Cuestionario vinculado a una guía · duro Nivel

Prueba de IA en la administración de beneficios gubernamentales

Pon a prueba tu comprensión de Robodebt y el escándalo del cuidado infantil holandés, el problema de la tasa base en los modelos de fraude y las salvaguardias para los algoritmos de beneficios.

Rutas de guía relacionadasIA en la administración de beneficios gubernamentales
Pregunta 1 de 8

¿Cuál fue el principal error de cálculo del sistema Robodebt de Australia?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Cuál fue el principal error de cálculo del sistema Robodebt de Australia?
    • Utilizó reconocimiento facial para identificar a los reclamantes.
    • Promedió los ingresos anuales de la oficina de impuestos de manera uniforme durante quincenas
    • Se basó en una red neuronal entrenada en las redes sociales.
    • Seleccionó aleatoriamente a los destinatarios de las deudas.
  2. ¿Qué afirmación sobre la tecnología de Robodebt es correcta?
    • Era un sistema avanzado de aprendizaje profundo.
    • Era un chatbot que negociaba deudas
    • Utilizó datos satelitales para verificar direcciones.
    • Fue una fórmula y un proceso de comparación de datos defectuosos, no una IA sofisticada.
  3. ¿Qué factor del modelo de riesgo de la autoridad tributaria holandesa generó críticas especiales?
    • Nacionalidad
    • Idioma preferido de correspondencia
    • Tipo de cuenta bancaria utilizada
    • Edad del niño más pequeño
  4. ¿Cuándo dimitió el gabinete holandés por el escándalo de las prestaciones de guardería?
    • marzo 2015
    • junio 2018
    • enero 2021
    • Septiembre 2024
  5. ¿Qué pasó con el sistema holandés SyRI en 2020?
    • Se amplió a nivel nacional
    • Un tribunal lo detuvo por motivos de privacidad y derechos humanos.
    • Fue vendido a otro país.
    • Se convirtió en un chatbot.
  6. Con un 1 por ciento de fraude, un 90 por ciento de detección y una tasa de banderas falsas del 5 por ciento, ¿qué ocurre con las personas señalizadas?
    • Casi todos son estafadores
    • Exactamente la mitad son estafadores
    • Ninguno es inocente
    • La mayoría de las personas señaladas son inocentes.
  7. ¿Por qué las etiquetas de investigaciones pasadas pueden sesgar un modelo de fraude?
    • Las investigaciones son siempre aleatorias.
    • Las etiquetas están cifradas
    • El modelo aprende dónde miraron los investigadores, no dónde está realmente el fraude.
    • Hay muy pocas etiquetas para entrenar
  8. ¿Qué diseño se recomienda para las puntuaciones de riesgo en los sistemas de beneficios?
    • Una puntuación desencadena una revisión humana, nunca una deuda o suspensión automática
    • Las puntuaciones altas cancelan automáticamente los pagos
    • Las puntuaciones se mantienen en secreto para los trabajadores sociales
    • Las puntuaciones reemplazan el proceso de apelación