{"id":2275,"date":"2021-06-16T13:08:42","date_gmt":"2021-06-16T12:08:42","guid":{"rendered":"https:\/\/telecomkh.info\/?p=2275"},"modified":"2021-06-16T13:08:42","modified_gmt":"2021-06-16T12:08:42","slug":"5-consejos-para-implementar-una-inteligencia-artificial-etica-en-la-empresa-segun-cloudera","status":"publish","type":"post","link":"https:\/\/telecomkh.info\/?p=2275","title":{"rendered":"5 consejos para implementar una Inteligencia Artificial \u00e9tica en la empresa, seg\u00fan Cloudera"},"content":{"rendered":"

El gobierno del dato, la apuesta por la transparencia, colocar al ser humano en el centro, apostar por la formaci\u00f3n e identificar los riesgos son pilares fundamentales<\/strong><\/p>\n

La presencia cada vez m\u00e1s generalizada de Inteligencia Artificial (IA) en nuestra sociedad ha propiciado un debate sobre la relaci\u00f3n que deben mantener los humanos con las m\u00e1quinas capacitadas para identificar patrones de comportamiento a trav\u00e9s de los datos y realizar predicciones basadas en probabilidades seg\u00fan las decisiones tomadas. Parece que la irrupci\u00f3n de la automatizaci\u00f3n nos ha hecho ser m\u00e1s conscientes de la necesidad de dotar a las nuevas tecnolog\u00edas de valores y principios.
\nEn este contexto, Cloudera, la empresa de la Enterprise Data Cloud, presenta algunas recomendaciones con el fin de conseguir implementar una Inteligencia Artificial \u00e9tica en la empresa.<\/p>\n

1.Apostar por la transparencia<\/strong>. Actualmente, no existe una legislaci\u00f3n de aplicaci\u00f3n universal al respecto. Dicho esto, es importante que las organizaciones tengan claro c\u00f3mo implementar su ML por una cuesti\u00f3n fundamental: generar confianza. Los sistemas opacos que no son f\u00e1ciles de entender o no tienen claros los datos de los que informan las aplicaciones de aprendizaje autom\u00e1tico pueden generar desconfianza.
\nEsto fue lo que ocurri\u00f3, cuando varios clientes de las tarjetas de Apple sospecharon que el algoritmo utilizado para otorgar cu\u00e1nto cr\u00e9dito correspond\u00eda a cada cliente estaba tomando decisiones con sesgo de g\u00e9nero. Si bien la tarjeta Apple (y, por extensi\u00f3n Goldman Sachs) fue aprobada m\u00e1s tarde por un regulador (el Departamento de Servicios Financieros del Estado de Nueva York) de la discriminaci\u00f3n sistem\u00e1tica contra las mujeres, el da\u00f1o a la reputaci\u00f3n ya estaba hecho. Adem\u00e1s, el regulador critic\u00f3 \u201clas deficiencias en el servicio al cliente y la transparencia\u201d de la organizaci\u00f3n\u201d. Por lo tanto, ser abierto y transparente sobre el funcionamiento del aprendizaje autom\u00e1tico es crucial para su adopci\u00f3n y aceptaci\u00f3n generalizadas.<\/p>\n

2. Aumentar la inversi\u00f3n en formaci\u00f3n<\/strong>. A medida que la IA y el aprendizaje autom\u00e1tico se vuelven cada vez m\u00e1s frecuentes, es fundamental que los empleados se capaciten y reciban la formaci\u00f3n adecuada para trabajar con modelos y algoritmos. Esto es esencial para garantizar que las personas que toman decisiones basadas en predicciones de ML puedan hacerlo de manera informada, teniendo en cuenta las limitaciones de la aplicaci\u00f3n y el contexto situacional m\u00e1s amplio. Incluso una aplicaci\u00f3n de aprendizaje autom\u00e1tico bien dise\u00f1ada puede contribuir a resultados injustos si sus usuarios humanos desconocen sus limitaciones y la utilizan de forma incorrecta.<\/p>\n

3. Responder a la regulaci\u00f3n entrante y a las decisiones ejecutivas.<\/strong>\u00a0Las organizaciones necesitar\u00e1n desarrollar e implementar la IA de una manera que les permita responder a la regulaci\u00f3n entrante. Por ejemplo, un regulador podr\u00eda requerir que se eliminen todos los modelos de aprendizaje autom\u00e1tico basados en datos \u00abcontaminados\u00bb (porque no se obtuvo el consentimiento adecuado). El caso Everalbum y el fallo de la FTC son un excelente ejemplo del impacto significativo de la regulaci\u00f3n.
\nPor lo tanto, las empresas deben asegurarse de que su infraestructura admita el seguimiento del linaje de datos y el control de las versiones del modelo. Estas caracter\u00edsticas permitir\u00edan a las empresas aislar conjuntos de datos particulares y la versi\u00f3n del modelo que se entren\u00f3 en ellos. Estas y otras caracter\u00edsticas de MLOps tambi\u00e9n son \u00fatiles para fines de auditor\u00eda, algo en lo que insistir\u00e1n muchos reguladores.<\/p>\n

4. Hacia el Human in the loop<\/strong>. La toma de decisiones automatizada conlleva riesgos. Reconocer y gestionar ese peligro es fundamental para generar confianza en las aplicaciones m\u00e1s amplias del aprendizaje autom\u00e1tico y la inteligencia artificial. Es por eso que, aunque la IA puede automatizar las tareas que realizan los individuos, los humanos siempre deben ser los que tomen las decisiones.
\nEsto se debe a que el ser humano posee una comprensi\u00f3n m\u00e1s amplia y matizada del contexto en el que se aplican las decisiones de ML. El art\u00edculo 22 del RGPD consagra esta din\u00e1mica al permitir a los usuarios exigir una explicaci\u00f3n de las decisiones tomadas \u00fanicamente en base a una predicci\u00f3n fundamentada en la probabilidad y derivada algor\u00edtmicamente.<\/p>\n

5. Gobierno adecuado<\/strong>. Establecer una supervisi\u00f3n y un buen gobierno es fundamental ya que los datos tienen un papel crucial en el desarrollo de una Inteligencia Artificial \u00e9tica. Es necesario generar jerarqu\u00edas de responsabilidad en la construcci\u00f3n de algoritmos complejos. El buen gobierno implica tener una mejor comprensi\u00f3n del contexto del dato y ayuda a quienes crean los modelos a tomar decisiones informadas sobre qu\u00e9 datos es apropiado utilizar para el desarrollo del modelo.<\/p>\n

Arriba, imagen cortes\u00eda de Cloudera<\/em><\/span><\/p>\n

 <\/p>\n","protected":false},"excerpt":{"rendered":"

El gobierno del dato, la apuesta por la transparencia, colocar al ser humano en el centro, apostar por la formaci\u00f3n e identificar los riesgos son pilares fundamentales La presencia cada vez m\u00e1s generalizada de Inteligencia Artificial (IA) en nuestra sociedad ha propiciado un debate sobre la relaci\u00f3n que deben mantener los humanos con las m\u00e1quinas … <\/p>\n

Continue reading \u00ab5 consejos para implementar una Inteligencia Artificial \u00e9tica en la empresa, seg\u00fan Cloudera\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":2276,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[9],"tags":[],"_links":{"self":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/2275"}],"collection":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=2275"}],"version-history":[{"count":1,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/2275\/revisions"}],"predecessor-version":[{"id":2277,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/2275\/revisions\/2277"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/media\/2276"}],"wp:attachment":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=2275"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=2275"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=2275"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}