Diferencias

Muestra las diferencias entre dos versiones de la página.

--- diversityinfaces [2025/08/27 00:52] – creado morezane
+++ diversityinfaces [2025/08/27 01:19] (actual) – [Linkografía] morezane
@@ Línea 1: / Línea 1: @@
 ====== Proyecto de IBM: "Diversity in Faces" (DiF) ======
+{{:difface.png?400|}}
 El proyecto **"Diversity in Faces" (DiF)** de IBM fue un ambicioso intento por abordar el sesgo sistémico en los sistemas de reconocimiento facial. Lanzado en 2019, este dataset de gran escala se propuso un objetivo claro: promover la equidad en la inteligencia artificial (IA) y servir como una herramienta para investigar por qué los modelos de IA fallan con ciertos grupos demográficos, especialmente mujeres y personas de piel oscura.
@@ Línea 7: / Línea 9: @@
 ===== Más allá de la identidad =====
-La principal innovación de DiF no fue solo su tamaño (casi un millón de fotos), sino la riqueza de sus anotaciones. A diferencia de otros datasets que solo se centraban en la identidad de una persona, DiF incluía 100 parámetros de codificación para cada imagen. Estos parámetros iban desde **características físicas** (edad y género percibidos) y **características geométricas** (medidas faciales) hasta **condiciones de la imagen** (iluminación o pose de la cabeza) y **aparatos de apoyo** (gafas, gorras, etc.).
+La principal innovación de DiF no fue solo su tamaño, sino la riqueza de sus anotaciones. A diferencia de otros datasets que solo se centraban en la identidad de una persona, DiF incluía 100 parámetros de codificación para cada imagen. Estos parámetros iban desde **características físicas** (edad y género percibidos) y **características geométricas** (medidas faciales) hasta **condiciones de la imagen** (iluminación o pose de la cabeza) y **aparatos de apoyo** (gafas, gorras, etc.).
-Esta variedad de datos permitió a los investigadores ir más allá del simple "reconocimiento" y analizar cómo los modelos de IA se comportaban en distintas condiciones. El objetivo era que DiF funcionara como un **"dataset de benchmarking"** o punto de referencia, para que los desarrolladores pudieran evaluar la equidad de sus propios sistemas.
+Las fotos del dataset, casi un millón, fueron extraídas del conjunto de datos [[https://exposing.ai/ibm_dif/|YFCC100M]] de Flickr. Al ser imágenes con licencia Creative Commons, el dataset terminó incluyendo fotos de momentos personales como bodas, fiestas y vacaciones familiares, lo que generó un intenso debate.
@@ Línea 15: / Línea 17: @@
 ===== IBM no obtuvo consentimiento =====
-A pesar de sus buenas intenciones, DiF generó una gran controversia. La principal crítica fue que IBM no obtuvo el **consentimiento explícito** de las personas cuyas fotos se utilizaron. Aunque las imágenes eran públicas en Flickr, muchos argumentaron que su uso para entrenar IA constituía una violación de la privacidad.
+A pesar de sus //"buenas intenciones"//, DiF generó una gran controversia. La principal crítica fue que IBM no obtuvo el **consentimiento explícito** de las personas cuyas fotos se utilizaron. Aunque las imágenes eran públicas en Flickr, muchos argumentaron que su uso para entrenar IA constituía una violación de la privacidad.
+Además, el proyecto ha enfrentado una demanda colectiva en Illinois por supuestas violaciones de la **Ley de Privacidad de la Información Biométrica** de ese estado. También se ha señalado que IBM no proporcionó la atribución adecuada a los fotógrafos, un requisito de las licencias Creative Commons que podría representar miles de infracciones.
+Ante la presión, IBM retiró el dataset de su portal en 2019. Sin embargo, el proyecto dejó una huella importante en el debate sobre la ética en la IA. DiF puso en el centro de atención el problema del sesgo en los algoritmos y fomentó la investigación para crear sistemas de IA más justos y transparentes. En última instancia, el caso de DiF es un recordatorio de que un objetivo positivo no justifica todos los medios. Demuestra la importancia crítica de la **privacidad y el consentimiento** como pilares fundamentales en el desarrollo responsable de la inteligencia artificial.
+===== Linkografía =====
+  * [[https://web.archive.org/web/20200603232628/https://www.ibm.com/blogs/research/2019/01/diversity-in-faces/|Página oficial de IBM sobre el proyecto Diversity in Faces (archivada) 1 ]]
+     *  [[https://web.archive.org/web/20190129193430/https://www.research.ibm.com/artificial-intelligence/trusted-ai/diversity-in-faces/|Página oficial de IBM sobre el proyecto Diversity in Faces (archivada) 2]]
+     * [[https://exposing.ai/ibm_dif/|exposing.ai]]
-Ante la presión, IBM retiró el dataset de su portal en 2019. Sin embargo, el proyecto dejó una huella importante en el debate sobre la ética en la IA. DiF puso en el centro de atención el problema del sesgo en los algoritmos y fomentó la investigación para crear sistemas de IA más justos y transparentes.
-En última instancia, el caso de DiF es un recordatorio de que un objetivo positivo no justifica todos los medios. Demuestra la importancia crítica de la **privacidad y el consentimiento** como pilares fundamentales en el desarrollo responsable de la inteligencia artificial.

Al Kiwi led Ta-tis-ar A-gogo-ped

Herramientas de usuario

Herramientas del sitio

Diferencias

Herramientas de la página