Neem bijvoorbeeld Google.

Elke keer als jij iets op internet zoekt, maak je in feite gebruik van hun AI-systeem. Daarin onderscheiden we de volgende onderdelen.

Instructie

Allereerst moet een AI-systeem een doel hebben. Dat is bij een zoekmachine wel logisch: op basis van jouw zoekwoord wil je zo goed mogelijke resultaten terugkrijgen.

Data

Die zoekresultaten zitten verborgen in alle datacenters van Google. Zij hebben immers van miljoenen websites de informatie opgeslagen. Dat mag je gerust 'big data' noemen.

Algoritme

Om bij jouw instructie (zoekopdracht) de beste resultaten te kunnen tonen, maakt Google altijd gebruik van een trucje. Je kan het ook een computermodel noemen, of met een moeilijk woord: een algoritme.

Resultaat

Dat algoritme heeft Google zo afgesteld, dat het bij elke zoekopdracht (zelfs bij elke gebruiker) opnieuw gaat kijken wat de beste resultaten zijn. Het is dus een heel krachtig en veelzijdig stukje software. Zonder algoritme, geen resultaten.

Jim ging daarom eens op zoek naar het woord algoritme.

Iedereen volgt de hele dag meerdere algoritmen.

(Klik op het plusje voor meer uitleg)

Een kind kan de was doen.

(Bekijk de animatie over algoritmes)

Nu weet je wat een algoritme is, maar wat kun je ermee?

Algoritmen zorgen er niet alleen voor dat je de witte van de gekleurde was scheidt. Algoritmisering is een essentieel onderdeel van AI.

Zonder reeksen instructies zou deze vorm van intelligentie niet bestaan. Het is de taal waarmee je systemen opdrachten laat uitvoeren.

Misschien vraag je je af: waarom is dat boeiend?

Het antwoord is simpel: computers maken meestal minder fouten én zijn sneller.

De snelheid waarmee het systeem de Rubiks Kubus oplost is indrukwekkend, vind je niet?

Het is een mooi voorbeeld van hoe machines heel snel kunnen leren, als ze maar de juiste data en een goed algoritme uitvoeren. In het Engels heet dat 'machine learning'.

Machine learning is de belangrijkste reden dat computers intelligent gedrag kunnen vertonen.

Onno legt uit.

(Bekijk de video over machine learning)

Een ander voorbeeld van supervised learning is je spamfilter.

Dankzij dit systeem hoef je niet zelf alle ongewenste berichten uit je inbox te verwijderen, maar wordt dat voor je gedaan. Glipt er toch eentje tussendoor? Dan kun je die alsnog 'rapporteren'.

Achter dit systeem schuilt een algoritme dat door middel van machine learning steeds beter wordt.

Stel je eens voor dat je het algoritme van een spamfilter gaat schrijven. Bij welke van de volgende woorden gaan er bij jou alarmbellen rinkelen? Beantwoord de volgende drie vragen.

Wat je net op je gevoel deed, doet een spamfilter op basis van data.

In Onno's woorden: je was input-output-paren aan het maken!

Iedere keer maakt een spamfilter de afweging: is de kans groter dat het spam of geen spam is? Dat doet het systeem door e-mails die als spam gemarkeerd zijn te vergelijken met de binnenkomende e-mails.

Algoritmen spelen een grote rol in het dagelijks leven.

De toepassingen beperken zich niet tot zoekopdrachten of spamfilters. Denk ook bijvoorbeeld aan het opsporen van verdacht betalingsverkeer, het goedkeuren van een hypotheekofferte of het toekennen van toeslagen.

En daar knelt ook wel de schoen!

Een belangrijk onderdeel van AI-geletterdheid is het scherp zijn op onbedoelde bijeffecten van zulke algoritmen.

Waar hebben we het dan over?

(Klik op de begrippen om verder te gaan)

Privacy

Je bezit data niet, maar geeft andere partijen wel of geen toestemming ze te gebruiken. Dit gebeurt vaak door akkoord te gaan met de kleine lettertjes in gebruikersovereenkomsten. Zulke overeenkomsten moeten wel in lijn zijn met de Algemene Verordening Gegevensbescherming (AVG).

