Memorial de projetos : diretrizes e debates éticos no desenvolvimento de modelos de inteligência artificial
Resumo
Resumo: Este parecer técnico se dedica a refletir como uma tecnologia disruptiva como a Inteligência Artificial (IA), que mimetiza o intelecto humano e transforma as tomadas de decisões na sociedade e na ciência, pode afetar o convívio social e as relações entre as pessoas, entre as pessoas e o trabalho e entre as pessoas e as máquinas. Sobre essa ótica, a análise se debruça sobre os aspectos éticos nos desenvolvimentos dos modelos de IA e os desafios estruturais, baseando-se em artigos científicos. Explorando a evolução da tecnologia desde sua concepção até atualidade, refletindo sobre os debates que visam trazer uma harmonia entre o desenvolvimento tecnológico e equilíbrio da sociedade. Abordando os principais pontos analisando os temas que geram maiores instabilidades sociais, como transparência que aborda a qualidade dos dados e a origem dados de treinamento do modelo, assim sem possível um rastreamento de que esses dados são confiáveis; justiça equidade, refletem os vieses algoritmicos que gerem discriminação; não maleficiência que alerta contra o uso ilícito das IAs; responsabilização mostrando a importância regulamentação especificas e privacidade que expoe a fragilidade da privacidade de suas informações no ambiente digital e físico e socia Abstract: This technical report reflects on how a disruptive technology such as Artificial Intelligence, which mimics human intellect and transforms decision-making in society and science, affects social coexistence and relationships among people, between people and work, and between humans and machines. From this perspective, the analysis focuses on the ethical aspects of AI model development and structural challenges, based on scientific articles. It explores the evolution of the technology from its conception to the present, reflecting on debates aimed at harmonizing technological development with societal balance. The study addresses the main points of social instability, such as transparency regarding data quality and the origin of model training data, ensuring data reliability and traceability. Furthermore, it examines justice and equity, reflecting on algorithmic biases that generate discrimination; non-maleficence, alerting against the illicit use of AI; accountability, demonstrating the importance of specific regulations; and privacy, exposing the fragility of information in digital, physical, and social environments