Skip to Content
logologo
AI Incident Database
Open TwitterOpen RSS FeedOpen FacebookOpen LinkedInOpen GitHub
Open Menu
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar

Problema 1530

Incidentes Asociados

Incidente 1613 Reportes
Facebook's Ad Delivery Reportedly Excluded Audience along Racial and Gender Lines

Loading...
Discriminación a través de la optimización: cómo la entrega de anuncios de Facebook puede conducir a resultados sesgados
arxiv.org · 2019

El enorme éxito financiero de las plataformas de publicidad en línea se debe en parte a las funciones de orientación precisas que ofrecen. Aunque los investigadores y los periodistas han encontrado muchas formas en que los anunciantes pueden dirigirse, o excluir, a grupos particulares de usuarios que ven sus anuncios, se ha prestado comparativamente poca atención a las implicaciones del proceso de entrega de anuncios de la plataforma, compuesto por las opciones de la plataforma sobre qué usuarios ven qué anuncios.

Se ha planteado la hipótesis de que este proceso puede "sesgar" la entrega de anuncios en formas que los anunciantes no pretenden, lo que hace que algunos usuarios tengan menos probabilidades que otros de ver anuncios particulares en función de sus características demográficas. En este documento, demostramos que dicha entrega sesgada ocurre en Facebook, debido a los efectos de optimización financiera y de mercado, así como a las propias predicciones de la plataforma sobre la "relevancia" de los anuncios para diferentes grupos de usuarios. Descubrimos que tanto el presupuesto del anunciante como el contenido del anuncio contribuyen significativamente al sesgo de la entrega de anuncios de Facebook. Críticamente, observamos un sesgo significativo en la entrega a lo largo de las líneas de género y raza para los anuncios "reales" de oportunidades de empleo y vivienda a pesar de los parámetros de orientación neutrales.

Nuestros resultados demuestran mecanismos previamente desconocidos que pueden conducir a una publicación de anuncios potencialmente discriminatoria, incluso cuando los anunciantes establecen sus parámetros de orientación para que sean altamente inclusivos. Esto subraya la necesidad de que los legisladores y las plataformas consideren detenidamente el papel de la optimización de la entrega de anuncios ejecutada por las propias plataformas publicitarias, y no solo las opciones de orientación de los anunciantes, para prevenir la discriminación en la publicidad digital.

Leer la Fuente

Investigación

  • Definición de un “Incidente de IA”
  • Definición de una “Respuesta a incidentes de IA”
  • Hoja de ruta de la base de datos
  • Trabajo relacionado
  • Descargar Base de Datos Completa

Proyecto y Comunidad

  • Acerca de
  • Contactar y Seguir
  • Aplicaciones y resúmenes
  • Guía del editor

Incidencias

  • Todos los incidentes en forma de lista
  • Incidentes marcados
  • Cola de envío
  • Vista de clasificaciones
  • Taxonomías

2024 - AI Incident Database

  • Condiciones de uso
  • Política de privacidad
  • Open twitterOpen githubOpen rssOpen facebookOpen linkedin
  • e1b50cd