LingVo.club
Seviye
Latin Amerika'da yerel yapay zeka ile cinsiyet eşitsizliğiyle mücadele — Seviye B2 — grayscale photography of women marching

Latin Amerika'da yerel yapay zeka ile cinsiyet eşitsizliğiyle mücadeleCEFR B2

18 Kas 2025

Uyarlanmıştır: Martín De Ambrosio, SciDev CC BY 2.0

Fotoğraf: L'Odyssée Belle, Unsplash

Seviye B2 – Üst orta
4 dk
237 kelime

Latin Amerika'da çeşitli sivil toplum kuruluşları ve araştırma ekipleri, toplumsal cinsiyet eşitsizlikleri ve cinsiyete dayalı şiddeti incelemek ve azaltmak için yerel, açık kaynaklı yapay zeka araçları geliştiriyor. Aktivistler, küresel teknoloji firmalarının ürettiği algoritmaların bölgenin sosyal gerçeklikleriyle çakışmayan önyargılar taşıdığını belirtiyor. Bu yüzden projeler hem hassas verilerin korunmasına odaklanıyor hem de hükümetler ile sivil topluma yerel kanıt sağlamak istiyor.

Arjantin'de Ivana Feldfeber'in kurduğu DataGénero ekibi, AymurAI adlı aracı geliştirdi. AymurAI mahkeme dosyalarını tarıyor, materyali yorumlamadan topluyor ve sonuçları bir veritabanına gönderiyor. Araç yerel sunucularda çalışıyor ve 2021'de kullanıma sunulduktan sonra Arjantin, Şili ve Kosta Rika'daki mahkemelerde kullanıldı; şu ana kadar 10,000'den fazla mahkeme kararı içeriyor. Projeye Kanada Uluslararası Kalkınma Araştırma Merkezi (IDRC) ve Patrick McGovern Foundation destek verdi. Ekip, doğrulama sonrası mağdurların travmayı tekrar anlatmaması için sesli kaydı metne çevirme işlevi eklemeyi planlıyor.

Bölgede Derechos Digitales gibi kuruluşlar Jamila Venturini önderliğinde teknoloji politikalarını ve dijital hakları inceliyor. Venturini, gizlilik, adalet ve eşitliğin yapay zekanın tasarımına dahil edilmesi gerektiğini söylüyor. Meksika'da PIT Policy Lab Guanajuato eyaletiyle yaptığı çalışmada okuldan ayrılma riskini tahmin etmek için yapay zekâ kullandı ve 4,000 gencin risk altında olmadığı yönde yanlış sınıflandırıldığını buldu. Fundar'dan Daniel Yankelevich ise davranışların kültüre göre değiştiğini, bu yüzden öngörücü sistemlerin yerel bilgi ile eğitilmesi gerektiğini vurguluyor.

Araştırma ve uygulamalarda öne çıkan ortak adımlar şunlar:

  • Eğitim verilerinin iyileştirilmesi
  • Sesli kaydı yazıya çevirme gibi teknik işlevlerin eklenmesi
  • Koruma çerçevelerinin güçlendirilmesi
  • Şeffaf olmayan veya önyargılı algoritmaların zararlarını azaltacak kamu politikalarının teşviki

Zor kelimeler

  • önyargıBir kişiye veya gruba karşı haksız görüş
    önyargılar
  • hassasKolay zarar görebilecek veya gizliliği önemli olan
  • açık kaynaklıKodları herkesin erişebildiği ve değiştirebildiği
  • mağdurZarar veya kötü muameleye uğrayan kişi
    mağdurların
  • doğrulamaBilgiyi, kaydı veya sonucu kontrol etme
  • öngörücüGelecekteki durumları tahmin eden veya belirleyen

İpucu: Türkçe metni okurken veya ses kaydını dinlerken, vurgulanan kelimelerin üzerine gel, odaklan ya da dokun; anında kısa tanımlar görünür.

Tartışma soruları

  • Yerel, açık kaynaklı araçların bölgedeki önyargıları azaltmada nasıl yardımcı olabileceğini düşünüyorsunuz? Nedenleriyle açıklayın.
  • Mahkeme verileri gibi hassas bilgilerle çalışırken mağdurların travmayı tekrar anlatmaması için hangi önlemler alınabilir? Metinde geçen bir öneriyi kullanarak açıklayın.
  • Öngörücü sistemlerin yerel bilgi ile eğitilmesinin avantajları ve zorlukları nelerdir? Kısa bir açıklama yapın.

İlgili makaleler

Tatil ışıkları ve enerji tasarrufu — Seviye B2
9 Ara 2025

Tatil ışıkları ve enerji tasarrufu

Bir profesör, tatil ışıklarının elektrik faturalarını nasıl etkilediğini ve enerji tasarrufu için hangi seçeneklerin daha iyi olduğunu açıklıyor. LED, güneş enerjili ışıklar ve zamanlayıcı kullanımı gibi pratik öneriler veriliyor.