Accountability is de verwachting dat organisaties of personen ervoor zullen zorgen dat de AI-systemen die zij ontwerpen, ontwikkelen, exploiteren of inzetten, gedurende hun gehele levenscyclus naar behoren zullen functioneren, overeenkomstig hun rol en de toepasselijke regelgevingskaders. Er wordt ook verwacht dat zij dit zullen aantonen door middel van hun handelingen en besluitvormingsproces.

Extra toelichting:
De termen verantwoordingsplicht, verantwoordelijkheid en aansprakelijkheid zijn nauw verwant maar verschillend, en hebben ook verschillende betekenissen in verschillende culturen en talen. In het algemeen impliceert 'verantwoordingsplicht' een ethische, morele of andere verwachting (bv. zoals vastgelegd in managementpraktijken of gedragscodes) die richting geeft aan de acties of het gedrag van personen of organisaties en hen in staat stelt uit te leggen waarom beslissingen en acties zijn genomen. In het geval van een negatief resultaat houdt het ook in dat actie wordt ondernomen om in de toekomst een beter resultaat te bereiken. 'Aansprakelijkheid' verwijst over het algemeen naar nadelige juridische gevolgen die voortvloeien uit het handelen of niet-handelen van een persoon (of een organisatie). 'Verantwoordelijkheid' kan ook ethische of morele verwachtingen inhouden en kan zowel in een juridische als in een niet-juridische context worden gebruikt om te verwijzen naar een oorzakelijk verband tussen een actor en een resultaat.

Adversarial Machine Learning is een techniek die bij machinaal leren (ML) wordt gebruikt om een ML-model voor de gek te houden met misleidende data . Hoewel Adversarial Machine Learning in een groot aantal toepassingen kan worden gebruikt, wordt deze techniek het meest gebruikt om een aanval uit te voeren of een storing te veroorzaken in een ML-systeem. ML-modellen worden immers getraind met behulp van grote datasets die betrekking hebben op het onderwerp waarover wordt geleerd. Als een autoproducent bijvoorbeeld zijn zelfrijdende auto wil leren hoe hij een stopteken herkent, kan dat bedrijf duizenden foto's van stoptekens door een algoritme voor machinaal leren laten lopen.

Adverserial machine learning kan tegen dat algoritme worden gebruikt, waarbij de inputgegevens van het algoritme (in dit geval afbeeldingen van verkeersborden) worden geëxploiteerd om die gegevens verkeerd te interpreteren. Hierdoor identificeert het systeem als geheel verkeerd wanneer het in de praktijk of in productie wordt gebruikt.

Adversarial machine learning wordt dus vaak gebruikt voor kwaadaardige doeleinden en is een term die opgang maakt binnen het veld van cybersecurity. Een concreet voorbeeld is het misleiden van een spamfilter of het verdoezelen van malware.

Initiatieven die gebruik maken van artificiële intelligentie (AI) om sociaal gunstige resultaten te realiseren.

Extra informatie:
AI for social good (AI4SG) wordt formeel omschreven als het ontwerpen, ontwikkelen en inzetten van AI-systemen op een wijze die helpt om:

• problemen die nadelig zijn voor het menselijk leven en/of het welzijn van de natuur te voorkomen, te beperken en/of op te lossen, en/of
• sociaal verkieslijke of ecologisch duurzame ontwikkelingen mogelijk te maken, terwijl
  
• geen nieuwe vormen van schade worden geïntroduceerd en/of bestaande ongelijkheden en ongelijkheid worden vergroot.

AI governance is het proces waarbij beleidslijnen worden uitgestippeld en verantwoording wordt afgelegd om de totstandbrenging en invoering van AI-systemen in een organisatie te sturen.

Extra informatie:
Als AI governance goed wordt uitgevoerd, stelt het organisaties in staat om flexibel en vol vertrouwen te opereren. Terwijl organisaties AI inzetten, stelt AI governance hen in staat om bij elke stap te vertrouwen op AI-gedreven uitkomsten om betrouwbare resultaten te creëren.

AI-geletterdheid omvat weten wat AI is, hoe het werkt en wat de sterke punten en beperkingen zijn. AI-geletterdheid gaat ook over het begrijpen en vormen van meningen over de rol van AI in ons leven.

