top of page


1. Open Mind. (2017, enero 20). El comienzo de la era de la Inteligencia Artificial. Extraído de  


2. Future of Life Institute, (n.d.) Asilomar AI Principles. Extraído de


3. Consejo de Estado República Popular de China (2017, Julio 8). China’s next Generation Artificial Intelligence Development Plan. Extraído de


4. Ovanesso_A. y Plastino E. (2016). Cómo la inteligencia artificial puede generar crecimiento en Sudamérica. Extraído de


5. Reisinger, R. (2019, enero 19). A.I. Expert Says Automation Could Replace 40% of Jobs in 15 Years. Extraído de


6. IEE Computational Intelligence Society (n.d.) IEEE Transactions on Neural Networks and Learning Systems. Extraído de  


7. Science Daily (n.d.) Artificial Intelligence Terms. Extraído de 


8. Burkov A. (2019). The Hundred-Page Machine Learning Book. Extraído de


9. Techopedia (n.d.). The Ultimate Guide to Applying AI in Business / AI Terms. Extraído de


10. Woirol, G.R. (1996). The Technological Unemployment and Structural Unemployment Debates. Extraído de


11. Harari, Y.N. (2019). 21 Lessons for the 21st Century. NYC, NY:Spiegel & Grau

12. IEE Explore Digital Library (n.d.). Safety Benefits of Forward Collision Warning, Brake Assist, and Autonomous Braking Systems in Rear-End Collisions. Extraído de 


13. McKinsey Global Institute. (2017, diciembre). Jobs Lost, Jobs Gained: Workforce Transitions In A Time Of Automation. Extraído de


14. Baxter, M. (2018, noviembre 28). AI won’t destroy jobs it will transform them. Extraído de


15. World Economic Forum. (2018, septiembre 17). Machines Will Do More Tasks Than Humans by 2025 but Robot Revolution Will Still Create 58 Million Net New Jobs in Next Five Years. Extraído de


16. Diéz Díaz, F. (n.d.). CTIC Inteligencia Artificial y Big Data. Exraído de


17. Infobae. (2019, septiembre 7). Inteligencia artificial y Big Data: ¿Estamos preparados para la revolución digital?. Extraído de


18. Rouse, M. (n.d.) Search Data Center: Internet de las cosas (IoT). Exrtaído de


19.  Open Mind. (2017, julio 18). Por qué Internet de las cosas necesita inteligencia artificial. Extraído de


20. Khosla, V. (2014, noviembnre 6). The Next Technology Revolution Will Drive Abundance And Income Disparity. Extraído de


21. Eric A. Posner & E. Glen Weyl. (n.d.). Data as Labor. Extraído de


22. Mazzucato, M. (2018, junio 27). Let’s make private data into a public good. Ectraído de


23. Khan, F. (2018, noviembre 19). Data As Labor: Rethinking Jobs In The Information Age. Extraído de


24. Andreu Perez, J., Deligianni, F., Ravi, D. y Yang, G. (n.d) Artificial Intelligence and Robotics. Extraído de  


25. Raghavan, M., Barocas, S., Kleinberg, J.M., Levy, K. (2019). Mitigating Bias in Algorithmic Employment Screening: Evaluating Claims and Practices. Extraído de


26. McCorduck, P. (2004). Machines Who Think: A Personal Inquiry into the History and Prospects of Artificial Intelligence. Extraído de


27. Organización de los Estados Americanos Comisión Interamericana de Derechos Humanos. (2005, abril 15).  Caso 12.189 Dilcia Vean y Violeta Bosico República Dominicana. ALEGATOS FINALES ESCRITOS DE LA CIDH. Extraído de


28. International Telecommunication Union (2019). United Nations Activities on Artificial Intelligence (AI). Extraído de

29. Selfridge, P., Ferose, VR y Kumar, A. (2018, octubre 24). From Digital Government To Intelligent Government Extraído de


30. Ng, A. (2018, diciembre 13). AI Transformation Playbook: How to lead your company into the AI era. Extraído de

Otros recursos:

Compilación de Estrategias Nacionales de Inteligencia Artificial

Buolamwini, J. y Gebru T. (2018). Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification. Extraído de 

Cave S. y S Óh Éigeartaigh, S. (2018). An AI Race for Strategic Advantage: Rhetoric and Risks. Extraído de 


Chouldechova, A., Benavides-Prado, D., (2018). A case study of algorithm-assisted decision making in child maltreatment hotline screening decisions. Extraído de 


Domingos, P. (13 de febrero de 2018). The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World Instrumentation & Measurement Society


Gebru, T., Morgenstern,J., (2019, abril 14). Datasheets for Datasets. Extraído de 


Hao, K. (n.d.). Mit Technology Review. 

Hutchinson, B. y Mitchell, M. 50 Years of Test (Un)fairness: Lessons for Machine Learning. Extraído de 

Instrumentation & Mnagement Society - IEEEE. (2017, octubre 19). Society Conferences Management Guidelines. Extraído de (


Iyer, R., Yuezhang, L., (2018, septiembre 17) Transparency and Explanation in Deep Reinforcement Learning Neural Networks. Extraído de 


Liu, L.T., Dean, S., Rolf, E., Simchowitz, M. y Hardt, M. Delayed (2018, abril 8) Impact of Fair Machine Learning. Extraído de 

Mannino, A., Althaus, D., Erhardt, J., Gloor, L., Hutter, A. and Metzinger, T. (2015, diciembre 12). Artificial Intelligence: Opportunities and Risks. Extraído de (p.3>

MIT Media Lab. (n.d.) Artificial Intelligence Inclusion. Extraído de


Mitchell, M., Wu, s., (2019, enero 14). Model Cards for Model Reporting. Extraído de 

Selbst, A.D., Boyd, D., Friedler, S., Venkatasubramanian, S., y Vertesi J. (2018, diciembre 5). Fairness and Abstraction in Sociotechnical Systems. Extraído de 

Valera, I., Singla, A., Gomez Rodriguez, M. (2018, mayo 25). Enhancing the Accuracy and Fairness of Human Decision Making Extraído de




University of San Francisco Applied Data Ethics:


AI Readiness:


Asilomar AI Principles:  

Global Catastrophic Risks editado por Nick Bostrom y Milan Cirković: 


Osonde Ope Osoba: 



Lex Friedman


NVIDIA The AI Podcast



1er Draft Gran Estrategia Nacional

de Inteligencia Artificial para Latinoamérica

bottom of page