Fair Machine Learning bestrijdt vooringenomenheid
Een AI tool baseert haar berekeningen op basis van data. Als deze data biased (vooringenomen) is, zal dat in de berekening doorwerken. Wanneer bij een beroepsgroep in het verleden mannen de voorkeur hadden, zal een AI tool voor werving deze bias overnemen. Mannen kunnen dus onterecht een beter oordeel van de AI tool krijgen. Dit kunnen we voorkomen door de data te decorreleren met geslacht. Geslacht en eventueel gerelateerde proxies zullen nu niet meer voorspellend zijn voor baangeschiktheid. Met fair machine learning verwacht TNO op een eerlijke en unbiased wijze geschikte kandidaten te selecteren.
TNO maakt generative adversarial network models met fair machine learning
De decorrelatie voor fair machine learning voert TNO uit met een Generative Adversarial Network (GAN) model. Dit model probeert twee tegenstrijdige criteria tegen elkaar af te wegen:
- De dataset zo min mogelijk veranderen
- Iemand’s geslacht niet meer definiëren aan de overgebleven kenmerken
Bij het afwegen van de criteria, generaliseert het model bestaande kenmerken van individuen naar meer algemene kenmerken. Bijvoorbeeld door postcodes naar wijken, wijken naar steden, steden naar landen te generaliseren. Het eindresultaat is een dataset waarbij iemand’s geslacht (criterium 2) nagenoeg niet herkenbaar is. Kortom, de gender bias is uit de dataset verdwenen.
Fair machine learning relevant voor allerlei vormen van discriminatie ontstaan in historische gegevens
Fair machine learning is relevant bij allerlei vormen van discriminatie en bias die ontstaat bij het gebruik van vooringenomen data. Naast werving en selectie is het bij toezicht-, inspectie- en handhavingstaken ook belangrijk dat het AI algoritme eerlijk is. Zo dienen geslacht, religie en etniciteit niet als selectiekenmerk te worden benut.
AI machine learning tools kunnen het vinden van vergelijkbare individuen voor allerlei selectietaken efficiënter en effectiever maken. De historische bias, die zonder deze tools minder opvallen, worden met AI tools structureel en systematisch doorgezet. Fair machine learning vermindert en voorkomt deze discriminatie.
Neem contact met ons op
Laat je verder inspireren
‘Giant AI goes down the European road’
TNO ondersteunt de alarmerende oproep van Future of Life Institute over AI. Regulering is urgent en kan niet worden overgelaten aan de markt zelf. Lees TNO's reactie.


Rob de Wijk over de opkomst van AI in geopolitieke context
Anne Fleur van Veenstra, Director of Science bij de TNO-unit SA&P, interviewt Rob de Wijk, emeritus hoogleraar internationale betrekkingen in Leiden én de oprichter van het The Hague Centre for Strategic Studies. Daarnaast is hij een veelgevraagde expert bij radio- en televisieprogramma’s. Wat betekent de opkomst van AI in een geopolitieke context en bij gewapende conflicten?


Bram Schot over de invloed van AI op mobiliteit
Marieke Martens, Science Director bij TNO en hoogleraar Automated Vehicles aan de Universiteit Eindhoven, gaat in gesprek met Bram Schot. Hun gesprek gaat over de invloed van AI op mobiliteit. Wat betekent dat voor het productieproces? En hoe ziet een toekomst met autonome voertuigen eruit?


Eppo Bruins over AI in verschillende overheidsdomeinen
Eppo Bruins, Voorzitter Adviesraad voor wetenschap, technologie en innovatie in gesprek met Michiel van der Meulen (TNO) over de ontwikkeling van AI.


Bas Haring over AI, wetenschap en filosofie
Michiel van der Meulen spreekt Bas Haring. Haring probeert wetenschap en filosofie toegankelijk te maken voor een breed publiek. In 2001 publiceerde hij een kinderboek over evolutie, Kaas en de evolutietheorie. Is er een mooiere springplank voor een geoloog en een filosoof om over AI te praten?

