Academic literature on the topic 'IA de confiance'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'IA de confiance.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "IA de confiance"
1
Preteux, Jérôme. "La confiance en l’IA pour une IA d’emploi." Revue Défense Nationale N° 855, no. 10 (December 1, 2022): 91–99. http://dx.doi.org/10.3917/rdna.855.0091.
Full text
2
Masciotra, Viviane, and Jean-Sébastien Boudrias. "Promouvoir l’adoption de l’IA dans les milieux d’emploi par l’entremise de l’explicabilité et de la confiance : une étude empirique." Ad machina, no. 8 (December 13, 2024): 84–113. https://doi.org/10.1522/radm.no8.1840.
Full textAbstract:
L’intelligence artificielle (IA) est associée à plusieurs bénéfices pour les travailleurs et les organisations. Toutefois, ses capacités inédites sont propices à engendrer chez les humains de la crainte pour la pérennité de leur emploi, et de la réticence à utiliser l’IA. Dans la présente étude, nous explorons le rôle de la confiance envers l’utilisation de l’IA chez les travailleurs, ainsi que la capacité de l’explicabilité de l’algorithme à promouvoir la confiance. À cet effet, un devis expérimental à répartition aléatoire a été utilisé. Les résultats révèlent que la confiance favorise l’intention d’utiliser l’IA, mais que l’explicabilité ne contribue pas au développement de la confiance. De plus, l’explicabilité a eu un effet inattendu délétère sur l’intention d’utiliser l’IA.
3
Devillers, Laurence. "Le langage non responsable des systèmes d’intelligence artificielle (IA) générative." Champ lacanien N° 28, no. 1 (October 2, 2024): 133–38. http://dx.doi.org/10.3917/chla.028.0133.
Full textAbstract:
Depuis 2022, ChatGPT d’OpenAI a popularisé l’intelligence artificielle (IA), rendant les technologies numériques essentielles. L’IA, qu’elle soit prédictive ou générative, progresse dans des domaines variés comme la médecine et les chatbots. Désormais, certaines actions humaines, comme le langage, sont séparées de l’intelligence réelle. Les IA génératives imitent le langage sans le comprendre, en utilisant des modèles statistiques complexes. Elles peuvent produire des résultats erronés, soulevant des questions éthiques. La transparence des IA est cruciale pour instaurer la confiance, et leur régulation est nécessaire pour concilier technologie et bien-être humain.
4
Pluchart, Jean-Jacques. "Transformation des entreprises et tiers de confiance : la mutation de la chaîne de confiance dans le management des entreprises." Vie & sciences de l'entreprise N° 216-217, no. 1 (August 21, 2023): 62–91. http://dx.doi.org/10.3917/vse.216.0062.
Full textAbstract:
Cette recherche soulève la problématique de la perception par les auditeurs légaux et les vérificateurs sociétaux, des mutations - en cours et souhaitables - de leurs missions, de leurs compétences et de leurs méthodes, destinées à préserver ou à renforcer leur statut de tiers de confiance au service de l’entreprise. Elle mobilise une méthodologie qualitative à la fois exploratoire et originale, basée sur un sondage et sur des entretiens semi-directifs. Elle révèle la diversité des facteurs qui viennent modifier les conditions d’exercice des métiers du chiffre. Ces facteurs sont de nature institutionnelle (le foisonnement réglementaire et normatif, le relèvement des seuils d’audit obligatoire), technologique (l’émergence de l’IA et de la blockchain ) et organisationnelle (la multiplication des contrôles, audits et vérifications internes et externes à l’entreprise).
5
Berger, Alain, and Jean-Pierre Cotton. "Quel avenir pour la modélisation et la structuration dans un projet de management de la connaissance ?" I2D - Information, données & documents 1, no. 1 (July 19, 2023): 88–94. http://dx.doi.org/10.3917/i2d.231.0088.
Full textAbstract:
À l’heure de l’intelligence artificielle (IA) dite générative, des algorithmes d’apprentissage profond ( Deep Learning ), de l’IA explicable, de l’IA de confiance, bon nombre de personnes ne mesurent pas la nécessité de modéliser et de structurer le domaine lorsqu’il s’agit de réaliser une opération de management de la connaissance. La question est à deux niveaux : est-ce que cela a un sens et pourquoi ?
6
Chiaroni, Julien. "Vers la confiance, voire la certification, des systèmes à base d’intelligence artificielle." Annales des Mines - Enjeux numériques N° 13, no. 1 (January 24, 2021): 37–41. http://dx.doi.org/10.3917/ennu.013.0037.
Full textAbstract:
Le fonctionnement sûr des logiciels est au cœur de nombreuses applications de tous les jours, qu’il s’agisse du transport (automobile, aviation, rail…), ou des dispositifs de santé. Toutefois, la question reste ouverte lorsque les systèmes intègrent de l’intelligence artificielle (IA). Pour y parvenir, le développement de lignes directrices en matière d'éthique et de confiance est un élément central en vue de définir des exigences requises et partagées. Toutefois, avant de mettre en œuvre ces exigences ainsi que celles spécifiques à l’application et au contexte d’emploi, il est impératif de développer un cadre technique conduisant à revisiter l’ensemble de la chaîne de conception, d’évaluation et de déploiement des systèmes à base d’intelligence artificielle. Cela se traduit, d’une part, par le développement des briques logicielles permettant d’outiller l’ingénierie algorithmique et système de l’intelligence artificielle, et, d’autre part, par de nouvelles approches d’évaluation, voire de certification. C’est tout l’enjeu du « grand défi » que de lever ces verrous et permettre le déploiement de l’IA à de futurs produits et services, tout en garantissant la confiance nécessaire à l’acceptabilité sociale des futurs utilisateurs.
7
Jean, Aurélie. "Une brève introduction à l’intelligence artificielle." médecine/sciences 36, no. 11 (November 2020): 1059–67. http://dx.doi.org/10.1051/medsci/2020189.
Full textAbstract:
Depuis plus d’une décennie, l’intelligence artificielle (IA) vit une accélération dans son développement et son adoption. En médecine, elle intervient dans la recherche fondamentale et clinique, la pratique hospitalière, les examens médicaux, les soins ou encore la logistique. Ce qui contribue à l’affinement des diagnostics et des pronostics, à une médecine encore plus personnalisée et ciblée, à des avancées dans les technologies d’observations et d’analyses ou encore dans les outils d’interventions chirurgicales et autres robots d’assistance. De nombreux enjeux propres à l’IA et à la médecine, tels que la dématérialisation des données, le respect de la vie privée, l’explicabilité des algorithmes, la conception de systèmes d’IA inclusifs ou leur reproductibilité, sont à surmonter pour construire une confiance du corps hospitalier dans ces outils. Cela passe par une maîtrise des concepts fondamentaux que nous présentons ici
8
Vaileanu, Ingrid, and Florin Paun. "L’économie de la fonctionnalité des données qualifiées au cœur d’une croissance vertueuse." Marché et organisations Pub. anticipées (December 31, 2024): I114—XXXVII. http://dx.doi.org/10.3917/maorg.pr1.0114.
