Autor del artículo: Jack Hardinges, Elena Simperl , Nigel Shadbolt

Fuente: Harvard Data Science Review

Tipo: Noticia

Fecha de publicación: 12/12/2023

 

-Importancia crítica de la transparencia en IA

-Retos en la industria de IA

-Medidas regulatorias y demandas públicas para asegurar la transparencia.

 

La falta de transparencia en los datos para entrenar modelos de inteligencia artificial es crítica. A pesar de avances, persiste la opacidad sobre contenido y fuentes de los conjuntos de datos. Los modelos fundamentales, basados en datos extensos de la web, plantean preocupaciones éticas y de privacidad. La divulgación es crucial para abordar sesgos, eliminar contenido perjudicial y evaluar implicaciones legales. A pesar de iniciativas, muchas empresas resisten, citando razones competitivas. Medidas regulatorias y demandas públicas de transparencia son esenciales para responsabilidad y confianza en sistemas de inteligencia artificial.

Acceso al contenido