Cómo los algoritmos de recomendación dan forma a todo con lo que interactuamos en línea

El reportero de Quartz, Bruce Gil, explica las fórmulas que influyen en lo que transmitimos, compramos y vemos en línea.

Por
Es posible que se gane una comisión por los enlaces en esta página.
Imagen para el artículo titulado Cómo los algoritmos de recomendación dan forma a todo con lo que interactuamos en línea
Ilustración: Vicky Leta

Escuche en: Pódcasts de Apple | Spotify | Pandora

Esta es la transcripción completa de la temporada 7, episodio 6 — El algoritmo: Cartas de recomendación — del Podcast de obsesión de cuarzo.

Publicidad

Gabriela: Quiero obtener un pequeño meta aquí, oyentes. Por una razón u otra, abrieron alguna herramienta de transmisión digital y te llevó a mí. O mejor dicho, mi voz presentando este podcast. Tal vez estás en tu computadora y alguien que conoces compartió este enlace en una de tus redes sociales. Tal vez eres un fan que nos sigue y tu teléfono te envió una alerta push con un nuevo episodio.

Tal vez. Estabas en una plataforma donde tiendes a escuchar otras cosas, audiolibros, álbumes, episodios de radio y nuestro pequeño programa sirvió aparece en tu pantalla. Escucha sugerida. Programas que podrían gustar. Recomendado para tí. En algún lugar dentro de las profundidades de tu pantalla, alguien o algo ha estado determinando silenciosamente lo que querrás escuchar a continuación.

Publicidad

Muy bien, Bruce, ya tienes que escuchar mi voz todo el día en la oficina y en las llamadas de Zoom. ¿Cómo te sentirías? ¿Si el algoritmo te atrajo a este episodio?

bruce: Sentiría que lo hizo bien, que me conoce bastante bien. Me encanta hablar sobre algoritmos con los editores de Quartz.

Publicidad

Gabriela: Soy Gabriela Riccardi, la presentadora de la séptima temporada de Quartz Obsession, donde analizamos más de cerca las tecnologías y las ideas. que definen nuestras vidas.

Publicidad

Entonces, prepárate para aprender sobre el aprendizaje automático, porque hoy estoy hablando con Bruce Gill de Quartz sobre algoritmos.

Publicidad

Entonces, cuando hablamos de algoritmos, al menos aquí, estamos hablando de algoritmos de recomendación, la extensa y peculiar cadena de números que a cargo de descubrir lo que te gusta y dictar cómo se convierte en todo lo que ves en línea. Con eso en mente, Bruce, explica Para mí, ¿cómo llegaste por primera vez al algoritmo?

¿Dónde encontramos algoritmos de recomendación en nuestra vida diaria?

bruce: Mi relación con el algoritmo ha sido, en su mayor parte, bastante positiva. Soy una persona bastante indecisa por naturaleza. la idea de tener algo, supongo, que me ayuda a decidir qué comer. Como Grubhub, por favor, dame recomendaciones. Netflix, dime qué es bueno ver. Spotify, dame tu lista de reproducción seleccionada.

Publicidad

Pero diré que había algo un poco diferente en TikTok. Y creo que mucha gente tiene una experiencia similar en la que parecía que te conocía demasiado bien. Y al principio pensé que era increíble. De nuevo, era como una experiencia muy constante. Transmisión de contenido entretenido bueno.

Gabriela: ¿Qué hizo que pareciera demasiado bueno? ¿Cuáles eran los tipos de cosas que le estaba ofreciendo?

Publicidad

bruce: Fueron simplemente muchas cosas que no estoy segura de cómo sabía que disfrutaría o me gustarían. de algunas cosas estándar si sabes sobre mí. Clips de carreras de drag. Había algunos videos de ASMR. Me encanta ver, ya sabes, A la gente le gusta darle golpecitos a las cosas o cortar jabón.

No sé por qué.

Gabriela: Te rasca la picazón en tu cerebro. A veces es inexplicable.

bruce: Exactamente. Y luego otra cosa extraña que también noté fue que me contó un poco sobre mi historia. . Me mostraría memes de viejos tiempos que solía ver con mi familia cuando era niño.

