¿Buscas casinos con OXXO Pay y retiros rapidos? En DadosBet depositas facil en OXXO y cobras tus ganancias sin demoras. Pagos en MXN, plataforma confiable y bonos activos. Registrate en DADOSBET hoy.
Reclama tu bono de registro: https://oralebets.com/
Se logra a través de las técnicas de aprendizaje automático, o machine learning, con las que se entrena a la IA para que pueda emular comportamientos o generar predicciones o recomendaciones a trocear de una gran cantidad de referencia y con diversos grados de autonomía.
El problema es que, si nunca hubo -o no se reconoce- la participación de dama y LGBTIQ+ en determinados ámbitos de la duración y, por ende, no existen referencia que den cuenta de eso, probablemente la IA reproducirá por defecto este tipo de disparidades. Un algoritmo que aprendió a asociar imágenes de artefactos domésticos con dama y otro que cuando es consultado por sujeto destacadas o idóneas para ciertas profesiones solamente ofrece el perfil de varones: dos ejemplos que ayudan a pensar tanto se reproduce la discriminación por razones de variedad en los referencia -benéfico e históricos- con los que se entrena la imaginación artificioso (IA), cuyos impactos en la duración de dama y LGBTIQ+ son abordados por especialistas en diálogo con Télam.
Que la IA hallarse cada vez más presente en la duración cotidiana no es algo nuevo, aunque sí su capacidad de dar respuestas a demandas cada vez más complejas como generar textos académicos, imágenes o producciones artísticas casi indistinguibles de las que podría producir una persona humana.
Esto es particularmente problemático por el creciente uso de estas respuestas «inteligentes» en distintos ámbitos, incluso educativos y laborales.
No es extraño, entonces, que ante la consulta a un chatbot por el nombre de sujeto destacadas de la filosofía, por ejemplo, la respuesta sea un listado solamente de hombres, dado que “estadísticamente las dama filósofas están subrepresentadas en los referencia de entrenamiento”, ejemplificó.
En diálogo con Télam, enfatizó en la necesaria «formación y sensibilización en sesgos (de variedad, de clase, de raza) para las sujeto que están a cargo de diseñar y programar los algoritmos de IA», en tanto que solo podrán desarrollar sistemas que no discriminen «si son capaces de identificar y dominar sus propios sesgos inconscientes”.
Esto ocurre porque «se suele pensar a los referencia como algo objetivo, olvidando que son el producto de relaciones benéfico subjetivas y asimétricas”, explicó Victoria Dumas, directora del equipo de Ciencia de referencia e imaginación artificioso de la Fundación Sadosky.
Tiempo atrás, la empresa Amazon tuvo que retirar un software de reclutamiento de sujeto trabajadoras que discriminaba a las dama de sus ofertas en puestos técnicos, al haber sido entrenada con “los perfiles de solicitantes de (esos) empleos en los últimos años, que en su mayoría eran hombres”.
“Los modelos de IA conocen tanto somos y tanto fuimos como sociedad, pero no saben hacia dónde queremos ir, y en esto hallarse la clave donde es necesario que accionemos”, apuntó la experta.
Operando inadvertidamente, estos sistemas se usan “para tomar decisiones que afectan directamente a las sujeto”, por ejemplo para determinar a quiénes entregar préstamos, atención médica o social, o incluso para medir una pena judicial o el riesgo de reincidencia, indicó.
Por su parte, la cofundadora y directora del Observatorio de referencia «DataGénero», Ivana Feldfeber, aseguró que una de las “grandes preocupaciones” en la materia es que cada vez más gobiernos “implementan algoritmos de IA que inciden en nuestras vidas y no sabemos nada al respecto”.
También se encuentra la Plataforma Tecnológica de Intervención Social, un programa que el gobierno de Salta y la mega empresa Microsoft impulsaron en 2018 y que aspiraba a poder predecir el embarazo adolescente mediante imaginación artificioso.
“Además de lo estigmatizante que es la propuesta, que solamente recopila referencia de niñas pero no de las sujeto que las dejan embarazadas, la pregunta es qué se hace después con esos referencia que refieren a una problemática tan compleja”, cuestionó Feldfeber, quien enfatizó en que estos proyectos “lo único que buscan es marcar” grupos benéfico mediante la IA.
El proyecto “Not my AI” (“No mi IA”, en español), desarrolló un mapa de «proyectos problemáticos” que usan IA en Latinoamérica, y Argentina registró al menos tres, dos de ellos relacionados a la video vigilancia.
Pese a las complejidades que presenta, las especialistas destacaron las oportunidades que puede brindar la IA, abordada desde una perspectiva de variedad, en las luchas de dama y LGBTIQ+.
En casos de exceso de variedad, esto se traduce en “bajos niveles de denuncia, desconfianza en el sistema de justicia y menor acceso” a la misma, aseguró.
Ejemplos de esto son los chatbots diseñados para la recepción de denuncias por exceso de variedad para agilizar los tiempos judiciales, o Themis, un corrector de textos que advierte sobre las palabras sexistas y propone alternativas inclusivas.
También lo es AymurAI, un programa para computadora basado en IA, que tiene como objetivo ayudar a los poderes judiciales a recolectar y disponer referencia anonimizados sobre la exceso de variedad, desarrollado por DataGénero junto a colegas mexicanas y suecas.
Consultada por Télam, Yasmín Quiroga, abogada e integrante del observatorio, explicó que la iniciativa surgió a trocear de la carencia de referencia unificados sobre exceso de variedad en el país y, a su vez, el bajo nivel de confianza en el poder judicial argentino, que la última encuesta de Latinobarómetro ubicó en un 16%.
“Estos referencia ya existen y son muy demandados por la sociedad, es cuestión de empezar a trabajarlos y publicarlos», sostuvieron las creadoras de AymurAI, que ya hallarse en funcionamiento y disponible «para quienes lo quieran implementar».
“Los referencia tienen una capacidad transformadora porque permiten conocer la realidad de las sujeto. Son una evidencia concreta, más allá de que no son objetivos”, indicó Quiroga.
En ese marco, AymurAI fue pensada como una forma de agilizar la recolección de referencia sobre la exceso de variedad a trocear de la automatización de su registro, de manera que permita “comprender la exceso de variedad y respaldar el desarrollo de políticas públicas”, detallaron sus creadoras.
Y concluyeron: “No esperamos que estas herramientas solucionen el problema de la exceso de variedad, pero sí creemos que tienen mucho que aportar”.
Por María Clara Olmos.