AI, macht en verantwoordelijkheidCEFR B1
21 apr 2026
Gebaseerd op Guest Contributor, Global Voices • CC BY 3.0
Foto door Marija Zaric, Unsplash
Hija Kamran schrijft dat haar werk haar voorzichtig maakt tegenover nieuwe technologieën. Ze merkt op dat technologiebedrijven herhaaldelijk laten zien dat hun primaire toewijding bij bedrijfsmodellen ligt en niet bij mensen.
Het artikel legt uit dat systemen worden ontworpen door specifieke mensen met bepaalde wereldbeelden. Trainingsdata komt uit internet en openbare bronnen en weerspiegelt geschiedenissen van uitsluiting, racisme, seksisme en economische ongelijkheid. Wanneer AI van die data leert, kan het bestaande schade coderen en versterken.
Kamran waarschuwt ook voor dehumanisering, vooral in gemilitariseerde contexten waar mensen als datapunten kunnen worden behandeld. Zij pleit voor een mensenrechtenbenadering en adviseert vroegtijdige scepsis: vraag wie een systeem bouwt, hoe het werkt en wie ervan profiteert.
Moeilijke woorden
- trainingsdata — Voorbeelden en informatie waarmee een AI leert.
- dehumanisering — Het behandelen van mensen alsof ze geen waarde hebben.
- mensenrechtenbenadering — Werkwijze die mensenrechten centraal stelt.
- gemilitariseerd — Veranderd voor of door militair gebruik.gemilitariseerde
- toewijding — Sterke betrokkenheid of inzet voor iets.
- uitsluiting — Het buitensluiten van bepaalde groepen.
- profiteren — Voordeel halen uit een situatie of handeling.profiteert
Tip: beweeg de muisaanwijzer over gemarkeerde woorden in het artikel, of tik erop om snelle definities te zien terwijl je leest of luistert.
Discussievragen
- Welke vragen zou jij stellen voordat je een nieuw AI-systeem gebruikt? Noem twee en leg kort uit waarom.
- Hoe kunnen bedrijven volgens jou meer aandacht voor mensen tonen in plaats van alleen voor bedrijfsmodellen?
- Denk aan je eigen werk of studie: wanneer zou je wantrouwend moeten zijn tegenover nieuwe technologieën? Leg uit.
Gerelateerde artikelen
Meer data en technologie bij de Winterspelen 2026
De Winterspelen van 2026 gebruiken meer data en nieuwe technologieën. Teams, onderzoekers en media gebruiken analyses om training, verslaggeving en het begrip van prestaties te veranderen, maar er blijven vragen over eerlijkheid en toegang.
