Skip to Content
logologo
AI Incident Database
Open TwitterOpen RSS FeedOpen FacebookOpen LinkedInOpen GitHub
Open Menu
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar

Incidente 49: AI Beauty Judge Did Not Like Dark Skin

Descripción: In 2016, after artificial inntelligence software Beauty.AI judged an international beauty contest and declared a majority of winners to be white, researchers found that Beauty.AI was racially biased in determining beauty.

Herramientas

Nuevo InformeNuevo InformeNueva RespuestaNueva RespuestaDescubrirDescubrirVer HistorialVer Historial

Entidades

Ver todas las entidades
Presunto: un sistema de IA desarrollado e implementado por Youth Laboratories, perjudicó a People with Dark Skin.

Estadísticas de incidentes

ID
49
Cantidad de informes
10
Fecha del Incidente
2016-09-05
Editores
Sean McGregor
Applied Taxonomies
CSETv0, CSETv1, GMF, MIT

Clasificaciones de la Taxonomía CSETv1

Detalles de la Taxonomía

Incident Number

The number of the incident in the AI Incident Database.
 

49

Notes (special interest intangible harm)

Input any notes that may help explain your answers.
 

Beauty.ai determined mostly white applicants to be most attractive among all contestants.

Special Interest Intangible Harm

An assessment of whether a special interest intangible harm occurred. This assessment does not consider the context of the intangible harm, if an AI was involved, or if there is characterizable class or subgroup of harmed entities. It is also not assessing if an intangible harm occurred. It is only asking if a special interest intangible harm occurred.
 

yes

Date of Incident Year

The year in which the incident occurred. If there are multiple harms or occurrences of the incident, list the earliest. If a precise date is unavailable, but the available sources provide a basis for estimating the year, estimate. Otherwise, leave blank. Enter in the format of YYYY
 

2016

Date of Incident Month

The month in which the incident occurred. If there are multiple harms or occurrences of the incident, list the earliest. If a precise date is unavailable, but the available sources provide a basis for estimating the month, estimate. Otherwise, leave blank. Enter in the format of MM
 

08

Estimated Date

“Yes” if the data was estimated. “No” otherwise.
 

No

Clasificaciones de la Taxonomía CSETv0

Detalles de la Taxonomía

Problem Nature

Indicates which, if any, of the following types of AI failure describe the incident: "Specification," i.e. the system's behavior did not align with the true intentions of its designer, operator, etc; "Robustness," i.e. the system operated unsafely because of features or changes in its environment, or in the inputs the system received; "Assurance," i.e. the system could not be adequately monitored or controlled during operation.
 

Specification

Physical System

Where relevant, indicates whether the AI system(s) was embedded into or tightly associated with specific types of hardware.
 

Software only

Level of Autonomy

The degree to which the AI system(s) functions independently from human intervention. "High" means there is no human involved in the system action execution; "Medium" means the system generates a decision and a human oversees the resulting action; "low" means the system generates decision-support output and a human makes a decision and executes an action.
 

High

Nature of End User

"Expert" if users with special training or technical expertise were the ones meant to benefit from the AI system(s)’ operation; "Amateur" if the AI systems were primarily meant to benefit the general public or untrained users.
 

Amateur

Public Sector Deployment

"Yes" if the AI system(s) involved in the accident were being used by the public sector or for the administration of public goods (for example, public transportation). "No" if the system(s) were being used in the private sector or for commercial purposes (for example, a ride-sharing company), on the other.
 

No

Data Inputs

A brief description of the data that the AI system(s) used or were trained on.
 

images of people's faces

Clasificaciones de la Taxonomía MIT

Machine-Classified
Detalles de la Taxonomía

Risk Subdomain

A further 23 subdomains create an accessible and understandable classification of hazards and harms associated with AI
 

1.1. Unfair discrimination and misrepresentation

Risk Domain

The Domain Taxonomy of AI Risks classifies risks into seven AI risk domains: (1) Discrimination & toxicity, (2) Privacy & security, (3) Misinformation, (4) Malicious actors & misuse, (5) Human-computer interaction, (6) Socioeconomic & environmental harms, and (7) AI system safety, failures & limitations.
 
