La importancia de la Ética en la Inteligencia Artificial, ¿cómo conseguir algoritmos equitativos?
La Inteligencia Artificial se usa cada vez más en nuestro día a día, aportando grandes beneficios a todos nosotros. Sin embargo, la toma de decisiones con algoritmos de Machine Learning puede ser perjudicial al recrear sesgos históricos. La preocupación sobre la transparencia y la equidad del Aprendizaje Automático está en aumento debido al impacto progresivo en la sociedad.
José Carlos Baquero, Director de Inteligencia Artificial y Big Data de Secure e-Solutions de GMV, ha resaltado la importancia de la ética en la Inteligencia Artificial durante su ponencia en IAragón Summit 2019, compartiendo cómo podemos conseguir algoritmos equitativos para defendernos de los prejuicios.
Debemos apostar por la Inteligencia Artificial y el aprendizaje automático, pero aún necesitamos buscar establecer los límites éticos a los que se debería someter este ámbito. Cada día surgen más inquietudes sobre la pérdida de transparencia, responsabilidad y equidad de los algoritmos que toman decisiones, provocando una necesidad de intensificar y buscar formas para mitigar la discriminación emergente en nuestros modelos. En su intervención, Baquero ha mencionado aproximaciones que se están llevando a cabo para realizar modelos predictivos equitativos, como permitir interrogar a los modelos complejos poniendo el foco en la interpretabilidad y transparencia, o modificar la optimización de las funciones objetivo y añadir restricciones para hacer modelos más robustos y justos en sus predicciones.
Por ejemplo, remediar el sesgo discriminatorio de los algoritmos es imposible si estos son opacos. En ese caso, la transparencia es esencial y una solución puede ser empezar por hacer seguimiento y publicar dónde se usan los sistemas de Inteligencia Artificial y con qué propósito. En un proceso de contratación, comprender en qué puntos los algoritmos entran en juego puede ayudar a identificar los orígenes del sesgo.
En definitiva, se requieren técnicas ingeniosas para corregir el profundo sesgo de los datos y forzar a los modelos a realizar predicciones más imparciales. Estas acciones conllevan un coste que reduce el desempeño de nuestro modelo, pero es un “pequeño precio a pagar para dejar atrás el mundo sesgado de ayer y tener un mañana más justo”, concluyó Baquero.