Full textAbstract:
L’intégration de la « Valeur Extra-Financière » (Dessertine, 2023) est au cœur des évolutions de paradigme de valorisation pour une croissance vertueuse et éthique face aux crises multiformes (écologique, économique, de confiance), par l’accès aux données qualifiées ou qualifiables d’impact et d’opinion. L’exemple de l’outil numérique issu de l’innovation Deeptech Xvaluator relève de l’impact potentiel majeur de l’Intelligence Artificielle (IA) européen dans le monde des données et des stratégies nouvelles de valorisation de leurs valeurs financières et extra-financières. Pour contrer les crises, les modèles économiques de croissance post-fordiens, industriels, serviciels et financiers désignent comme « externalités ou valeurs extra-financières » le « capital social et environnemental » (Laperche, Uzunidis, 2012). Cela se traduit aujourd’hui par l’intégration ex ante des impacts perçus par une valeur augmentée centrale. Il est ainsi possible d’envisager une nouvelle croissance vertueuse capable d’être perçue collectivement au travers de nouveaux outils numériques « d’agilisation » des organisations et leurs processus « d’innovation ouverte » (Chesbrough et al. , 2008 ; Paun, 2018 ; Barbaroux, 2020 ; Adatto, 2018) issues de l’innovation Deep tech en France et en Europe.
9
Vaileanu, Ingrid, and Florin Paun. "L’économie de la fonctionnalité des données qualifiées au cœur d’une croissance vertueuse." Marché et organisations N° 51, no. 3 (July 31, 2024): 129–65. http://dx.doi.org/10.3917/maorg.051.0129.
Full textAbstract:
L’intégration de la « valeur extra-financière » (Dessertine, 2023) est au cœur des évolutions de paradigme de valorisation pour une croissance vertueuse et éthique face aux crises multiformes (écologique, économique, de confiance), par l’accès aux données qualifiées ou qualifiables d’impact et d’opinion. L’exemple de l’outil numérique issu de l’innovation Deeptech Xvaluator relève de l’impact potentiel majeur de l’Intelligence Artificielle (IA) européen dans le monde des données et des stratégies nouvelles de valorisation de leurs valeurs financières et extra-financières. Pour contrer les crises, les modèles économiques de croissance post-fordiens, industriels, serviciels et financiers désignent comme « externalités ou valeurs extra-financières » le « capital social et environnemental » (Laperche, Uzunidis, 2012). Cela se traduit aujourd’hui par l’intégration ex ante des impacts perçus par une valeur augmentée centrale. Il est ainsi possible d’envisager une nouvelle croissance vertueuse capable d’être perçue collectivement au travers de nouveaux outils numériques « d’agilisation » des organisations et leurs processus « d’innovation ouverte » (Chesbrough et al ., 2008 ; Paun, 2018 ; Barbaroux, 2020 ; Adatto, 2018) issues de l’innovation Deep tech en France et en Europe.
10
Sampaio, Gêisa Aiane de Morais, Andressa Vieira Landgraf, Pedro Henrique Sette de Souza, and Renata de Oliveira Cartaxo. "Avaliação da autopercepção de confiança clínica de concluintes do curso de Odontologia." Arquivos em Odontologia 58 (November 26, 2022): 199–208. http://dx.doi.org/10.35699/2178-1990.2022.37525.
Full textAbstract:
Objetivo: Este estudo objetivou avaliar a autopercepção de confiança de alunos concluintes do curso de Odontologia da Universidade Estadual da Paraíba, ao realizar diferentes procedimentos clínicos e verificar suas perspectivas profissionais futuras. Métodos: O instrumento utilizado foi um questionário semiestruturado dividido em três blocos: perfil do estudante (informações demográficas como idade, sexo, estado civil, etc), grau de confiança (procedimentos/situações clínicas) e perspectivas futuras (informações sobre preferências e possíveis preocupações enquanto profissionais). Para estudo dos resultados criou-se um índice de autoconfiança (IA), que representa a média dos valores de confiança nos procedimentos questionados no inquérito. Resultados: Verificou-se que para os procedimentos de instrução de higiene oral, restaurações de compósitos em classe I ou II, restaurações e extrações na odontopediatria e seleção de materiais dentários, os estudantes mostraram-se mais confiantes, porém apresentaram pouca confiança em procedimentos como diagnóstico e plano de tratamento de DTM (desordens temporomandibulares), cirurgia periodontal, diagnóstico de lesão/patologia oral, atendimento de pacientes com comprometimento sistêmico e extrações cirúrgicas de dentes multirradiculares. Todos os participantes do estudo apresentaram IA igual ou maior que 3 e foram considerados “confiantes” ou “muito confiantes”. Os mesmos demonstraram preferência em atuar no serviço público após a graduação e, como principais preocupações, a baixa remuneração e a falta de conhecimento na gestão odontológica. Conclusão: Concluiu-se, portanto, que os alunos apresentaram um alto índice de autoconfiança porém, demonstraram estar mais confiantes em realizar procedimentos clínicos básicos e para procedimentos mais complexos mostraram-se pouco confiantes.
Dissertations / Theses on the topic "IA de confiance"
1
Le, Coz Adrien. "Characterization of a Reliability Domain for Image Classifiers." Electronic Thesis or Diss., université Paris-Saclay, 2024. http://www.theses.fr/2024UPASG109.
Full textAbstract:
Les réseaux de neurones profonds ont révolutionné le domaine de la vision par ordinateur. Ces modèles apprennent une tâche de prédiction à partir d'exemples. La classification d'images consiste à identifier l'objet principal présent dans l'image. Malgré de très bonnes performances des réseaux de neurones sur cette tâche, il arrive fréquemment qu'ils se trompent de façon imprévue. Cette limitation est un frein à leur utilisation pour de nombreuses applications. L'objectif de cette thèse est d'explorer des moyens de définir un domaine de fiabilité qui expliciterait les conditions pour lesquelles un modèle est fiable. Trois aspects ont été considérés. Le premier est qualitatif : générer des exemples extrêmes synthétiques permet d'illustrer les limites d'un classifieur et de mieux comprendre ce qui le fait échouer. Le second aspect est quantitatif : la classification sélective permet au modèle de s'abstenir en cas de forte incertitude, et la calibration permet de mieux quantifier l'incertitude de prédiction. Enfin, le troisième aspect est d'inclure de la sémantique : des modèles multimodaux qui associent images et texte sont utilisés pour décrire textuellement les images susceptibles de provoquer de mauvaises, ou inversement, de bonnes prédictionsDeep neural networks have revolutionized the field of computer vision. These models learn a prediction task from examples. Image classification involves identifying the main object present in the image. Despite the very good performance of neural networks on this task, they often fail unexpectedly. This limitation prevents them from being used in many applications. The goal of this thesis is to explore methods for defining a reliability domain that would clarify the conditions under which a model is trustworthy. Three aspects have been considered. The first is qualitative: generating synthetic extreme examples helps illustrate the limits of a classifier and better understand what causes it to fail. The second aspect is quantitative: selective classification allows the model to abstain in cases of high uncertainty, and calibration helps better quantify prediction uncertainty. Finally, the third aspect involves semantics: multimodal models that associate images and text are used to provide textual descriptions of images likely to lead to incorrect or, conversely, to correct predictions
2
Taheri, Sojasi Yousef. "Modeling automated legal and ethical compliance for trustworthy AI." Electronic Thesis or Diss., Sorbonne université, 2024. http://www.theses.fr/2024SORUS225.
