Schema of the Main Algorithmic Fairness mitigation methodsAbstract
Los modelos de aprendizaje automático se están convirtiendo en las principales herramientas para abordar problemas sociales complejos y también se utilizan cada vez más para tomar o apoyar decisiones sobre los individuos en muchas áreas consecuentes de sus vidas, desde la justicia hasta la asistencia sanitaria. Por lo tanto, es necesario tener en cuenta las implicaciones éticas de tales decisiones, incluyendo conceptos como la privacidad, la transparencia, la responsabilidad, la fiabilidad, la autonomía y la equidad. En concreto, explicaremos el panorama actual de la equidad en la IA, desde las fuentes del sesgo y los diferentes enfoques algorítmicos de la equidad hasta sus limitaciones y enfoques de vanguardia. El objetivo principal es proporcionar una visión general de lo que es la equidad, así como los principales retos de investigación que la comunidad tiene que abordar.
alk after 2 months of PhD in the University where I studied my Bachelors and where I also worked as a researcher. The talk in focused on giving a intuitive introduction to the sociotechnical problem of Algorithmic Fairness in Decision Making. This presentaion covers broadly the motivation, previous approaches, current approaches and open challenges of the field. In addition, it also cover some sociological and historical concerns about this field, wich is obvoiusly interdisciplinary given the deep importance that it has in ethical and sociological problems.
Adrián Arnaiz-Rodríguez
Artificial Intelligence PhD Student
ELLIS PhD Student in Algorithmic Fairness and Graph Neural Networks at ELLIS Alicante.