Een AI-systeem is een machinegestuurd systeem dat in staat is de omgeving te beïnvloeden door aanbevelingen, voorspellingen of besluiten te formuleren voor een bepaalde reeks doelstellingen. Het maakt gebruik van machinale en/of menselijke inputs/gegevens om:

• omgevingen waar te nemen;
• deze waarnemingen te abstraheren tot modellen;
• de modellen te interpreteren om opties voor uitkomsten te formuleren.

AI-systemen zijn ontworpen om te werken op verschillende autonomieniveaus.

Zie 'X-as-a-Service (XaaS)'

Een algoritme bestaat uit een reeks instructies die, als ze correct uitgevoerd worden, een probleem kunnen oplossen of een taak kunnen voltooien. Een algoritme wordt daarom vaak omschreven als een stappenplan. Wanneer een algoritme wordt uitgevoerd door een computer, spreken we van een computeralgoritme. AI-algoritmes verwijzen naar de groep van algoritmes die binnen het vakgebied van artificiële intelligentie (AI) worden gebruikt. Wanneer je informatie leest of hoort over algoritmes, hoor je vaak ook de woorden model en techniek opduiken. Een model beschrijft de opgedane kennis en informatie dat door het algoritme wordt gebruikt om beslissingen te nemen en/of voorspellingen te maken. Wanneer algoritmes een model leren op basis van data, spreken we over algoritmes voor machinaal leren. 'Technieken voor machinaal leren' verwijst naar de vele strategieën die worden gebruikt binnen het vakgebied van machinaal leren.

Bias binnen het vakgebied van artificiële intelligentie kan een verschillende betekenis hebben afhankelijk van de context. De term algoritmische bias beschrijft algoritmes die systematisch en oneerlijk discrimineren tegen bepaalde personen of groepen van personen ten gunste van anderen. Een algoritme discrimineert oneerlijk als het een kans of een goed ontzegt of een ongewenst resultaat toekent aan een individu of een groep individuen op gronden die onredelijk of ongepast zijn.

Bias in machine learning is het gevolg van een systematische afwijking van een model. Het is meestal het gevolg van problemen die worden geïntroduceerd door de personen die de systemen voor machinaal leren ontwerpen en/of trainen. Deze personen kunnen algoritmen creëren die onbedoelde cognitieve vooroordelen of vooroordelen uit het echte leven weerspiegelen. Vooroordelen kunnen ook worden geïntroduceerd omdat zij gebaseerd zijn op onvolledige, gebrekkige of vooringenomen datasets die worden gebruikt om de systemen voor machinaal leren te trainen en/of te valideren.

Anonimisering is het proces waarbij persoonlijke identificatiemiddelen - zowel directe als indirecte - die tot de identificatie van een persoon kunnen leiden, worden verwijderd.

Een API is een softwaretussenpersoon die twee toepassingen in staat stelt met elkaar te praten.

Extra informatie:
API's communiceren via een reeks regels die bepalen hoe computers, toepassingen of machines met elkaar kunnen praten. De API fungeert als tussenpersoon tussen twee machines die met elkaar in verbinding willen treden voor een bepaalde taak. Een eenvoudig voorbeeld is dat wanneer je je vanaf je telefoon aanmeldt bij Facebook, je de Facebook-toepassing vertelt dat je toegang wil tot je account. De mobiele applicatie doet dan een oproep naar een API om je Facebook-account en -inloggegevens op te halen. Facebook krijgt dan toegang tot deze informatie via één van zijn servers en stuurt de gegevens terug naar de mobiele applicatie zodat jij kan inloggen.

Dit type API's, web-API's genoemd, zijn de meest voorkomende, maar beperken zich tot het web. Er zijn API's voor vrijwel elke machine of elk systeem dat verwacht te kunnen interageren met andere machines of systemen. API's bestaan al lang, maar winnen pas sinds kort aan populariteit. Bedrijven gebruiken deze technologie om een voorsprong te nemen op anderen door efficiëntere manieren te vinden om informatie sneller op te vragen en zo de klant van dienst te zijn.

Zie synthetische data

Artificial General Intelligence (AGI), ook wel 'Strong AI' genoemd, is de brede hypothetische intelligentie van een machine die in staat is elke intellectuele taak te begrijpen of aan te leren, net zoals een mens. Deze vorm van AI is (nog?) niet bereikt. Hoewel veel onderzoek naar de ontwikkeling ervan wordt gedaan, zijn experten het oneens over de mogelijkheid om AGI te bereiken.

