{"id":127872,"date":"2019-01-24T05:31:27","date_gmt":"2019-01-24T13:31:27","guid":{"rendered":"https:\/\/www.genesys.com\/?post_type=blog&p=127872"},"modified":"2019-01-24T05:31:27","modified_gmt":"2019-01-24T13:31:27","slug":"hablemos-de-la-etica-de-la-inteligencia-artificial-la-lucha-de-la-equidad-en-los-modelos-predictivos-de-ia","status":"publish","type":"blog","link":"https:\/\/www.genesys.com\/es-mx\/blog\/post\/hablemos-de-la-etica-de-la-inteligencia-artificial-la-lucha-de-la-equidad-en-los-modelos-predictivos-de-ia","title":{"rendered":"Hablemos de la \u00e9tica de la inteligencia artificial: la lucha de la equidad en los modelos predictivos de IA"},"content":{"rendered":"

[vc_section full_width=”stretch_row”][vc_row][vc_column][vc_column_text]La equidad es uno de los pilares de la \u00e9tica de la inteligencia artificial (IA) en Genesys. Tambi\u00e9n conocido como \u201cIA moral\u201d, este concepto es bastante similar a las teor\u00edas que planteaba Immanuel Kant<\/a><\/u>, fil\u00f3sofo alem\u00e1n del siglo xviii, quien defini\u00f3 las leyes de la moralidad como “absolutos comprobables y aplicables a todos”, cuya validez no depende ni de los resultados ni del motivo ulterior. \u201cNo mentir\u00e1s\u201d es un buen ejemplo de regla o m\u00e1xima moral y un buen punto de partida para este an\u00e1lisis.<\/p>\n

En el primer blog de esta serie sobre la \u00e9tica de la IA, analizamos los\u00a0beneficios sociales de la inteligencia artificial<\/a><\/u> y el gran cambio que produce en la vida de las personas. En este segundo art\u00edculo, examinaremos el sentido de equidad o de justicia detr\u00e1s de la \u00e9tica de la IA y el problema de los sesgos (raciales, \u00e9tnicos, de g\u00e9nero, nacionalidad, orientaci\u00f3n sexual, capacidades, etc.).<\/p>\n

Equidad en las oportunidades y en los resultados<\/strong><\/p>\n

Una manera de mirar a la IA y al sentido de equidad es decidir qu\u00e9 aspecto de “equidad” tendremos en cuenta: si las oportunidades o los resultados. Ambos tipos tienen un lugar en la sociedad.<\/p>\n

La equidad en las oportunidades es clara en los deportes, por ejemplo, ya que todos juegan con las mismas reglas. El resultado no est\u00e1 determinado de antemano, pero todos lo aceptan \u2013ganen o pierdan\u2013 si el juego ha sido limpio.<\/p>\n

La equidad en los resultados est\u00e1 presente en la mesa familiar. Cuando se sirve la cena, todos reciben una porci\u00f3n equitativa. En otras palabras, independientemente de si el miembro de la familia particip\u00f3 de la preparaci\u00f3n de la comida o no, el resultado es justo o equitativo para todos.<\/p>\n

Un modelo predictivo, como el del aprendizaje autom\u00e1tico o machine learning, producir\u00e1 un resultado justo o equitativo a partir de una presunci\u00f3n de oportunidad justa o equitativa sobre la base de:<\/p>\n