El Centro de Inteligencia Artificial y Neurociencia de la Escuela de Negocios de UTDT tiene el agrado de invitar al seminario “¿Por qué es necesario hablar de trabajo cuando hablamos de IA?”, a cargo de Milagros Miceli.

En la última década, se han dirigido esfuerzos significativos de investigación e industria hacia el control de las subjetividades de lxs trabajadorxs que se ocupan de la recopilación, curación, clasificación, etiquetado y verificación de datos para machine learning (ML) con el objetivo de evitar y mitigar posibles sesgos. En esta charla, se propone trasladar el enfoque de investigación más allá de aquellos marcos tecno-solucionistas orientados a mitigar sesgos. Para ello, se propone pensar los datos para machine learning teniendo en cuenta desigualdades históricas, condiciones laborales y puntos de vista epistemológicos que influyen en el trabajo de datos. Entender que el problema son los desequilibrios de poder, no solo los sesgos, conduce a preguntas de investigación y métodos de investigación fundamentalmente diferentes. 

Milagros Miceli. Socióloga y doctora en Ciencias de la Computación que investiga cómo se producen los datos verídicos para el aprendizaje automático. Su investigación se centra en las condiciones laborales y las dinámicas de poder en la generación y etiquetado de datos. En general, le interesan las cuestiones relacionadas con la creación de significados, la producción de conocimientos y el poder simbólico codificado en los datos de ML. Su trabajo incluye trabajo de campo etnográfico, entrevistas y compromisos participativos con anotadores de datos, recopiladores y científicos en varios lugares del mundo. Dirige el grupo de investigación recientemente financiado Data, Algorithmic Systems, and Ethics en el Weizenbaum-Institut. También trabaja como investigadora en el Instituto DAIR, donde reflexiono sobre las formas de implicar a las comunidades de trabajadores de datos en la investigación de la IA.