HC6_AI in Overheid

9 belangrijke vragen over HC6_AI in Overheid

Leg uit: supervised machine learning

  • Met al gelabelde data (bv.: fraudedetectie)

Leg uit: unsupervised machine learning?

Zonder labels, zoekt zelf patronen

Leg uit: reinforcement machine learning

Leert via 'trial and error' --> bv.: AI leert schaken
  • Hogere cijfers + sneller leren
  • Niets twee keer studeren
  • 100% zeker alles onthouden
Ontdek Study Smart

Leg uit: Artificial General Intelligence (AGI)?

  • Hypothetische vorm: kan alle menselijke cognitieve taken

Toepassing AI: leg uit: predictive policing?

AI voorspelt waar criminaliteit wss zal pléaatsvinden.

Door welk soort data kan AI bevooroordeelde beslissingen nemen?

Vervuilde data --> toeslagenaffaire NL

Je hebt geleerd over input-, throughput- en outputlegitimiteit. Kan AI zich verantwoorden?

Nee: wie? Ontwikkelaar, leverancier of overheid. Ontwikkelaars kunnen zelf uitkomsten van hun AI neurale netwerken niet verklaren.

We herkennen de pacing problem in AI. Wetgeving moet zich anders opstellen. Vul aan, aan de hand van de tips:

Laat het aan de markt over;Doelsturing;Je presentatie;Sandboxing;Zonsondergang 

  1. Zelfregulering (door bedrijven);
  2. Doelgerichte regulering
  3. Soft law
  4. Experimenteerregulering (sandboxing)
  5. Sunset-clausules (tijdelijke wetgeving)

Hoe kunnen we AI-beleid op korte-, midellange en langetermijn vormgeven?

Kortetermijn: transparantiestandaarden

Middellangetermijn: ethische kaders

Langetermijn: formele wetgeving

De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:

  • Een unieke studie- en oefentool
  • Nooit meer iets twee keer studeren
  • Haal de cijfers waar je op hoopt
  • 100% zeker alles onthouden
Onthoud sneller, leer beter. Wetenschappelijk bewezen.
Trustpilot-logo