Incidente 887: Estudiantes del distrito escolar de Richland en el condado de Cambria, Pensilvania, presuntamente usaron inteligencia artificial para generar imágenes obscenas de otros estudiantes.
Descripción: El Distrito Escolar de Richland (Condado de Cambria, Pensilvania) emitió un comunicado el 19 de noviembre de 2024 anunciando una investigación sobre "algunos estudiantes de secundaria" que presuntamente utilizaron inteligencia artificial para "crear y distribuir electrónicamente imágenes obscenas de estudiantes de Richland". La administración escolar tuvo conocimiento del incidente el 14 de noviembre de 2024.
Entidades
Ver todas las entidadesAlleged: Unknown deepfake technology developers developed an AI system deployed by , which harmed Richland School District students.
Sistema de IA presuntamente implicado: Unknown deepfake tools
Estadísticas de incidentes
Risk Subdomain
A further 23 subdomains create an accessible and understandable classification of hazards and harms associated with AI
4.3. Fraud, scams, and targeted manipulation
Risk Domain
The Domain Taxonomy of AI Risks classifies risks into seven AI risk domains: (1) Discrimination & toxicity, (2) Privacy & security, (3) Misinformation, (4) Malicious actors & misuse, (5) Human-computer interaction, (6) Socioeconomic & environmental harms, and (7) AI system safety, failures & limitations.
- Malicious Actors & Misuse
Entity
Which, if any, entity is presented as the main cause of the risk
Human
Timing
The stage in the AI lifecycle at which the risk is presented as occurring
Post-deployment
Intent
Whether the risk is presented as occurring as an expected or unexpected outcome from pursuing a goal
Intentional
Informes del Incidente
Cronología de Informes
Loading...
CONDADO DE CAMBRIA, Pensilvania (WTAJ) — El Distrito Escolar de Richland anunció que se está llevando a cabo una investigación luego de que los estudiantes usaran inteligencia artificial (IA) para crear “imágenes obscenas” de estudiantes.
L…
Variantes
Una "Variante" es un incidente de IA similar a un caso conocido—tiene los mismos causantes, daños y sistema de IA. En lugar de enumerarlo por separado, lo agrupamos bajo el primer incidente informado. A diferencia de otros incidentes, las variantes no necesitan haber sido informadas fuera de la AIID. Obtenga más información del trabajo de investigación.
¿Has visto algo similar?
Incidentes Similares
Did our AI mess up? Flag the unrelated incidents
Loading...
Biased Google Image Results
· 18 informes
Loading...
Images of Black People Labeled as Gorillas
· 23 informes
Incidentes Similares
Did our AI mess up? Flag the unrelated incidents
Loading...
Biased Google Image Results
· 18 informes
Loading...
Images of Black People Labeled as Gorillas
· 23 informes