Sabine Steenwinkel- Den Daas

Nederland wereldwijd koploper op het gebied van ‘Responsible AI’

Op 13 juni 2024 zijn vanuit het global center for AI Governance de resultaten gepubliceerd van onderzoek naar de volwassenheid van landen wereldwijd in het verantwoord gebruik van Artificiele intelligentie (hierna: Responsible AI ): de Global Index Responsible AI (hierna: GIRAI) [1] . In het complete rapport over deze index wordt geconcludeerd dat de wereldwijde vooruitgang naar Responsible AI achter ligt ten opzichte van de snelheid van zowel ontwikkeling als adoptie. Gelukkig is het vlakbij huis beter gesteld met deze volwassenheid: Nederland is namelijk de koploper als het gaat om verantwoorde inzet van AI! In deze insight lees je wat is er voor nodig is geweest om deze positie te behalen en hoe wij als Nederland deze positie behouden.

Voldoende transparantie met algoritmeregister?

In een tijdperk waarin algoritmen steeds meer invloed uitoefenen op ons dagelijks leven, is in controle blijven op de nieuwste ontwikkelingen en hier transparant over zijn meer dan ooit belangrijk. Zeker met de verplichtingen uit de AI verordening. Hiermee staan we voor een cruciale vraag: wanneer is de openheid en transparantie rondom deze algoritmen voldoende? Het antwoord is niet eenvoudig, want transparantie gaat verder dan alleen de registratie van algoritmen. In dit artikel duiken we dieper in op de stappen die nodig zijn om nu aan de slag te gaan met transparant en verantwoord gebruik van algoritmen op 5 volwassenheidsniveaus.

Doorbraak in regulering van Artificiële Intelligentie: de AI Verordening

De EU heeft op 8 december 2023 een voorlopig politiek akkoord bereikt over Artificiële Intelligentie Verordening (hierna: AI Act) .De definitieve tekst is op 13 maart 2024 goedgekeurd door het Europees Parlement . 20 dagen na officiele publicatie is de AI Act van kracht. Daarmee is de AI Act de eerste vorm van (risicogebaseerde) regelgeving ten aanzien van kunstmatige intelligentie in de EU en richt zich onder andere op ontwikkelaars, distributeurs en gebruikers van AI-systemen. Dat zijn systemen die bijvoorbeeld worden ingezet voor voorspellingen, classificaties en analyses en dit doen op basis van patronen die ontdekt zijn in grote hoeveelheid data. Vaak wordt ook de term 'algoritme' gebruikt, maar niet alle algoritmen zijn ook (onderdeel van) een AI-systeem. Vooralsnog is de potentiële impact van deze wetgeving voor overheden en het bedrijfsleven die werken met AI-systemen is groot. In deze insight vertellen we je graag wat de belangrijkste verplichtingen zijn, hoe dit je als organisatie raakt en welke stappen je nu alvast kunt zetten om in de toekomst te voldoen.

Bias in AI uitgelegd (deel 4): Hoe meet ik bias?

“Zeg eens eerlijk? Wat is nu je grootste angst bij algoritmes? Als ik dit vraag aan mensen is het antwoord vaak ‘Algoritmes discrimineren!’”. En natuurlijk: het is verre van gewenst om te discrimineren, maar hoe zorgen we ervoor dat algoritmes niet discrimineren? Na het lezen van de vorige insights weet je nu wat bias is en hoe je dat onder controle houdt bij het gebruik van algoritmes. Wetende dat bias onoverkomelijk is, rest ons nog één vraag: “Welke bias is acceptabel?”

Bias in AI uitgelegd (deel 3): Hoe beperk ik de impact van bias?

“Zeg eens eerlijk? Wat is nu je grootste angst bij algoritmes? Als ik dit vraag aan mensen is het antwoord vaak ‘Algoritmes discrimineren!’”. En natuurlijk: het is verre van gewenst om te discrimineren, maar hoe zorgen we ervoor dat algoritmes niet discrimineren? Je weet vanuit vorige insights waarom bias een rol kan spelen bij het gebruiken van algortimes. In deze insight licht ik toe waar je moet beginnen om de verschillende vormen van bias te voorkomen zodat je je verantwoord kan laten adviseren door een algoritme.

Bias in AI uitgelegd (deel 2): Waarom is bias een risico bij algoritmes?

“Zeg eens eerlijk? Wat is nu je grootste angst bij algoritmes? Als ik dit vraag aan mensen is het antwoord vaak ‘Algoritmes discrimineren!’”. En natuurlijk: het is verre van gewenst om te discrimineren, maar hoe zorgen we ervoor dat algoritmes niet discrimineren? En hoe leren we een algoritme welke ongelijkheid wel kan en welke ongelijkheid ‘discriminatie’ is? In de vorige insight heb ik toegelicht wat bias is. In deze insight leg ik uit waarom bias een risico kan zijn bij het gebruik van algoritmes.

Bias in AI uitgelegd (deel 1): Wat is bias?

“Zeg eens eerlijk? Wat is nu je grootste angst bij algoritmes?” Als ik dit vraag aan mensen is het antwoord vaak: “Algoritmes discrimineren!”. En natuurlijk: het is verre van gewenst om te discrimineren, maar hoe zorgen we ervoor dat algoritmes niet discrimineren? Allereerst door te snappen dat algoritmes niet discrimineren. Wel kunnen algoritmes verkeerd worden ontwikkeld, zodat zij onterecht of ongewenst onderscheid maken. Dit heet in vaktermen ‘bias’. En eigenlijk is het eenvoudig: als je in het algoritme de ‘bias’ onder controle hebt, dan voorkom je ook discriminatie. In een serie van insights zal ik uitleggen hoe je dit doet. We trappen af met: ‘wat is bias eigenlijk?’

‘In control’ van algoritmes en AI-systemen

Heb je ook weleens binnen je organisatie gehoord of geroepen: “Wij doen (n)iets met data/algoritmes/AI.” of “We hebben veel data-initiatieven, maar opschalen binnen de organisatie gaat lastig”? Dit zijn allemaal vragen die neerkomen op één hoofdvraag: Hoe zorg je ervoor dat je de goede algoritmes toepast op de juiste manier?

Highberg ondersteunt de gemeente Rotterdam bij verantwoord gebruik van algoritmen en AI-systemen

Highberg heeft de gemeente Rotterdam ondersteund bij het verantwoord gebruik van algoritmen en de transparantie hierover door beheer op algoritmeregister en het uit de praktijk uitvoeren van en leveren van verbetersuggesties richting de algoritme governance.