Principios normativos para una ética de la inteligencia artificial
Notice bibliographique
Résumé
Principios Normativos para una Ética de la Inteligencia Artificial analiza la necesidad de construir un marco ético claro, aplicable y normativamente sólido para orientar el desarrollo y uso de la inteligencia artificial. El libro parte de un diagnóstico central: en los últimos años han surgido numerosos documentos, declaraciones y recomendaciones sobre ética de la IA, pero la abundancia de principios ha generado ambigüedad, confusión y dificultades para su aplicación práctica. Frente a ello, la obra propone revisar críticamente esas formulaciones y recuperar elementos de la ética clásica para sintetizar la discusión en tres ejes fundamentales: honestidad, intencionalidad y conciencia moral. El texto contextualiza la expansión reciente de la IA, especialmente a partir de los modelos generativos de lenguaje, los sistemas multimodales y las aplicaciones en campos sensibles como la medicina. Esta aceleración tecnológica vuelve urgente establecer criterios éticos que permitan anticipar riesgos, proteger a los usuarios y asegurar que la IA beneficie a la sociedad. La obra revisa distintos marcos internacionales y nacionales, entre ellos los Principios de Asilomar, la Declaración de Montreal, las directrices europeas para una IA fiable, la Recomendación de la UNESCO sobre ética de la IA, los principios de la OCDE, las propuestas de Partnership on AI, así como iniciativas empresariales y políticas estatales de países como Estados Unidos, China y Rusia. A través de esta revisión, el libro muestra que existe un consenso amplio sobre valores como transparencia, rendición de cuentas, inclusión, privacidad, dignidad humana, seguridad y beneficio social. Sin embargo, su aporte principal es crítico: advierte que una ética de la IA no debe reducirse a una acumulación extensa de principios dispersos. Por ello, concluye con la idea de que “menos es más”: se requiere una ética normativa más clara, comprensible y operativa, capaz de guiar a desarrolladores, instituciones y gobiernos hacia una inteligencia artificial responsable, humanamente orientada y socialmente benéfica.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,003 | 0,000 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,075 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».