Justiça, Transparência, Viés e Explicabilidade em Inteligência Artificial

Esse evento acontecerá no dia 15 de Outubro às 19h via Youtube e será realizado em conjunto com o capítulo do AI Inclusive Salvador

Neste meetup, teremos 2 palestrantes: Carla Vieira e Ramon Vilarino.

1. Construindo sistemas de aprendizado de máquina explicáveis: desafios e aprendizados
   —
   Nos últimos anos, algoritmos de aprendizado de máquina têm trazido bons resultados em diferentes tarefas - às vezes até superando os humanos. No entanto, os modelos se tornaram muito complexos para serem inteligíveis para os seres humanos. A boa notícia é que é possível construir sistemas mais transparentes com os crescentes estudos nas áreas de Explainable AI, Justiça e Transparência. A má notícia é que essa tarefa é mais difícil do que muitos blogs e artigos têm relatado. Essa palestra tem como objetivo descrever os desafios que você enfrentará na construção de sistemas transparentes e apresentar técnicas viáveis ​​para explicação e teste de modelos de aprendizado de máquina.

Bio: Carla Vieira tem bacharel em Sistemas de Informação pela USP e atualmente é mestranda em Inteligência Artificial pela USP. Ela também é engenheira de software e Google Developer Expert em Machine Learning. Carla é co-organizadora da perifaCode, que busca levar a tecnologia para dentro das periferias. Ela acredita na tecnologia como ferramenta de transformação social e tem estudado sobre como o viés inconsciente tem afetado a Inteligência Artificial e como tornar algoritmos "caixa preta" mais transparentes.

2. Como se fala "Fairness" em PT-BR?
   —
   Uma parte grande da discussão em torno das interconexões entre AI/ML e a sociedade tem sido abarcada no guarda-chuva de "Algorithmic Fairness". Mas como se diz “Fairness” em português? A melhor opção de algumas pessoas é “justiça”, mas se fosse essa a preocupação dos pesquisadores, eles não chamariam a própria área de “Algorithmic Justice”? Essa diferença nos convida a pensar as limitações em postular os problemas como questões de “fairness” e a pensar a relevância dos ambientes culturais em que a ciência é desenvolvida. Nessa palestra, quero apresentar algumas das reflexões e argumentos em [“Fairness, Equality, and Power in Algorithmic Decision-Making”] (https://cs.cornell.edu/~red/fairness_equality_power.pdf).

O artigo aponta para a necessidade de novas abordagens para pensar o efeito e o tratamento de algoritmos em diferentes populações e sugere alguns caminhos para isso. Com sorte, poderemos aproveitar a discussão para pensar a limitação de outros termos que nos importam como “Diversidade” e também para elaborar sobre a necessidade de que a pesquisa tecnológica aconteça nas periferias do mundo.

Bio: Durante a maior parte da graduação no Curso de Ciências Moleculares da USP, Ramon estudou física teórica, mais especificamente, relatividade geral. No último semestre, instigado pela importância cultural cada vez maior dos algoritmos de inteligência artificial (“O facebook fica achando a minha cara e eu não faço ideia de como isso acontece! Melhor ir dar uma olhada…”), Ramon começou a estudar machine learning. O que começou como curiosidade cultural virou emprego e em seguida tema de pesquisa, depois de ser confrontado de forma muito direta com exemplos de como essas ferramentas determinam aspectos importantes na vida social. Hoje, Ramon se dedica a procurar formas frutíferas de construir ciência & tecnologia de forma interconectada com a vida social principalmente no contexto de machine learning.

================================================

IMPORTANTE

CÓDIGO DE CONDUTA
Qualquer pessoa que violar ou houver previamente violado o código de conduta desta comunidade terá sua entrada proibida, será expulsa e/ou estará sujeita à ação que a organização achar mais apropriada, independentemente de inscrição no evento, ser integrante do Meetup ou qualquer outra condição.

https://www.ai-inclusive.org/code-of-conduct/