Wat leer je in deze aflevering?
In deze aflevering van AIToday Live staat het thema 'algoritmes en hun rol in ons dagelijks leven' centraal. De discussie wordt gevoerd rondom de stelling dat de meeste algoritmes deugen, geïnspireerd door het boek 'De meeste mensen deugen' van Rutger Bregman. Er wordt verkend hoe algoritmes, net als mensen, vaak ten onrechte bekritiseerd worden vanwege de acties van enkele. Met voorbeelden uit het dagelijks leven, zoals eenvoudige als-dan-processen en complexere AI-modellen, wordt de positieve impact van algoritmes belicht. Tegelijkertijd wordt de noodzaak van zorgvuldigheid en verantwoordelijkheid in het ontwerp en de toepassing van algoritmes met grote impact benadrukt.
Kernbegrippen
- Algoritme
- Stap-voor-stap instructie om een probleem op te lossen, van eenvoudig tot complex.
- Machine learning model
- Algoritme dat leert van data om voorspellingen of classificaties te maken.
- Bias in algoritmes
- Systematische vooroordelen in algoritmes die tot oneerlijke of onjuiste resultaten leiden.
- Algoritmische verantwoordelijkheid
- Zorgvuldige toepassing en monitoring van algoritmes met maatschappelijke impact.
Transcript
Hoi, welkom bij een nieuwe aflevering van AIToday Live. Mijn naam is Joop Snijder, CTO bij Aigency. Vandaag gaan we het hebben over algoritmes en hun rol in ons dagelijks leven. Ik wil namelijk de stelling deponeren dat de meeste algoritmes deugen. Dit klinkt je misschien wat bekend in de oren, want we hebben natuurlijk ook een boek 'De meeste mensen deugen'. En Rutger Bregman heeft dat geschreven. En in zijn boek 'De meeste mensen deugen' stelt hij dat de meeste mensen van natuur goed zijn en dat onze maatschappij te vaak wordt gedreven door negatieve vooroordelen en angst. Dit principe kunnen we ook toepassen op algoritmes. Hoewel er veel aandacht is voor negatieve kanten en de fouten die algoritmes kunnen maken, is het belangrijk om te onthouden dat de meeste algoritmes goed functioneren en juist zijn ontworpen met de beste intenties. En net zoals Bregman betoogt dat mensen vaak ten onrechte als slecht worden gezien vanwege de acties van enkele, kunnen we ook stellen dat algoritmes vaak ten onrechte worden bekritiseerd vanwege een paar slechte voorbeelden. De meeste algoritmes, net als de meeste mensen, deugen. Ze zijn ontworpen om ons te helpen en ons leven gemakkelijker te maken. Laten we beginnen met een eenvoudig voorbeeld uit de keuken. Stel je voor dat je een heerlijke maaltijd wilt bereiden. De data kun je zien als de ingrediënten, de rauwe groenten, kruiden en vlees of tofu die je gaat gebruiken. Het algoritme is dan het recept, de instructies die je volgt om de ingrediënten om te toveren in een smakelijk gerecht. Het model is het eindresultaat, de maaltijd zelf. Net zoals een kok de kwaliteit van het gerecht bepaalt door zijn of haar vaardigheden en ervaring, bepaalt een data scientist samen met de opdrachtgever de kwaliteit van het model. Het beste recept en de meest verse ingrediënten kunnen nog steeds leiden tot een teleurstellende maaltijd als de kok niet weet wat hij of zij doet. Evenzo kan een krachtig algoritme rijke data slechte resultaten opleveren zonder de juiste expertise. Het is ook belangrijk om te begrijpen dat niet alle algoritmes geavanceerde AI modellen zijn. Sommige algoritmes zijn gewoon simpele als-dan-processen. Zoals de lampen die in huis automatisch uitgaan wanneer de laatste persoon is vertrokken. Deze simpele algoritmes zijn vaak heel handig in ons leven. Zo zijn er nog meer eenvoudige als-dan-algoritmes. En hoewel we vaak gefascineerd zijn door de complexiteit van machine learning en kunstmatige intelligentie, spelen juist deze eenvoudige als-dan-algoritmes een cruciale rol in de technologie die we dagelijks gebruiken. Een van de bekendste voorbeelden is de spam filter in je email. Deze filter gebruikt een reeks van regels, als een email bepaalde woorden of patronen bevat, die vaak voorkomen in spam, dan worden deze emails naar je spamfolder verplaatst. Het is een simpele maar effectieve manier om je inbox schoon te houden. Een ander alledaags voorbeeld is een thermostaatprogramma. Stel dat je een slimme thermostaat hebt die je huis verwarmt. Als de temperatuur onder bepaalde warmte zakt, schakelt de thermostatenverwarming in. Er zijn daardoor talloze voorbeelden van algoritmes die uitstekend werk verrichten. Denk aan routeplanners die je snelste weg naar huis berekenen. Deze toepassingen verbeteren onze efficiëntie en veiligheid op manieren die we vaak als vanzelfsprekend beschouwen. Toch horen we vooral over de gevallen waar het juist misgaat. Dat is niet zonder reden. Wanneer algoritmes fouten maken of misbruikt worden kan dit grote gevolgen hebben. Denk aan discriminatie in overheidsmodellen of fouten in medische diagnosealgoritmes. Deze incidenten trekken terecht veel aandacht en zetten ons aan het denken over hoe we algoritmes beter ontwerpen en inzetten. Ik snap dat het woord algoritme direct een gevoel van complexiteit opwerkt en gedachten over mogelijke negatieve effecten bij je oproept. Maar we moeten ze goed indelen en vooral kijken naar modellen die een grote impact hebben en risico op ongewenst gedrag. Daar moeten we zeer zorgvuldig mee omgaan. Om het af te ronden. De wereld van algoritmes is best wel complex en veelzijdig. Indien goed gebruik gebruikt maken ze ons leven een stuk eenvoudiger. Maar net zoals met elke gereedschap moeten we natuurlijk voorzichtig zijn hoe we ze hanteren en altijd blijven streven naar verbetering en verantwoordelijkheid in een toepassing. Maar we hoeven niet meteen in de stress te schieten bij het woord algoritme. Soms zijn het gewoon hele eenvoudige handige algoritmes. Maar waar het gaat om grote impact, groot risico, moeten we daar gewoon heel zorgvuldig mee omgaan. Dankjewel weer voor het luisteren naar AIToday Live. Vergeet je niet te abonneren via je favoriete podcast app. Tot de volgende keer! [Muziek]