Grazie della segnalazione.
Scorrendo l'articolo, mi pare che inquadri nei termini delle discriminazioni inique anche gli usi dei "predictive machine learning algorithms" in ambiti quali il reclutamento o le decisioni giudiziarie. Per questi ambiti, trovo che parlare di discriminazioni sia un pericoloso diversivo: il machine learning semplicemente non funziona, per questi ambiti, non più dell'astrologia. Se uno strumento non funziona, discutere se sia possibile renderlo non discriminatorio oscura il punto essenziale. Le applicazioni che promettono predizioni di esiti sociali sono "snake oil": https://www.cs.princeton.edu/~arvindn/talks/MIT-STS-AI-snakeoil.pdf <https://www.cs.princeton.edu/~arvindn/talks/MIT-STS-AI-snakeoil.pdf> Quanto al richiamo al controllo umano (o alla decisione umana, in ultima istanza), è un'ipotesi controfattuale: come dire a un bambino che può lanciare sassi contro il gatto, purché i sassi siano morbidi. Per restare alle proposte più in voga, il bambino se la caverebbe con una certificazione (autoprodotta) di morbidezza dei sassi. Su questo tema, ha scritto qualche mese fa Ben Green: https://www.sciencedirect.com/science/article/pii/S0267364922000292 Buona serata, Daniela ________________________________ Da: nexa <[email protected]> per conto di Antonio Vetro' <[email protected]> Inviato: venerdì 9 dicembre 2022 16:31 A: mailing list nexa Oggetto: [nexa] AI’s fairness problem: understanding wrongful discrimination in the context of automated decision‑making Segnalo per gli iscritti in lista che si interessassero della tematica: Cossette-Lefebvre, H., Maclure, J. AI’s fairness problem: understanding wrongful discrimination in the context of automated decision-making. AI Ethics (2022). https://es.sonicurlprotection-fra.com/click?PV=2&MSGID=202212091531100879847&URLID=2&ESV=10.0.18.7423&IV=8ACA8D8048EE7C09F1B0136172E2A1FD&TT=1670599871241&ESN=ggWKcjsPtmQEomI3NJDHAmvLa9kTVakKpOpZHYrEvCY%3D&KV=1536961729280&B64_ENCODED_URL=aHR0cHM6Ly9kb2kub3JnLzEwLjEwMDcvczQzNjgxLTAyMi0wMDIzMy13&HK=08B4E25F7CB529EB279816714F0EA127CD745FC6F718FA59EE38B43FEF9B0766 (accesso aperto) Uno dei migliori articoli che ho letto finora sul tema, almeno per quanto riguarda la parte analitica e per il c.d. “framing” della questione. La parte propositiva conclusiva (3 linee guida per l’uso del ML nei processi decisionali) è un po’ meno dettagliata, ma l’ho trovata valida e molto ragionevole. Nota di merito per gli autori che hanno scritto con un linguaggio accessibile a tutti, e non solo agli addetti ai lavori. Un caro saluto A. _______________________________________________ nexa mailing list [email protected] https://es.sonicurlprotection-fra.com/click?PV=2&MSGID=202212091531100879847&URLID=1&ESV=10.0.18.7423&IV=B5447B7A82DB0EF4F3456F8A36144EC3&TT=1670599871241&ESN=Meamaa6Z4yowei%2Fo3Ufd%2FV2iCqrUVfDBtFNWrKyQIZc%3D&KV=1536961729280&B64_ENCODED_URL=aHR0cHM6Ly9zZXJ2ZXItbmV4YS5wb2xpdG8uaXQvY2dpLWJpbi9tYWlsbWFuL2xpc3RpbmZvL25leGE&HK=126869319D81178A57E6EF02E5C43EC197B2984BF287FE739EE9AF37F3BB0E4D
_______________________________________________ nexa mailing list [email protected] https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa
