Contenido del artículo<\/p>
- La importancia de una Inteligencia Artificial con perspectiva de g\u00e9nero<\/a>
- Los sesgos de g\u00e9nero en la Inteligencia Artificial<\/a>
- Ejemplos del efecto de los sesgos de g\u00e9nero en la IA<\/a><\/li><\/ul><\/li><\/ul><\/li>
- Posibles soluciones para integrar la perspectiva de g\u00e9nero en la IA<\/a><\/li>
- El uso de la Inteligencia Artificial para promover la igualdad de g\u00e9nero<\/a>
- El caso de Suecia y su apuesta por la igualdad en el uso de Inteligencia Artificial<\/a><\/li><\/ul><\/li>
- Te ayudamos a cumplir la Ley de Protecci\u00f3n de Datos<\/a><\/li><\/ul><\/div>\n
La importancia de una Inteligencia Artificial con perspectiva de g\u00e9nero<\/strong><\/span><\/h2>\n
Podr\u00edamos pensar que algo basado en l\u00f3gica, datos y c\u00e1lculos matem\u00e1ticos no est\u00e1 de ninguna manera influenciado por sesgos o estereotipos de ninguna clase, sean de g\u00e9nero (como los que nos ocupan en este art\u00edculo) o de raza, de clase, de orientaci\u00f3n sexual, etc., que las m\u00e1quinas aprenden en base a unos datos neutros, pero diferentes estudios y proyectos fallidos de IA nos dicen que la realidad es bien distinta.<\/p>\n
Las inteligencias artificiales que se usan actualmente est\u00e1n basadas en machine learning<\/em>, el uso de algoritmos y son alimentadas con datos para entrenarlas. Esos datos no son neutros, aunque puedan parecerlo, lo que provoca que las IA acaben desarrollando comportamientos sexistas, racistas, etc. Es decir, cuando no se aplica sobre su desarrollo y aplicaci\u00f3n un enfoque de g\u00e9nero, aparecen sesgos de g\u00e9nero en la Inteligencia Artificial y esta acaba repitiendo los mismos comportamientos e ideas que imperan en la sociedad actual<\/p>\n
Debemos tener en cuenta que la IA puede tener un impacto diferente en la vida diaria de hombres y mujeres y por ello es necesario implementar la perspectiva de g\u00e9nero en todo el ciclo de vida de la misma, desde su dise\u00f1o y desarrollo, hasta su implementaci\u00f3n.<\/p>\n
![\"Plan](\"https:\/\/protecciondatos-lopd.com\/empresas\/wp-content\/uploads\/2021\/02\/banner-plan-igualdad-empresas.png\")
<\/a><\/p>\nLos sesgos de g\u00e9nero en la Inteligencia Artificial<\/strong><\/span><\/h3>\n
Un informe publicado por la Fundaci\u00f3n Alternativas divide los sesgos de g\u00e9nero<\/a> presentes en las IA en dos tipos: de datos y de dise\u00f1o.<\/p>\n
Como hemos dicho, las IA se entrenan suministr\u00e1ndoles grandes cantidades de datos. Sin embargo, ese alto volumen no implica que los datos sean diversos y representativos de todas las realidades, porque en muchos casos, los datos provienen de la mayor\u00eda dominante, invisibilizando colectivos o grupos sociales, que hist\u00f3ricamente han quedado relegados a un segundo, tercer o cuarto plano. Si los datos que entrenan la IA no son representativos de todas las realidades, las respuestas y resultados que se obtendr\u00e1n de ella estar\u00e1n sesgados.<\/p>\n
Respecto al dise\u00f1o, se corre el riesgo de que quienes dise\u00f1an los sistemas de Inteligencia Artificial viertan en a\u00f1os sus propios sesgos y estereotipos de g\u00e9nero. El mejor ejemplo de esto lo tenemos en el dise\u00f1o de los asistentes virtuales; Alexa, Cortana, Siri\u2026 \u00bfQu\u00e9 tienen en com\u00fan? Exactamente, que est\u00e1n \u00abencarnadas\u00bb por mujeres y no es casual, ya que tradicionalmente se asocia a la mujer con los trabajos de asistencia, de ayuda, de recepcionista, secretaria, etc. Esto tambi\u00e9n lo vemos en los chatbots de algunas p\u00e1ginas web.<\/p>\n
Ejemplos del efecto de los sesgos de g\u00e9nero en la IA<\/strong><\/span><\/h4>\n
Aparte del ejemplo de los asistentes virtuales, podemos ver otro ejemplo de sesgo de g\u00e9nero en la Inteligencia Artificial<\/strong>, en este caso en los datos, con un proyecto de Amazon, en el que la IA no hizo m\u00e1s que perpetuar una situaci\u00f3n de desigualdad entre los empleados de la empresa.<\/p>\n
Amazon recurri\u00f3 a un sistema de IA para reclutar nuevo personal, para entrenarlo, le suministr\u00f3 datos de los trabajadores de los \u00faltimos 10 a\u00f1os. En ese per\u00edodo de tiempo, la mayor\u00eda de puestos t\u00e9cnicos estaban ocupados por hombres, de manera que la IA comenz\u00f3 a descartar cualquier candidatura de mujeres, porque en los datos con que se hab\u00eda entrenado apenas figuraban y el sistema entend\u00eda que no eran candidaturas adecuadas.<\/p>\n