  1. Discrimination and Toxicity

Entity

Which, if any, entity is presented as the main cause of the risk
 

AI

Timing

The stage in the AI lifecycle at which the risk is presented as occurring
 

Post-deployment

Intent

Whether the risk is presented as occurring as an expected or unexpected outcome from pursuing a goal
 

Unintentional

Informes del Incidente

Cronología de Informes

+6
Por qué un concurso de belleza juzgado por IA eligió a casi todas las ganadoras blancas
El primer concurso de belleza juzgado por inteligencia artificial¿Qué sucederá cuando los algoritmos de su empresa salgan mal?La inteligencia artificial tiene un problema de racismoLa inteligencia artificial tiene un problema de sesgo y es culpa nuestra
Por qué un concurso de belleza juzgado por IA eligió a casi todas las ganadoras blancas

Por qué un concurso de belleza juzgado por IA eligió a casi todas las ganadoras blancas

motherboard.vice.com

¿IA es RACISTA? El concurso de belleza juzgado por robots elige a los ganadores en su mayoría blancos entre 6,000 concursantes

¿IA es RACISTA? El concurso de belleza juzgado por robots elige a los ganadores en su mayoría blancos entre 6,000 concursantes

dailymail.co.uk

Un concurso de belleza fue juzgado por IA y a los robots no les gustaba la piel oscura

Un concurso de belleza fue juzgado por IA y a los robots no les gustaba la piel oscura

theguardian.com

Un concurso de belleza fue juzgado por IA y a los robots no les gustaba la piel oscura

Un concurso de belleza fue juzgado por IA y a los robots no les gustaba la piel oscura

theguardian.com

El primer concurso de belleza juzgado por IA nos enseñó una cosa: los robots son racistas

El primer concurso de belleza juzgado por IA nos enseñó una cosa: los robots son racistas

thenextweb.com

Jueces de AI de concurso de belleza tildados de racistas

Jueces de AI de concurso de belleza tildados de racistas

trustedreviews.com

El primer concurso de belleza juzgado por inteligencia artificial

El primer concurso de belleza juzgado por inteligencia artificial

gineersnow.com

¿Qué sucederá cuando los algoritmos de su empresa salgan mal?

¿Qué sucederá cuando los algoritmos de su empresa salgan mal?

hbr.org

La inteligencia artificial tiene un problema de racismo

La inteligencia artificial tiene un problema de racismo

innotechtoday.com

La inteligencia artificial tiene un problema de sesgo y es culpa nuestra

La inteligencia artificial tiene un problema de sesgo y es culpa nuestra

au.pcmag.com

Por qué un concurso de belleza juzgado por IA eligió a casi todas las ganadoras blancas
motherboard.vice.com · 2016
Traducido por IA

Imagen: Flickr/Verónica Jauriqui

Los concursos de belleza siempre han sido políticos. Después de todo, ¿qué habla con más fuerza de cómo nos vemos unos a otros que qué rasgos físicos recompensamos como hermosos y cuáles codificamos como feo…

¿IA es RACISTA? El concurso de belleza juzgado por robots elige a los ganadores en su mayoría blancos entre 6,000 concursantes
dailymail.co.uk · 2016
Traducido por IA

Solo unos pocos ganadores eran asiáticos y uno tenía piel oscura, la mayoría eran blancos.

Apenas unos meses después de que la inteligencia artificial Tay de Microsoft enviara mensajes racistas en Twitter, otra IA parece haber seguido su ej…

Un concurso de belleza fue juzgado por IA y a los robots no les gustaba la piel oscura
theguardian.com · 2016
Traducido por IA

El primer concurso internacional de belleza decidido por un algoritmo ha generado controversia luego de que los resultados revelaran un factor evidente que vincula a los ganadores.

Se suponía que el primer concurso internacional de belleza …

Un concurso de belleza fue juzgado por IA y a los robots no les gustaba la piel oscura
theguardian.com · 2016
Traducido por IA

El primer concurso internacional de belleza decidido por un algoritmo ha generado controversia luego de que los resultados revelaran un factor evidente que vincula a los ganadores.

