Actualidad Deep Learning

 Se espera que las situaciones de dilema que involucran la elección de qué vida humana salvar en el caso de accidentes inevitables surjan solo en raras ocasiones en el contexto de los vehículos autónomos (AV). No obstante, la comunidad científica ha dedicado una atención significativa a encontrar decisiones automatizadas apropiadas y (socialmente) aceptables en el caso de que los AV o los conductores de AV tuvieran que enfrentarse a tales situaciones. Awadand y sus colegas, en su ahora famoso artículo "The MoralMachine Experiment", utilizaron un "juego serio en línea multilingüe" para recopilar datos a gran escala sobre cómo los ciudadanos querrían que los vehículos autónomos resolvieran dilemas morales en el contexto de accidentes inevitables ". conjunto de datos filosóficamente útiles de intuiciones de sillón. Sin embargo, sostenemos que la aplicación de sus hallazgos al desarrollo de “principios globales y socialmente aceptables para el aprendizaje automátic...

 Durante los últimos 18 meses, varias universidades y empresas han eliminado conjuntos de datos en línea que contienen miles, o incluso millones, de fotografías de rostros que se utilizan para mejorar los algoritmos de reconocimiento facial. En la mayoría de los casos, los investigadores extrajeron estas imágenes de Internet. Las imágenes se clasifican como datos públicos y su recopilación no pareció alarmar a las juntas de revisión institucional (IRB) ni a otros organismos de ética de la investigación. Pero a ninguna de las personas en las fotos se les había pedido permiso, y algunas estaban descontentas por la forma en que se habían usado sus caras. Este problema ha sido destacado por el trabajo del artista e investigador con sede en Berlín Adam Harvey, quien destacó cómo las empresas utilizan conjuntos de datos públicos para perfeccionar la tecnología vinculada a la vigilancia, y por los periodistas que informaron sobre el trabajo de Harvey. Muchos investigadores en los campos d...

 Las máquinas no pueden leer ni responder a las reglas que se expresan en el lenguaje humano. Para que las reglas sean legibles por máquina y procesables, la interpretación de las reglas también debe estar codificada. Determinar la mejor manera de codificar las leyes es importante a medida que nos adentramos en un futuro digital. Décadas en la fabricación La codificación de las normas legales no es completamente nueva. Durante las últimas cinco décadas, los investigadores en inteligencia artificial y derecho han producido una variedad de versiones codificadas formalmente de leyes tributarias y de otro tipo. https://theconversation.com/rules-as-code-will-let-computers-apply-laws-and-regulations-but-over-rigid-interpretations-would-undermine-our-freedoms-149992

 Estraordinaria entrevista donde se habla de la autonomía de las personas ante la IA, de la ley, de la explicabiidad y sobre todo de la Agencia Humana frente o mediada por la IA. Hace una llamada a empezar a debatir y regular. https://opiniojuris.org/2020/11/25/the-time-has-come-for-international-regulation-on-artificial-intelligence-an-interview-with-andrew-murray/

Una rama separada de la jurisprudencia de acción afirmativa, vinculada a la contratación del gobierno, ha permitido durante mucho tiempo preferencias explícitas de raza y género. Las agencias federales, estatales y locales crean reservas reservadas y preferencias de licitación para los contratistas de propiedad de minorías, y esas preferencias han sido aprobadas legalmente porque las agencias podrían documentar sus propias historias de discriminación. Ho dice que los defensores de la equidad bien podrían justificar las correcciones basadas en la raza o el género sobre la base de la discriminación pasada. Al igual que el sistema de Amazon, la mayoría de los modelos de inteligencia artificial se entrenan con datos históricos que pueden incorporar patrones pasados ​​de discriminación. Lo que enfatiza la ley, dice Ho, es que la magnitud del ajuste debe seguir la evidencia de discriminación histórica. El precedente de contratación gubernamental permite una cuantificación explícita, lo que h...

  https://www.consilium.europa.eu/media/46671/st-12750-2020-init.pdf

 Con el tiempo, los algoritmos de predicción se especializan para una porción cada vez más estrecha de la población y la calidad media de sus predicciones disminuye. Antes de comenzar su investigación, el equipo de Zou reconoció que existe una dinámica de retroalimentación en juego si los algoritmos de aprendizaje automático de las empresas compiten por usuarios o clientes y, al mismo tiempo, utilizan datos de clientes para entrenar su modelo. “Al ganar clientes, obtienen un nuevo conjunto de datos de esos clientes y, luego, al actualizar sus modelos en este nuevo conjunto de datos, en realidad cambian el modelo y lo orientan hacia los nuevos clientes que han ganado. terminado ”, dice Ginart. El equipo se preguntó: ¿Cómo podría esa retroalimentación afectar la capacidad de los algoritmos para brindar recomendaciones de calidad? Para obtener una respuesta, analizaron matemáticamente la competencia algorítmica y la simularon utilizando algunos conjuntos de datos estándar. Al final, d...