Sánchez Caparrós, Mariana
Prevenir y controlar la discriminación algorítmica / Mariana Sánchez Caparrós. - Santa Fe : Rubinzal Culzoni. 2021. - 34 p.
Artículo de doctrina. Rubinzal Culzoni
Cita digital: RC D 427/2021.
I. Introducción. II. Inteligencia artificial, machine learning, cajas blancas y cajas negras. II.1. ¿De qué hablamos, cuando hablamos de IA? II.2. IA general e IA restringida, Machine Learning, Black y White boxes. III. ¿Algoritmos que discriminan? El problema del sesgo injusto. III.1. De qué hablamos cuando hablamos de sesgo algorítmico. III.2. La problemática del sesgo frente a las cajas negras. IV. Prevenir el sesgo injusto - La regulación como instrumento. IV.1. Principios rectores para una IA ética, robusta, fiable y centrada en las personas IV.2. ¿Quién dicta los marcos éticos? Iniciativas del sector privado y el rol del sector público IV.3. Algunas propuestas regulatorias en el mundo: el Libro Blanco de la UE; la propuesta del Parlamento Europeo y el proyecto de Ley de Responsabilidad Algorítmica en EE.UU. IV.3.1. El Libro Blanco de la UE. IV.3.2. La propuesta del Parlamento Europeo del año 2020. IV.3.3. El proyecto de Ley de Responsabilidad Algorítmica en los EE.UU. V. Impugnar la decisión automatizada que discrimina - Las categorías sospechosas como herramienta. V.1. Las categorías sospechosas en el ámbito latinoamericano y en particular, en el ámbito de la Corte Interamericana de Derechos Humanos. V.2. Categorías sospechosas y potencialmente sospechosas - Relevancia de la distinción. V.3. Las categorías sospechosas para impugnar y controlar el sesgo algorítmico. VI. Conclusiones. VII. Bibliografía.
DERECHO INFORMATICO
NUEVAS TECNOLOGIAS DE INFORMACION
INTELIGENCIA ARTIFICIAL
TECNOLOGIA
DISCRIMINACION
CATEGORIAS SOSPECHOSAS
Prevenir y controlar la discriminación algorítmica / Mariana Sánchez Caparrós. - Santa Fe : Rubinzal Culzoni. 2021. - 34 p.
Artículo de doctrina. Rubinzal Culzoni
Cita digital: RC D 427/2021.
I. Introducción. II. Inteligencia artificial, machine learning, cajas blancas y cajas negras. II.1. ¿De qué hablamos, cuando hablamos de IA? II.2. IA general e IA restringida, Machine Learning, Black y White boxes. III. ¿Algoritmos que discriminan? El problema del sesgo injusto. III.1. De qué hablamos cuando hablamos de sesgo algorítmico. III.2. La problemática del sesgo frente a las cajas negras. IV. Prevenir el sesgo injusto - La regulación como instrumento. IV.1. Principios rectores para una IA ética, robusta, fiable y centrada en las personas IV.2. ¿Quién dicta los marcos éticos? Iniciativas del sector privado y el rol del sector público IV.3. Algunas propuestas regulatorias en el mundo: el Libro Blanco de la UE; la propuesta del Parlamento Europeo y el proyecto de Ley de Responsabilidad Algorítmica en EE.UU. IV.3.1. El Libro Blanco de la UE. IV.3.2. La propuesta del Parlamento Europeo del año 2020. IV.3.3. El proyecto de Ley de Responsabilidad Algorítmica en los EE.UU. V. Impugnar la decisión automatizada que discrimina - Las categorías sospechosas como herramienta. V.1. Las categorías sospechosas en el ámbito latinoamericano y en particular, en el ámbito de la Corte Interamericana de Derechos Humanos. V.2. Categorías sospechosas y potencialmente sospechosas - Relevancia de la distinción. V.3. Las categorías sospechosas para impugnar y controlar el sesgo algorítmico. VI. Conclusiones. VII. Bibliografía.
DERECHO INFORMATICO
NUEVAS TECNOLOGIAS DE INFORMACION
INTELIGENCIA ARTIFICIAL
TECNOLOGIA
DISCRIMINACION
CATEGORIAS SOSPECHOSAS
