Equidad Algorítmica en Inteligencia Artificial: Desafíos y Dificultades

Miércoles 20 de noviembre a las 12 horas.

Meet: enlace

Título: Equidad Algorítmica en Inteligencia Artificial: Desafíos y Dificultades
Resumen: Los métodos de Machine Learning (ML), y en particular del Deep Learning (DL), han provocado una enorme revolución en los últimos años, impactando en prácticamente todas las áreas de la vida humana. Sin embargo, esta revolución no está libre de desafíos, y en los últimos años un gran número de trabajos ha demostrado que los sistemas de DL pueden presentar un desempeño dispar en función de variables demográficas sensibles (usualmente referidas como atributos protegidos), resultando sesgados contra ciertas poblaciones sistemática e injustamente en una variedad de escenarios de aplicación. Esto ha dado lugar al surgimiento de un sub-campo de ML denominado equidad algorítmica (o en inglés algorithmic fairness). La subrepresentación de ciertas poblaciones en las bases de datos, particularidades del modelo elegido, y los propios grupos de trabajo detrás de estos desarrollos se han identificado como tres de las principales causas que dan lugar a dichos sesgos. En esta charla hablaremos sobre los desafíos que presentan los métodos de DL en términos de equidad algorítmica, haciendo foco sobre todo en el campo de las imágenes médicas. Comentaremos también sobre la importancia de tener una mirada local y regional a la hora de abordar estos desafíos.

Minibio: Rodrigo Echeveste realizó sus estudios de Licenciatura y Maestría en Física en el Instituto Balseiro de Bariloche. Más tarde recibió su Doctorado en Ciencias Naturales por la Universidad Goethe de Frankfurt (Alemania), y realizó un Postdoctorado en el grupo de Aprendizaje Computacional y Biológico (CBL) de la Universidad de Cambridge (Reino Unido). En la actualidad es Investigador Adjunto del CONICET en el Instituto de Señales, Sistemas e Inteligencia Computacional ( sinc(i) ), Profesor Adjunto en la Universidad Nacional del Litoral (UNL), y se desempeña como Secretario de la Sociedad Argentina de Investigación en Neurociencias (SAN). Su investigación se enfoca en las áreas de Inteligencia Artificial y Neurociencia Computacional. Su trabajo ha sido declarado de interés por el Honorable Senado de la Nación Argentina, y ha sido publicado en prestigiosas revistas científicas internacionales como Nature Neuroscience y Nature Communications, entre otras.