Toch is niet vanzelfsprekend dat democratisering tot een succes leidt. Denk aan de problemen die kunnen ontstaan in ‘de democratie’ zelf, bijvoorbeeld door de impact van slecht uitgevoerde referenda. Dus, om deze ‘democratisering van AI’ tot een goed eind te brengen, hebben we een goede aanpak nodig. Kernpunt daarin is ‘weten wat je doet’, en dat is niet vanzelfsprekend.
In de recente geschiedenis vinden wij een vergelijkbare situatie: technieken voor regressieanalyse en hypothesetesten zijn door pakketten als SPSS ter beschikking gekomen van een brede groep wetenschappers en studenten. Dit heeft een schaduwzijde laten zien: hoe vaak komt het niet voor, dat conclusies zogezegd worden ‘bewezen’ op basis van onderzoek waarin hypotheses worden getoetst met statistische toetsen, waarbij niet wordt voldaan aan de
onderliggende vereisten om deze toets te mogen gebruiken? In feite kan dan geen conclusie getrokken worden, laat staan dat sprake is van een bewijs.
Het belangrijkste vraagstuk van democratisering is kort gezegd: welke mogelijkheden en verantwoordelijkheden kun je op welke manier leggen bij welke groepen mensen en met welke waarborgen en ondersteuning. Hetzelfde geldt voor democratisering van AI. In dit artikel focussen we ons op het deel van AI dat zich richt op data science (bijvoorbeeld machine learningalgoritmen). We bespreken vijf aspecten die van belang zijn voor actuarissen die een rol (willen) spelen in deze democratisering.
Lees het hele artikel verder onder Download.
Download
- AI: weet (je) wat je doet!? .pdf • 0,12 MB