Publicidad

Y me pregunto, ¿cómo llegó esto aquí? Porque yo no era algo que yo mismo estaba buscando en TikTok. Al final simplemente Me di cuenta de que era casi demasiado eficiente cuando pasaba horas. Afectaría mi sueño. Terminé deshacerme de la aplicación para mi teléfono, solo para mí, preferencia personal, y una vez que me gustó, comencé a aprender más sobre estos algoritmos, se sintió un poco engañoso o como, algo así como un pequeño embaucador que sabe más sobre tus intereses de lo que probablemente tú mismo conoces .

Gabriela: Todos escuchamos esto con bastante frecuencia, como si nos sumergiéramos en una nueva plataforma social o en un ecosistema digital diferente. y de repente está sacando a la luz todas estas cosas que sabe sobre nosotros. Hacemos los chistes que nuestros teléfonos y dispositivos nos escuchan, pero a veces es tan extraño. Se siente como si mucha gente estuviera llegando a estas conclusiones hoy, que El algoritmo se ha vuelto tan sofisticado que te habla de ti de una manera que ni siquiera puedes hablar de ti.

Publicidad

Bien, Bruce, analicemos esto en los niveles más básicos. ¿Qué es exactamente un algoritmo?

¿Qué es un algoritmo?

bruce: Entonces, un algoritmo en su término más amplio es simplemente un proceso o un conjunto específico de instrucciones que, cuando se siguen o se realizan, dan como resultado en un resultado deseado. Muchas veces a la gente le gusta describirlo como casi una receta para resolver un problema.

Publicidad

Por lo general, se usan para resolver problemas de matemáticas, pero ahora, con las computadoras, se usan para resolver casi todo.

Gabriela: Así que todo se remonta, ya sabes, todos nosotros aprendemos tal vez en la escuela primaria o secundaria, la idea de la fórmula. Al menos en mis aulas, aprendí sobre PEMDAS, que es como el orden de las operaciones sobre cómo juntar números para que llegan a sus conclusiones lógicas.

Publicidad

Los algoritmos son versiones mucho, mucho, mucho más sofisticadas y más evolucionadas de eso. Pero en su nivel básico, son simplemente amables. de fórmulas o instrucciones. Así que, retrocedamos por un segundo. ¿Cuándo empezó la gente? A usar algoritmos por primera vez. ¿Cómo? ¿Se originó esta idea de un algoritmo?

¿Cuáles son los orígenes de los algoritmos?

bruce: Los algoritmos son como una idea bastante antigua. Algunos de los primeros algoritmos registrados fueron escritos en tablillas de arcilla en el año 2000 a.C. en Babilonia.

Publicidad

Gabriela: Oh Dios mío.

bruce: Correcto, loco. Hay matemáticos griegos, como si un algoritmo famoso fuera el algoritmo euclidiano. Así que este se remonta al 300 a.C. algo más reciente.

Publicidad

Gabriela: Oh, sí. Mucho más reciente .

bruce: Es un algoritmo para encontrar el máximo común denominador entre dos números distintos de cero. Y básicamente es un algoritmo muy simple en el que se hace. muchos problemas de división hasta que obtienes el máximo común denominador o el máximo factor de dos números.

Publicidad

Gabriela: Está bien.

bruce: Estoy seguro de que la gente está familiarizada con ella desde la escuela primaria. Creo que es una de las primeras fórmulas o ecuaciones de factorización. que aprendimos en la clase de matemáticas.

Publicidad

Gabriela: ¿Cómo pasamos de la antigüedad literal, Euclides, las matemáticas antiguas, las cosas escritas en tabletas, al siglo XXI actual?

¿Cuáles son algunos de los algoritmos fundamentales?

bruce: Una vez que las computadoras entraron en escena, hicieron que fuera más fácil para las personas realizar algoritmos más grandes y complejos, y se utilizan para todo tipo de cosas, para clasificar grandes fragmentos de datos.

Publicidad

Existen estos dos algoritmos que me gusta considerar como los algoritmos fundamentales de este tipo de algoritmos de recomendación de TikTok más nuevos: el Google PageRank. Y el premio de Netflix. Son realmente con los que la gente empezó a interactuar . Comencemos con Google. Porque Google , Creo que es algo que usamos todos los días y para escuchar sus orígenes.

También es un poco loco. Ooh. Así que el algoritmo original de Google fue escrito en 1998 por estos dos estudiantes universitarios. Stanford, Sergey Brin y Lawrence Page. Lo escribieron como parte de un artículo académico mientras estaban en la universidad. La idea era poner orden en la web. En aquella época, los motores de búsqueda no eran tan útiles como lo son ahora.

