Woordenlijst

AI-ethiek

Wat is AI-ethiek?

AI-ethiek behandelt de morele vragen rond de ontwikkeling en het gebruik van AI: eerlijkheid en discriminatie, transparantie en verklaarbaarheid, gegevensbescherming, verantwoordelijkheid voor fouten, veiligheid en de gevolgen voor werk en samenleving. Voor organisaties wordt het concreet in richtlijnen, risicobeoordelingen, menselijk toezicht en eerlijke communicatie over de grenzen van AI. Voorbeeld: voordat een tool voor cv-screening wordt ingevoerd, wordt gecontroleerd of die bepaalde groepen benadeelt.

Onderwerpen

Ethiek
Verantwoordelijkheid
Fairness

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

Bias

In AI verwijst bias naar een systematische vertekening van resultaten. Die komt vaak voort uit onevenwichtige of historisch scheve trainingsdata, maar ook uit het modelontwerp of de manier waarop een vraag wordt gesteld. Een bekend voorbeeld: een tool voor het screenen van sollicitanten die leert van eerdere aannamebeslissingen, kan bestaande achterstelling in stand houden. In de statistiek betekent bias ook de afwijking van een schatting ten opzichte van de werkelijke waarde. Tegenmaatregelen zijn onder meer diverse data, regelmatige audits en menselijke beslissingen over personeelszaken.

AI-ethiek
Fairness
+1

AI-transparantie

AI-transparantie betekent openheid over wanneer AI wordt ingezet, op welke gegevens en bronnen de resultaten zijn gebaseerd en hoe beslissingen tot stand komen. Dit omvat het labelen van AI-inhoud, naspeurbare bronvermeldingen, logboeken en gedocumenteerde wijzigingen. Transparantie schept vertrouwen, vergemakkelijkt het opsporen van fouten en is deels wettelijk verplicht, bijvoorbeeld door de transparantieverplichtingen van de AI-verordening, op grond waarvan mensen moeten kunnen merken dat ze met een AI communiceren.

Transparantie
Vertrouwen
+1

Verklaarbaarheid

Verklaarbaarheid (explainable AI, XAI) beschrijft in hoeverre te begrijpen is waarom een AI-systeem tot een bepaald resultaat kwam. Het omvat methoden die laten zien welke invoer een beslissing het sterkst heeft beïnvloed, evenals praktische hulpmiddelen zoals bronvermeldingen en logboeken. Verklaarbaarheid is belangrijk voor vertrouwen, foutopsporing en regelgeving – bijvoorbeeld wanneer een bank moet motiveren waarom een aanvraag is afgewezen.

XAI
Transparantie
+1

AI en mensenrechten

De term beschrijft hoe AI-systemen mensenrechten zoals privacy, gelijke behandeling, vrijheid van meningsuiting of eerlijke procesvoering kunnen beïnvloeden, zowel positief als negatief. Risico’s ontstaan bijvoorbeeld door discriminerende beslissingen, massasurveillance, biometrische identificatie of een gebrek aan mogelijkheden om beslissingen aan te vechten. Internationale kaders zoals het Kaderverdrag inzake AI van de Raad van Europa en de AI-verordening richten zich op deze kwesties. Organisaties reageren met effectbeoordelingen, transparantie en menselijk toezicht.

Ethiek
Grondrechten
+1