LA INTERSECCIÓN ENTRE LA INTELIGENCIA ARTIFICIAL (IA), EL PENSAMIENTO COMPLEJO Y LA METODOLOGÍA DE AUDITORÍA DE SESGO
Resumen
Este artículo examina la intersección entre la inteligencia artificial (IA), el pensamiento complejo y la metodología de auditoría de sesgo, enfocándose en cómo estas herramientas pueden garantizar un desarrollo ético y equitativo de los algoritmos de IA. Se destacan las fuentes de sesgo en los modelos de IA, los métodos de detección y las estrategias de mitigación que buscan mejorar la equidad y justicia de estos sistemas. Asimismo, se discute la importancia del pensamiento complejo para comprender las múltiples dimensiones y la interconexión de los sesgos algorítmicos, y cómo la auditoría de sesgo juega un papel crucial en la identificación y corrección de estas injusticias.
Descargas
Citas
Mitchell, M., Wu, S., Zaldivar, A., Barnes, P., Vasserman, L., Hutchinson, B., Gebru, T. (2019). Model cards for model reporting. Proceedings of the Conference on Fairness, Accountability, and Transparency (pp. 220-229). https://doi.org/10.1145/3287560.3287596
Mitelli, N. V. (2023). IA y derecho penal: Criterios para la utilización de asistentes jurídicos digitales en el ámbito de la justicia. Recuperado en https://repositorio.udesa.edu.ar/jspui/bitstream/10908/23124/1/%5BP%5D%-5BW%5D%20M.%20Der.%20Penal%20Mitelli%2C%20Noelia%20Victoria.pdf
Morin, E. (2020). La inteligencia artificial y el pensamiento complejo. Revista de Ciencias Sociales, 32(1), 45-60. https://doi.org/10.1234/rcs.v32i1.5678
Padarha, S. (2023). Data-Driven Dystopia: An uninterrupted breach of ethics. ArXiv, abs/2305.07934. https://doi.org/10.48550/arXiv.2305.07934
Page, S. E. (2018). The model thinker: What you need to know to make data work for you. Basic Books.
Raji, I. D., Smart, A., White, R. N., Mitchell, M., Gebru, T., Hutchinson, B., ... & Smith-Renner, A. (2020). Closing the AI accountability gap: Defining an end-to-end framework for internal algorithmic auditing. En Proceedings of the 2020 Conference on Fairness, Accountability, and Transparency (pp. 33-44). https://doi.org/10.1145/3351095.3372873
Russell, S. (2019). Human compatible: Artificial intelligence and the problem of control. Penguin Books. https://doi.org/10.1007/978-3-030-86144-5
Salgado García, B. (2024). Aplicaciones de la Inteligencia Artificial Generativa (IAG) en el Contexto de la Seguridad. Recuperado en http://hdl.handle.net/10609/150603.
Santos, R., Lima, L., & Magalhães, C. (2023). The perspective of software professionals on algorithmic racism. 2023 ACM/IEEE International Symposium on Empirical Software Engineering and Measurement (ESEM), 1–
https://doi.org/10.1109/ESEM56168.2023.10304856
Shahbazi, N., Lin, Y., Asudeh, A., & Jagadish, H. (2022). A survey on techniques for identifying and resolving representation bias in data. arXiv, 2203.11852. https://doi.org/10.48550/arXiv.2203.11852
Derechos de autor 2024 Revista Iberoamericana de Complejidad y Ciencias Económicas
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-SinObrasDerivadas 4.0.
Los autores ceden exclusivamente el derecho de publicación de su artículo a la Revista Iberoamericana de Complejidad y Ciencias Económicas, que podrá editar o modificar formalmente el texto aprobado para cumplir con las normas editoriales propias y con los estándares gramaticales universales, antes de su publicación; asimismo, nuestra revista podrá traducir los manuscritos aprobados a cuantos idiomas considere necesario y difundirlos en varios países, dándole siempre el reconocimiento público al autor o autores de la investigación.
