"Non podemos combater os vicios na IA con equipos viciosos." - Joy Buolamwini "Non podemos combater os vicios na IA con equipos viciosos." - Joy Buolamwini Se estás a ler isto, as posibilidades son que fixeches unha pregunta a ChatGPT, usaches un sistema de recomendación para binge o teu próximo programa favorito ou viches un filtro de IA converter a túa selfie nunha pintura do Renacemento. Pero mentres nos admiramos co poder da intelixencia artificial, hai unha pregunta que non preguntamos o suficiente: Quen axudou a construír esta intelixencia? Quen axudou a construír esta intelixencia? Detrás das redes neurais e miles de millóns de parámetros, hai unha forza menos visible pero incriblemente vital: Científicos, enxeñeiros, éticos e pioneiros, que formaron as bases e a ética da IA tal e como a coñecemos hoxe. women Ada Lovelace: The Original Architect of Algorithms Aínda que a IA pode parecer unha marabilla moderna, as súas raíces poden ser trazadas ata os anos 1800, si, realmente. , escribiu o que se considera o primeiro algoritmo destinado a unha máquina. Ela imaxinou un futuro onde as máquinas poderían facer máis que só números crunch. world’s first computer programmer Soa familiar? Lovelace non construíu AI, pero abriu a porta ao pensamento computacional. El camiñou por ela. Fei-Fei Li: Teaching AI to See Ningunha conversación sobre a AI moderna é completa sen , co-director do Instituto de IA centrada no ser humano de Stanford e creador de ImageNet, un conxunto de datos tan masivo e tan detallado que axudou a dar a luz á revolución da visión informática moderna. Dr. Fei-Fei Li Antes de ImageNet, a IA loitaba coa clasificación de imaxes. Hoxe, o seu teléfono pode distinguir entre un gato e un cappuccino, grazas ao aprendizaxe profundo adestrado sobre os mesmos datos que curou o seu equipo. Recordando ao mundo que a intelixencia non significa nada sen empatía. ethical, inclusive, and human-centered AI, Timnit Gebru: The Voice of Conscience A IA é poderosa, pero o poder sen responsabilidade é perigoso. Un científico informático e antigo co-líder do equipo de IA ética de Google, a investigación de Gebru sobre o prexuízo algorítmico e o recoñecemento facial revelou como a IA pode perpetuar a discriminación racial e de xénero. Timnit Gebru O seu traballo non só expuxo defectos, senón que desencadeou conversas globais sobre A saída de Timnit de Google fixo headlines, pero tamén desencadeou un movemento, empurrando ás empresas de tecnoloxía a enfrontarse a verdades incómodas. ethics, corporate responsibility, and diversity in AI teams. Joy Buolamwini: Fighting Bias with the Coded Gaze Probablemente xa escoitou falar do recoñecemento facial, pero sabía que algúns destes sistemas non puideron identificar con precisión ás mulleres de pel máis escura? , fundadora da Algorithmic Justice League, trouxo isto á luz a través da súa investigación no MIT Media Lab. Joy Buolamwini O seu documental A defensa de Joy levou a cambios na política do mundo real e a un maior control sobre as implementacións de IA na aplicación da lei e no goberno. peeled back the shiny facade of AI to reveal something alarming: unintentional biases baked into code, stemming from a lack of representation in training data and development teams. Codificación de bias Codificación de bias Other Women Changing the Game Rana el Kaliouby, pioneira na computación afectiva, construíu unha IA de emocións que pode detectar os sentimentos humanos a través das expresións faciais. Cynthia Breazeal, unha das primeiras en traballar na robótica social, fixo que as máquinas fosen máis interactivas e humanas. Kate Crawford, cuxo traballo abarca as dimensións políticas e filosóficas da IA, co-fundou o Instituto AI Now para facer a tecnoloxía máis equitativa. These aren’t token names. These are women rewriting the rules of what machines can learn, feel, and decide. Son mulleres que reescriben as regras do que as máquinas poden aprender, sentir e decidir. Son mulleres que reescriben as regras do que as máquinas poden aprender, sentir e decidir. Why This Matters? A narración global de IA foi modelada durante demasiado tempo por unha demografía estreita. Cando a IA está deseñada sen diversidade nos seus creadores, corre o risco de reforzar estereotipos nocivos e esquecer comunidades marginalizadas. para garantir que os seus arquitectos reflictan o mundo que está destinado a servir. a social responsibility Aínda así, as mulleres só se resisten a Segundo o Foro Económico Mundial, esa brecha non é só sobre representación, é un punto cego en innovación, ética e empatía. 22% of AI professionals A Call to Action Se estás na tecnoloxía: mentor a unha muller. Se estás a contratar: diversifica o teu equipo. Se estás a construír produtos: pregunta os teus datos. Se estás a escribir a política de IA: escoita as voces que estiveron alí desde o primeiro día pero non sempre tiveron o micrófono. O futuro da IA non é só sobre o que as máquinas poden facer - é sobre . who gets to shape that future Let’s make sure it’s a future built by everyone, for everyone.