Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
LA GESTIÓNLA GESTIÓN ÉTICA DE LOSÉTICA DE LOS DATOSDATOS EQUIPO 4 INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Introducción a la Ciencia de Datos Prof. Dra, Fabiola Ocambo Botello ENERO - JUNIO 2022 1CDV2 Karina Ivonne Fuentes Navarrete Luis Antonio González Miranda Karla Esther Escamilla Gachuz Con base en el diagnóstico se implementaron estrategias de intervención específicas. EJEMPL OS DE USO DE LOS DATOS INDIA 2 0 1 0 National Science Foundation y National Institute of Health Lanzan el Programa de Técnicas y Tecnologías Fundamentales para el Avance de la Ciencia e Ingeniería de Datos. ESTADOS UNIDOS E IBM Gestionaron el alto volumen de datos que el gobierno acumulaba RIO DE JANEIRO Inauguró un centro de operaciones. PAISES BAJOS NUEVA YORK LOS ÁNGELES, CALIFORNIA El potencial del uso de datos en el sector público Actualmente vivimos en un universo poblado de datos, donde vamos generando datos mientras trabajamos, caminamos, interactuamos, hablamos, protestamos o buscamos información en línea. Paralelamente a esta mayor disponibilidad de datos y a la mejora de las capacidades técnicas para utilizarlos, el sector público también ha comenzado a reivindicar su propio papel, consciente de que esta información puede servir tanto para mejorar la eficiencia en la prestación de servicios sociales, de policía o de transporte público, como para promover la transparencia, la participación ciudadana y la rendición de cuentas. 2 0 0 2 e n IBM InfoSphere Stream IBM Big Data s u r g e Visualizar información procedente de miles de fuentes. e n 2 0 1 2 Promover los medios científicos y tecnológicos. ANALIZAR VISUALIZAR EXTARER Información útil de conjuntos de macrodatos diversos distribuidos y heterogéneos e n Acceso a una mayor cantidad de datos provenientes de diferentes agencias relacionados con áreas de gobierno. Ayudar a las autoridades locales formular mejores políticas y tomar mejores decisiones Construir modelos predictivos que mejoren la toma de decisiones en el ámbito local. e j e m p l o Detectar aquellos negocios que tenían más probabilidades de no cumplir con ciertos requisitos de higiene. Detectar declaraciones de impuestos posiblemente fraudulentas. Los datos se utilizan para luchar contra el fraude en las prestaciones sociales. D A T O S F R A U D EFraude en el uso de los servicios de cuidado infantil. MARYLAND, ESTADOS UNIDOS M I C R O S O F T Analizaron datos con el propósito de entender mejor el desempeño de los estudiantes. 82,6% Permitieron elevar la proporción de egresados en el 2016. Determinar las causas del abandono escolar de los estudiantes universitarios. COLOMBIA PAISES BAJOS TIPOLOGÍA DE RIESGOS ÉTICOS Opacidad Opacidad Discrimi nación algorítmi ca Privacidad Desafíos en el uso de datos Los entornos de datos, como la IA, reproducen las discriminaciones identificadas en el pasado, debido a los sesgos. Surge el derecho a la explicabilidad (transparencia sobre cómo se toman decisiones y derecho a corrección y comprensasiones). La discriminación es un trato diferente y perjudicial que se da a una persona debido a categorizaciones arbitrarias o irrelevantes. Intervención humana en la gestión de los sistemas Influencia de los datos sobre la vida de las personas Preocupación por el uso, almacenamiento y destino de los datos Opacidad Analfabeta. Falta de capacidades técnicas, hiere la confianza. Opacidad Intrínseca. La complejidad del sistema impide explicarlo. Opacidad Intencional. Por propiedad intelectual (Google). Tratamiento lícito y transparente. Fines explícitos y legítimos. Adecuados y limitados al uso necesario. Exactos y actualizados. Sólo identificables en el periodo acordado. Garantizar la seguridad. 1. 2. 3. 4. 5. 6. Especial énfasis en la anonimización de los datos. El RGPD de la Unión Europea define el estándar de la protección de los datos. Es necesario que la información esté disponible para ser juzgada. Debemos saber qué información se recoge, cómo se anaiza. Con quién se comparte, qué decisiones se toman y en base a qué factores Las personas muchas veces desconocen cómo funcionan los sistemas, llegando a compararlas con "cajas negras", bordeando lo mágico Los datos de las personas necesitan especial atención Marco sectorial Desde hace más de 30 años, se empezó a tomar conciencia de la importancia de proteger los datos personales para lo que se crearon documentos e instituciones con dicha finalidad. Marcos de referencia en la gestión ética de los datos Inteligencia artificial y algoritmos Marco general Principio para regular la privacidad: .-Principio de lacitud y lealtad .-Principio de exactifud .-Principio de finalidad .-Principio de acceso de la persona interesada .-Principio de no discriminación .