[pt] Em um mundo mediado por algoritmos, em que espaços de tomada de decisão
antes destinados a humanos passam a ser dominados por estes artefatos, surge uma
demanda para que estas decisões algorítmicas sejam explicáveis. Este desafio ganha
uma camada de complexidade quando há o uso de técnicas de inteligência artificial, em
especial, a aplicação de modelos de aprendizado de máquina, diante da opacidade e
inescrutabilidade do modo de funcionamento e dos resultados gerados de alguns tipos
destes algoritmos. Neste sentido, esta tese tem início com a apresentação do conceito e
dos desafios da inteligência artificial e do aprendizado de máquina para o Direito,
particularmente para direitos fundamentais (i.e. proteção de dados pessoais,
privacidade, liberdade, autonomia e igualdade). Em seguida, é compartilhada a
discussão envolvendo o direito à explicação quando do seu surgimento, e como a sua
previsão na LGPD poderá ser interpretada à luz dos aprendizados e interpretações já
colhidos no âmbito do GDPR. Ainda, serão analisados como os principais desafios para
os direitos fundamentais que são colocados por tais algoritmos de tomada de decisão
podem ser resumidos sob os princípios de transparência, prestação de contas e
responsabilização e justiça/igualdade. É proposta uma abordagem multifacetada e
multidisciplinar, a ser aplicada em diferentes momentos, para assegurar a observância
de tais princípios no desenvolvimento e uso de algoritmos de tomada de decisão de
aprendizado de máquina. Por fim, propõe-se que a garantia de um direito à explicação,
atualmente inserido em uma discussão mais ampla de prestação de contas e
responsabilização, deve atender a uma perspectiva de mérito e de procedimento. São
identificados os diferentes tipos de conteúdos que têm sido mapeados como passíveis
de serem exigidos a título de explicação, e os valores e direitos que um direito à
explicação visa proteger, demonstrado, ao final, a importância de que este conteúdo
possa estar sujeito a algum tipo de escrutínio público. / [en] In a world mediated by algorithms, in which decision-making spaces previously
destined for humans are now dominated by these artifacts, urges a demand for these
algorithmic decisions to be explainable. This challenge gains a layer of complexity
when artificial intelligence techniques are used, in particular, the application of
machine learning models, given the opacity and inscrutability of the operating mode
and the results generated by some types of these algorithms. In this sense, this thesis
begins with the presentation of the concept and challenges of artificial intelligence and
machine learning for the area of Law, particularly for fundamental rights (i.e. data
protection, privacy, freedom, autonomy and equality). Then, the discussion involving
the arise of a right to explanation is presented, and how its provision in the LGPD can
be interpreted in the light of the lessons learned and interpretations already gathered
under the GDPR. Furthermore, it will be analyzed how the main challenges for
fundamental rights that are posed by such decision-making algorithms can be
summarized under the principles of transparency, accountability and justice/equality.
A multifaceted and multidisciplinary approach is proposed, to be applied at different
moments in time, to ensure that such principles are incorporated during the
development and use of machine learning decision-making algorithms. Finally, this
thesis proposed that guaranteeing a right to explanation, which is currently allocated in
a broader discussion involving accountability, must take into account a perspective of
merit and procedure. The different types of content that have been mapped as likely to
be required as an explanation are identified, as well as the values and rights that a right
to explanation aims to protect, demonstrating, finally, the importance that such content
be subject to public scrutiny.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:60965 |
| Date | 26 October 2022 |
| Creators | ISABELLA ZALCBERG FRAJHOF |
| Contributors | CAITLIN SAMPAIO MULHOLLAND, CAITLIN SAMPAIO MULHOLLAND |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0024 seconds