Dyskryminacja algorytmiczna ze względu na kolor skóry

Praca jest przeglądem przypadków rasistowskiej dyskryminacji algorytmicznej, skupiając się na zidentyfikowaniu, zdefiniowaniu i analizie tego zjawiska. Wprowadzam czytelnika w tematykę dyskryminacji algorytmicznej i rasizmu, starając się przedstawić zrozumiałe definicje i konteksty. Następnie skupiam się na funkcjonowaniu algorytmów uczenia maszynowego, podkreślając zarówno ich potencjalne korzyści, jak i ryzyka związane z wprowadzeniem błędów i stronniczości. Analizuję przypadki, w których algorytmy wykazują rasistowskie uprzedzenia, prowadząc do nierównego traktowania ludzi czarnych w społeczeństwie. Opisuję konkretne przykłady takich incydentów, uwzględniając różnorodne dziedziny, w których stosowane są algorytmy, takie jak rozpoznawanie twarzy, wyszukiwanie internetowe, dostarczanie reklam, rozpoznawanie mowy nienawiści, prawo i sądownictwo, medycyna. Dodatkowo, w pracy rozważam potencjalne rozwiązania problemu rasistowskiej dyskryminacji algorytmicznej. Zastanawiam się nad możliwościami usprawnienia procesów tworzenia i oceny algorytmów, aby minimalizować ryzyko stronniczości.

The work is a review of cases of racist algorithmic discrimination, focusing on identifying, defining and analyzing this phenomenon. I introduce the reader to the issues of algorithmic discrimination and racism, trying to provide understandable definitions and contexts. I then focus on the functioning of machine learning algorithms, highlighting both their potential benefits and the risks associated with introducing errors and bias. I analyze cases where algorithms show racist biases, leading to unequal treatment of black people in society. I describe specific examples of such incidents, taking into account the various fields in which algorithms are used, such as facial recognition, search engines, ad delivery, hate speech recognition, law and justice, and medicine. Additionally, in my work I consider potential solutions to the problem of racist algorithmic discrimination. I am considering ways to improve the processes of creating and evaluating algorithms to minimize the risk of bias.