- principio de seguridad 1990 RGPD, Naciones Unidas Exige proactividad y garantías a los organismos procesadores y supervisores de datos, protege al sujeto de los datos y establece un durísimo régimen sancionatorio en los casos de incumplimiento. Data futures partnership, Nueva Zelanda Uso de los datos en torno ea 3 ejes fundamentales *Vlor *elección *protección 2018 2018 Amsterdam: Busca empezar a auditar los algoritmos Nueva York: Cuenta con un grupo de trabajo encargado de promover una ley municipal Barcelona: Cuenta con una directiva de datos que incorpora elementos éticos y algorítmicos Ethical Aligned design Integración de los derechos humanos en los avances tecnológicos y la priorización del beneficio máximo para la humanidad y el ámbito natural. 2016 E.U. NTRDA: Comprensión de los desafíos legales, éticos y sociales que entraña la inteligencia artificial para que el desarrollo tecnológico no se produzca en detrimento de fines sociales y políticos, y la seguridad de los sistemas de IA Canadá PAN-Canadian AI strategy: desarrollo de una herramienta en línea cuyo propósito es facilitar la identificación de riesgos relativos a los algoritmos a aquellas organizaciones que los utilizan 2016 2018 Google: Se centra en los objetivos de las tecnologías a desarrollar, y plantea la necesidad de que estas produzcan beneficios sociales, no creen y/o refuercen sesgos, sean seguras, permitan rendir cuentas, incorporen elementos de privacidad desde el diseño, se basen en ciencia sólida y limiten sus usos a las aplicaciones beneficiosas Ámbito público Microsoft: Articular su propósito; ser transparentes; incorporar especificidades culturales; prevenir el mal uso de la IA, y aceptar la responsabilidad por su funcionamiento e impacto. Asimismo, se les insta a crear sistemas en los que se pueda confiar y que promuevan la equidad, la justicia y la privacidad, así como la seguridad de los datos y el acceso a ellos Ámbito privado Organización Mundial de la Salud transparencia, fines legítimos y definidos para la obtención de datos pertinencia, actualidad y adecuación, así como su protección segura. Sector salud Seguridad ciudadana Estados Unidos Respecto a el reconocimiento facial, se insiste en la necesidad de contar con mecanismos de transparencia, fomentar las buenas prácticas en el manejo de los datos, y contar con criterios de limitación de uso y compartición de los mismos Academia e investigación Cada universidad tiene la posibilidad de plantear su propio marco respecto a la gestión de los datos a utilizar para sus investigaciones y actividades, sin embargo suelen variar mucho de una universidad a otra dando pie a vació que los malos practicantes pueden aprovechar. Propuesta de criterios para una gestión ética de datos Principales criterios Establecer la línea de referencia de desempeño del proceso Identificar los objetivos del proyecto, las acciones a realizar y el beneficio público que se generará Diseñar indicadores de desempeño Consentimiento Anonimización/seudonimizaciónSeguridad de la información Estándares por defecto Datos abiertos Identificación de las personas beneficiadas o afectadas y valoración del impacto Mapear datos disponibles y deseables Identificar sesgos Creación del valor público Diagnóstico de datos Privacidad por defecto/diseño Delimitar el papel de los datos en la toma de decisiones Diseñar estrategias de comunicación y participación de la ciudadanía y los grupos de interés Diseñar medidas de mitigación de sesgos Diseñar mecanismos de rectificación y reparación de errores Diseñar mecanismos de monitoreo interno Planificar la realización de evaluaciones una vez implementado el proyecto Recolección: En esta etapa el organismo público obtiene los datos a través de distintas formas, sean estas automatizadas o manuales Almacenamiento: El objetivo de esta etapa es mantener los datos protegidos de manera segura y acceder a ellos cuando sea necesario Análisis: En esta etapa se contemplan las actividades de exploración y evaluación de los datos para extraer información útil destinada a la toma de decisiones Compartición: Los datos se pueden compartir dentro de la misma institución, con entidades externas como universidades u organismos sin fines de lucro, o con proveedores como las empresas; también se pueden ofrecer a la comunidad en formato de datos abiertos Archivo/eliminación: Esta etapa guarda algunas similitudes con la de almacenamiento, en el sentido de proteger los datos archivados y poder acceder a ellos Transparencia y rendición de cuentas Diseño de gobernanza institucional y definición de capacidades necesarias Diseño de pilotos y pruebas en pequeña escala previamente al despliegue del sistema Identificación de buenas prácticas internacionales existentes Ciclo de vida de los datos Se debe tener claro cuáles son las personas que se verán beneficiadas o afectadas y cuáles las inequidades que se pueden producir, prestando especial atención a los grupos minoritarios o vulnerables Es recomendable identificar a aquellos que ya estén desarrollando este tipo de iniciativas de manera exitosa para incorporar sus aprendizajes Se requiere entonces definir una gobernanza del proyecto que incorpore a un equipo diverso y multidisciplinario Incorporar aprendizajes y mejorar procesos Ensayar el proyecto en pequeña escala
Compartir