Een blik op de toekomst van verantwoorde AI:�Mens over AI over AI
Catholijn M. Jonker (TUD, Univ. Leiden, Hybrid Intelligence Centre)
Met dank aan Frank van Harmelen voor een deel van de slides
Creative Commons License CC BY 3.0:
Allowed to copy, redistribute remix & transform
But must attribute
Toekomstbeeld Mens met Artificiële Intelligentie (AI)
Hybride Intelligentie
Stem AI af op menselijke waarden
AI as Partners
AI basics (Jaren 60)
Kunstmatige Neurale Netwerken
Kennis-gebaseerde systemen
AI basics (Jaren 60)
De doorbraak van machine learning → Deep Learning
2011
onderselectie van minderheden bij sollicitaties op basis van historische onderselectie
Vb: discriminerende zoekresultaten �op basis van discriminerend consumentengedrag
Zelf-rijdende auto’s in de war door stickers op verkeersborden
© Evtimov et al.
Greg Anderson, Isil Dillig (2019)
Kennis opgeslagen in Neurale Netwerken
Le et al., ICML 2012
Verschillende typen AI systemen
AI systemen
Kennis-�gebaseerd
Zelf-lerend
Klassiek Learning
Deep Learning
AI: zelf-lerende systemen
"systemen die verbanden ontdekken in grote hoeveelheden data, � en op basis daarvan een kans berekenen“
�Vb: kans dat iemand geschikt is voor een baan
kans dat iemand borstkanker heeft
kans dat iemand gefraudeerd heeft
…
AI: Klassieke Machine Learning
Mensen bepalen welke aspecten (“features”) belangrijk zijn
Vb: SyRI: boetes, opleiding,� onroerend goed, � schulden, inburgering,� …
Enigszins stuurbaar, controleerbaar�(door wetgever, opdrachtgever, ambtenaar, burger)
AI: Deep Learning
Machine bepaalt zelf welke aspecten (“features”) belangrijk zijn
Vb: gezichtsherkenning � voor risico-classificatie
Welke features worden gebruikt? �Huidskleur? Bril? Haardracht? Hoofddoek?
Moeilijk stuurbaar, niet uitlegbaar
Verschillende typen AI systemen
13
AI systemen
Kennis-�gebaseerd
Zelf-lerend
Klassiek Learning
Deep Learning
Uitlegbaar, stuurbaar, controleerbaar
Enigszins�stuurbaar & controleerbaar
moeilijk stuurbaar & controleerbaar, �niet uitlegbaar
Boodschap: Niet elke vorm van AI is even zorgelijk
Het data vraagstuk
onderselectie van minderheden bij sollicitaties op basis van historische onderselectie
discriminerende zoekresultaten op basis van discriminerend consumentengedrag
Ribeiro et al., 2016 “Why should I trust you?”
: Snow
AI anno nu
Black box AI
Knowledge-based AI
Op weg naar uitlegbare Machine learning
Kunnen we een leesbaar model uit een black box trekken?
...
�N. IF TRUE THEN� Class=B
Adapted from Neural Networks and Deep Learning, by Michael A. Nielsen, 2015. Determination Press (CC BY-NC 3.0)
Experiment
Wat is een geode strategie voor MARIO?
* Steckelmacher, D., Plisnier, H., Roijers, D.M., Nowé, A.: Sample-efficient model-free reinforcement learning with off-policy critics. In: Brefeld, U., Fromont, E., Hotho, A., Knobbe, A., Maathuis, M., Robardet, C. (eds.) Machine Learning and Knowledge Discovery in Databases. Lecture Notes in Artificial Intelligence, vol. 11908, pp. 19–34. Springer International Publishing, Cham, Switzerland (2020)
Leren in drie fasen:
RIGHT
Exceptions
Rule 1
...
Exceptions
Rule 3
Exceptions
Rule 2
Mensen samen met AI over AI
Black box AI
Knowledge-based AI
Omdat….
I denk dat je dit moet doen…
Waarom dan?
waarom?
Niet in dit geval! Nu is dit beter…
omdat…
Heb ik het zo goed begrepen? …
Take Away message
Hybrid Intelligence: combineer
Samenwerken, niet vervangen
AI over AI: open de black box
Mens over AI: bestuurbaar en controleerbaar
https://www.delftdesignforvalues.nl/
https://www.hybrid-intelligence-centre.nl/