Descrição do Curso
Estas lições sobre Preconceito, Inclusão e Equidade na Inteligência Artificial irão explorar a razão pela qual o preconceito é um dos conceitos mais discutidos envolvendo a ética da IA e porque é que a prevenção do preconceito deve fazer parte da governação de todos os sistemas de IA. Além disso, estas lições irão rever os conceitos de justiça, representatividade e o princípio do impacto inclusivo.
Os sistemas de IA escalam a injustiça prejudicial a um nível enorme. Consequentemente, a prevenção do enviesamento deve fazer parte de todo o processo de construção de modelos, desde a concepção à recolha de dados, passando pelo treino e teste dos modelos. Os dados representativos são importantes para ultrapassar o enviesamento na construção de modelos de aprendizagem automática. Para que os dados sejam representativos, devem representar com exactidão os casos que interessam à IA. Aprenderá as formas como os dados representativos podem ser utilizados para atenuar ou eliminar o enviesamento nos sistemas de IA baseados na aprendizagem automática.
Na sua essência, a justiça significa que os titulares dos dados devem ser tratados de forma imparcial e equitativa, independentemente de características como a raça, o género, a idade, a região, a nacionalidade, o país de origem, as convicções políticas, a religião, etc. Através destas lições, irá também explorar o conceito de justiça e a sua relevância para o preconceito, cujas definições específicas foram amplamente exploradas na literatura académica.
Por fim, ficará a conhecer o princípio do impacto inclusivo e a forma como este pode ser utilizado para capacitar as pessoas e partilhar os benefícios entre todos.
O Que Você Vai Aprender
- Descrever a diferença entre viés e equidade em sistemas de IA
- Reconhecer os riscos apresentados por sistemas de IA tendenciosos
- Explicar por que dados representativos são importantes para criar IA justa
- Aplicar dados representativos para mitigar ou eliminar viés em sistemas de IA baseados em aprendizado de máquina
- Entender o princípio de impacto inclusivo e sua capacidade de capacitar aqueles que interagem com IA
- Explorar equidade, representatividade e o princípio de impacto inclusivo na ética da IA
Principais Conclusões
- Viés é um dos conceitos mais discutidos na ética da IA, e sua prevenção deve fazer parte da governança de cada sistema de IA.
- Como sistemas de IA amplificam a injustiça prejudicial em larga escala, a prevenção de viés deve abranger toda a cadeia de construção do modelo, desde o design até a coleta de dados, treinamento e testes do modelo.
- Dados representativos representam com precisão os casos com os quais a IA se preocupa e são importantes para superar o viés na construção de modelos de aprendizado de máquina.
- Equidade significa que os sujeitos de dados devem ser tratados de forma imparcial e equitativa, independentemente de características como raça, gênero, idade, região, nacionalidade, país de origem, crenças políticas ou religião.
- O princípio de impacto inclusivo pode ser usado para capacitar pessoas e compartilhar benefícios entre todos.
Perguntas Frequentes
Quais tópicos este curso cobre?
Cobre viés, inclusividade e equidade em inteligência artificial, incluindo detecção e prevenção de viés, dados representativos, equidade em IA e impacto inclusivo.
Quais habilidades vou ganhar com este curso?
Você desenvolverá habilidades em Sistemas de Inteligência Artificial, Inteligência Artificial, Viés, Inteligência Computacional, Ética de Dados e Políticas de Diversidade, Equidade e Inclusão.
O que equidade significa no contexto da IA?
Equidade significa que os sujeitos de dados devem ser tratados de forma imparcial e equitativa, independentemente de características como raça, gênero, idade, região, nacionalidade, país de origem, crenças políticas ou religião.
Por que dados representativos são importantes?
Para que os dados sejam representativos, eles devem representar com precisão os casos com os quais a IA se preocupa, e dados representativos podem ser usados para mitigar ou eliminar viés em sistemas de IA baseados em aprendizado de máquina.
O que é o princípio de impacto inclusivo?
Impacto inclusivo é um princípio que pode ser usado para capacitar pessoas que interagem com IA e para compartilhar benefícios entre todos.
