Férovost v umělé inteligenci

Tento modul zkoumá spravedlnost v umělé inteligenci (AI), se zaměřením na identifikaci a zmírnění předsudků v systémech AI. Pokrývá zdroje předsudků, metody hodnocení a zlepšování spravedlnosti a etické důsledky rozhodnutí AI na různé populace, s cílem podpořit rovnost a zabránit diskriminaci v aplikacích AI.

Tvůrce učebních osnov

Potřebujete pomoc? Klikněte zde pro návod.

Angwin, Julia, Jeff Larson, Surya Mattu a Lauren Kirchner. “Zaujatost strojů.” ProPublica, 23. května 2016.

https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing

Grira, Nizar a M. Crucianu. “Shlukování bez dozoru a s polodohledem: Stručný přehled”, 2004.

https://www.semanticscholar.org/paper/Unsupervised-and-Semi-supervised-Clustering-%3A-a-%E2%88%97-Grira-Crucianu/acb799150e4cd3a75fe79ca262047612bd8e5194

Olteanu, Alexandra, Carlos Castillo, Fernando Diaz a Emre Kıcıman. “Sociální data: Předsudky, metodologická úskalí a etické hranice.” Frontiers in Big Data 2 (11. července 2019): 13.

https://doi.org/10.3389/fdata.2019.00013

Mehrabi, Ninareh, Fred Morstatter, Nanyun Peng a Aram Galstyan. “Detekce předsudků komunity: Význam málo propojených uzlů.” arXiv, 2019.

https://doi.org/10.48550/ARXIV.1903.08136

Fortunato, Santo a Darko Hric. “Detekce komunity v sítích: Uživatelská příručka.” Fyzikální zprávy 659 (2016): 1–44.

https://doi.org/10.1016/j.physrep.2016.09.002

Zhao, Jieyu, Tianlu Wang, Mark Yatskar, Vicente Ordonez a Kai-Wei Chang. “Muži také rádi nakupují: Snižování zesílení genderových předsudků pomocí omezení na úrovni korpusu.” arXiv, 2017.

https://doi.org/10.48550/ARXIV.1707.09457

Mehrabi, Ninareh, Fred Morstatter, Nripsuta Saxena, Kristina Lerman a Aram Galstyan. “Průzkum o zaujatosti a spravedlnosti ve strojovém učení.” ACM Computing Surveys 54, č. 6 (13. července 2021): 1–35.

https://doi.org/10.1145/3457607