Curso online - Masterclass: Inteligencia Artificial y ètica de los algoritmos

Hacer comprensible para el público general los conceptos de inteligencia artificial tal como se está utilizando ahora mismo en muchos servicios digitales.
Entender que "inteligencia", "aprendizaje", "reconocimiento", etc. cuando se habla en un contexto informático son sólo metáforas para facilitar la comprensión y en ningún momento debemos suponer que estas máquinas están realmente aprendiendo o que son inteligentes en un sentido humano.
Mostraremos como algunas de las aplicaciones de este software en nuestra vida cotidiana presentan retos éticos importantes que hay que analizar y ponderar.
Distinguir entre aquellos retos éticos que son realmente resultado de la aplicación del software en sí mismo y de aquellos que sólo se convertirían problemáticos en función de un uso determinado por parte de humanospoco escrupulosos.

TEMARIO

1. ¿Qué es un algoritmo? concepto de algoritmo en general para entender su ubicuidad en todo el espacio informático.
2. Tipo de inteligencia artificial. Diferenciación entre una forma simbólica de hacer inteligencia artificial, donde las personas que programan tienen el control completo del algoritmo versus el aprendizaje automático, donde el programa extrae patrones a partir de análisis estadísticos.
3. Usos del aprendizaje automático en los servicios digitales actuales. Presentación de como de común es el aprendizaje automático en la gran mayoría de servicios digitales que utilizamos en la actualidad.
4. ¿Qué son las redes neuronales? Una presentación no técnica de lo que son las redes neuronales, su origen y como se utilizan en la actualidad.
5. Diferentes modelos de aprendizaje automático. Discusión, evitando tecnicismos, de las diferentes formas en que los programas de aprendizaje automático extraen patrones.
6. ¿En qué consiste el deep learning? Presentación de este tipo particular de aprendizaje automático, mostrando las diferencias básicas con los otros tipos explicados anteriormente.
7. Posibilidades y límites del aprendizaje automático. En qué maneras el aprendizaje automático difiere de la forma en que humanos aprendemos y razonamos.
8. El algoritmo como caja negra. El problema que representa el hecho de que los algoritmos, al ser creados automáticamente, no sabemos con certeza qué hacen.
9. Fiabilidad de los algoritmos. Al basarse en un contexto para aprender, los algoritmos pueden producir resultados erróneos e inesperados cuando el contexto cambia.
10. La burbuja de los filtros. De cómo los algoritmos que regulan la circulación de información en las redes sociales tienden a crear burbujas donde creemos que todo el mundo piensa como nosotros y acabamos aceptando "fake news" y similares.
11. Injusticia algorítmica. De cómo los algoritmos basados en aprendizaje automático, si los utilizamos para tomar decisiones con implicaciones sociales, como en justicia, política, educación, medicina, pueden acabar replicando injusticias ya existentes e incluso amplificarlas.