- AI groeit snel en krijgt veel gebruikers.
- Onderzoekers vinden dat AI soms bevooroordeeld is.
- Dit gebeurt bij medische beslissingen en bij werving.
- Modellen missen soms belangrijke feiten uit de werkelijkheid.
- Sommige taken hebben geen vaste, juiste waarheid.
- Als ontwerpers niet divers zijn, ontstaat bias.
- Sommige mensen krijgen dan geen hulp meer.
- Openheid en meer verschillende input kunnen helpen.
- Onderzoeken vergelijken problematische systemen met gewone systemen.
- Het doel is eerlijkere beslissingen voor iedereen.
Moeilijke woorden
- bevooroordeeld — niet eerlijk tegenover sommige mensen of groepen
- medisch — met zorg of gezondheid te makenmedische
- werving — het zoeken en kiezen van nieuwe mensen
- model — een systeem dat leert van gegevensModellen
- feit — informatie die echt en waar isfeiten
- ontwerper — iemand die dingen maakt of bedenktontwerpers
- divers — met verschillende soorten of mensen erbij
- openheid — duidelijk laten zien wat er gebeurt
Tip: beweeg de muisaanwijzer over gemarkeerde woorden in het artikel, of tik erop om snelle definities te zien terwijl je leest of luistert.
Discussievragen
- Gebruik je AI?
- Denk je dat ontwerpers divers moeten zijn?
- Vind je openheid belangrijk bij beslissingen?
Gerelateerde artikelen
Dopamine helpt motorische vaardigheden tijdens slaap
Onderzoekers van de University of Michigan vonden dat specifieke dopamineneuronen actief worden tijdens NREM-slaap kort na het leren van een nieuwe beweging. Die activiteit versterkt motorische herinneringen en verbetert motorische prestaties na de slaap.
Onderzoekers werken aan antiserum tegen zwarte schorpioen
Indiaanse onderzoekers analyseren het gif van de Indische zwarte schorpioen en werken aan een antiserum. Ze vonden veel verschillende toxines, testten het gif op muizen en benadrukken de noodzaak van betere behandelmethoden.
Waarom taalmodellen moeite hebben met vermenigvuldigen
Onderzoekers van de University of Chicago en partners onderzochten waarom grote taalmodellen twee viercijferige getallen slecht vermenigvuldigen. Een nieuwe trainingsmethode (ICoT) liet modellen tussentijdse waarden onthouden en verbeterde de nauwkeurigheid sterk.