Maatschappelijke uitdagingen
Kunstmatige intelligentie (AI) verandert ingrijpend hoe we leven, werken en met elkaar omgaan (met grote kansen, maar ook diepgaande maatschappelijke uitdagingen). Van het waarborgen van ethische besluitvorming in autonome systemen tot het overbruggen van de digitale kloof en het geven van controle aan individuen over hun eigen data: de verantwoorde ontwikkeling en inzet van AI is van cruciaal belang.
De onderstaande zeven maatschappelijke uitdagingen vormen de leidraad voor onze missie om AI in te zetten ten bate van iedereen:
-
Verantwoorde AI: Hoe kunnen we ervoor zorgen dat autonome systemen (zoals zelfrijdende auto’s, drones of AI-gestuurde besluitvormingstools) ethisch, rechtmatig, transparant en verantwoordelijk functioneren?
-
Digitale geletterdheid & inclusie: Hoe kunnen we ervoor zorgen dat alle burgers (ongeacht leeftijd, achtergrond of locatie) de digitale vaardigheden ontwikkelen die nodig zijn om mee te komen in een door AI gedreven wereld?
-
Data-autonomie & -soevereiniteit: Hoe kunnen we individuen, organisaties en overheden in staat stellen om controle te houden over hun data in een tijdperk dat wordt gedomineerd door big tech en waar autonome systemen en AI afhankelijk zijn van enorme, vaak ondoorzichtige datasets?
-
Mensgerichte AI: Hoe kunnen we AI-systemen ontwerpen die daadwerkelijk menselijke capaciteiten versterken (in plaats van vervangen), terwijl gebruikers vertrouwen, begrip en controle behouden over deze technologieën?
-
Toegepaste AI: Hoe kunnen we AI toepassen in domeinen zoals gezondheidszorg, energie of industrie op manieren die het maatschappelijk voordeel maximaliseren?
-
Uitlegbaarheid: Hoe kunnen we AI-tools ontwikkelen die uitleggen waarom ze tot een bepaalde conclusie zijn gekomen (niet in de vorm van een zelfverzekerd klinkend verhaal dat LLM's kunnen verzinnen), maar gebaseerd op een traceerbare redenering. Dit gaat verder dan transparantie en is essentieel voor het opbouwen van vertrouwen, bijvoorbeeld in medische toepassingen.
-
Efficiëntie: Hoe kunnen we AI-systemen ontwikkelen die niet afhankelijk zijn van enorme hoeveelheden nauwkeurig gelabelde data en reusachtige rekenfaciliteiten? De behoefte aan massale gelabelde datasets vereist veel menselijke inzet en maakt het onderhouden van deze datasets moeilijk, terwijl ruis in labels de nauwkeurigheid van het resulterende AI-systeem aantast. De enorme rekenkracht is kostbaar, zowel qua apparatuur als CO₂-uitstoot. Dit is op de lange termijn onhoudbaar.