Publicidad

Todavía estaban descubriendo cómo dar Me gusta a los usuarios los resultados de búsqueda más relevantes y útiles. Y por eso estos dos estudiantes universitarios pensaron en una idea de cómo asegurarse cuando buscas algo en Google, realmente estás obteniendo información confiable y no solo el blog aleatorio de alguien .

Gabriela: Entonces, me estás diciendo que Larry Page y Sergey Brin construyeron Google comenzando como un periódico universitario, solo un periódico académico, como si naciera así. muchas maneras en que navegamos por Internet hoy.

Publicidad

Y también un verbo literal que creo que todo el mundo tiene en su vocabulario para buscar algo en Google. Acabo de oírte decirlo, ¿sabes? como si tuviera forma incluso de nuestro lenguaje. Sí.

bruce: Es muy interesante pensar en cómo, ahora que nos quejamos del algoritmo, fueron tan útiles y, como, cambiando el juego de la forma de la forma de nosotros, todos navegamos en Internet ahora.

Publicidad

Gabriela: Entonces, cuéntame cómo funcionó PageRank una vez que salió del artículo académico y era una herramienta real que existía de verdad. .

bruce: Así que ahora el algoritmo de Google es mucho más complejo, pero en aquel entonces su idea era clasificar estas páginas según su número de enlaces y la calidad de los enlaces. Por lo tanto, cada página obtiene una clasificación basada en cuántas otras páginas están enlazando con ellas. y luego también tiene en cuenta el rango de páginas de esas páginas.

Publicidad

Entonces, si le gustan estas páginas de alta calidad que lo citan, su clasificación aumentará.

Gabriela: Así es como conseguimos que el New York Times, el Chicago Tribune, el Washington Post y el LA Times floten hasta la cima de Los resultados de búsqueda de Google, a diferencia de mynewsblog.com.us.co.uk.gov. No lo sé. Alguien es aleatorio, ya sabes, opinar en internet.

Publicidad

Eso no va a tener una clasificación tan alta porque es una fuente menos confiable. No existe dentro de este, ya sabes, ecosistema de recomendándose cosas entre otros.

bruce: Exactamente.

¿Cómo creó Netflix algoritmos de recomendación?

Gabriela: Hábleme del segundo algoritmo fundamental.

bruce: Así que creo que este fue un gran cambio en los algoritmos de recomendación similares.

Publicidad

Allá por 2006, cuando Netflix ni siquiera era un servicio de streaming, era un servicio de alquiler de DVD, lanzaron un concurso que se llama el Premio Netflix, donde ofrecieron 1 millón a quien podría mejorar su software recomendado en 1 millón, 10%. 10 porciento

Gabriela: No parece mucho. ¿Vale un millón de dólares?

bruce: Sí, pero a la gente le llevó al menos dos años alcanzar ese punto de referencia.

Publicidad

Gabriela: Wow. Está bien. Así que claramente este es un obstáculo más alto de lo que mi instinto me dice. Está bien. Entonces dime, ¿cómo llegaron? allí durante los dos años?

bruce: Lo que Netflix hizo fue que hizo públicos todos estos datos sobre cómo sus usuarios califican las películas.

Publicidad

Así que hubo cien millones de calificaciones de 17,770 películas de aproximadamente 480 clientes. Así que la tarea era usar esos datos para crear un algoritmo que predeciría si a alguien le gustaría una película basándose en sus calificaciones anteriores, no solo sus calificaciones, sino las calificaciones de todos en este conjunto de datos. Entonces, todos los que usan Netflix.

Y así, 30.000 personas se inscribieron para ser parte de esto. Y luego hubo muchas más. Foros y publicaciones de discusión y Las personas que comparten sus ideas y ya saben que las personas comenzaron a pensar en las calificaciones más recientes y más precisas que las calificaciones realizadas hace meses. un momento del día cuando alguien hizo una calificación ¿Eso afecta el pensamiento y comenzaron agregar estas cosas a sus cálculos en los algoritmos? y todos se basan en el trabajo de los demás. Está este concursante, Simon Funk, que fue muy influyente.

Publicidad

Él fue una de las mejores personas en primero darle me gusta, simplemente bloguear y hacer público su código para que la gente pueda trabajar con el suyo. Y, la especie de gran innovación que se le ocurrió fue usar esta técnica matemática llamada descomposición de valores singulares.

