Le Mythe de la Neutralité - Comment l'IA Élargit les Divisions Sociales

Aperçu

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.

Programme

• Introduction à l'IA et aux biais
Aperçu des technologies de l'IA et de leur impact sociétal
Définition et types de biais dans les systèmes d'IA
• Contexte historique des biais dans l'IA
Évolution de l'IA et son rôle sociétal
Incidents notables de discrimination liée à l'IA
• Mécanismes des biais dans l'IA
Biais de données et leurs origines
Biais algorithmique et processus décisionnels
Boucles de rétroaction et amplification des biais
• Études de cas de discrimination algorithmique
Reconnaissance faciale et profilage racial
Biais dans les algorithmes de recrutement
Disparités dans l'IA appliquée à la santé
• Impact sociétal des biais induits par l'IA
Marginalisation des communautés
Disparités économiques et sociales
Considérations légales et éthiques
• Cadres d'analyse des biais de l'IA
Approches interdisciplinaires pour l'étude des biais
Analyse intersectionnelle des biais dans les systèmes d'IA
• Approches pour atténuer les biais dans l'IA
Techniques de collecte et de prétraitement des données
Conception d'algorithmes et contraintes d'équité
Surveillance et audit après déploiement
• Développement de technologies d'IA équitables
Conception d'IA impliquant les communautés
Politique et réglementation pour une IA équitable
Efforts collaboratifs entre technologues, décideurs et communautés
• Orientations futures et défis
Technologies émergentes et nouvelles formes de biais
Stratégies à long terme pour l'équité de l'IA
• Conclusion
Résumé des points clés
Recommandations pour les parties prenantes dans le développement de l'IA
• Ressources supplémentaires
Lectures recommandées et études de cas
Forums en ligne et communautés pour discussions continues

---

Matières

Conference Talks