Qu'est ce que l'intelligence artificielle peut faire pour la justice et l'égalité ?
Pourquoi?
L'INTELLIGENCE ARTIFICIELLE EST SOURCE DE PROGRÈS
L'intelligence artificielle va changer mille choses autour de nous, par exemple pour la santé. Comment ? A partir des données disponibles en quantité et qualité de plus en plus grandes, les nouvelles techniques d’apprentissage automatique deviennent une aide précieuse au diagnostic et à la prise de décision.
MAIS IL Y A DES BIAIS DANS LES DONNÉES ET LES ALGORITHMES
Dans l'apprentissage automatique, les algorithmes sont nourris par les données à partir desquelles ils apprennent. Or ces données peuvent être biaisées et défavoriser des personnes à cause de leur origine sociale, de leur sexe, de leur race, de leur âge... et ces biais sont non seulement "appris", mais amplifiés.
Sensibilisation aux problèmes d'équité et de justice en IA et promotion des meilleures pratiques
Qu'est-ce que la Justice en Intelligence Artificielle ?
En partenariat avec l'Ecole Normale Supérieure, nous créons une Chaire invitée " IA et Justice ".
Dr Kate Crawford, co-fondatrice du AI Now Institute, professeure à l'Université de New York et chercheuse chez Microsoft, sera la première titulaire de la chaire.
Elle a donné une conférence d'introduction le 18 septembre à l'ENS.
Nos décisions ont toujours été biaisées. Pourquoi en serait-il autrement pour les algorithmes ?
Nous avons lancé un partenariat avec des chercheurs de TelecomParis en informatique et économie qui ont ensuite produit un excellent article " Algorithmique : Biais, discrimination et équité ".
Que pouvons-nous faire pour nous assurer que les algorithmes soient équitables et impartiaux ?
Nous sommes ravis de travailler avec l'Institut Montaigne et avons lancé un groupe de travail et une série d'auditions d'experts sur les biais dans les algorithmes. Nous produirons des recommandations d'action concrètes à l'intention des décideurs politiques et des chefs d'entreprise.
Nos premiers projets sont en neurosciences
MS BIO PROGRESS
Utilisation de biostatistiques contre
la Sclérose en Plaques
Dr Violetta Zujovic, Sclerose en Plaques / Multiple Sclerosis, ICM
BRAIN AT SCALE
Apprentissage automatique pour les maladies neurodégénératives
Olivier Colliot, Brain@Scale, ICM & CNRS