Se suponía que el primer concurso internacional de belleza …

El primer concurso de belleza juzgado por IA nos enseñó una cosa: los robots son racistas
thenextweb.com · 2016
Traducido por IA

Con más de 6.000 postulantes de más de 100 países compitiendo, acaba de finalizar el primer concurso internacional de belleza juzgado íntegramente por inteligencia artificial. Los resultados son un poco desalentadores.

El equipo de jueces, …

Jueces de AI de concurso de belleza tildados de racistas
trustedreviews.com · 2016
Traducido por IA

No es la primera vez que la inteligencia artificial está en el centro de atención por un aparente racismo, pero los resultados recientes de la competencia de Beauty.AI han causado controversia al favorecer claramente la piel clara.

La compe…

El primer concurso de belleza juzgado por inteligencia artificial
gineersnow.com · 2017
Traducido por IA

Si te unes a los concursos de belleza o simplemente los miras, ¿qué sentirías acerca de un algoritmo informático que juzgue los atributos faciales de una persona? Tal vez deberíamos preguntarles a quienes realmente se ofrecieron como volunt…

¿Qué sucederá cuando los algoritmos de su empresa salgan mal?
hbr.org · 2017
Traducido por IA

Una IA diseñada para hacer X eventualmente fallará en hacer X. Los filtros de spam bloquean correos electrónicos importantes, el GPS proporciona direcciones defectuosas, las traducciones automáticas corrompen el significado de las frases, l…

La inteligencia artificial tiene un problema de racismo
innotechtoday.com · 2017
Traducido por IA

Durante mucho tiempo se pensó que los robots equipados con inteligencia artificial serían la contraparte fría y puramente objetiva de la subjetividad emocional de los humanos. Desafortunadamente, parecería que muchas de nuestras imperfeccio…

La inteligencia artificial tiene un problema de sesgo y es culpa nuestra
au.pcmag.com · 2018
Traducido por IA

En 2016, investigadores de la Universidad de Boston y Microsoft estaban trabajando en algoritmos de inteligencia artificial cuando descubrieron tendencias racistas y sexistas en la tecnología subyacente a algunos de los servicios más popula…

Variantes

Una "Variante" es un incidente que comparte los mismos factores causales, produce daños similares e involucra los mismos sistemas inteligentes que un incidente de IA conocido. En lugar de indexar las variantes como incidentes completamente separados, enumeramos las variaciones de los incidentes bajo el primer incidente similar enviado a la base de datos. A diferencia de otros tipos de envío a la base de datos de incidentes, no se requiere que las variantes tengan informes como evidencia externa a la base de datos de incidentes. Obtenga más información del trabajo de investigación.

Incidentes Similares

Por similitud de texto

Did our AI mess up? Flag the unrelated incidents

Female Applicants Down-Ranked by Amazon Recruiting Tool

2018 in Review: 10 AI Failures

Aug 2016 · 33 informes
Gender Biases in Google Translate

Semantics derived automatically from language corpora contain human-like biases

Apr 2017 · 10 informes
TayBot

Danger, danger! 10 alarming examples of AI gone wild

Mar 2016 · 28 informes
Incidente AnteriorSiguiente Incidente

Incidentes Similares

Por similitud de texto

Did our AI mess up? Flag the unrelated incidents

Female Applicants Down-Ranked by Amazon Recruiting Tool

2018 in Review: 10 AI Failures

Aug 2016 · 33 informes
Gender Biases in Google Translate

Semantics derived automatically from language corpora contain human-like biases

Apr 2017 · 10 informes
TayBot

Danger, danger! 10 alarming examples of AI gone wild

Mar 2016 · 28 informes

Investigación

  • Definición de un “Incidente de IA”
  • Definición de una “Respuesta a incidentes de IA”
  • Hoja de ruta de la base de datos
  • Trabajo relacionado
  • Descargar Base de Datos Completa

Proyecto y Comunidad

  • Acerca de
  • Contactar y Seguir
  • Aplicaciones y resúmenes
  • Guía del editor

Incidencias

  • Todos los incidentes en forma de lista
  • Incidentes marcados
  • Cola de envío
  • Vista de clasificaciones
  • Taxonomías

2023 - AI Incident Database

  • Condiciones de uso
  • Política de privacidad
  • Open twitterOpen githubOpen rssOpen facebookOpen linkedin
  • 30ebe76