痴别苍别谤诲矛 8 aprile alle 18.30, in occasione dell鈥檜scita del terzo volume听dell鈥Enciclopedia dei dati digitali (Licenza Creative Commons, 2022), si terr脿 un seminario dal titolo 鈥Etica dell鈥檌ntelligenza artificiale. Dati digitali ed equit脿鈥.
Google Photos ha classificato una foto di afro americani come gorilla. Google Translator traduce doctor in dottore e nurse in infermiera. Questi casi ci appaiono come delle discriminazioni sociali.
Come nascono le discriminazioni nel Web e nei dati digitali? Perch茅 gli algoritmi che classificano e predicono non sono equi? Quali e quanti tipi di discriminazione si possono verificare?
Nell鈥檌ncontro online a queste e altre domande risponder脿 Carlo Batini, autore dell鈥檕pera e professore senior all鈥橴niversit脿 di Milano-Bicocca.
Svolgeranno il ruolo di discussant il dott. Giulio De Petra, Direttore del Centro per la Riforma dello Stato e il prof. Andrea Maurino, Presidente del Consiglio di Coordinamento Didattico del Corso di Laurea Magistrale in Data Science dell鈥橴niversit脿 di Milano-Bicocca.
Breve profilo dei protagonisti dell鈥檈vento
Carlo Batini 猫 professore senior all鈥橴niversit脿 di Milano-Bicocca, in precedenza 猫 stato Professore all鈥橴niversit脿 鈥淟a Sapienza鈥 di Roma, e per dieci anni 猫 stato componente e presidente f.f. della Autorit脿 per la Informatica nella Pubblica Amministrazione. Ha svolto ricerca nel campo delle basi di dati, del conceptual modeling e della qualit脿 dei dati;听ha scritto circa quaranta libri听originali di cui sei per il mercato mondiale.
Giulio De Petra, esperto di innovazione digitale nelle pubbliche听amministrazioni, ha cercato per molti anni di trasformare e migliorare processi e servizi sia nell鈥橝mministrazione centrale dello Stato, sia nelle Amministrazioni pubbliche regionali e locali. E鈥 attualmente direttore del Centro per la Riforma dello Stato, dove ha promosso e coordina il progetto Scuola Critica del Digitale; fa parte del Forum Disuguaglianze e Diversit脿 ed 猫 fellow del centro Nexa del Politecnico di Torino.
Andrea Maurino 猫 professore ordinario di informatica. La sua principale attivit脿 di ricerca 猫 relativa al data management con attenzione ai temi di data quality, open data e tecnologie semantiche. E' autore di quasi 100 articoli su riviste e conferenze internazionali, 猫 stato cofondatore di due start up ed attualmente 猫 presidente del Consiglio di coordinamento didattico del Corso di laurea magistrale in Data science.
Segui l'evento online
滨蝉肠谤颈惫颈迟颈听all鈥檈vento听tramite questo听.听Riceverai via email le informazioni per accedere con Webex e interagire con i relatori.
Il 诲别濒濒鈥檈惫别苍迟辞!
Leggi l'opera
Enciclopedia dei dati digitali:
Asilomar AI Principles (2017), vedi
Solon Barocas, Moritz Hardt, Arvind Narayanan (2021). Fairness and Machine learning, Limitations and Opportunities, disponibile nel Web.
Carlo Batini, Federico Cabitza, Paolo Cherubini, Anna Ferrari, Roberto Masiero, Andrea Maurino, Matteo Palmonari, Fabio Stella (2020). La Scienza dei dati, pubblicato con licenza Creative Commons, liberamente scaricabile dal link
Jamie Berryhill, K茅vin Kok Heang, Rob Clogher, Keegan McBride (2019). 鈥淗ello, World: Artificial Intelligence and its Use in the Public Sector鈥. OECD Working Papers on Public Governance, No. 36.
Carlo Casalone, Luciano Floridi, Laura Palazzani, Renzo Pegoraro, Francesca Rossi, Roberto Villa (2021). 鈥淗uman Centric AI: From Principles to Actionable and Shared Policies鈥. G20 Insights, September.
Pedro Domingos (2016). L'algoritmo definitivo. La macchina che impara da sola e il futuro del nostro mondo. Bollati Boringhieri.
Luciano Floridi, Federico Cabitza (2021). Intelligenza Artificiale, Bompiani.
Stephen Gaukroger (2012). Objectivity, A very short introduction. Oxford University Press.
Riccardo Guidotti, Anna Monreale, Salvatore Ruggieri, Franco Turini, Fosca Giannotti, Dino Pedreschi (2018). 鈥淎 Survey of Methods for Explaining Black Box Models鈥. ACM Computing Surveys.
Deborah Hellman (2008). When Is Discrimination Wrong? Harvard University Press.
Shira Mitchell, Eric Potash, Solon Barocas, Alexander D鈥橝mour, and Kristian Lum (2021). 鈥淎lgorithmic Fairness: Choices, Assumptions, and Definitions鈥. Annual Review of Statistics, 159.
鈥淥ECD Framework for the Classification of AI Systems鈥 (2022). OECD Digital Economy papers, No. 323.
Judea Pearl (2019). The Book of Why: The New Science of Cause and Effect, Penguin.
Frederick Schauer (2009). Profiles, Probabilities, and Stereotypes. Harvard University Press.
St茅phan Vincent-Lancrin and Reyer van der Vlies (2020). 鈥淭rustworthy artificial intelligence (AI) in education: promises and challenges鈥. OECD Education Working Paper, No. 218.