1
00:00:01,389 --> 00:00:07,710
Hoy, Día Internacional de la Mujer, vamos a explorar cómo se nos discrimina a través de los datos.

2
00:00:09,769 --> 00:00:20,609
Kriti Sharma apareció en 2018 en una conferencia TED para denunciar las conductas sexistas y racistas de los algoritmos existentes en la inteligencia artificial.

3
00:00:20,609 --> 00:00:24,269
But AI isn't just being used to make decisions

4
00:00:24,269 --> 00:00:26,789
about what products we want to buy

5
00:00:26,789 --> 00:00:29,449
or which show we want to binge-watch next.

6
00:00:30,710 --> 00:00:35,369
I wonder how you'd feel about someone who thought things like this.

7
00:00:36,210 --> 00:00:40,710
A black or Latino person is less likely than a white person

8
00:00:40,710 --> 00:00:42,329
to pay off their loan on time.

9
00:00:43,429 --> 00:00:46,390
A person called John makes a better programmer

10
00:00:46,390 --> 00:00:47,789
than a person called Mary.

11
00:00:47,789 --> 00:00:54,250
Un hombre negro es más probable de ser un ofendedor de batalla que un hombre blanco.

12
00:00:57,100 --> 00:01:01,740
Probablemente estéis pensando, ¡guau!, eso suena como una persona sexista y racista, ¿verdad?

13
00:01:02,840 --> 00:01:07,299
Estas son algunas decisiones reales que la AI ha hecho muy recientemente

14
00:01:07,299 --> 00:01:11,640
basadas en los biases que ha aprendido de nosotros, de los humanos.

15
00:01:12,780 --> 00:01:17,859
Aún peor, Joy Bolanwini se quedó horrorizada cuando detectó

16
00:01:17,859 --> 00:01:22,900
que los programas estándar de reconocimiento facial solo funcionaban con pieles pálidas.

17
00:01:41,230 --> 00:01:50,629
Netflix convirtió su historia a un documental. La inteligencia artificial se entrena y aprende

18
00:01:50,629 --> 00:01:56,069
con los datos que le damos. No funciona cuando le damos datos que no reflejan la realidad.

19
00:01:57,409 --> 00:02:04,650
La atención personal se está sesgando en función de la edad de la gente. Según la OE, los ensayos

20
00:02:04,650 --> 00:02:11,490
clínicos no tienen en cuenta de forma adecuada a las mujeres. Y Amazon, el gigante de la gestión

21
00:02:11,490 --> 00:02:19,210
de los datos, usaba un algoritmo de contratación que discriminaba a las mujeres. ¿Y ahora qué?

22
00:02:19,210 --> 00:02:25,729
Ahora puedes hacer muchas cosas. En primer lugar, ser consciente de que existen estas discriminaciones.

23
00:02:26,349 --> 00:02:31,550
También, no olvidar que hace falta presión social para poder poner coto a estos abusos.

24
00:02:32,129 --> 00:02:35,789
Existen múltiples iniciativas de mujeres promocionando al colectivo.

25
00:02:36,530 --> 00:02:45,229
Por ejemplo, el WIDS Women in Data Science va a ocurrir en Madrid el próximo mes de junio.

26
00:02:45,229 --> 00:02:52,669
Anímate y ve. Tú puedes hacer la diferencia. ¿Qué vas a aportar?