Gabriela: Esto suena muy por encima de mi cabeza, pero cuéntame más.

bruce: Entonces, básicamente, es una forma de automatizar la búsqueda de similitudes entre películas y usuarios a los que les gustan esas películas.

Publicidad

Entonces, todas estas calificaciones son solo números para que el algoritmo pueda encontrar que a todos estos grupos de personas parece gustarles este tipo de películas. Así que crea categorías para ti. Y esos podrían ser géneros. Hay cierto tipo de persona a la que le gusta la acción. películas, o hay cierto tipo de persona a la que le gustan las películas de Tom Hanks.

El algoritmo aprendió que si te gustan las comedias románticas, puedes descubrir que otras personas a las que les gustan las comedias románticas no son realmente ciencia ficción. fans. Por eso sabe que no debe recomendarles ninguna película de ciencia ficción.

Publicidad

Gabriela: Es muy interesante escuchar esto. Suena como si se hiciera público este tesoro de datos de usuarios.

Quiero decir, obviamente estamos en días tan tempranos que la privacidad del usuario no lo es realmente. Tan candente, pero en un tema como es hoy, pero cedió a través de este efecto de crowdsourcing. Mucha gente estaba probando varias entradas. Creo que es fascinante que el La hora del día en la que estás navegando por Netflix podría afectar la elección que hagas sobre qué transmitir.

Publicidad

Por ejemplo, ¿qué quieres ponerte por la mañana? Tal vez estés desayunando en lugar de lo que te estás poniendo solo antes de irte a dormir por la noche. Por ejemplo, ¿quieres algo más energizante por la mañana y relajante por la noche o tal vez sé, como viceversa. Es fascinante pensar en eso.

bruce: Netflix anonimizó los datos para el premio Netflix, pero las personas pudieron descubrir quiénes eran estos usuarios conectando el datos con páginas IMDB. Y eso terminó cerrando la competencia de Netflix. Y habían planeado una segunda, pero Terminaron cancelando esos planes debido a preocupaciones de privacidad.

Publicidad

Gabriela: Oh, vaya. Lo que es viejo es nuevo en algunos aspectos. Las preocupaciones sobre los datos entonces, las preocupaciones sobre los datos ahora, las preocupaciones sobre la privacidad entonces, las preocupaciones sobre la privacidad ahora. Entonces, parece que, en el caso de PageRank, esto fue diseñado para poner orden y simplificar las cosas. Páginas, sitios web, vincularse para más, tienen una clasificación más alta. La clasificación sigue subiendo si las páginas a que está vinculada tienen una clasificación alta .

Es una especie de sistema organizativo que es muy jerárquico. Este ejemplo del premio Netflix parece estar realmente basado en el contenido, la personalidad y el perfil. y por lo tanto, es una especie de complejidad en expansión que establece diferentes conexiones preferenciales. Totalmente interesante.

Publicidad

Entonces, tengo curiosidad, ¿cuáles son algunas de las diferentes formas en que se usan los algoritmos aquí y ahora? avanzado desde PageRank o como un concurso financiado colectivamente para vencer a Netflix en su propio algoritmo?

¿Cómo han cambiado los algoritmos en las últimas décadas?

bruce: Ahora hay muchos más datos. Hay muchas maneras de rastrear a las personas. Ya sabes, Netflix, en ese ejemplo, confiaba en sobre los usuarios que califican películas.

Publicidad

Eran como cien millones de calificaciones de películas. Pero ahora que Netflix es un servicio de streaming, podría rastrear lo que realmente estás viendo. mirando. Ni siquiera tienes que calificar algo para ser arrastrado a este algoritmo.

Gabriela: ¿Qué piensas sobre el impacto que los algoritmos de recomendación tienen en nosotros culturalmente? ¿Puedes contarme un poco, Bruce, sobre ¿Cómo nos moldean e influyen en formas que quizás no reconozcamos?

Publicidad

¿Cómo nos forman e influyen los algoritmos de maneras que podríamos no reconocer?

bruce: Volviendo a nuestra conversación anterior, TikTok es un ejemplo tan claro de cómo estos algoritmos están dando forma a la cultura. uno de los algoritmos de recomendación más potentes. Si nos fijamos en su diseño, es como la plataforma perfecta de aprendizaje automático y Eso, ya sabes, como un algoritmo, es aprender recopilando más datos y probándose a sí mismo porque en esta plataforma tienes como Mil millones de usuarios viendo todos estos clips de dos minutos.

