Fair Machine Learning bestrijdt vooringenomenheid

Thema:
Artificiële intelligentie

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:

  1. De dataset zo min mogelijk veranderen
  2. 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.

Laat je verder inspireren

4 resultaten, getoond 1 t/m 4

Nederlandse I-Botics grijpt naast X Prize

Informatietype:
Nieuws
7 november 2022

I-Botics wordt 5e op vrijdag 4 november 2022 in Long Beach Californië (VS) tijdens de 'ANA Avatar X Prize’. Een prestigieuze internationale wedstrijd waarin  17 genomineerden streden om een prijs van 10 miljoen dollar met een robotachtig systeem dat de aanwezigheid van een mens op een afgelegen locatie in real time inzet.

Veelbelovend Regeerakkoord met ruime aandacht voor innovatie

Informatietype:
Nieuws
16 december 2021

De vijf Nederlandse topinstituten voor toegepast onderzoek: Deltares, MARIN, NLR, TNO en WUR (verenigd in TO2), zijn positief over het nieuwe Regeerakkoord. Met het oog op de Lissabondoelstelling om 3% van het BBP in R&D te investeren zet het kabinet vol in op onderzoek en innovatie.

Versnelde AI ontwikkelingen door krachtenbundeling TNO en Nederlandse AI Coalitie

Informatietype:
Nieuws
19 oktober 2021

Op 14 oktober 2021 hebben Peter Werkhoven (Chief Science Officer, TNO) en Kees van der Klauw (Coalitiemanager, Nederlandse AI Coalitie) een Memorandum of Understanding getekend om de onderlinge samenwerking te bekrachtigen.

Betrek burgers bij experimentele proeftuinen AI

Informatietype:
Nieuws
22 juni 2021
In het vandaag gepubliceerde paper pleiten we ervoor om experimentele omgevingen in te richten waarin AI-systemen worden beproefd.