Extra informatie:
Artificiële algemene intelligentie verwijst naar een type geavanceerde artificiële intelligentie dat algemeen is op de manier waarop menselijke cognitieve systemen algemeen zijn. AGI kan verschillende soorten taken goed uitvoeren, en simuleert werkelijk de breedte van het menselijk intellect, in plaats van zich te richten op meer specifieke of nauwere soorten taken. De term wordt gebruikt om verschillende soorten artificiële intelligentie van elkaar te onderscheiden - de termen "sterke artificiële intelligentie" of "volledige artificiële intelligentie" worden ook gebruikt om de bredere doelstellingen van artificiële intelligentie te bespreken. Er is soms een tegenstelling gemaakt tussen Artificial Narrow Intelligence (ANI) en AGI (Goertzel en Pennachin, 2005). Kurzweil (1999) stelde bijvoorbeeld "narrow AI" tegenover "strong AI" -- hij gebruikte de eerste term om te verwijzen naar de creatie van systemen die specifiek "intelligent" gedrag vertonen in specifieke contexten, en de tweede term om in essentie te verwijzen naar wat nu AGI wordt genoemd.

Er is niet één definitie van AI die universeel wordt aanvaard door de experten. Een van de eerste en één van de meest aangenomen definities is deze van John McCarthy: "Artificiële Intelligentie is de wetenschap en techniek van het maken van intelligente machines".

Extra informatie:
De wetenschappers Russell en Norvig zien in de wetenschappelijke literatuur vier verschillende categorieën waarin artificiële intelligentie wordt opgedeeld:

1. systemen die denken als mensen (b.v. cognitieve architecturen en neurale netwerken)
2. systemen die handelen als mensen (b.v. een systeem dat de Turingtest doorstaat via natuurlijke taalverwerking, kennisrepresentatie, geautomatiseerd redeneren en leren);
   
3. systemen die rationeel denken (b.v. logische oplossers, inferentie en optimalisering);
   
4. systemen die rationeel handelen (b.v. intelligente softwareagenten en robots die hun doelstellingen bereiken via waarneming, planning, redeneren, leren, communiceren, besluitvorming en handelen).

Opmerking:
“AI” is geen telbaar zelfstandig naamwoord. AI is een wetenschappelijke discipline, net als wiskunde en biologie. Omdat AI een discipline is, kun je niet “een AI” zeggen. We spreken immers ook niet over “een biologie”. Spreek daarom dan niet over “een AI” maar over “een AI-methode”.

Artificial Narrow Intelligence (ANI), ook wel 'Narrow AI' of 'Weak AI' genoemd, is de specifieke hypothetische intelligentie van een machine die (enkel) in staat is een specifieke/afgebakende taak, waarvoor het geprogrammeerd is, uit te voeren. Alle huidige AI valt onder deze indeling.

Extra informatie:
In tegenstelling tot Artificial General Intelligence (AGI) of Strong AI is voor een ANI-systeem, als men de context of de gedragsspecificatie ook maar een klein beetje verandert, meestal een zekere mate van menselijke herprogrammering of herconfiguratie nodig om het systeem in staat te stellen zijn intelligentieniveau te behouden. Spraakassistenten zoals Siri of Alexa zijn bijvoorbeeld geprogrammeerd om taal te begrijpen, maar kunnen bijvoorbeeld (nog) geen afbeeldingen analyseren.

Auditability houdt in dat de beoordeling van algoritmen, data en ontwerpprocessen mogelijk wordt gemaakt. Dit houdt niet noodzakelijk in dat informatie over bedrijfsmodellen en intellectuele eigendom met betrekking tot het AI-systeem altijd openbaar moet zijn. Evaluatie door interne en externe auditors, en de beschikbaarheid van dergelijke evaluatierapporten, kunnen bijdragen tot de betrouwbaarheid van de technologie.

Een situatie waarin de werkelijkheid dynamisch wordt overlapt met coherente locatie- of contextgevoelige virtuele informatie.

Extra informatie:
Augmented Reality (AR) is een variant van Virtual Reality (VR). VR-technologieën dompelen de gebruiker volledig onder in een synthetische omgeving. Terwijl hij/zij ondergedompeld is, kan de gebruiker de echte wereld rondom hem niet zien. Bij AR daarentegen kan de gebruiker de echte wereld zien, met virtuele objecten die over de echte wereld worden geplaatst of ermee worden gecombineerd. AR is dus eerder een aanvulling op de realiteit dan een volledige vervanging ervan.

Automatische nummerplaatherkenning (ANPR) is een computer visiontechniek waarmee toestellen snel en automatisch nummerplaten op voertuigen kunnen lezen aan de hand van camerabeelden, zonder enige menselijke tussenkomst.

