L'IA ricopre un ruolo di primo piano nei meccanismi che governano le attuali reti sociali e gran parte dei servizi digitali con cui interagiamo ogni giorno. Un uso improprio può alimentare disuguaglianze, polarizzare opinioni e amplificare convinzioni false/errate. In questo documento, sono delineate alcune delle linee di ricerca di maggiore interesse, sia in ambito accademico che industriale, che mirano a stimolare lo sviluppo di piattaforme di IA più eque, trasparenti ed affidabili. Successivamente sono presentate altresì alcune delle soluzioni definite dal gruppo di ricerca dell'ICAR-CNR volte ad affrontare le problematiche connesse allo sviluppo di questa nuova generazione di IA.
Bias e Fairness in Information Sharing e Filtering
Massimo Guarascio;Francesco Sergio Pisani;Ettore Ritacco;Giuseppe Manco
2022
Abstract
L'IA ricopre un ruolo di primo piano nei meccanismi che governano le attuali reti sociali e gran parte dei servizi digitali con cui interagiamo ogni giorno. Un uso improprio può alimentare disuguaglianze, polarizzare opinioni e amplificare convinzioni false/errate. In questo documento, sono delineate alcune delle linee di ricerca di maggiore interesse, sia in ambito accademico che industriale, che mirano a stimolare lo sviluppo di piattaforme di IA più eque, trasparenti ed affidabili. Successivamente sono presentate altresì alcune delle soluzioni definite dal gruppo di ricerca dell'ICAR-CNR volte ad affrontare le problematiche connesse allo sviluppo di questa nuova generazione di IA.File | Dimensione | Formato | |
---|---|---|---|
prod_468571-doc_189275.pdf
solo utenti autorizzati
Descrizione: Bias e Fairness in Information Sharing e Filtering
Tipologia:
Versione Editoriale (PDF)
Licenza:
Nessuna licenza dichiarata (non attribuibile a prodotti successivi al 2023)
Dimensione
1.02 MB
Formato
Adobe PDF
|
1.02 MB | Adobe PDF | Visualizza/Apri Richiedi una copia |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.