En el marco del ciclo de seminarios de investigación de la Facultad de Administración y Economía (FAE) de la Universidad de Santiago de Chile, el investigador Jonathan Vásquez, PhD(c) en Ciencias de la Computación por George Mason University (EE. UU.) y profesor adjunto de la Universidad de Valparaíso, presentó su trabajo titulado “DispaRisk: Assessing Fairness Through Usable Information”, una propuesta innovadora para abordar los riesgos de disparidades en datos y modelos de machine learning desde una perspectiva temprana, explicable y ética.
Durante su exposición, Vásquez abordó uno de los desafíos más urgentes en el desarrollo de sistemas de inteligencia artificial: la amplificación de sesgos presentes en los datos de origen. En este contexto, DispaRisk se plantea como una herramienta metodológica que permite anticipar, medir y mitigar riesgos de discriminación antes de que los modelos sean implementados a escala. Basado en avances recientes de la teoría de la información utilizable, el marco permite evaluar el potencial de sesgo desde las primeras etapas del ciclo de vida de un proyecto de machine learning.
Entre sus principales capacidades, DispaRisk destaca por: identificar conjuntos de datos con alto riesgo de discriminación; detectar familias de modelos que tienden a intensificar sesgos dentro de una misma canalización de ML.; y mejorar la explicación de los riesgos, entregando insumos concretos para decisiones técnicas y éticas.
El estudio fue validado mediante benchmarking con data sets ampliamente utilizados en investigación sobre equidad algorítmica, demostrando su utilidad como herramienta diagnóstica para equipos de ciencia de datos. Además, propone un enfoque de gobernanza alineado con regulaciones emergentes y prácticas responsables en IA, lo que lo convierte en un aporte valioso para organizaciones públicas y privadas que buscan construir sistemas más justos, auditables y confiables.
Fuente: Periodista FAE.
