Ética en el diseño multidisciplinario de IA
Clase 3 de 13 • Curso de Diseño Ético para el Desarrollo de Productos Digitales con IA
Contenido del curso
Clase 3 de 13 • Curso de Diseño Ético para el Desarrollo de Productos Digitales con IA
Contenido del curso
Carlos G
Javier Ramos
Edgardo Cuello
Fátima Torrez
Alexander Cortés
Gabriel Obregón
Carlos Mendoza
Javier Ramos
Patricio Sánchez Fernández
Los sesgos en la inteligencia artificial (IA) se refieren a desviaciones sistemáticas o prejuicios en las decisiones o resultados generados por algoritmos de IA, que pueden ser injustos, discriminatorios o inexactos. Estos sesgos pueden surgir debido a diferentes razones, como la calidad de los datos de entrenamiento, la elección de características, la estructura del algoritmo y otros factores inherentes al proceso de desarrollo de la IA.
Los sesgos en la IA pueden ser problemáticos en varios niveles:
Sesgo en los datos de entrenamiento: Si los datos utilizados para entrenar un modelo de IA contienen desigualdades o reflejan prejuicios existentes en la sociedad, el modelo puede aprender y perpetuar esos sesgos en sus predicciones o decisiones. Por ejemplo, si un algoritmo de contratación se entrena con datos históricos que reflejan una desigualdad de género en las contrataciones, el modelo podría terminar favoreciendo a ciertos géneros sobre otros en futuras decisiones de contratación.
Sesgo en las características: Las características seleccionadas para entrenar un modelo pueden introducir sesgos si reflejan prejuicios o estereotipos. Si se incluyen características que están correlacionadas con ciertos grupos demográficos y se emplean para tomar decisiones, el modelo podría generar resultados sesgados.
Sesgo en el algoritmo: La elección del algoritmo y su diseño también puede influir en los sesgos. Algunos algoritmos son inherentemente más susceptibles a ciertos tipos de sesgos que otros.
Sesgo en las respuestas anteriores: Si los resultados generados por un modelo de IA se usan para tomar decisiones posteriores, esos resultados sesgados pueden retroalimentar y amplificar aún más los sesgos.
Gracias por el resumen
excelente explicación. muchas gracias!
Comparto realidades respecto a la inclusividad:
Ocurre con ciertas aplicaciones de home banking o billeteras virtuales que solicitan datos biométricos para la generación de un nuevo usuario/cuenta o su confirmación, las cuales, en ocasiones, resultan incapaces de reconocer rasgos faciales en rostros de personas mayores o de tercera edad.
Ejemplifico: la aplicación indica al usuario persona sonreír durante unos segundos, al cabo de los cuales, ésta responde: "Asegúrese de mostrar sus dientes y de abrir sus ojos" (fallo en el reconocimiento).
Esta persona podría presentar mandíbula y/o encías retraídas y labios tales que "oculten" la dentadura, o carecer parcial o completamente de dientes.
También, podría presentar párpados caídos, globos oculares pequeños o retraídos u oscurecidos, hiper o hipo pigmentación alrededor de los mismos, asimetría pronunciada, así como también, pliegues, cicatrices, marcas, hinchazón o abultamientos por retención líquida, alergias, tratamientos, o incluso afecciones patológicas, entre tantas otras posibilidades.
Más allá de sus mejores esfuerzos e intentos, muchas personas no logran acceder a los sistemas modernos de gestión bancaria (cada vez más excluyentes) debido -en dichos casos- a limitaciones tecnológicas que el usuario no puede sortear.
Conclusión: existe una amplia variedad de rasgos y características faciales, así como también factores de distintas índoles, que la IA necesita continuar incorporando para lograr procesos más óptimos y efectivos en el reconocimiento facial y así alcanzar a más personas.
Mitigar sesgos de la IA / colaboración multidisciplinaria
🤖 Ética en la Inteligencia Artificial
👉 El desarrollo ético de la inteligencia artificial requiere colaboración entre distintas disciplinas para crear sistemas justos, transparentes y responsables, considerando tanto lo técnico como lo social.
🤝 COLABORACIÓN MULTIDISCIPLINARIA
👥 ¿Quiénes participan?
❓ ¿Por qué es clave?
✔️ Permite entender cómo funcionan los algoritmos
✔️ Ayuda a analizar el impacto social y moral
✔️ Enfrenta problemas complejos desde miradas diversas
⚠️ DESAFÍOS ÉTICOS PRINCIPALES
🎨 ROL DE LOS DISEÑADORES UX/UI
🎯 Objetivo
👉 Reducir sesgos y promover sistemas inclusivos.
🧩 Estrategias
⚖️ IMPORTANCIA DE LA ÉTICA EN LA IA
🌱 ¿Para qué sirve?
✔️ Garantiza desarrollo justo y responsable
✔️ Asegura beneficios reales para la sociedad
🏗️ Responsabilidad de desarrolladores y líderes
La estadistica y los datos nos ayudarian a combatir esos sesgos? a refutarlos?
Personalmente, creo que la "IA" no tiene sesgo, quien sí los tiene, es quien aporta y utiliza los datos para su entrenamiento.