El mito de la neutralidad: cómo la IA está ampliando las divisiones sociales

Resumen

Explores how AI systems perpetuate and amplify societal biases, examining real-world examples of algorithmic discrimination and discussing potential solutions for building more equitable AI technologies.

Programa

• Introducción a la IA y el sesgo
Visión general de las tecnologías de IA y su impacto social
Definición y tipos de sesgos en los sistemas de IA
• Contexto histórico del sesgo en la IA
Evolución de la IA y su papel en la sociedad
Incidentes notables de discriminación relacionada con la IA
• Mecanismos del sesgo en la IA
Sesgo en los datos y sus orígenes
Sesgo algorítmico y procesos de toma de decisiones
Bucles de retroalimentación y amplificación del sesgo
• Estudios de caso de discriminación algorítmica
Reconocimiento facial y perfil racial
Sesgo en algoritmos de contratación
Disparidades en la IA de atención médica
• Impacto social del sesgo impulsado por la IA
Marginalización de comunidades
Disparidades económicas y sociales
Consideraciones legales y éticas
• Marcos para analizar el sesgo en la IA
Enfoques interdisciplinarios para el estudio del sesgo
Análisis interseccional del sesgo en los sistemas de IA
• Enfoques para mitigar el sesgo en la IA
Técnicas de recolección y preprocesamiento de datos
Diseño de algoritmos y restricciones de equidad
Monitoreo y auditoría post-implementación
• Construcción de tecnologías de IA equitativas
Diseño de IA con participación comunitaria
Políticas y regulación para una IA equitativa
Esfuerzos colaborativos entre tecnólogos, legisladores y comunidades
• Direcciones futuras y desafíos
Tecnologías emergentes y nuevas formas de sesgo
Estrategias a largo plazo para la equidad en la IA
• Conclusión
Resumen de ideas clave
Recomendaciones para las partes interesadas en el desarrollo de la IA
• Recursos adicionales
Lecturas recomendadas y estudios de caso
Foros en línea y comunidades para discusiones continuas

---

Materias

Conference Talks