Algoritmisk bias
Algoritmisk bias er risikoen for, at datasystemer og AI virker forskelligt for eksempelvis kvinder og mænd, unge og gamle, eller personer med forskellig etnicitet. Algoritmisk bias er en central dataetisk udfordring for digitaliseringen – både i Danmark og resten af verden.
Oplysninger om arrangementet
Tidspunkt
Sted
d.21. september i København ved tænketanken Mandag Morgen og d.22. september i Århus på Moesgaard Museum – begge dage kl.13-16.30.
Arrangør
D.21. og 22. september organiserer Dataetisk Råd, CEPDISC og Algoritmer, Data og Demokrati-projektet to halv-dagskonferencer om udfordringen med algoritmisk bias.
Vi får besøg af den amerikanske ekspert professor Deborah Hellman, har oplæg fra Politiet, Novo Nordisk og ATP om deres erfaringer med at håndtere algoritmisk bias, og runder af med en paneldebat som skal drøfte spørgsmålet:
”Hvordan tackler vi algoritmisk bias? Ny lovgivning? Ny teknologi? Eller anvendelse af det vi har?”
Konferencerne afholdes d.21. september i København ved tænketanken Mandag Morgen og d.22. september i Århus på Moesgaard Museum – begge dage kl.13-16.30.
Begge dage byder på:
Gæstetale ved Professor Deborah Hellman, University of Virginia School of Law (USA)
Praksisoplæg om erfaringer med at håndtere algoritmisk bias fra Politiet, Novo Nordisk og ATP
Paneldebat om hvordan vi som samfund bør tackle algoritmisk bias med deltagelse af Dataetisk Råd, danske forskere og politikere.
Mød blandt andet Johan Busse, Formand for Dataetisk Råd og Juridisk Chef, Institut for Menneskerettigheder, Birgitte Vind (S), Sofie Therese Svendsen (K), Professor Kasper Lippert-Rasmussen, Center for Eksperimentel-Filosofiske Studier af Diskrimination (CEPDISC), Århus Universitet, Professor Sine Nørholm Just, Algoritmer, Data og Demokrati-projektet og Roskilde Universitet, Henriette Erbs og Julia Ballaschk, National enhed for Særlig Kriminalitet, Lars Pilegaard Thomsen, Novo Nordisk og Brian Andersen, ATP.
Konferencerne er offentligt tilgængelige og deltagelse er gratis, men med begrænset plads.