Noticias externas

Resumen: Las IA se implementan cada vez más con mayor autonomía y capacidades, lo que aumenta el riesgo de que una IA desalineada pueda causar daños catastróficos. El monitoreo no confiable (usar un modelo no confiable para supervisar otro) es un enfoque para reducir el riesgo.

Resumen: El término “equidad algorítmica” se utiliza para evaluar si los modelos de IA funcionan de manera justa tanto en contextos comparativos (donde la equidad se entiende como igualdad formal, como “tratar casos similares como similares”) como no comparativos (donde la injusticia surge de la inexactitud, arbitrariedad o inescrutabilidad del modelo).

Resumen:Muchos puntos de referencia para la inferencia causal automatizada evalúan el rendimiento de un sistema basándose en un único resultado numérico, como un efecto de tratamiento promedio (ATE).