uno 
por cuestiones rítmicas, 

550
00:31:41.290 --> 00:31:45.690
pero el ejemplo que pusiste me 
pareció más entonativo, 

551
00:31:45.850 --> 00:31:47.770
cómo hago yo las amenazas.

552
00:31:49.690 --> 00:31:52.170
Sí, porque eran frases cortas.

553
00:31:52.410 --> 00:31:57.410
En textos largos es más probable 
que ahí surja el ritmo, 

554
00:32:00.170 --> 00:32:03.670
porque eran enunciados de cuatro 
o cinco palabras, 

555
00:32:03.970 --> 00:32:06.790
entonces había poca pausa que hacer.

556
00:32:08.180 --> 00:32:12.500
Pero sí, es una mezcla entre 
ritmo y entonación, 

557
00:32:12.660 --> 00:32:17.275
es una prosodia, una combinación 
de cosas que tú lo oyes, 

558
00:32:17.325 --> 00:32:20.280
no tengo claro exactamente qué 
es, pero tú lo oyes y dices, 

559
00:32:20.400 --> 00:32:22.800
ese soy yo, ¿no?

560
00:32:23.020 --> 00:32:24.500
Porque yo hablo así, ¿no?

561
00:32:24.920 --> 00:32:26.680
Porque cambia la voz,

562
00:32:26.820 --> 00:32:29.780
el futuro que está haciendo es 
cambiar la parte sentimental, 

563
00:32:30.140 --> 00:32:31.860
la parte protótica no la toca.

564
00:32:31.920 --> 00:32:32.795
Sí, sí, no toca nada.

565
00:32:32.845 --> 00:32:35.400
Entonces, tú dices, este soy 
yo por la prosodia. 

566
00:32:37.520 --> 00:32:40.185
En realidad también cambia 
la parte suprasegmental, 

567
00:32:40.235 --> 00:32:42.935
la hace mucho más perfecta, 
mucho menos. 

568
00:32:42.985 --> 00:32:46.840
Reduce los fallos vocales, 
el pronado. 

569
00:32:46.960 --> 00:32:49.200
Pero no te cambia el pronado.

570
00:32:49.400 --> 00:32:50.844
Desde luego no cambia la curva.

571
00:32:50.920 --> 00:32:53.915
Pero si analizas, es que 
justo la semana 

572
00:32:53.965 --> 00:32:55.835
pasada en Tenerife estuvimos 
hablando de esto, 

573
00:32:55.885 --> 00:33:00.580
si analizas medidas muy concretas 
de microvariación, 

574
00:33:00.640 --> 00:33:04.760
GTSIM, macronismo, quizás cosas, 
la máquina las hace. 

575
00:33:06.800 --> 00:33:08.900
Eso sí que corrige,

576
00:33:09.000 --> 00:33:14.000
pero la organización temporal 
no lo hace. 

577
00:33:14.740 --> 00:33:17.520
Y eso te delata.

578
00:33:21.480 --> 00:33:22.880
¿Qué pasa con lo que dices?

579
00:33:24.500 --> 00:33:27.235
Si lo que decías de la 
lingüística forense 

580
00:33:27.285 --> 00:33:30.615
porque yo también he pensado lo 
mismo mientras te escuchaba 

581
00:33:30.665 --> 00:33:34.715
y a mí la sensación que me da es 
que es lingüística forense 

582
00:33:34.765 --> 00:33:37.455
como un nuevo camino diferente

583
00:33:37.505 --> 00:33:42.055
pero me parece yo me veo un puntito 
forense yo lo veo forense 

584
00:33:42.105 --> 00:33:47.080
de otra manera como ahora en 
vez de desmascararnos 

585
00:33:47.520 --> 00:33:48.600
nos vamos a poner.

586
00:33:49.790 --> 00:33:50.512
Máscaras, ¿no?

587
00:33:51.470 --> 00:33:53.390
Bueno, antiforense.

588
00:33:55.670 --> 00:33:56.337
Antiforense.

589
00:33:58.050 --> 00:34:03.050
En el artículo, esto 
no está publicado, 

590
00:34:03.270 --> 00:34:06.885
bueno, está publicado, lo 
presentamos en varios congresos, 

591
00:34:06.935 --> 00:34:09.845
en el artículo está una referencia 
a ese experimento 

592
00:34:09.895 --> 00:34:11.385
un poco más detallada,

593
00:34:11.435 --> 00:34:12.319
por si os interesa.

594
00:34:14.790 --> 00:34:18.190
Muy bien, muchas gracias Jorge, 
muy interesante ese punto. 

