Masterclass: Intel·ligència Artificial i l'ètica dels algoritmes

Fer comprensible per al públic general els conceptes d'intel·ligència artificial tal i com s'està utilitzant ara mateix en molts serveis digitals. Entendre que "intel·ligència", "aprenentatge", "reconeixement", etc. quan és parla en un context informàtic són només metàfores per facilitar la comprensió i en cap moment hem de suposar que aquestes màquines estan realment aprenent o que són intel·ligents en un sentit humà. Es mostrarà com algunes de les aplicacions d'aquest software a la nostra vida quotidiana presenten reptes ètics importants que cal analitzar i ponderar. Distingir entre aquells reptes ètics que són realment resultat de l'aplicació del software en sí mateix i d'aquells que només esdevindrien problemàtics en funció d'un ús determinat per part d'humans poc escrupolosos.

TEMARI

1. Què és un algoritme? Introducció al concepte d'algoritme en general per entendre la seva ubiqüitat en tot l'espai informàtic.
2. Tipus d'intel·ligència artificial. Diferenciació entre una forma simbòlica de fer intel·ligència artificial, on les persones que programen tenen el control complert de l'algoritme versus l'aprenentatge automàtic, on el programa extreu patrons a partir d'anàlisis estadístiques.
3. Usos de l'aprenentatge automàtic en els serveis digitals actuals. Presentació com de comú és l'aprenentatge automàtic en la gran majoria de serveis digitals que utilitzem en l'actualitat.
4. Què són les xarxes neurals? Una presentació no tècnica del que són les xarxes neuronals, el seu origen i com s'utilitzen en l'actualitat.
5. Diferents models d'aprenentatge automàtic. Discussió, evitant tecnicismes, les diferents formes en que els programes d'aprenentatge automàtic extreuen patrons.
6. En què consisteix el deep learning? Presentació d'aquest tipus particular d'aprenentatge automàtic, mostrant les diferències bàsiques amb els altres tipus explicats anteriorment.
7. Possibilitats i límits de l'aprenentatge automàtic. Mostraríem en quines maneres l'aprenentatge automàtic difereix de la forma en què humans aprenem i raonem.
8. L'algoritme com a caixa negra. El problema que representa el fet de què els algoritmes, al ser creats automàticament, no sabem amb certesa què fan.
9. Fiabilitat dels algoritmes. Al basar-se en un context per aprendre, el algoritmes poden produir resultats erronis i inesperats quan el context canvia.
10. La bombolla dels filtres. De com els algoritmes que regulen la circulació d'informació a les xarxes socials tendeixen a crear bombolles on creiem que tothom pensa com nosaltres i acabem acceptant "fake news" i similars.
11. Injustícia algorítmica. De com els algoritmes basats en aprenentatge automàtic, si els utilitzem per prendre decisions amb implicacions socials, com en justícia, política, educació, medicina, poden acabar replicant injustícies ja existents i fins i tot amplificar-les.