Full textAbstract:
Les avancées en intelligence artificielle ont conduit à des enjeux juridiques et éthiques significatifs liés à la vie privée, aux biais, à la responsabilité, etc. Ces dernières années, de nombreuses réglementations ont été mises en place pour limiter ou atténuer les risques associés à l'IA. Le respect de ces réglementations est nécessaire pour la fiabilité des systèmes d'IA et pour garantir une utilisation responsable. De plus, des systèmes d'IA fiables doivent également être éthiques, en assurant une conformité avec les normes éthiques. La conformité aux lois applicables et l'adhésion aux principes éthiques sont essentielles pour la plupart des applications de l'IA. Nous étudions ce problème du point de vue des agents d'IA. En d'autres termes, comment un agent peut-il garantir que ses actions respectent les normes juridiques et éthiques. Nous nous intéressons aux approches basées sur le raisonnement logique pour intégrer la conformité juridique et éthiques dans le processus de planification de l'agent. Le domaine spécifique dans lequel nous poursuivons notre objectif est le traitement des données personnelles, c'est-à-dire, les actions de l'agent impliquent l'utilisation et le traitement des données personnelles. Une réglementation applicable dans ce domaine est le Règlement Général sur la Protection des Données (RGPD). De plus, le traitement des données personnelles peut entraîner certains risques éthiques en matière de vie privée ou de biais.Nous abordons cette question à travers une série de contributions présentées dans cette thèse. Nous commençons par la question de la conformité au RGPD. Nous adoptons le Calcul des Événements avec la Programmation par Ensembles de Réponses (ASP) pour modéliser les actions des agents et l'utiliser pour planifier et vérifier la conformité au RGPD. Un langage de policy est utilisé pour représenter les obligations et exigences du RGPD. Ensuite, nous examinons la question de la conformité éthique. Un modèle d'utilité ordinale pluraliste est proposé, permettant d'évaluer les actions en fonction des valeurs morales. Ce modèle est basé sur plusieurs critères et utilise des systèmes de vote pour agréger les évaluations sur une échelle ordinale. Nous intégrons ensuite ce modèle d'utilité et le cadre de conformité juridique dans un planificateur de Réseau de Tâches Hiérarchiques (HTN). Dans cette contribution, les normes juridiques sont considérées comme des contraintes "hard" et les normes éthiques comme des contraintes "soft". Enfin, en dernière étape, nous explorons davantage les combinaisons possibles de la conformité juridique et éthique avec l'agent de planification et proposons un cadre unifié. Ce cadre capture l'interaction et les conflits entre les normes juridiques et éthiques et est testé dans un cas d'utilisation avec des systèmes d'IA gérant la livraison d'articles médicauxThe advancements in artificial intelligence have led to significant legal and ethical issues related to privacy, bias, accountability, etc. In recent years, many regulations have been put in place to limit or mitigate the risks associated with AI. Compliance with these regulations are necessary for the reliability of AI systems and to ensure that they are being used responsibly. In addition, reliable AI systems should also be ethical, ensuring alignment with ethical norms. Compliance with applicable laws and adherence to ethical principles are essential for most AI applications. We investigate this problem from the point of view of AI agents. In other words, how an agent can ensure the compliance of its actions with legal and ethical norms. We are interested in approaches based on logical reasoning to integrate legal and ethical compliance in the agent's planning process. The specific domain in which we pursue our objective is the processing of personal data. i.e., the agent's actions involve the use and processing of personal data. A regulation that applies in such a domain is the General Data Protection Regulations (GDPR). In addition, processing of personal data may entail certain ethical risks with respect to privacy or bias.We address this issue through a series of contributions presented in this thesis. We start with the issue of GDPR compliance. We adopt Event Calculus with Answer Set Programming(ASP) to model agents' actions and use it for planning and checking the compliance with GDPR. A policy language is used to represent the GDPR obligations and requirements. Then we investigate the issue of ethical compliance. A pluralistic ordinal utility model is proposed that allows one to evaluate actions based on moral values. This model is based on multiple criteria and uses voting systems to aggregate evaluations on an ordinal scale. We then integrate this utility model and the legal compliance framework in a Hierarchical Task Network(HTN) planner. In this contribution, legal norms are considered hard constraints and ethical norm as soft constraint. Finally, as a last step, we further explore the possible combinations of legal and ethical compliance with the planning agent and propose a unified framework. This framework captures the interaction and conflicts between legal and ethical norms and is tested in a use case with AI systems managing the delivery of health care items
3
Bresson, Roman. "Neural learning and validation of hierarchical multi-criteria decision aiding models with interacting criteria." Electronic Thesis or Diss., université Paris-Saclay, 2022. http://www.theses.fr/2022UPASG008.
Full textAbstract:
L’aide à la décision multicritères (ADMC) est un domaine qui vise à aider des décideurs experts (DE) pour des problèmes tels que la sélection, le classement ou la classification d’alternatives définies par plusieurs attributs qui peuvent intéragir. Ces modèles ne sont pas ceux qui prennent pas la décision, mais ils apportent une assistance au DE lors du processus. Il est donc crucial que le modèle offre au DE des moyens d’interpréter ses résultats. Ceci est en particulier vrai dans des contextes critiques où les erreurs peuvent avoir des conséquences désastreuses. Il est par conséquent indispensable que les modèles d’ADMC soient intelligibles, interprétables et que leur comportement soit fortement contraint par des connaissances provenant d’une expertise dans le domaine. De tels modèles sont généralement construits par une interaction (questions/réponses) avec un DE, par le biais de méthodes issues de la recherche opérationnelle. D’autre part, l’apprentissage automatique (ML) fonde son approche sur l’apprentissage du modèle optimal à partir de données d’ajustement. Ce domaine se concentre généralement sur les performances du modèle, en adaptant les paramètres de modèles complexes (dits boîtes noires) pour obtenir une erreur statistiquement faible sur de nouveaux exemples. Bien que cette approche soit adaptée à de nombreux contextes, l’utilisation de modèles boîtes noires est inconcevable dans les cas usuels d’ADMC, car ils ne sont ni interprétable, ni facilement contraignables. Cette thèse fait le pont entre ces deux domaines. Nous nous concentrons sur une certaine classe de modèles d’ADMC, appelés intégrales de Choquet hiérarchiques utilitaires (ICHU). Notre première contribution, qui est théorique, est de montrer l’identifiabilité (ou l’unicité de la paramétrisation) des ICHUs. Ce résultat motive notre seconde contribution : le framework NeurHCI, une architecture de modules de réseaux de neurones qui peuvent apprendre les paramètres d’un ICHU. En particulier, tous les modèles NeurHCI sont garantis comme étant formellement valides, répondant aux contraintes qui conviennent à de tels modèles (monotonie, normalisation), et restent interprétables. Nous montrons empiriquement que les modèles Neur-HCI sont performants sur des ensembles de données artificielles et réelles, et qu’ils présentent une stabilité remarquable, ce qui en fait des outils pertinents pour alléger l’effort d’élicitation de modèles lorsque les données sont facilement disponibles, et permet leur utilisation comme outils d’analyse appropriés pour identifier certains phénomènes sous-jacents dans les donnéesMulticriteria Decision Aiding (MCDA) is a field that aims at assisting expert decision mak ers (DM) in problems such as selecting, ranking, or classifying alternatives defined on several inter acting attributes. Such models do not make the decision, but assist the DM, who takes the final decision. It is thus crucial for the model to offer ways for the DM to maintain operational awareness, in particular in safety-critical contexts where errors can have dire consequences. It is thus a prerequisite of MCDA models to be intelligible, in terpretable, and to have a behaviour that is highly constrained by information stemming from in do main knowledge. Such models are usually built hand in hand with a field expert, obtaining infor mation through a Q&A procedure, and eliciting the model through methods rooted in operations research. On the other hand, Machine Learning (ML), and more precisely Preference Learning (PL), bases its approach on learning the optimal model from fitting data. This field usually focuses on model performances, tuning complex black-boxes to ob tain a statistically low error on new examples cases. While this is adapted to many settings, it is out of the question for decision aiding settings, as neither constrainedness nor intelligibility are available. This thesis bridges both fields. We focus on a certain class of MCDA models, called utilitaris tic hierarchical Choquet integrals (UHCI). Our first contribution, which is theoretical, is to show the identifiability (or unicity of the parameterization) of UHCIs This result motivates our second con tribution: the Neur-HCI framework, an archi tecture of neural network modules which can learn the parameters of a UHCI. In particular, all Neur HCI models are guaranteed to be formally valid, fitting the constraints that befit such a model, and remain interpretable. We show empirically that Neur-HCI models perform well on both artificial and real dataset, and that they exhibit remarkable stability, making it a relevant tool for alleviating the model elicitation effort when data is readily available, along with making it a suitable analysis tool for indentifying patterns in the data
Books on the topic "IA de confiance"
1
Protéger les élections démocratiques par la sauvegarde de l’intégrité de l’information. International IDEA; Forum sur l’information et la démocratie; Democracy Reporting International, 2024. http://dx.doi.org/10.31752/idea.2024.9.
Full textAbstract:
En 2024, presque 3 milliards d’électeurs seront appelés à voter à travers le monde, dans le cadre d’élections démocratiques. L’intégrité de ces élections repose, notamment, sur la possibilité de confiance dans le journalisme ainsi que sur l’accès à des informations électorales fiables et à une diversité d’opinions. Des agents malintentionnés font ainsi un usage abusif de l’intelligence artificielle (IA), et notamment des grands modèles de langage et de l’IA générative, pour déformer des faits, générer des « deepfakes », créer de la confusion et cibler des segments de populations avec des messages hypersegmentés. Pour combattre ces abus et assurer l’intégrité de l’espace informationnel, les plateformes et les États devront mettre en place des garanties politiques et réglementaires. Les organes de gestion électorale (OGE) indépendants pourraient contribuer à garantir l’accès à une information électorale fiable. Les dix recommandations à destination des plateformes et des États reprennent dans les grandes lignes les principales mesures à prendre pour protéger le caractère démocratique des élections.
Book chapters on the topic "IA de confiance"
1
Flores-Garrido, Marisol. "Fuck the algorithm: Navegando la promesa tecnológica y el impacto social de la IA." In Inteligencia artificial transformación, retos y prospectiva social, 101–18. Astra Ediciones, 2024. http://dx.doi.org/10.61728/ae24001052.
Full textAbstract:
La inteligencia artificial (IA) ha irrumpido con fuerza en tareas tan numerosas como diversas, suscitando una fascinación que puede oscurecer sus límites reales. Desde revolucionar el diagnóstico médico hasta simplificar nuestras tareas diarias, la IA no solo ha enriquecido nuestra vida cotidiana, también ha desatado optimismo y confianza en sus posibilidades. En ese sentido, podemos considerar a la IA como una tecnología carismática, que deriva gran parte de su poder a través de la posibilidad o promesa de acción: importa no solamente lo que sus herramientas son, sino la forma en que afectan nuestra imaginación con las promesas de lo que podrían hacer (Ames, 2019). Los logros de la IA pueden conducirnos a su adopción precipitada en contextos donde su utilidad no es tan clara, persiguiendo utopías tecnológicas que ignoran las limitaciones de estas herramientas. Ante esta situación, es necesario cultivar una postura crítica tanto en los desarrolladores de sistemas de IA como en la sociedad en su conjunto, quien debe defender el derecho a decidir cómo y cuándo implementar estas tecnologías.
2
CAMBAZA, E. M., and F. F. G. GUSTAVO. "Inteligência Artificial: Ética do seu Uso na Triagem para o Transplante de Órgãos." In Temas de Pesquisa em Bioética, 51–66. Editora Científica Digital, 2024. https://doi.org/10.37885/241118117.
Full textAbstract:
A inteligência artificial (IA) tem sido cada vez mais aplicada na triagem de candidatos para transplantes de órgãos, destacando-se pela análise eficiente de grandes volumes de dados e pelo potencial de reduzir tempos de espera e melhorar taxas de sobrevivência. No entanto, seu uso levanta questões éticas, como transparência e justiça, especialmente quanto ao risco de replicação de preconceitos históricos. Este estudo visou explorar esses desafios éticos, empregando uma metodologia qualitativa com Atlas.ti para revisar literatura relevante e identificar princípios bioéticos fundamentais, como autonomia, beneficência, não-maleficência, justiça e respeito por grupos vulneráveis. Constatou-se que alternativas como auditorias frequentes, transparência ("caixa branca") e regulamentação específica mitigam os principais dilemas éticos. Conclui-se que uma abordagem híbrida, unindo auditorias, transparência e regulamentação, promove a equidade e a confiança pública, assegurando que a IA sirva aos pacientes de forma ética e responsável.
3
Schmidt Bortolini, Vanessa, Cristiano Colombo, José Luiz de Moura Faleiros Júnior, and Eduardo Neubarth Trindade. "(In)explicabilidade da inteligência artificial na saúde: revisão da literatura, regulação e novos rumos." In Direito, Tecnologia e Inovação - vol. 6: Ciência de Dados e Direito, 193–224. Centro DTIBR, 2024. http://dx.doi.org/10.59224/dti6.ch6.
Full textAbstract:
A Saúde Digital está transformando os serviços e sistemas de saúde, oferecendo potencial para aprimorar a qualidade dos cuidados e reduzir os custos na assistência médica. Neste contexto, a Inteligência Artificial (IA) pode auxiliar os médicos a tomarem melhores decisões clínicas, revelando informações relevantes que antes estavam ocultas em um grande volume de dados de saúde. Entretanto, serviços que sempre foram prestados por seres humanos começarão a ter influência ou até mesmo a possibilidade de serem totalmente executados por um sistema, desafiando as bases e os pressupostos básicos em saúde que conhecemos até então. Muito embora os algoritmos de IA possam alcançar uma performance incrivelmente alta, sua adoção na prática clínica ainda é limitada, e as maiores barreiras continuam sendo a falta de transparência, explicabilidade e a presença de caixas pretas, o que impede ou diminui a confiança nos sistemas de inteligência artificial. Uma inteligência artificial explicável parece ser necessária para superar esta barreira e pode representar um passo em direção a um sistema confiável. O direito à explicação refere-se à garantia de que todas as pessoas têm o direito de compreender como as decisões baseadas em inteligência artificial que impactam suas vidas são tomadas. A partir do estado da arte da explicabilidade da IA na saúde, bem como da observação do atual quadro jurídico, questiona-se se os dispositivos normativos vigentes atendem adequadamente à matéria ou se são necessárias novas medidas, inclusive de ordem deontológica e setorial. Através de uma revisão sistemática da literatura realizada na plataforma Web of Science, entre os anos de 2020 e 2023, utilizando os termos “artificial intelligence”, “predictions”, “explainability” e “health”, foram identificados 12 trabalhos que ilustram a visão atual, segundo a plataforma de pesquisa utilizada, quanto à explicabilidade da inteligência artificial na saúde. Realiza-se uma análise desses trabalhos para entender qual o estado das coisas neste cenário e como dialoga com o arcabouço jurídico existente atualmente no país, voltando-se também a medidas eventualmente necessárias para reforçar a confiança e apontar novos rumos no uso da tecnologia no contexto de saúde.
4
Vasconcelos, Eduardo Silva, Leandro Aureliano da Silva, Débora Vasconcelos Melo, Adriano Dawison de Lima, Luiz Fernando Ribeiro de Paiva, and Cleiton Silvano Goulart. "Inteligencia Artificial en la Gestión Agrícola: Uso de Modelos de Bosque Aleatorio para la Predicción de Producción y Reserva de Semillas en Brasil." In Agricultural and Biological Sciences: Foundations and Applications. Seven Editora, 2024. http://dx.doi.org/10.56238/sevened2024.023-006.
Full textAbstract:
Este estudio aborda la aplicación de modelos de Inteligencia Artificial (IA), más específicamente de bosque aleatorio, para la predicción de la producción y reserva de semillas en la agricultura brasileña. El objetivo principal es contribuir al avance en la gestión y planificación de recursos, una acción crítica para aumentar la eficiencia y sostenibilidad del sector. El trabajo se destaca por la importancia de entender el papel de la IA en la optimización de prácticas agrícolas, proporcionando un marco de referencia para investigaciones futuras en la intersección entre tecnologías de IA y agricultura. Metodológicamente, el estudio implementó un riguroso proceso de recolección y procesamiento de datos proporcionados por el Ministerio de Agricultura y Ganadería de Brasil, cubriendo las cosechas de 2016/2017 a 2023/2024. La limpieza de datos precedió a la transformación de las variables categóricas a través de la codificación one-hot y la subsiguiente división del conjunto de datos en un 80% para entrenamiento y un 20% para pruebas. Utilizando la biblioteca scikit-learn, se configuró y evaluó un modelo de bosque aleatorio, empleando técnicas de validación como la división entrenamiento/prueba y la validación cruzada, además de las métricas de error cuadrático medio (MSE) y coeficiente de determinación (R²) para medir la precisión y eficacia del modelo. Los resultados indican una correlación positiva moderada a fuerte entre las variables de tiempo y cantidad de semillas reservadas para ambos períodos de cultivo, Safra y Safrinha. Sin embargo, los análisis señalaron una variabilidad anual y una confianza diferenciada en las predicciones entre los períodos, sugiriendo la influencia de factores adicionales y la necesidad de modelos adaptativos. La concentración de la producción en pocas culturas fue identificada como un riesgo potencial, sugiriendo que la diversificación es clave para la resiliencia del sector. La capacidad de generalización del modelo fue evaluada, y el fenómeno de sobreajuste fue considerado una posibilidad ante las variaciones de precisión entre los datos de entrenamiento y prueba. Este estudio refuerza el potencial transformador que los modelos de IA, como el bosque aleatorio, poseen para la predicción y gestión agrícola, abriendo puertas para mejoras futuras y proporcionando subsidios valiosos para decisiones estratégicas basadas en datos en el sector agrícola.
Conference papers on the topic "IA de confiance"
1
Condori-Fernández, Nelly. "Sostenibilidad y sistemas basados en inteligencia artificial." In Congreso Internacional de Ingeniería de Sistemas. Universidad de Lima, 2024. http://dx.doi.org/10.26439/ciis2023.7077.
Full textAbstract:
La inteligencia artificial (IA) ha evolucionado con avances como los lenguajes de alto nivel de programación (Python, por ejemplo) y las redes neuronales profundas o redes de aprendizaje profundo. Estos avances han impulsado el auge de la IA, con desarrollos como XAI, Small Data e ImageNet. La IA generativa está cambiando la economía y se espera que tenga un impacto significativo en áreas como la creación de contenidos, el desarrollo de software y el marketing. La Comisión Europea propone una regulación de la IA basada en un enfoque de riesgo, con diferentes niveles de riesgo y requisitos según la categoría de IA. La sostenibilidad del software es multidimensional, pues abarca aspectos técnicos, económicos, ambientales y sociales. La explicabilidad y transparencia en los modelos de IA son cruciales para garantizar la responsabilidad y la confianza en su uso. La integración de sistemas de IA con sistemas y procesos heredados implica consideraciones técnicas y económicas; puede generar beneficios, como la optimización de procesos, pero también requiere inversiones significativas.
2
Silva, Francisco Luciano Quirino da, Andréia Libório Sampaio, Carla Ilane Moreira Bezerra, and Ingrid Teixeira Monteiro. "Brainwriting na elicitação de requisitos para IA confiável." In Workshop sobre Aspectos Sociais, Humanos e Econômicos de Software. Sociedade Brasileira de Computação - SBC, 2023. http://dx.doi.org/10.5753/washes.2023.230891.
Full textAbstract:
Falhas apontadas em sistemas de Aprendizado de Máquina (AM) têm afetado a confiança dos usuários, tornando-se essencial abordar o tema. Este estudo investiga o uso da técnica Brainwriting na elicitação de requisitos para Inteligência Artificial (IA) confiável, com foco em AM, por meio da colaboração multidisciplinar dos papéis envolvidos. O estudo foi conduzido com um grupo de mulheres com perfis de atuação diferentes, facilitado por um mediador. Ao final do estudo, um conjunto de perguntas abertas foi aplicado para compreender a perspectiva das participantes em relação à IA confiável. Com o estudo foi possível criar requisitos para a IA confiável, com ênfase em AM, além de proporcionar a participação multidisciplinar, utilizando Brainwriting.
3
Cardoso, Joyce, and Cleide Muñoz. "O FUTURO DA INTELIGÊNCIA ARTIFICIAL NA EDUCAÇÃO A DISTÂNCIA: ASPECTOS LEGISLATIVOS." In XIX Congresso Internacional de Tecnologia na Educação. SENAC, 2023. http://dx.doi.org/10.61917/2764-684x.2023.059.
Full textAbstract:
Cada vez mais rápido a incorporação tecnológica em nossa sociedade vem nos conduzindo as mais novas práticas pedagógicas nas mais diversas áreas da atuação humana. Dada essa incorporação não seria diferente com a educação, que com o avanço destas tecnologias foi fortemente influenciada. O presente artigo aborda o papel em evolução da Inteligência Artificial (IA) na Educação a Distância (EaD), com foco nos aspectos legislativos que moldam seu futuro. A IA tem demonstrado potencial para personalizar o aprendizado e melhorar a eficiência em ambientes de EaD. No entanto, seu uso levanta questões legais e éticas relacionadas à privacidade dos alunos, propriedade intelectual e transparência algorítmica. O respeito às regulamentações de proteção de dados é crucial para garantir que os direitos dos alunos sejam preservados, as quais examinam e respondem a essas preocupações legislativas que buscam o equilíbrio entre inovação da IA junto a segurança jurídica. Além disso, são exploradas medidas para promover a responsabilidade das instituições de EaD e dos desenvolvedores de IA. À medida que a IA desempenha um papel cada vez mais vital na EaD, a clareza legal se torna fundamental para sustentar a confiança pública e para incentivar o avanço contínuo nesse domínio em rápido crescimento.
4
Silva, Jhessica, Alef Ferreira, Diego Moreira, Gabriel Santos, Gustavo Bonil, João Gondim, Luiz Pereira, et al. "Avaliação de Ferramentas de Ética no Levantamento de Considerações Éticas de Modelos de Linguagem em Português." In Conferência Latino-Americana de Ética em Inteligência Artificial, 61–64. Sociedade Brasileira de Computação - SBC, 2024. https://doi.org/10.5753/laai-ethics.2024.32452.
Full textAbstract:
Este artigo apresenta um estudo sobre a utilização de Ferramentas de Ética para IA (AIETs) no levantamento de considerações éticas de modelos de linguagem em português. As AIETs visam ajudar desenvolvedores, empresas, governos e outras partes interessadas a estabelecer confiança, transparência e responsabilidade com suas tecnologias. Busca-se com este artigo discutir brevemente se as AIETs podem auxiliar desenvolvedores a pensarem eticamente seus modelos. Tal estudo foi realizado a partir de entrevistas com desenvolvedores de quatro modelos de linguagem utilizando as AIETs Harms Modeling e Model Cards. Os resultados sugerem que as AIETs servem como guia na elaboração de considerações éticas, mas requerem conhecimentos prévios de ética em IA.
5
Terán, Héctor. "La implementación de la Inteligencia Artificial en la enseñanza de la programación. Un estudio sobre el uso ético de ChatGPT en el aula." In Ingeniería para transformar territorios. Asociación Colombiana de Facultades de Ingeniería - ACOFI, 2023. http://dx.doi.org/10.26507/paper.2768.
Full textAbstract:
Con la reciente masificación del uso de la Inteligencia Artificial (IA), especialmente ChatGPT, muchas instituciones educativas en representación de sus directivos y profesores han mostrado cierta preocupación en el uso de estas por parte de los estudiantes. Es así como el presente estudio se enfoca en la implementación de ChatGPT, una herramienta de IA, en la enseñanza de la programación en los primeros semestres de Ingeniería de Sistemas y así poder usar la IA en beneficio de la Educación. La IA es una de las tecnologías más prometedoras para mejorar la enseñanza y el aprendizaje de la programación, se podría explorar la capacidad de los modelos de lenguaje natural para generar código o proporcionar sugerencias de programación o retroalimentación personalizada en tiempo real a los estudiantes y también ayudar a los profesores. Sin embargo, también es importante considerar los aspectos éticos de la implementación de la IA en la educación. Para este estudio, se llevó a cabo una revisión bibliográfica de estudios relacionados con la implementación de la IA en la educación y el uso de ChatGPT y luego de la implementación se midió el desempeño académico y motivación de los estudiantes por medio de sus notas y una encuesta para obtener información sobre su experiencia de aprendizaje con ChatGPT. Los resultados del estudio muestran que la implementación de ChatGPT en la enseñanza de la programación puede mejorar significativamente el aprendizaje de los estudiantes. Los estudiantes informaron una mayor comprensión de los conceptos de programación y una mayor confianza en su capacidad para programar lo que se tradujo en una mejor motivación hacia la programación. En conclusión, la implementación de la IA en la enseñanza de la programación es un campo en constante evolución que puede ser de gran ayuda para mejorar el aprendizaje de los estudiantes y donde los profesores deberán hacer un enfoque adecuado en la ética para reforzar la honestidad académica y evitar el plagio. Al ser un tema emergente se necesitan más estudios para comprender el potencial de la IA en la enseñanza de la programación.
6
Uribe, Lorena. "Integración de Inteligencia Artificial en la gestión de tecnologías de la información: un enfoque aplicado en el desarrollo empresarial." In Ingeniería: una transición hacia el futuro, 1–10. Asociación Colombiana de Facultades de Ingeniería - ACOFI, 2024. http://dx.doi.org/10.26507/paper.3761.
Full textAbstract:
La cuarta revolución industrial genera un proceso desde la adopción de tecnologías para lograr en cada área de trabajo un mejor desempeño de las labores, por ello las empresas incorporan tecnologías como una estrategia necesaria para la sostenibilidad y el crecimiento. En los últimos años, en el empleo de transformaciones digitales y evolución de tecnologías han fomentado una ardua labor para su gestión en las empresas, gradualmente se incrementado el uso Inteligencia artificial en diferentes sectores de trabajo, estudio y hogar. Es por esto que la investigación se basó en estudiar de relaciones de la gestión de las Tecnologías de la Información (TI) con la aplicación de las Inteligencias Artificiales (IA) en el desarrollo empresarial. El enfoque investigativo es mixto de tipo aplicado, se ejecuta en la Fase I: Recopilación de datos: Obtención de información relevante sobre casos de estudio, estadísticas y tendencias en la adopción de IA en la gestión de TI. Fase II Trabajo de campo: Aplicación de encuesta: Se aplica una encuesta a en el sector empresarial de forma aleatoria con un nivel confianza de 95%, la desviación media de 1.96, y un margen de error de 5%. Selección de casos: Elección de empresas representativas de distintos sectores para analizar cómo han implementado la IA en sus procesos, realización de entrevistas con profesionales de empresas seleccionadas para obtener perspectivas cualitativas sobre el impacto de la IA en la optimización de procesos. Como parte de los resultados se encuentra que para realizar una adecuada implementación de las IA se requiere aplicar el ciclo del proceso desde la gobernanza de TI, lo cual implica que los procedimientos, requisitos funcionales, monitorización y la optimización de procesos, lleven un adecuado control para el empleo de indicadores que permitan de una manera eficaz llegar a métodos de madurez que permitan la adopción de buenas prácticas para la gestión de TI. Con base en el PMI (Project Management Institute) y el ITIL (Information Technology Infrastructure Library) para la generación de indicadores (KPI), por otro lado al identificar los indicadores claves de riesgo (KRI) resultantes del proceso se generan alertas y mejoras en el proceso adoptando, Alimentando las buenas prácticas que estandaricen los procedimientos para la gestión de TI con IA.
7
Vasconcelos, Eduardo Silva, Leandro Aureliano da Silva, Débora Vasconcelos Melo, Adriano Dawison de Lima, Luiz Fernando Ribeiro de Paiva, and Cleiton Silvano Goulart. "Inteligencia artificial en la gestión agrícola: Uso de modelos de bosque aleatorio para la predicción de producción y reserva de semillas en Brasil." In I Seven Agricultural Sciences Congress. Seven Congress, 2024. http://dx.doi.org/10.56238/icongresssevenagriculturalsciences-010.
Full textAbstract:
Este estudio aborda la aplicación de modelos de Inteligencia Artificial (IA), más específicamente de bosque aleatorio, para la predicción de la producción y reserva de semillas en la agricultura brasileña. El objetivo principal es contribuir al avance en la gestión y planificación de recursos, una acción crítica para aumentar la eficiencia y sostenibilidad del sector. El trabajo se destaca por la importancia de entender el papel de la IA en la optimización de prácticas agrícolas, proporcionando un marco de referencia para investigaciones futuras en la intersección entre tecnologías de IA y agricultura. Metodológicamente, el estudio implementó un riguroso proceso de recolección y procesamiento de datos proporcionados por el Ministerio de Agricultura y Ganadería de Brasil, cubriendo las cosechas de 2016/2017 a 2023/2024. La limpieza de datos precedió a la transformación de las variables categóricas a través de la codificación one-hot y la subsiguiente división del conjunto de datos en un 80% para entrenamiento y un 20% para pruebas. Utilizando la biblioteca scikit-learn, se configuró y evaluó un modelo de bosque aleatorio, empleando técnicas de validación como la división entrenamiento/prueba y la validación cruzada, además de las métricas de error cuadrático medio (MSE) y coeficiente de determinación (R²) para medir la precisión y eficacia del modelo. Los resultados indican una correlación positiva moderada a fuerte entre las variables de tiempo y cantidad de semillas reservadas para ambos períodos de cultivo, Safra y Safrinha. Sin embargo, los análisis señalaron una variabilidad anual y una confianza diferenciada en las predicciones entre los períodos, sugiriendo la influencia de factores adicionales y la necesidad de modelos adaptativos. La concentración de la producción en pocas culturas fue identificada como un riesgo potencial, sugiriendo que la diversificación es clave para la resiliencia del sector. La capacidad de generalización del modelo fue evaluada, y el fenómeno de sobreajuste fue considerado una posibilidad ante las variaciones de precisión entre los datos de entrenamiento y prueba. Este estudio refuerza el potencial transformador que los modelos de IA, como el bosque aleatorio, poseen para la predicción y gestión agrícola, abriendo puertas para mejoras futuras y proporcionando subsidios valiosos para decisiones estratégicas basadas en datos en el sector agrícola.
8
Marín Idárraga, Diego Alberto, and Alexandra E. Duarte Castillo. "Estado del arte sobre Supply Chain Management SCM en el sector cafetero colombiano." In Ingeniería: una transición hacia el futuro, 1–11. Asociación Colombiana de Facultades de Ingeniería - ACOFI, 2024. http://dx.doi.org/10.26507/paper.3605.
Full textAbstract:
Hoy día, la Supply Chain Management o SCM es un factor clave en la agroindustria. Durante 2022-2024, producto de la guerra entre Rusia y Ucrania el intercambio de bienes y servicios es primordial para la supervivencia, siendo vital la oferta y demanda de alimentos con suficiencia, sanos e inocuos. El efecto de la guerra es mayor inflación mundial aumentando a 15.7% durante 2023, y antes de la guerra era ≤ 4%, por ejemplo, el precio café antes de la guerra era de 103,01 centavos USD*Lb y en 2023 fluctuó entre 151,95 y 162,31 centavos, aumentó más del 60%. Sumado a esto, las sanciones a Rusia incrementaron los costos de fertilizantes N, P y K en 200%. Por otra parte, modelar matemáticamente los elementos que intervienen en la SCM es inevitable para el aseguramiento de la calidad del café, pero sobre todo asegurar la resiliencia y gobernanza que conlleve a la toma óptima de decisiones a nivel estratégico, táctico y operativo. La presente investigación se centra en la tesis titulada “Metodología para la toma de decisiones estratégicas en el marco de la transformación digital en la cadena de suministro del café (Coffea), caso de estudio Dptos. Antioquía y Tolima -Colombia” con el objetivo de generar nuevo conocimiento de alto impacto para la cadena de suministro del café sustentable. Por tanto, este avance relaciona el estado del arte sobre la SCM en pro de la gobernanza y resiliencia en instituciones cafeteras. El diseño de la red de la cadena de suministro se describió como parte del procedimiento de la SCM, que incide en los costos y rendimientos de esta. Para esto se analizó la siguiente ecuación búsqueda ("supply chain*" OR "generalized supply chain" OR "flexible supply chain" OR "supply chain network design" OR "optimize superstructure" ) AND ( coffee OR "coffee chain simulation" OR "coffee supply chain" OR "coffee producers" OR "coffee value chain") Se analizaron 452 documentos mostrando una tendencia hacia la sostenibilidad y el afianzamiento de la industria 4.0 y 5.0. De igual modo, se examinaron en el contexto actual colombiano los desafíos para el incremento del índice de competitividad regional cafetero, que trata de asegurar confianza y equilibrio institucional. Consecuencia de esto, se evidenció la volatilidad del mercado y la incertidumbre posterior a la pandemia por Covid19, conduce hacia la carrera por la innovación y la transformación digital en la SCM a nivel global. Por consiguiente, las innovaciones tecnológicas en la SCM del café tienen la potencialidad de ser usadas en la toma óptima de decisiones. A su vez, el uso de Big data, Intelligence Artificial IA, Machine Learning y Blockchain han tenido una incorporación que ha sido gradual y paulatina en aras de mayor trazabilidad y seguridad de la información, por lo cual, se convierte en un reto dentro del quehacer productivo y empresarial. En ese sentido, este trabajo proporciona las investigaciones más importantes, en relación con las tendencias para la cadena del café, la optimización de la SCM y su relevancia e impacto en la sociedad.
Reports on the topic "IA de confiance"
1
Yousefi, Farzaneh, and Marie-Pierre Gagnon. L’intelligence artificielle (IA) pour la promotion de la santé et la réduction de la maladie : synthèse des connaissances. Observatoire international sur les impacts sociétaux de l'intelligence artificielle et du numérique, July 2024. http://dx.doi.org/10.61737/pjld3032.
Full textAbstract:
Ce rapport a pour objectif d’explorer l’utilisation de l’intelligence artificielle (IA) pour la promotion de la santé et à la réduction de la maladie dans les pays de l’OCDE. Une revue rapide et une analyse de l’environnement ont été réalisées pour identifier les données probantes récentes sur la manière dont l’IA est utilisée dans la promotion de la santé et la réduction de la maladie. Au total, 22 études ont été incluses dans la revue rapide, dont la plupart ont été menées aux États-Unis (n = 10), suivis par l’Australie (n = 3), le Japon (n = 3), le Royaume-Uni (n = 2) et l’Espagne (n = 2). Dans l’ensemble, des effets positifs ont été rapportés pour les résultats reliées au processus (p. ex. l’acceptabilité, l’engagement), les résultats cognitifs et comportementaux (p. ex., la confiance, le nombre de pas) et les résultats sur la santé (p. ex., la glycémie, la tension artérielle). De plus, plusieurs défis ont été identifiés liés à l’intégration de l’IA dans les interventions de promotion de la santé et de réduction de la maladie, ainsi que des opportunités et des recommandations pour des développements futurs. Ces résultats préliminaires offrent des informations essentielles sur la mise en œuvre efficace de l’IA qui pourront guider les décideurs politiques et les professionnels de la santé dans l’optimisation de l’utilisation des technologies de l’IA pour soutenir la promotion de la santé et la réduction de la maladie.
2
Corbett, Jaqueline, and Chris Emmanuel Tchatchouang Wanko. Les enjeux transversaux au déploiement et à l'utilisation de l'IA au sein du système professionnel québécois. Observatoire international sur les impacts sociétaux de l’intelligence artificielle et du numérique, March 2022. http://dx.doi.org/10.61737/zfuw6688.
Full textAbstract:
Il existe un vaste consensus sur l’impact considérable qu’aura l’intelligence artificielle (IA) sur la nature du travail et des emplois du futur. Cependant, il y a moins de certitude quant à la nature de ces impacts et à la manière dont ils se manifesteront dans différents secteurs et types d’emplois. Ce rapport se concentre sur les professions régies par un ordre professionnel au Québec et vise à apporter des éléments de réponse préliminaires à la question suivante: «Comment les ordres professionnels du Québec peuvent-ils se préparer et s’adapter à la nouvelle ère de l’IA?» Pour répondre à cette question, une revue de la littérature d’une sélection de publications professionnelles et scientifiques ainsi que des entretiens avec des experts en la matière ont été effectués. Quatre principaux enjeux transversaux auxquels font face les professions de divers secteurs d’activités sont identifiés dans la recherche: 1. Évolution constante de l’IA 2. Déterminer le rythme d’adoption de l’IA 3. Préserver le rôle du professionnel 4. Accompagner ses clients et patients Sous-jacents à ces quatre enjeux, se trouvent 14 défis distincts qui représentent des obstacles potentiels au déploiement et à l’utilisation efficaces de l’IA au sein du système professionnel québécois. La recherche n’a révélé aucun enjeu ou défi associé à l’IA propre à l’un ou l’autre des 3 secteurs d’activité dans lesquels sont regroupés les ordres professionnels au Québec. Cependant, il y a 4 considérations particulières qui influent sur la nature et l’importance des enjeux et des défis auxquels sont confrontés les ordres professionnels et leurs membres, notamment: - Le type de l’IA déployée, - Le contexte organisationnel dans lequel le professionnel exerce ses activités - Le type de tâches affectées par l’IA Les risques liés aux personnes Dans la dernière partie du rapport, 6 recommandations sont proposées pour aider les parties prenantes du système professionnel québécois à répondre aux défis qui les attendent. Ces recommandations pourront servir à la réflexion que suscite cette transformation technologique: 1. S’engager dans un dialogue proactif avec les professionnels 2. Fournir des balises claires en matière d’imputabilité et responsabilité 3. Adapter les programmes de formation 4. Garantir la priorité de la décision humaine 5. Devenir des partenaires de confiance dans le développement de l’IA 6. Assurer la santé et le bien-être des professionnels
3
Novoa-Jaso, María Fernanda, Aurken Sierra-Iso, Roncesvalles Labiano-Juangarcía, and Alfonso Vara-Miguel. Digital News Report España 2024. Calidad periodística y pluralidad: claves para la confianza informativa en la era de la inteligencia artificial (IA). Servicio de Publicaciones de la Universidad de Navarra, 2024. http://dx.doi.org/10.15581/019.2024.
Full textAbstract:
Este estudio ha sido comisionado por el Instituto Reuters para el Estudio del Periodismo de la Universidad de Oxford y elaborado por investigadores de la Facultad de Comunicación de la Universidad de Navarra. Su objetivo es describir y analizar cómo se consume la información en una variedad de países. La investigación fue llevada a cabo por YouGov mediante un cuestionario en línea a finales de enero/principios de febrero de 2024.