Maatschappelijke vraagstukken oplossen met data science

03-12-18 / Jesse Six Dijkstra

Data Science-event-Jesse Twee weken geleden was ik namens Hermes | Partners aanwezig op het congres ‘Data science voor maatschappelijke uitdagingen’, georganiseerd door ScienceWorks in samenwerking met Universiteit Leiden. Tijdens het congres kwamen verschillende partijen vanuit de overheid, de academie en het bedrijfsleven samen. Om te bespreken hoe Data Science een verantwoorde oplossing kan vormen voor maatschappelijke vraagstukken.

Data Science

De dag begon met een interessant praatje van Maarten de Rijke, directeur van het Innovence Center for Artificial Intelligence (ICAI). Omdat Nederland de afgelopen jaren zijn voorsprong lijkt te hebben verloren op het gebied van innovatie in de kunstmatige intelligentie, zet ICAI zich in om op verschillende plekken in Nederland ‘AI-labs’ te stichten. Daar kunnen de publieke sector en de academische wereld hun krachten bundelen om vooruitstrevende nieuwe AI-toepassingen te ontwikkelen. Binnenkort zal in onze eigen stad Utrecht een policelab worden opgezet. Hier zullen negen PhD-kandidaten in samenwerking met de Nationale Politie innovatieve crimefighting-applicaties kunnen bedenken.

Open data

Een veel terugkomend onderwerp op het datacongres was het punt ‘open data’. Een noodkreet vanuit de onderzoekswereld over hoe meer data publiekelijk beschikbaar zou moeten zijn. De partijen die in samenwerking met de overheid “dingen met data doen” hamerden er daarentegen vooral op dat het probleem niet in de beschikbaarheid van de data zit. Volgens hen zit het bovenal in het feit dat de aanwezige data onoverzichtelijk en ongestructureerd is. Jammer genoeg werd er in veel gevallen vervolgens niet een brug geslagen naar hoe data mining- danwel machine learning-achtige technieken ingezet zouden kunnen worden. Het bleef voornamelijk bij statistische modellen.

Twee aangename uitzonderingen hierop zijn stichting CentERdata en de Utrecht Data School. Zij zetten AI in om onder andere kindermishandeling te constateren en voortijdig schoolverlaten te voorspellen. Een grote uitdaging die gepaard gaat met dit soort predictiemodellen is de AVG-wetgeving. Deze wetgeving verbiedt dat individuen uit de data gepikt worden, waardoor alle voorspellingen op dit moment slechts op groepsniveau mogen plaatsvinden.

AVG

De complicaties rondom AVG waren een aanleiding voor de hoogleraren Holger Hoos (Universiteit Leiden) en Sir Nigel Shadbolt (Jesus College Oxford) om te filosoferen over hoe de Europese Unie en haar lidstaten zich op het gebied van AI zouden moeten verhouden ten opzichte van landen als China of Rusland. Hoe zorgen we er met zijn allen voor dat we als Nederland of Europa bijblijven? Of zelfs voorop gaan lopen wat betreft de ontwikkelingen in de kunstmatige intelligentie zonder afbreuk te doen aan onze grondbeginselen, zoals de privacy van burgers? Sir Nigel stelde een idee van ‘AI for enlightenment’ voor, waarbij alle progressie gegrond moet zijn in ratio en liberalisme volgens het Kantiaans concept van de categorische imperatief: Elk handelen kan verantwoord worden aan de hand van een morele wet. Hoos was hier ook wel gecharmeerd van. De ironie, dat des te accurater AI is, des te minder het gegrond is in rationele wetmatigheid, leek hierbij verloren te zijn gegaan voor de heren.

Groeten,

Jesse Six Dijkstra

Deel:

Terug naar blogs