Unos datos aparentemente neutros no lo eran, lo que provoc\u00f3 que la IA acabase discriminando a las mujeres para ocupar puestos de trabajo t\u00e9cnicos.<\/p>\n
Posibles soluciones para integrar la perspectiva de g\u00e9nero en la IA<\/strong><\/span><\/h2>\n
Integrar la perspectiva de g\u00e9nero en la IA no es algo que pueda hacerse de un d\u00eda para otro, pero hay posibles soluciones que a medio y largo plazo pueden ir cambiando esta relaci\u00f3n entre Inteligencia Artificial y g\u00e9nero<\/strong>.<\/p>\n
![\"Integrar](\"https:\/\/protecciondatos-lopd.com\/empresas\/wp-content\/uploads\/2021\/11\/integrar-perspectiva-genero-ia.png\")
<\/p>\nUna de esas soluciones pasa por crear equipos m\u00e1s diversos en el desarrollo de IA, donde las mujeres no sean una minor\u00eda (como ocurre ahora) e incorporar as\u00ed una perspectiva m\u00e1s amplia en el dise\u00f1o, desarrollo y aplicaci\u00f3n de las mismas.<\/p>\n
Otra soluci\u00f3n, esta a largo plazo, pasa por integrar la formaci\u00f3n y sensibilizaci\u00f3n en perspectiva de g\u00e9nero de forma transversal en las ingenier\u00edas, para que a la hora de analizar y tratar conjuntos de datos, los desarrolladores sean capaces de detectar los sesgos de g\u00e9nero presentes en ellos.<\/p>\n
En esa l\u00ednea, pero a corto plazo, es recurrir a las ciencias sociales y a incluir en los proyectos de IA a profesionales expertos en igualdad de g\u00e9nero, para analizar los conjuntos datos en busca de esos sesgos y de este modo poder crear algoritmos libres de los mismos. Adem\u00e1s, estos algoritmos deber\u00edan ser monitoreados y auditados para detectar posibles sesgos en los resultados.<\/p>\n
El uso de la Inteligencia Artificial para promover la igualdad de g\u00e9nero<\/strong><\/span><\/h2>\n
Si conseguimos eliminar los sesgos de g\u00e9nero de la Inteligencia Artificial y aplicar en ella un enfoque de g\u00e9nero, esta tecnolog\u00eda puede ayudar a solucionar problemas relacionados con la desigualdad y promover una sociedad m\u00e1s igualitaria, puesto que podr\u00eda detectar no solo las situaciones de desigualdad, sino tambi\u00e9n definir causas y proponer soluciones.<\/p>\n
La IA tiene el potencial de incrementar la eficacia y la eficiencia de los procesos de detecci\u00f3n de problemas y predicci\u00f3n de soluciones, de avanzar hacia soluciones y servicios m\u00e1s personalizados para los ciudadanos, pero para que las desigualdades no se perpet\u00faen, es importante integrar en ella la perspectiva de g\u00e9nero, porque, como hemos dicho, los datos en realidad no son neutros.<\/p>\n
El caso de Suecia y su apuesta por la igualdad en el uso de Inteligencia Artificial<\/strong><\/span><\/h3>\n
Un ejemplo de la aplicaci\u00f3n del enfoque de g\u00e9nero en la Inteligencia Artificial lo encontramos en Suecia (no en vano, es el primer pa\u00eds de la UE en igualdad de g\u00e9nero). El pa\u00eds escandinavo lleva ya un tiempo haciendo uso de esta tecnolog\u00eda de manera proactiva a favor de la igualdad de g\u00e9nero, en concreto en las siguientes \u00e1reas: influencia y poder (proyecto Ceretai), educaci\u00f3n (proyecto Gradecam), distribuci\u00f3n igualitaria de los ciudadanos y el trabajo no remunerado, la eliminaci\u00f3n de la brecha salarial<\/a> (proyecto Rikare II), la lucha contra la violencia de g\u00e9nero y el acceso y disfrute igualitario a la salud (proyectos Grace Health y Bonzun).<\/p>\n
Suecia emplea la IA como herramienta para identificar situaciones de discriminaci\u00f3n para las mujeres, as\u00ed como para proponer soluciones y promover su inclusi\u00f3n. Para ello, se han propuesto una serie de factores habilitadores de la IA con perspectiva de g\u00e9nero, como por ejemplo, la cooperaci\u00f3n entre quienes sufren la discriminaci\u00f3n, las personas emprendedoras, programadores\/as de IA y expertos\/as en cuestiones de g\u00e9nero o incluir la perspectiva de g\u00e9nero en todos los procesos de desarrollo.<\/p>\n
\n<\/div>\n - Te ayudamos a cumplir la Ley de Protecci\u00f3n de Datos<\/a><\/li><\/ul><\/div>\n
- Posibles soluciones para integrar la perspectiva de g\u00e9nero en la IA<\/a><\/li>
- Ejemplos del efecto de los sesgos de g\u00e9nero en la IA<\/a><\/li><\/ul><\/li><\/ul><\/li>
- Los sesgos de g\u00e9nero en la Inteligencia Artificial<\/a>