Publicidad

Cada deslizamiento o cada minuto que sigues viendo un video es otro dato para que sepa qué recomendarte a continuación. De qué estaba hablando antes cuando dije que sentía una especie de engaño. Me gustan los vídeos de gatos. No me gustan los vídeos de gatos. Pero por alguna razón el algoritmo puede rastrear que los vi todos continuaremos recomendando estos videos de gatos.

Entonces, en cierto modo, el algoritmo TikTok y su diseño de la aplicación es tan poderoso al mostrarte cosas que son adictivas y que sabes. que verás porque le estás dando toda la información que necesita para que sabe que vas a seguir mirando .

Publicidad

Gabriela: Oh, Dios mío, me identifico. No estoy en TikTok porque ya estoy asignando demasiadas de mis horas libres a mis pantallas.

Pero lo mismo me pasa en mis, oh, mis feeds de descubrimiento de Instagram, mis páginas de exploración de Pinterest. ¡Oh, Dios mío! Simplemente me refuerzan constantemente en las cosas que sé que me gustan, y luego también me empujan a hacer cosas que no pensé. Me gustó, pero de alguna manera no puedo apartar la mirada. Así que háblame sobre el lado más oscuro.

Publicidad

¿Cuáles son algunas de las amenazas o preocupaciones de seguridad que plantean los algoritmos de recomendación? Y especialmente a medida que continuamos refinando nuestros algoritmos y Vuélvete más sofisticado cada día.

¿Cuáles son algunas de las amenazas o preocupaciones de seguridad que plantean los algoritmos de recomendación?

bruce: Algunos datos muestran que son responsables de gran parte del contenido que la gente ve en YouTube. Su algoritmo de recomendación impulsa alrededor del 70 por ciento. de los videos que se miran en la aplicación.

Publicidad

Y así, cuando la gente confía en estos algoritmos para las cosas que ven, hay que tener mucho cuidado con lo que le muestran a la gente. .

Gabriela: Lo que los algoritmos inadvertidamente entrenaron para seguir mirando.

Publicidad

bruce: Correcto. El algoritmo de YouTube ha mejorado, pero en el pasado han demostrado que canalizaría a la gente hacia estas madrigueras de conejos. de videos de conspiración.

Otro ejemplo es Facebook. Su algoritmo solía priorizar la reacción de los emojis de enojo. Y como resultado, en el sobrepeso de ese tipo de reacciones, ayuda a difundir información errónea en el sitio web.

Publicidad

Gabriela: Y contenido violento también. Facebook es un caso de estudio fascinante en esto. Parte de esta información solo salió a la luz al público cuando Un denunciante publicó una especie de tesoro de archivos que revelaban que el algoritmo de Facebook recomendaba contenido que enojaba a la gente, contenido que reflejaba violencia, contenido que no necesariamente contenía verdad.

De hecho, entrevisté a esa denunciante, Frances Haugen, el año pasado, y cuando le pregunté qué fue lo que finalmente te impulsó a tomar esta medida tan grande y ¿un paso arriesgado? Recopilar lo que vio que iba mal con un algoritmo en su lugar de trabajo, esta poderosa, poderosa compañía de tecnología, y publicarlo. al público. Y ella dijo: “Necesitaba poder dormir otra vez por la noche”.

Publicidad

Una vez vio las cosas más oscuras sucediendo en las profundidades de la caja negra de algoritmos, y cómo era, ya sabes, una especie de Abarcando las interacciones de los usuarios de la vida real en la web, pa Realmente destiló cuán peligroso podría ser un algoritmo que salió mal . Está muy claro estudios de casos en los que, cuando no se mitigan, se manejan de manera irresponsable o simplemente se dejan aprender cosas por sí solos, los algoritmos pueden llegar a lugares oscuros.

bruce: Sí, y creo que es importante señalar ahora que incluso los legisladores están preocupados. Conozco la Cámara de Representantes [de EE. UU.] aprobó un proyecto de ley para potencialmente bloquear o prohibir TikTok si no rompe su relación con la compañía china ByteDance debido a preocupaciones sobre los datos pero también preocupaciones sobre cuánto control tiene la empresa sobre lo que recomiendan los espectadores.

Publicidad

Sé que en el pasado ha habido informes de que TikTok ha suprimido publicaciones de usuarios LGBT, deshabilitado a usuarios o suprimido ciertos temas políticos en la plataforma.

Gabriela: Sí, también hemos visto que Meta, que es obviamente la empresa matriz de Facebook e Instagram y Threads, ahora tienen una interruptor que puede activar y desactivar para recibir contenido político o no recibir contenido político porque así ha sido un punto de activación para lo que los algoritmos podrían generar, emerger y distribuir cuando se dejan sin control.

Publicidad

Bruce, obviamente hemos hablado de algunos de los peligros que se esconden dentro de los algoritmos, pero también de algunos de sus placeres. Si los algoritmos Te están sirviendo lindos gatitos, o te gusta un ASMR muy relajante, o tal vez tu próximo thriller de espías favorito, ¿cuál es tu opinión después de investigar? ¿Crees que estamos mejor si tenemos estos algoritmos sofisticados que potencian los límites de nuestras vidas digitales? ?

¿Los algoritmos de recomendación mejoran o empeoran nuestras vidas digitales?

bruce: Así que supongo que el estado de mi relación con los algoritmos es complicado en este momento. Creo que estoy, estoy, estoy en conflicto. este nuevo libro del escritor neoyorquino Kyle Chayka, [llamado] Filterworld: Cómo los algoritmos aplanan la cultura. La premisa básica es que debido a que estamos descubriendo tantas cosas nuevas a través de estos algoritmos, los creadores de contenido se sienten un poco presionados. volverse viral en estos lugares y que les vaya bien en estos lugares y eso significa dirigirse a la audiencia más amplia posible.

Publicidad

Y él sostiene que esto va desde Netflix y, ya sabes, todos estos estudios de cine que lanzan estos películas de superhéroes similares para músicos que hacen canciones que resultarán en un desafío de baile TikTok. Y por eso creo que hay algo para decir. Algoritmos que quitan un poco de megusta la magia y descubren cosas por tu solidad.

Y ahora que todos vamos directamente a las mismas fuentes, um, creo que Internet se está volviendo un poco menos divertido.

Publicidad

Gabriela: De alguna manera, el algoritmo te está quitando la capacidad de autodescubrimiento y simplemente te entrega cosas.

Bruce, esta ha sido una conversación muy divertida. Gracias podcast. Nunca volveré a mirar mis páginas de explorar y descubrir de la misma manera otra vez.

Publicidad

Bruce Gil cubre noticias de última hora y salud para Quartz. Este episodio fue producido por Ready Freddy Media. Apoyo adicional de Angel Fajardo, ejecutivo de Quartz La editora Susan Housen y el director de vídeo David Weinstein. Nuestro tema musical es de Taka Yasuzawa y Alex Tsukira. Si te gusta lo que que escuchaste, síguenos en Apple Podcasts, Spotify, dondequiera que estés escuchando, y cuéntales a tus amigos sobre nosotros.

¿Quieres superar el algoritmo? Envía el enlace de este episodio a cinco amigos a quienes les encantaría demostrarles que los conoces mejor que una máquina. Podría. Luego, dirígete a qz.com slash obsession para registrarte para recibir el correo electrónico semanal de obsession de Quartz y explorar cientos de historias de fondo interesantes. m Gabriella Riccardi. Gracias por escuchar.

Publicidad

Muy bien, Bruce, ¿estás listo? Ambos vamos a abrir nuestras cuentas de Instagram y vamos a hacer clic, hacer clic, haz clic, toca, toca, toca. Está bien. Estoy mirando, estoy mirando. Oh, algunas de estas cosas son cosas que no Ni siquiera quiero hablar por el micrófono.

bruce: Entonces, básicamente, hay un hombre que tiene lo que parece una taza Stanley de vidrio y está mezclando un montón de jarabes y otras cosas aromatizadas en agua.

Publicidad

Una parte de mí siente que esto tiene que ser una parodia de WaterTok.

Gabriela: Acabo de encontrar esta ilustración de un camarón fumando un cigarrillo. ¡Y ni siquiera sé de dónde vino! Sí, sigo algunas cuentas de arte y algunos ilustradores. Espero que camaroneros estén pasando una buena noche. En algún fuera preferiblemente. A nadie, a nadie legusta tú fumando adentro.

Publicidad

Este contenido ha sido traducido automáticamente del material original. Debido a los matices de la traducción automática, pueden existir ligeras diferencias. Para la versión original, haga clic aquí.

Publicidad