Enviesamento na inteligência artificial: um estudo dos seus impactos
| dc.contributor.advisor | Rêgo, Jean Cleverson Simões Mutti Afonso | |
| dc.contributor.author | Oliveira, Ruan Tiago Santana de | |
| dc.contributor.referee | Gonzalez, Leandro dos Santos | |
| dc.contributor.referee | Bastos, Larissa Rocha Soares | |
| dc.date.accessioned | 2026-03-06T16:29:42Z | |
| dc.date.available | 2026-03-06T16:29:42Z | |
| dc.date.issued | 2024-12-20 | |
| dc.description.abstract | Este trabalho analisa o fenômeno do enviesamento algorítmico na inteligência artificial (IA), destacando como algoritmos, projetados para decisões imparciais, podem reproduzir e amplificar preconceitos presentes nos dados de treinamento. A pesquisa aborda os fundamentos da IA, incluindo seus paradigmas de aprendizado (supervisionado, não supervisionado, por reforço, por transferência e Deep Learning), suas aplicações em nosso dia a dia, desde consultas ao clima pela manhã até a recomendação de um filme a noite, e os impactos práticos de algoritmos enviesados em áreas como recrutamento e justiça criminal. Por meio de casos reais e hipotéticos, demonstra-se como a perpetuação de vieses marginaliza grupos minoritários e reforça desigualdades sociais. Com base em uma revisão da literatura e estudos de caso, o artigo propõe medidas para mitigar esses problemas, como sistemas “human-in-the-loop” e maior representatividade nos dados de treinamento, conforme técnicas sugeridas por Munro e Rajkomar et al. Os resultados confirmam a hipótese inicial e reforçam a importância de estratégias éticas e inclusivas no desenvolvimento e aplicação da IA. | |
| dc.description.abstract2 | This paper analyzes the consequences of algorithmic bias in artificial intelligence (AI), highlighting how algorithms designed for impartial decisions can reproduce and amplify biases present in training data. The research addresses the fundamentals of AI, including its learning paradigms (supervised, unsupervised, reinforcement, transfer, and deep learning), its applications in our daily lives, from checking the weather in the morning to recommending a movie at night, and the practical impacts of envied algorithms in areas such as recruitment and criminal justice. Through real and hypothetical cases, it demonstrates how the perpetuation of lives marginalizes minority groups and reinforces social inequalities. Based on a literature review and case studies, the paper proposes measures to mitigate these problems, such as 'human-in-the-loop' systems and greater representation in training data, according to techniques suggested by Munro and Rajkomar et al. The results confirm the initial hypothesis and reinforce the importance of ethical and inclusive strategies in the development and application of AI. | |
| dc.format.mimetype | application/pdf | |
| dc.identifier.citation | OLIVEIRA, Ruan Tiago Santana de. Enviesamento na Inteligência Artificial: um estudo dos seus impactos. Orientador: Jean Cleverson Afonso Rêgo. 2024. 20 f. Trabalho de conclusão de curso (Bacharelado em Sistemas de Informaçãol) - Departamento de Ciências Exatas e da Terra, Universidade do Estado da Bahia, Alagoinhas, 2024. | |
| dc.identifier.uri | https://saberaberto.uneb.br/handle/20.500.11896/11028 | |
| dc.language.iso | por | |
| dc.publisher | Universidade do Estado da Bahia | |
| dc.publisher.program | Colegiado de Sistemas de Informação | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | |
| dc.rights2 | Attribution-NonCommercial-NoDerivs 3.0 Brazil | en |
| dc.subject.keywords | Inteligência Artificial (IA) | |
| dc.subject.keywords | Enviesamento Algorítmico | |
| dc.subject.keywords | Mitigação de Vieses | |
| dc.title | Enviesamento na inteligência artificial: um estudo dos seus impactos | |
| dc.title.alternative | Bias in artificial intelligence: a study of its impacts | |
| dc.type | info:eu-repo/semantics/bachelorThesis |