Venerdì 8 aprile alle 18.30, in occasione dell’uscita del terzo volume dell’Enciclopedia dei dati digitali (Licenza Creative Commons, 2022), si terrà un seminario dal titolo “Etica dell’intelligenza artificiale. Dati digitali ed equità”.
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? Perché gli algoritmi che classificano e predicono non sono equi? Quali e quanti tipi di discriminazione si possono verificare?
Nell’incontro online a queste e altre domande risponderà Carlo Batini, autore dell’opera e professore senior all’Università 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’Università di Milano-Bicocca.
Breve profilo dei protagonisti dell’evento
Carlo Batini è professore senior all’Università di Milano-Bicocca, in precedenza è stato Professore all’Università “La Sapienza” di Roma, e per dieci anni è stato componente e presidente f.f. della Autorità per la Informatica nella Pubblica Amministrazione. Ha svolto ricerca nel campo delle basi di dati, del conceptual modeling e della qualità dei dati; ha scritto circa quaranta libri originali di cui sei per il mercato mondiale.
Giulio De Petra, esperto di innovazione digitale nelle pubbliche amministrazioni, ha cercato per molti anni di trasformare e migliorare processi e servizi sia nell’Amministrazione centrale dello Stato, sia nelle Amministrazioni pubbliche regionali e locali. E’ 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 Diversità ed è fellow del centro Nexa del Politecnico di Torino.
Andrea Maurino è professore ordinario di informatica. La sua principale attività di ricerca è 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, è stato cofondatore di due start up ed attualmente è presidente del Consiglio di coordinamento didattico del Corso di laurea magistrale in Data science.
Leggi l'opera
Asilomar AI Principles (2017), vedi https://futureoflife.org/2017/08/11/ai-principles/
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 https://boa.unimib.it/handle/10281/295980
Jamie Berryhill, Kévin Kok Heang, Rob Clogher, Keegan McBride (2019). “Hello, World: Artificial Intelligence and its Use in the Public Sector”. OECD Working Papers on Public Governance, No. 36.
Carlo Casalone, Luciano Floridi, Laura Palazzani, Renzo Pegoraro, Francesca Rossi, Roberto Villa (2021). “Human Centric AI: From Principles to Actionable and Shared Policies”. 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). “A Survey of Methods for Explaining Black Box Models”. ACM Computing Surveys.
Deborah Hellman (2008). When Is Discrimination Wrong? Harvard University Press.
Shira Mitchell, Eric Potash, Solon Barocas, Alexander D’Amour, and Kristian Lum (2021). “Algorithmic Fairness: Choices, Assumptions, and Definitions”. Annual Review of Statistics, 159.
“OECD Framework for the Classification of AI Systems” (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.
Stéphan Vincent-Lancrin and Reyer van der Vlies (2020). “Trustworthy artificial intelligence (AI) in education: promises and challenges”. OECD Education Working Paper, No. 218.