Equidad en la Inteligencia Artificial

Este módulo explora la equidad en la Inteligencia Artificial (IA), centrándose en identificar y mitigar los sesgos en los sistemas de IA. Cubre las fuentes de sesgos, los métodos para evaluar y mejorar la equidad y las implicaciones éticas de las decisiones de IA en diferentes poblaciones, con el objetivo de promover la igualdad y prevenir la discriminación en las aplicaciones de IA.

Curriculum Builder

¿Necesita ayuda? Pulse aquí para obtener instrucciones.

Angwin, Julia, Jeff Larson, Surya Mattu y Lauren Kirchner. «Sesgo de la máquina». ProPublica, 23 de mayo de 2016.

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

Grira, Nizar y M. Crucianu. «Agrupamiento no supervisado y semisupervisado: una breve encuesta», 2004.

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

Olteanu, Alexandra, Carlos Castillo, Fernando Díaz y Emre Kıcıman. «Datos sociales: sesgos, trampas metodológicas y límites éticos». Frontiers in Big Data 2 (11 de julio de 2019): 13.

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

Mehrabi, Ninareh, Fred Morstatter, Nanyun Peng y Aram Galstyan. «Debiasing Community Detection: The Importance of Lowly-Connected Nodes» (Eliminación de sesgos en la detección de la comunidad: la importancia de los nodos poco conectados).

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

Fortunato, Santo y Darko Hric. «Detección de la comunidad en redes: una guía del usuario». Informes de Física 659 (2016): 1–44.

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

Zhao, Jieyu, Tianlu Wang, Mark Yatskar, Vicente Ordóñez y Kai-Wei Chang. «A los hombres también les gusta ir de compras: Reducción de la amplificación del sesgo de género utilizando restricciones a nivel de corpus». arXiv, 2017.

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

Mehrabi, Ninareh, Fred Morstatter, Nripsuta Saxena, Kristina Lerman y Aram Galstyan. «Una encuesta sobre el sesgo y la equidad en el aprendizaje automático». ACM Computing Surveys 54, n.º 6 (13 de julio de 2021): 1–35.

https://doi.org/10.1145/3457607