Une voiture pilotée par une intelligence artificielle est face à un choix tragique : pour éviter un enfant qui traverse la route, elle doit écraser un vieillard sur le bas-côté. Que faire, qui sauver dans l'urgence ? Voilà un dilemme qui rappelle la fameuse expérience de pensée du tramway, et qui illustre les enjeux moraux de l'intelligence artificielle.
Comment programmer nos robots - de transport, militaires, sexuels ou conversationnels - pour qu'ils prennent les bonnes décisions lorsqu'ils sont confrontés à des choix ? Quelle morale pour les robots ? Y en a-t-il, comme nous, de bons et de mauvais ?
S'intéresser à l'éthique des algorithmes, c'est plonger au coeur de nos différentes intuitions et théories morales, questionner nos biais et préjugés, mais aussi explorer un nouveau domaine de la
philosophie, expliqué avec clarté et humour par Martin Gibert, chercheur en éthique de l'intelligence artificielle.
Dans cet essai accessible et engagé, Martin Gibert propose une synthèse des débats contemporains sur le paradoxe de la viande.
Ce faisant, il présente le véganisme, un mouvement moral et politique en pleine émergence qui lutte pour la justice animale, sociale et environnementale.
Les véhicules autonomes, assistants virtuels et autres systèmes d'intelligence artificielle sont conçus pour prendre eux-mêmes des décisions. Alors qu'ils sont appelés à occuper une place grandissante dans nos vies, nous devons nous demander en fonction de quels principes moraux nous voulons les programmer, ce qui soulève des questions inédites. Qu'est-ce qu'un agent moral artificiel? Existe-t-il de bons et de mauvais robots? Et s'il est vrai que les machines reflètent les valeurs de ceux qui les conçoivent, comment éviter de reproduire certains biais et préjugés?
Considéré dans ce texte : The Righteous Mind de Jonathan Haidt. Les libéraux, les conservateurs et leur palette respective de fondements moraux. Comment nous jugeons du bien et du mal. Nos intuitions. L'altruisme. La survie de nos gènes. Le poulet en spécial.
À l'heure où les données numériques bousculent les connaissances en sciences sociales, le philosophe Martin Gibert se penche sur un phénomène jusqu'alors invisible: les discriminations raciales qui s'opèrent quotidiennement sur les sites de rencontres.
This book gathers papers presented at the 13th International Workshop on Self-Organizing Maps, Learning Vector Quantization, Clustering and Data Visualization (WSOM+), which was held in Barcelona, Spain, from the 26th to the 28th of June 2019. Since being founded in 1997, the conference has showcased the state of the art in unsupervised machine learning methods related to the successful and widely used self-organizing map (SOM) method, and extending its scope to clustering and data visualization. In this installment of the AISC series, the reader will find theoretical research on SOM, LVQ and related methods, as well as numerous applications to problems in fields ranging from business and engineering to the life sciences. Given the scope of its coverage, the book will be of interest to machine learning researchers and practitioners in general and, more specifically, to those looking for the latest developments in unsupervised learning and data visualization.