2.1.14 AI/Aplicaciones e Impacto Social (Parte II)

Temas:
Core

• Una o más aplicaciones adicionales de IA a un amplio conjunto de problemas y diversos campos, como medicina, salud, sostenibilidad, redes sociales, economía, educación, robótica, etc. (elegir un área diferente de la elegida para el Núcleo CS):
  1. Formular y evaluar una aplicación específica como un problema de IA:
     1. Cómo lidiar con problemas mal especificados o mal planteados
  2. Disponibilidad/escasez y limpieza de datos:
     1. Limpieza y preprocesamiento básico de datos
     2. Sesgo del conjunto de datos
  3. Sesgo algorítmico
  4. Sesgo de evaluación
  5. Evaluación de las implicaciones sociales de la aplicación
• Profundidad adicional sobre modelos generativos profundos desplegados:
  1. Introducción a cómo funcionan los modelos generativos de imágenes profundas (por ejemplo, a 2023, DALL-E, Midjourney, Stable Diffusion) incluyendo discusión de atención
  2. Introducción a cómo funcionan los modelos de lenguaje grandes (por ejemplo, a 2023, ChatGPT, Bard) incluyendo discusión de atención
  3. Idea de modelos fundamentales, cómo usarlos, y los beneficios/problemas con entrenarlos a partir de grandes datos
• Análisis y discusión del impacto social de la IA:
  1. ética
  2. Equidad
  3. Confianza/explicabilidad
  4. Privacidad y uso de datos de entrenamiento
  5. Autonomía humana y supervisión/regulaciones/requisitos legales
  6. Sostenibilidad

Aprendizaje esperado (Learning Outcomes):
Core:

1. Analizar el impacto social de una o más aplicaciones específicas de IA del mundo real, identificando problemas respecto a ética, equidad, sesgo, confianza y explicabilidad [Evaluar]
2. Describir algunos de los modos de falla de los modelos generativos profundos actuales para lenguaje o imágenes, y cómo esto podría afectar su uso en una aplicación [Describir]