Mostrar el registro sencillo del ítem

Bias & Artificial Intelligence. ¿Are we all biased?

dc.contributorPavlich Mariscal, Jaime Andrés
dc.contributorMoreno Barbosa, Andrés Darío
dc.contributorPalacio Niño, Julio Omar
dc.creatorVivas Fonseca, Juan Diego
dc.date2022-08-25T17:41:38Z
dc.date2022-08-25T17:41:38Z
dc.date2022-06-17
dc.date.accessioned2025-04-22T21:54:25Z
dc.date.available2025-04-22T21:54:25Z
dc.identifierhttp://hdl.handle.net/10554/61532
dc.identifierhttps://doi.org/10.11144/Javeriana.10554.61532
dc.identifierinstname:Pontificia Universidad Javeriana
dc.identifierreponame:Repositorio Institucional - Pontificia Universidad Javeriana
dc.identifierrepourl:https://repository.javeriana.edu.co
dc.identifier.urihttp://test.repositoriodigital.com:8080/handle/123456789/88781
dc.descriptionLa evolución de la tecnología y la sociedad trae muchos beneficios tanto para las empresas como para las personas. Sin embargo, con los desarrollos de la Inteligencia Artificial, la lucha contra el racismo, la xenofobia o cualquier otro tipo de discriminación sigue teniendo un papel importante en las luchas sociales y el debate público contemporáneos. Por lo tanto, es necesario que, en el desarrollo de diferentes tipos de tecnologías, y especialmente en Machine Learning e Inteligencia Artificial, estos sesgos no se estimulen y aumenten, sino que se disminuyan. Para este propósito, es necesario un método consistente para identificarlos y evaluarlos. Este artículo propone un modelo general para la evaluación del sesgo posterior al desarrollo para modelos de Machine Learning. Para ejemplificar y validar dicho modelo, se evalúan dos modelos, los modelos GPT-2 y GPT-3, con resultados positivos que hablan muy bien de sus procesos de entrenamiento. Encontramos una disminución en la probabilidad de casi 8.6 puntos porcentuales de un comentario negativo –cuando un texto es generado por los modelos y tiene una palabra relacionada a una distinción racial–, en comparación con el caso base donde el texto es generado por un humano y también contiene palabras relacionadas con distinción racial.
dc.descriptionThe evolution of technology and society brings many benefits to both companies and people. Nevertheless, with the Artificial Intelligence developments, the fight against racism, xenophobia or any other type of discrimination continue to have an important role for contemporary social struggles and public debate. Therefore, it is needed that in the development of different kinds of technologies, and specially in Machine Learning and Artificial Intelligence, these biases are not stimulated and increased but are diminished. For this purpose, a consistent method to identify and evaluate these is necessary. This article proposes a general model for post-development bias assessment for Machine Learning models. To validate its capabilities, two models –the GPT-2 and GPT-3 models– are evaluated, resulting on positive results which speaks highly of their training processes. We found a decrease in the likelihood of nearly 8.6 percentage points of a negative comment –when a text is generated by the models and has a racial related word present on it–, against the base case where the text is generated by a human and also contains racial related words.
dc.descriptionMagíster en Inteligencia Artificial
dc.descriptionMaestría
dc.formatPDF
dc.formatapplication/pdf
dc.formatapplication/pdf
dc.languagespa
dc.publisherPontificia Universidad Javeriana
dc.publisherMaestría en Inteligencia Artificial
dc.publisherFacultad de Ingeniería
dc.rightsAtribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsDe acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectInteligencia artificial
dc.subjectSesgo
dc.subjectAprendizaje de maquina
dc.subjectProcesamiento de lenguaje natural
dc.subjectGeneración de lenguaje natural
dc.subjectRacismo
dc.subjectXenofobia
dc.subjectTwitter
dc.subjectArtificial intelligence
dc.subjectBias
dc.subjectMachine learning
dc.subjectNatural language processing
dc.subjectNatural language generation
dc.subjectRacism
dc.subjectXenophobia
dc.subjectTwitter
dc.subjectMaestría en inteligencia artificial - Tesis y disertaciones académicas
dc.subjectInteligencia artificial
dc.subjectAprendizaje de máquinas
dc.subjectAprendizaje automático (Inteligencia artificial)
dc.subjectLenguaje natural (Informática)
dc.titleBias & Artificial Intelligence. ¿Are we all biased?
dc.typehttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.typeTesis/Trabajo de grado - Monografía - Maestría
dc.typehttp://purl.org/coar/resource_type/c_bdcc
dc.typeinfo:eu-repo/semantics/masterThesis
dc.coverageColombia


Ficheros en el ítem

FicherosTamañoFormatoVer

No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem