Il aborde des questions clés de l'ère de l'IA, notamment les biais dans l'utilisation des données, la confidentialité, le droit d'auteur et les deepfakes.
Au-delà du progrès technologique, elle présente des normes éthiques visant à maintenir la confiance et l'équité sociales.
Encyclopédie de l'intelligence artificielle.
Vous trouverez les connaissances en intelligence artificielle dont vous avez besoin sur aiseries.oopy.io.

Les données représentent tout ce qui existe sur Terre.
Même s'il s'agit d'un texte, d'une image, d'une voix ou d'une vidéo, cela existe en tant que données.
Dès sa numérisation, n'importe qui peut facilement l'utiliser à n'importe quelle fin.
Les propriétés des données varient, notamment en ce qui concerne les droits d'auteur, les informations personnelles, les secrets commerciaux et les informations du domaine public (faits).
Du fait de la grande diversité des biens, les intérêts sont complexes et les lois et systèmes de protection connexes sont différents.
Les lois représentatives en la matière comprennent la Loi sur le droit d'auteur pour les œuvres, la Loi sur la protection des renseignements personnels pour les renseignements personnels et la Loi sur la protection des secrets commerciaux pour les secrets commerciaux.
En outre, diverses lois concernent l'ensemble du secteur des données, telles que la loi-cadre sur la promotion et l'utilisation du secteur des données (ci-après dénommée « loi sur le secteur des données ») et la loi sur les données publiques pour les données du secteur public.
Malgré l’existence de diverses lois, le cadre éthique des données ne peut être ignoré, car il est difficile de vérifier correctement l’ensemble du processus de collecte, de traitement et d’utilisation des données.
Si les données sont utilisées sans cette considération, les litiges futurs seront évidents.
L’éthique des données peut être considérée comme un système permettant de répondre aux questions éthiques liées à la collecte, au traitement et à l’utilisation des données, y compris aux divers problèmes pouvant découler de cette utilisation.
--- Extrait de « 01_« Éthique des données » »

Parce que la sécurisation des données n'est pas chose aisée à moins d'être un opérateur de plateforme ou de disposer de capitaux, la résolution du problème du monopole des données exige un effort commun de toute l'humanité.
Surtout, en raison de la monopolisation des opérateurs de plateformes, les entreprises qui utilisent des données basées sur les données des utilisateurs recherchent un monopole des données plutôt qu'une souveraineté des données.
Il est donc nécessaire de prendre en compte la théorie législative pour concevoir un système stable et prévisible.
Étant donné que des problèmes algorithmiques surviennent et qu'il est possible de prévoir qu'ils se reproduiront de manière continue et répétée, une réglementation est nécessaire.
--- De "03_« Biais des données »"

L'intelligence artificielle est qualifiée de boîte noire.
Parce que personne ne peut comprendre le processus, et qu'on ne peut qu'en déduire les résultats.
C’est la principale raison pour laquelle la transparence de l’intelligence artificielle est mise en avant.
Si l'algorithme est faussé ou biaisé, il est difficile de garantir l'équité des résultats.
C’est pourquoi, outre les politiques et les systèmes juridiques visant à contrôler l’intelligence artificielle, diverses techniques technologiques sont proposées.
La divulgation des sources des algorithmes ou l'introduction de techniques d'audit sont également envisagées comme options.
Étant donné que l'intelligence artificielle, en tant que boîte noire, ne peut expliquer ses processus, l'intelligence artificielle explicable (XAI, IA explicable) est parfois proposée comme une nouvelle solution.
--- Extrait de « 06_« Profilage et transparence » »

L’éthique des données, née du problème de la distorsion des données, trouve son origine dans la volonté d’empêcher les actes de distorsion intentionnelle des données lors de leur utilisation.
S’il est naturel d’utiliser des données dans le processus d’apprentissage automatique, si une intentionnalité est présente, les avantages sociaux et la discrimination qui en résultent se refléteront dans la machine, et les utilisateurs de services utilisant de telles machines se retrouveront dans une situation où ils incarnent inconsciemment la discrimination ou en deviennent les acteurs ou les sujets.
Par exemple, selon la nature du service, des discriminations intentionnelles telles que la discrimination économique, la discrimination socioculturelle, la discrimination éducative et la stratification des groupes peuvent se généraliser.
Une solution pour surmonter ces biais réside dans le débat sur l'éthique de l'IA et les efforts déployés pour garantir l'équité dans la collecte, l'analyse, le traitement et l'utilisation des données.
De plus, des discussions sont nécessaires pour garantir l'équité des algorithmes dans le processus d'apprentissage utilisant ces données ou dans le processus d'utilisation des données apprises.

--- Extrait de « 09_« Éthique des données combinée aux algorithmes » »