1
00:00:00,000 --> 00:00:06,760
Hoi, welkom bij een nieuwe aflevering van AIToday Live. Mijn naam is Joop Snijder, CTO bij Aigency.

2
00:00:06,760 --> 00:00:14,160
Vandaag gaan we het hebben over algoritmes en hun rol in ons dagelijks leven. Ik wil

3
00:00:14,160 --> 00:00:20,280
namelijk de stelling deponeren dat de meeste algoritmes deugen. Dit klinkt je misschien

4
00:00:20,280 --> 00:00:26,600
wat bekend in de oren, want we hebben natuurlijk ook een boek 'De meeste mensen deugen'. En

5
00:00:26,600 --> 00:00:33,320
Rutger Bregman heeft dat geschreven. En in zijn boek 'De meeste mensen deugen' stelt hij dat

6
00:00:33,320 --> 00:00:39,080
de meeste mensen van natuur goed zijn en dat onze maatschappij te vaak wordt gedreven door

7
00:00:39,080 --> 00:00:46,080
negatieve vooroordelen en angst. Dit principe kunnen we ook toepassen op algoritmes. Hoewel

8
00:00:46,080 --> 00:00:51,120
er veel aandacht is voor negatieve kanten en de fouten die algoritmes kunnen maken,

9
00:00:51,120 --> 00:00:56,580
is het belangrijk om te onthouden dat de meeste algoritmes goed functioneren en juist

10
00:00:56,580 --> 00:01:01,800
zijn ontworpen met de beste intenties. En net zoals Bregman betoogt dat mensen vaak ten onrechte

11
00:01:01,800 --> 00:01:07,200
als slecht worden gezien vanwege de acties van enkele, kunnen we ook stellen dat algoritmes

12
00:01:07,200 --> 00:01:14,320
vaak ten onrechte worden bekritiseerd vanwege een paar slechte voorbeelden. De meeste algoritmes,

13
00:01:14,320 --> 00:01:20,720
net als de meeste mensen, deugen. Ze zijn ontworpen om ons te helpen en ons leven gemakkelijker te

14
00:01:20,720 --> 00:01:26,560
maken. Laten we beginnen met een eenvoudig voorbeeld uit de keuken. Stel je voor dat je een

15
00:01:26,560 --> 00:01:33,240
heerlijke maaltijd wilt bereiden. De data kun je zien als de ingrediënten, de rauwe groenten,

16
00:01:33,240 --> 00:01:40,720
kruiden en vlees of tofu die je gaat gebruiken. Het algoritme is dan het recept, de instructies

17
00:01:40,720 --> 00:01:47,040
die je volgt om de ingrediënten om te toveren in een smakelijk gerecht. Het model is het eindresultaat,

18
00:01:47,040 --> 00:01:53,200
de maaltijd zelf. Net zoals een kok de kwaliteit van het gerecht bepaalt door zijn of haar vaardigheden

19
00:01:53,200 --> 00:01:58,600
en ervaring, bepaalt een data scientist samen met de opdrachtgever de kwaliteit van het model.

20
00:01:58,600 --> 00:02:04,720
Het beste recept en de meest verse ingrediënten kunnen nog steeds leiden tot een teleurstellende

21
00:02:04,720 --> 00:02:11,760
maaltijd als de kok niet weet wat hij of zij doet. Evenzo kan een krachtig algoritme rijke

22
00:02:11,760 --> 00:02:17,760
data slechte resultaten opleveren zonder de juiste expertise. Het is ook belangrijk om te begrijpen

23
00:02:17,760 --> 00:02:24,960
dat niet alle algoritmes geavanceerde AI modellen zijn. Sommige algoritmes zijn gewoon simpele

24
00:02:24,960 --> 00:02:30,720
als-dan-processen. Zoals de lampen die in huis automatisch uitgaan wanneer de laatste persoon

25
00:02:30,720 --> 00:02:36,480
is vertrokken. Deze simpele algoritmes zijn vaak heel handig in ons leven. Zo zijn er nog meer

26
00:02:36,480 --> 00:02:42,320
eenvoudige als-dan-algoritmes. En hoewel we vaak gefascineerd zijn door de complexiteit