Bias (vooroordelen)

Een risico van machine learning is dat er in de trainingsdata bepaalde bevolkingsgroepen oververtegenwoordigd zijn. Het algoritme zal dan in nieuwe situaties een vooroordeel ontwikkelen tegen die bevolkingsgroep. Dat mag niet, dat is discriminatie.

Onnauwkeurigheden

Bij het verzamelen van de data kan het ook gebeuren dat er foutieve informatie wordt gebruikt. Het algoritme weet niet dat het fout is en zal dus heel ijverig foute beslissingen gaan herhalen.

Hoe kunnen bedrijven dan wél op een verantwoorde manier gebruik maken van data en algoritmen?

Daarover gaat deze video.

Nog één keer alle letters op een rij.

Klik op de letters voor een korte samenvatting.

F – Fairness

Eerlijkheid: de data waarmee een systeem is getraind, moet een juiste en evenwichtige weergave van de werkelijkheid geven.

A – Accuracy

Nauwkeurigheid: een systeem moet de juiste verbanden leggen tussen data.

C – Confidentiality

Vertrouwelijk: als data een bepaald verband vindt, betekent dit nog niet dat dit naar buiten mag worden gebracht.

T – Transparency

Helderheid: een systeem moet altijd kunnen uitleggen waarom het bepaalde beslissingen maakt.

Samenvattend

Een algoritme is een reeks instructies die leiden naar een einddoel
Dankzij algoritmen kunnen systemen sneller en efficiënter werken dan mensen
Systemen lossen met behulp van algoritmen allerlei verschillende soorten data puzzels op

Track 2 afgerond!

NEXT UP: Beeldherkenning

Je wordt automatisch doorgeschakeld, of klik op bovenstaande knop.

Hallo, algoritme!

Welkom in hoofdstuk 2!

Neem bijvoorbeeld Google.

Jim ging daarom eens op zoek naar het woord algoritme.

Iedereen volgt de hele dag meerdere algoritmen.

Een kind kan de was doen.

Nu weet je wat een algoritme is, maar wat kun je ermee?

Misschien vraag je je af: waarom is dat boeiend?

Hoe snel, vraag je?

De snelheid waarmee het systeem de Rubiks Kubus oplost is indrukwekkend, vind je niet?

Machine learning is de belangrijkste reden dat computers intelligent gedrag kunnen vertonen.

Onno legt uit.

Een ander voorbeeld van supervised learning is je spamfilter.

Achter dit systeem schuilt een algoritme dat door middel van machine learning steeds beter wordt.

Wat je net op je gevoel deed, doet een spamfilter op basis van data.

Algoritmen spelen een grote rol in het dagelijks leven.

En daar knelt ook wel de schoen!

Waar hebben we het dan over?

Hoe kunnen bedrijven dan wél op een verantwoorde manier gebruik maken van data en algoritmen?

Nog één keer alle letters op een rij.

Samenvattend

Track 2 afgerond!

Welkom in hoofdstuk 2!

Neem bijvoorbeeld Google.

Jim ging daarom eens op zoek naar het woord algoritme.

Iedereen volgt de hele dag meerdere algoritmen.

Eerst dit, dan dat

Een kind kan de was doen.

Nu weet je wat een algoritme is, maar wat kun je ermee?

Misschien vraag je je af: waarom is dat boeiend?

Hoe snel, vraag je?

De snelheid waarmee het systeem de Rubiks Kubus oplost is indrukwekkend, vind je niet?

Machine learning is de belangrijkste reden dat computers intelligent gedrag kunnen vertonen.

Onno legt uit.

Een ander voorbeeld van supervised learning is je spamfilter.

Achter dit systeem schuilt een algoritme dat door middel van machine learning steeds beter wordt.

Wat je net op je gevoel deed, doet een spamfilter op basis van data.

Algoritmen spelen een grote rol in het dagelijks leven.

En daar knelt ook wel de schoen!

Waar hebben we het dan over?

Hoe kunnen bedrijven dan wél op een verantwoorde manier gebruik maken van data en algoritmen?

Nog één keer alle letters op een rij.

Samenvattend