{"id":127869,"date":"2019-01-24T05:22:44","date_gmt":"2019-01-24T13:22:44","guid":{"rendered":"https:\/\/www.genesys.com\/?post_type=blog&p=127869"},"modified":"2019-01-24T05:22:44","modified_gmt":"2019-01-24T13:22:44","slug":"vamos-conversar-sobre-a-etica-da-inteligencia-artificial-a-luta-pela-equidade-nos-modelos-preditivos-de-ia","status":"publish","type":"blog","link":"https:\/\/www.genesys.com\/pt-br\/blog\/post\/vamos-conversar-sobre-a-etica-da-inteligencia-artificial-a-luta-pela-equidade-nos-modelos-preditivos-de-ia","title":{"rendered":"Vamos conversar sobre a \u00e9tica da intelig\u00eancia artificial: a luta pela equidade nos modelos preditivos de IA"},"content":{"rendered":"

[vc_section full_width=”stretch_row”][vc_row][vc_column][vc_column_text]A equidade \u00e9 um dos pilares da \u00e9tica da intelig\u00eancia artificial (IA) na Genesys. Tamb\u00e9m conhecido como “IA moral”, esse conceito \u00e9 bastante semelhante \u00e0s teorias de Immanuel Kant<\/a><\/u>, fil\u00f3sofo alem\u00e3o do s\u00e9culo XVIII, que definiu as leis morais como “absolutos comprov\u00e1veis que s\u00e3o aplic\u00e1veis a todos”, cuja validez n\u00e3o depende de motivos ou resultados ulteriores. “N\u00e3o mentir\u00e1s” \u00e9 um bom exemplo de uma regra moral ou m\u00e1xima, e \u00e9 um bom ponto de partida para essa an\u00e1lise.<\/p>\n

O primeiro blog desta s\u00e9rie sobre \u00e9tica aplicada \u00e0 IA analisou os benef\u00edcios sociais da IA<\/a><\/u> e como ela pode melhorar a vida das pessoas em todo o mundo. Neste segundo artigo, vamos examinar o sentido de equidade ou justi\u00e7a na \u00e9tica da IA e o problema da tendenciosidade e dos preconceitos (em rela\u00e7\u00e3o a ra\u00e7a, etnia, g\u00eanero, nacionalidade, orienta\u00e7\u00e3o sexual, capacidades, etc.).<\/p>\n

Equidade de oportunidades e equidade nos resultados<\/strong><\/p>\n

Uma forma de ver a IA e a equidade \u00e9 decidir que aspecto da “equidade” teremos em conta: se as oportunidades ou os resultados. Os dois tipos t\u00eam seu lugar na sociedade.<\/p>\n

A equidade nas oportunidades \u00e9 clara nos esportes, por exemplo, j\u00e1 que todos jogam de acordo com as mesmas regras. O resultado n\u00e3o est\u00e1 predeterminado, mas todo mundo aceita os resultados \u2013 ganhando ou perdendo \u2013 se o jogo foi limpo.<\/p>\n

A equidade nos resultados est\u00e1 presente na mesa de jantar da fam\u00edlia. Quando a comida \u00e9 servida, todos recebem uma por\u00e7\u00e3o justa e igual. Em outras palavras, independentemente de ter participado na prepara\u00e7\u00e3o da refei\u00e7\u00e3o, cada membro da fam\u00edlia obt\u00e9m um resultado igual ou justo.<\/p>\n

Um modelo preditivo, como a aprendizagem autom\u00e1tica, produzir\u00e1 um resultado justo em termos de oportunidades se est\u00e1 baseado em:<\/p>\n