Sesgos en los sistemas inteligentes
Introducción — Sesgos en los sistemas inteligentes
Los datos usados para entrenar modelos pueden reflejar desigualdades sociales o representar insuficientemente a ciertos grupos. Las respuestas varían según las palabras, los datos y los métodos de evaluación; por eso deben examinarse críticamente.
¿Por qué importa este tema en FUTURIA? Ayuda a pasar de recibir información a comprenderla, aplicarla y contribuir. Puede iniciar una ruta de aprendizaje, una pregunta en un foro o una idea en la incubadora creativa. No se exige un título académico para debatir, pero acreditar un logro requiere pruebas adecuadas.
Actividad propuesta — Compara las respuestas de una herramienta ante distintas formulaciones y registra diferencias y supuestos.
Límites de responsabilidad — Un experimento pequeño plantea preguntas útiles, pero no prueba por sí solo un sesgo general.
Para debatir: ¿qué supuesto debemos poner a prueba primero? ¿Qué fuente podemos consultar? ¿Qué resultado puede documentarse y cuáles son los límites de su generalización?
