Sesgo de contextualización: el primer paso hacia la mitigación y más allá
https://www.ethicalintelligence.co/blog/contextualizing-bias Durante todo el mes de marzo para la ECUACIÓN, nos hemos centrado en el sesgo; cómo se refleja en el proceso algorítmico y formas de mitigarlo en la sociedad. Hasta ahora, hemos podido determinar que el sesgo es mucho más que un problema técnico; Los prejuicios algorítmicos son representaciones asombrosamente precisas de los prejuicios y estereotipos sociales existentes. Por lo tanto, puede ser bastante difícil corregir el sesgo en la IA sin corregir la causa raíz, que es la desigualdad social y la injusticia. Como dice Yonatan Zunger, “los modelos de aprendizaje automático tienen un hábito muy desagradable: aprenderán lo que les muestran los datos y luego te dirán lo que han aprendido. Se niegan obstinadamente a aprender "el mundo como nos gustaría que fuera" o "el mundo como nos gusta decir que es", a menos que les expliquemos explícitamente qué es eso, incluso si nos gusta fingir que estamos haciendo no...