Predicción, Aprendizaje Automático y Vidas Individuales
Las técnicas de aprendizaje automático se utilizan cada vez más en toda la sociedad para predecir los resultados de la vida del individuo. Sin embargo, la investigación publicada en las Actas de la Academia Nacional de Ciencias plantea preguntas sobre la precisión de estas predicciones. Dirigida por investigadores de la Universidad de Princeton, esta colaboración masiva involucró a 160 equipos de datos y científicos sociales que construyeron modelos estadísticos y de aprendizaje automático para predecir seis resultados de vida para niños, padres y familias. Descubrieron que ninguno de los equipos podía hacer predicciones muy precisas, a pesar de utilizar técnicas avanzadas y tener acceso a un rico conjunto de datos. Esta entrevista de Matthew Salganik, autor principal del estudio y profesor de sociología en la Universidad de Princeton, fue realizada por Lauren Maffeo, analista principal asociada de Gartner, y Cynthia Rudin, profesora de ciencias de la computación, ingeniería eléctrica e informática y ciencias estadísticas en Duke University. Proporciona una visión general de los objetivos del estudio, los métodos de investigación y los resultados. La entrevista también incluye conclusiones clave para los líderes de políticas que desean utilizar el aprendizaje automático para predecir y mejorar los resultados de la vida de las personas.
Editado por Aniceto Pérez y Madrid, Especialista en Ética de la Inteligencia Artificial y Editor de Actualidad Deep Learning (@forodeeplearn).
Los artículos publicados son incluidos por su estimada relevancia y no expresan necesariamente los puntos de vista del Editor este Blog.
Comentarios
Publicar un comentario