Sesgo, imparcialidad y equidad en los sistemas de inteligencia artificial y machine learning

Conferencia virtual de Zinnya del Villar (Data-Pop Alliance), transmitida en Youtube, sobre sesgos, imparcialidad y equidad en sistemas de IA/ML. Explica por qué los modelos reflejan desigualdades estructurales y cómo diseñar IA justa: definir valores (equidad, inclusión, transparencia), medir y detectar sesgos, comprender sus causas (datos, entorno, algoritmos) y mitigarlos con intervenciones en preprocesamiento, modelado y posprocesamiento. Incluye casos: uso de CDR para políticas públicas, violencia doméstica en CDMX y análisis de discurso racial con prensa (GDELT), además de sesgos en generadores de imágenes y LLMs.