Masterclass: Inteligencia Artificial y ètica de los algoritmos

Hacer comprensibles para el público general los conceptos de inteligencia artificial tal y como se están utilizando ahora mismo en muchos servicios digitales. Entender que "inteligencia", "aprendizaje", "reconocimiento", etc., cuando se habla en un contexto informático, son solo metáforas para facilitar la comprensión y en ningún momento debemos suponer que estas máquinas realmente están aprendiendo o que son inteligentes en un sentido humano. Se mostrará cómo algunas de las aplicaciones de este software en nuestra vida cotidiana presentan retos éticos importantes que deben ser analizados y ponderados. Distinguir entre aquellos retos éticos que son realmente resultado de la aplicación del software en sí mismo y aquellos que solo se vuelven problemáticos en función de un uso determinado por parte de humanos poco escrupulosos.

TEMARIO

1. ¿Qué es un algoritmo? Introducción al concepto de algoritmo en general para entender su ubicuidad en todo el espacio informático.
2. Tipos 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 cómo es de común el aprendizaje automático en la gran mayoría de los servicios digitales que utilizamos hoy en día.
4. ¿Qué son las redes neuronales? Una presentación no técnica de qué son las redes neuronales, su origen y cómo se utilizan actualmente.
5. Diferentes modelos de aprendizaje automático. Discusión, evitando tecnicismos, 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. Mostraríamos de qué maneras el aprendizaje automático difiere de la forma en que los 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 todos piensan 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 y hasta amplificarlas.