Vooroordelen in AI-systemen

Als trainingsdata bevooroordeeld is, is AI dat ook; voorbeelden: gezichtsherkenning die beter werkt voor bepaalde huidskleuren, vertaalsoftware die zomaar een geslacht aanneemt; waar vooringenomenheid vandaan komt en of we die kunnen oplossen

Je kind beheerst dit als het...

Legt met een voorbeeld uit het dagelijks leven uit wat vooringenomenheid in AI betekent
Beschrijft hoe bevooroordeelde trainingsdata leidt tot bevooroordeelde AI-resultaten
Stelt een manier voor om vooringenomenheid in een AI-systeem te verminderen (bijvoorbeeld meer diverse data gebruiken, testen met verschillende groepen)

Vraag eens aan je kind

Kan je kind uitleggen waarom een AI die vooral getraind is op foto's van mensen met een lichte huidskleur, minder goed kan werken voor mensen met een donkere huidskleur?

Eerst dit

Basisprincipes van machine learning Je kind moet eerst begrijpen hoe AI wordt getraind voordat het snapt hoe scheve data tot bevooroordeelde AI leidt.
Fouten en beperkingen van AI Je kind moet eerst begrijpen dat AI fouten kan maken voordat het kijkt naar structurele vooroordelen.

Gevulde stip: nodig. Open stip: handig, maar niet verplicht.

Daarna verder met

AI en eerlijkheid bij beslissingen Je kind moet eerst begrijpen wat vooringenomenheid is, voordat het kijkt naar eerlijkheid bij belangrijke AI-beslissingen.
Eerlijke regels voor AI bedenken Je kind moet eerst begrijpen wat vooringenomenheid is, voordat het systemen kan ontwerpen die dit vermijden.
AI en de toekomst van werk Besef van vooroordelen geeft meer diepgang aan het begrijpen van de invloed van AI op werk.