27
00:02:42,320 --> 00:02:48,440
van machine learning en kunstmatige intelligentie, spelen juist deze eenvoudige als-dan-algoritmes

28
00:02:48,440 --> 00:02:54,600
een cruciale rol in de technologie die we dagelijks gebruiken. Een van de bekendste

29
00:02:54,600 --> 00:03:00,080
voorbeelden is de spam filter in je email. Deze filter gebruikt een reeks van regels,

30
00:03:00,080 --> 00:03:06,280
als een email bepaalde woorden of patronen bevat, die vaak voorkomen in spam, dan worden

31
00:03:06,280 --> 00:03:11,800
deze emails naar je spamfolder verplaatst. Het is een simpele maar effectieve manier

32
00:03:11,800 --> 00:03:18,360
om je inbox schoon te houden. Een ander alledaags voorbeeld is een thermostaatprogramma. Stel dat

33
00:03:18,360 --> 00:03:23,280
je een slimme thermostaat hebt die je huis verwarmt. Als de temperatuur onder bepaalde

34
00:03:23,280 --> 00:03:32,120
warmte zakt, schakelt de thermostatenverwarming in. Er zijn daardoor talloze voorbeelden van

35
00:03:32,120 --> 00:03:37,240
algoritmes die uitstekend werk verrichten. Denk aan routeplanners die je snelste weg

36
00:03:37,240 --> 00:03:42,200
naar huis berekenen. Deze toepassingen verbeteren onze efficiëntie en veiligheid op manieren

37
00:03:42,200 --> 00:03:48,840
die we vaak als vanzelfsprekend beschouwen. Toch horen we vooral over de gevallen waar

38
00:03:48,840 --> 00:03:54,800
het juist misgaat. Dat is niet zonder reden. Wanneer algoritmes fouten maken of misbruikt

39
00:03:54,800 --> 00:04:00,640
worden kan dit grote gevolgen hebben. Denk aan discriminatie in overheidsmodellen of

40
00:04:00,640 --> 00:04:07,640
fouten in medische diagnosealgoritmes. Deze incidenten trekken terecht veel aandacht en

41
00:04:07,640 --> 00:04:12,760
zetten ons aan het denken over hoe we algoritmes beter ontwerpen en inzetten.

42
00:04:12,760 --> 00:04:19,840
Ik snap dat het woord algoritme direct een gevoel van complexiteit opwerkt en gedachten

43
00:04:19,840 --> 00:04:26,360
over mogelijke negatieve effecten bij je oproept. Maar we moeten ze goed indelen en vooral kijken

44
00:04:26,360 --> 00:04:32,120
naar modellen die een grote impact hebben en risico op ongewenst gedrag. Daar moeten

45
00:04:32,120 --> 00:04:38,240
we zeer zorgvuldig mee omgaan. Om het af te ronden. De wereld van algoritmes is best

46
00:04:38,240 --> 00:04:44,960
wel complex en veelzijdig. Indien goed gebruik gebruikt maken ze ons leven een stuk eenvoudiger.

47
00:04:44,960 --> 00:04:50,600
Maar net zoals met elke gereedschap moeten we natuurlijk voorzichtig zijn hoe we ze hanteren

48
00:04:50,600 --> 00:04:56,000
en altijd blijven streven naar verbetering en verantwoordelijkheid in een toepassing.

49
00:04:56,000 --> 00:05:03,160
Maar we hoeven niet meteen in de stress te schieten bij het woord algoritme. Soms zijn

50
00:05:03,160 --> 00:05:11,680
het gewoon hele eenvoudige handige algoritmes. Maar waar het gaat om grote impact, groot

51
00:05:11,680 --> 00:05:15,320
risico, moeten we daar gewoon heel zorgvuldig mee omgaan.

52
00:05:15,320 --> 00:05:23,560
Dankjewel weer voor het luisteren naar AIToday Live. Vergeet je niet te abonneren via

53
00:05:23,560 --> 00:05:26,040
je favoriete podcast app. Tot de volgende keer!

54
00:05:26,040 --> 00:05:35,520
[Muziek]