Nous: extracción e inyección de cognición en mercados de predicción
Descubre cómo Nous extrae perfiles cognitivos de mercados de predicción para inyectarlos en agentes de IA y los límites de este enfoque.
#sesgo algorítmico
Democracia en la era de la inteligencia artificial
La IA puede transformar la democracia: supera baja participación y riesgos de desinformación. Descubre cómo potenciar la resiliencia democrática con inteligencia artificial.
De la conciencia a la acción: brecha en equidad algorítmica en salud pública
Descubre cómo superar la brecha investigación-práctica en equidad algorítmica para salud pública. Conoce el marco Fairness-to-Action y claves para ML ético.
Ética en IA: Responsabilidad del Desarrollador
Los desarrolladores tienen la clave del futuro de la IA. Descubre cómo priorizar la ética en tus diseños y construir tecnología que transforme el mundo de forma responsable.
Mitigando impacto desigual en privacidad diferencial con recorte acotado
El recorte adaptativo acotado reduce el sesgo en privacidad diferencial, mejorando hasta un 10% la precisión en clases minoritarias. Descubre cómo lograrlo.
Detención injusta expone fallas en herramienta de reconocimiento facial policial
El uso de reconocimiento facial llevó a una detención errónea en Florida. ACLU demanda a la policía por fallas en la tecnología. Conoce los riesgos de la IA.
Detección de deepfakes justa y calibrada con Face-Fairness
Descubre Face-Fairness: un marco plug-and-play que reduce brechas de precisión en detectores de deepfakes sin sacrificar exactitud.
Detectar y mitigar sesgos con equidad como simetría
Descubre cómo tratar la equidad como operación de simetría reduce sesgos en modelos de IA hasta un 90% con solo un 5% de pérdida de precisión.
Mutación sin variación: convergencia en evolución de programas con LLM
Descubre por qué los LLM generan programas repetitivos: un estudio revela que el 87% de las mutaciones vuelven a formas previas. ¿Cómo evitarlo?
Convivir con la incertidumbre: estrategias para asesores morales IA
Descubre cómo las estrategias de incertidumbre en asesores morales IA mejoran la calidad del diálogo ético en conversaciones simuladas entre LLMs.
¿Pueden los agentes de ML garantizar la equidad?
¿Pueden los agentes de ML ser justos? Un estudio revela que generan pipelines con sesgos, incluso con indicaciones de equidad. ¡Entra y descúbrelo!
Las 10 mujeres más influyentes en IA en 2026
Descubre a las 10 mujeres más influyentes en IA en 2026. Sus contribuciones en visión computacional, ética, robótica y más están redefiniendo el futuro tecnológico.
CauTion: Cuándo confiar en los LLMs para descubrimiento causal
Descubre CauTion, un marco que integra LLMs y algoritmos estadísticos para descubrimiento causal con alta precisión y robustez. Ideal para científicos de datos.
El entrenamiento de consistencia puede afianzar la desalineación
Un estudio revela que el entrenamiento por consistencia puede afianzar la desalineación en modelos de IA. Descubre sus efectos contradictorios en la alineación.
Sesgos de raza y género en LLMs: auditoría en 41 profesiones
Auditamos 1.5 millones de perfiles generados por IA: descubre los sesgos raciales y de género en 41 ocupaciones. Resultados reveladores.
Discriminación de evaluadores IA: depende del protocolo de puntuación en decisiones clínicas
¿Sabías que los evaluadores de IA pueden discriminar mejor con rúbricas? Descubre cómo el protocolo de puntuación afecta la evaluación de decisiones clínicas complejas.
Sesgo estructural más allá de la homofilia: equidad en predicción de enlaces
Descubre cómo los sesgos estructurales en grafos van más allá de la homofilia y afectan la equidad en la predicción de enlaces. Un estudio revelador.
Sesgo en IA biomédica: cómo evitar disparidades sanitarias
Descubre cómo los sesgos en datos ómicos generan disparidades sanitarias en la IA biomédica. Aprende principios para evitarlos y garantizar equidad.
Posición: Más allá de atributos sensibles, equidad ML con determinantes sociales
¿Equidad en ML? Más allá de atributos: medir injusticia estructural con determinantes sociales para evitar sesgos.
Aprendizaje auto-supervisado interpretable con Representer Landmarks
Aprende cómo KREPES analiza representaciones de aprendizaje auto-supervisado, detecta sesgos y cuantifica transparencia con nuevas métricas. Perfecto para entender modelos de IA.