Resumo: A rápida evolução da Inteligência Artificial (IA), com seus desafios peculiares, especialmente na avaliação de qualidade e confiabilidade dos algoritmos de reconhecimento de imagem, foi o cerne deste trabalho, que se dedicou a explorar a precisão algorítmica, a adaptabilidade dos sistemas frente às mudanças nos dados e a equidade na classificação. Focando na necessidade ética e técnica de desenvolver sistemas de IA eficientes e justos, o estudo utilizou um conjunto diversificado de imagens coletadas por web scraping, categorizadas segundo critérios de etnia e gênero, e analisadas através dos modelos YOLOv5 e Detectron2. Este processo permitiu avaliar a acurácia dos algoritmos comparando os resultados de identificação com as categorizações originais, revelando discrepâncias e possíveis vieses. A pesquisa também examinou a capacidade dos modelos de IA de se adaptarem a variações nas características das imagens ao longo do tempo, além de realizar uma análise detalhada de equidade para verificar a existência de vieses sistemáticos em relação a categorias específicas. Essa investigação aprofundada contribui significativamente para o campo da IA, proporcionando insights fundamentais sobre a qualidade e confiabilidade dos sistemas de reconhecimento de imagem. Os resultados obtidos têm um potencial substancial para guiar o desenvolvimento futuro de algoritmos de IA, pavimentando o caminho para a criação de sistemas mais equitativos, eficientes e adaptáveis, essenciais no atual panorama tecnológico.

Banca:
Flávio Luis de Mello, DSc. (Presidente)
Heraldo Luis Silveira de Almeida, DSc. (Examinador)
Claudio Miceli de Farias, DSc. (Examinador)