Transparência pela cooperação
Year: 2021
Type: article
Abstract: [Propósito] Analisar a aplicabilidade da teoria da regulação responsiva para promoção da inteligibilidade de sistemas de machinelearning sob o enfoque da Lei Geral de Proteção de Dados. [Metodologia/abordagem/design] Este artigo tem a teoria da regulação responsiva como marco teórico e se baseará, inicialmente, em uma análise comparada da LGPD e do RGPD para identificar como essa teoria pode auxiliar reguladores brasileiros, mais especificamente a Autoridade Nacional de Proteção de Dados, a abordar a inteligibilidade de sistemas de inteligência artificial. [Resultados] A partir de uma análise comparativa prévia entre como LGPD e RGPD lidam com o tema da explicabilidade de sistemas de decisão automatizada (incluso machine-learning), identificou-se que o racional de cooperação entre regulador e regulado, um sistema de governança em rede e a existência de uma pirâmide regulatória permitem a aplicação da teoria da regulação responsiva para a promoção da inteligibilidade desses sistemas. [Implicações práticas] Sistemas de IA têm sido frequentemente acusados de possuírem vieses discriminatórios. Isso faz com que pessoas negras sejam mais frequentemente identificadas do que brancas por tecnologias de reconhecimento facial ou que afrodescendentes tenham menor chance de conseguir crédito, potencializando o abismo racial no Brasil. Garantir que a tecnologia seja compreensível para humanos identificarem melhor como endereçar essas falhas é primordial para promover o uso de sistemas mais justos. O presente estudo pretende, por meio da identificação das estratégias regulatórias mais adequadas a lidar com a opacidade algorítmica, auxiliar reguladores a endereçar a discriminação promovida por esses sistemas.
Source: Journal of Law and Regulation
Institution: Universidade de Brasília
Language: Portuguese
Subfield: Law
Field: Social Sciences
Domain: Social Sciences
Open Access status: diamond
OpenAlex ID: W7154516034