Extra informatie:
ANPR wordt dus gebruikt om een nummerplaat nauwkeurig vast te leggen en te identificeren aan de hand van video- of fotobeelden van camera's. Systemen voor automatische nummerplaatherkenning maken gebruik van optische tekenherkenning (OCR) om kentekens van voertuigen te lezen. Camera's maken hogesnelheidsbeelden van nummerplaten, en software voor beeldverwerking wordt gebruikt om tekens te detecteren, de volgorde van die tekens te verifiëren, en het nummerplaatbeeld om te zetten in tekst. Typische ANPR-systemen omvatten een digitale beeldregistratie-eenheid (camera), een verwerkingseenheid en verschillende algoritmen voor videoanalyse.

Automatiseringsvooringenomenheid is de neiging van mensen om de voorkeur te geven aan suggesties van geautomatiseerde besluitvormingssystemen en om tegenstrijdige informatie die zonder automatisering tot stand is gekomen, te negeren, zelfs als deze correct is.

Extra informatie: Automatiseringsvooringenomenheid komt voort uit de sociaal-psychologische literatuur die een vooringenomenheid in de interactie tussen mens en mens aantoonde waaruit bleek dat mensen positievere beoordelingen toekennen aan beslissingen die door mensen zijn genomen dan aan een neutraal object. Hetzelfde type van positiviteitsbias is gevonden voor de interactie tussen mens en automatisering, waarbij de geautomatiseerde beslissingen positiever worden beoordeeld dan de neutrale. Dit is een groeiend probleem geworden voor de besluitvorming naarmate bijvoorbeeld intensive care units, kerncentrales en vliegtuigcockpits meer en meer geautomatiseerde systeemmonitoren en beslissingshulpmiddelen hebben geïntegreerd om mogelijke menselijke fouten grotendeels uit te sluiten. Automatiseringsfouten treden meestal op wanneer de besluitvorming afhankelijk is van computers of andere geautomatiseerde hulpmiddelen en de mens in een observerende rol zit maar wel beslissingen kan nemen.

Big data is een term voor grote hoeveelheden zeer dynamische, complexe en variabele gegevens. Om de informatie te kunnen registreren, opslaan, verspreiden, beheren en analyseren zijn geavanceerde technieken en technologieën nodig.

Extra informatie:
Big Data is een enorme hoeveelheid data. De hoeveelheid is zo groot dat je je heel wat reken/computerkracht nodig hebt (bv. in de cloud) om die te bewaren en te bewerken en wordt pas bruikbaar als je er de juiste krachtige algoritmes kunt op toepassen. AI en Deep learning kunnen dan helpen om nieuwe patronen voor te stellen. Big data kan met de juiste analyses een enorme bron aan kennis en informatie zijn voor digitale oplossingen. Zo kan mens vroegtijdig hartproblemen detecteren met een app op basis van een grote hoeveelheid patiëntendossiers, of de meest aansprekende advertenties aanbieden op basis van het surfgedrag van heel veel mensen dat in cookies verzameld wordt.

Biometrie is het meten en statistisch analyseren van de unieke fysieke en gedragskenmerken van mensen. De technologie wordt hoofdzakelijk gebruikt voor identificatie en toegangscontrole of voor het identificeren van personen die onder toezicht staan. Het uitgangspunt van biometrische verificatie is dat iedere persoon nauwkeurig kan worden geïdentificeerd aan de hand van intrinsieke fysieke of gedragskenmerken. Voorbeelden van het identificeren van fysieke kenmerken zijn gezichtsherkenningstechnologie en vingerprinttechnologie. Gedragsidentificatoren omvatten de unieke manieren waarop personen handelen, met inbegrip van herkenning van typepatronen, muis- en vingerbewegingen, patronen in het gebruik van websites en sociale media, loopbewegingen en dergelijke.

Black box AI verwijst naar een AI-systeem waarbij de interne operaties van het systeem niet transparant zijn voor de gebruiker of een andere belanghebbende partij. Een black box is, in algemene zin, een ondoorzichtig systeem.

Extra informatie:
Deep learning modellering wordt uitgevoerd via black box-ontwikkeling: Het algoritme neemt miljoenen datapunten als input en correleert specifieke datakenmerken om een output te produceren. Dat proces is grotendeels automatisch en is over het algemeen moeilijk te interpreteren voor datawetenschappers, programmeurs en gebruikers. Wanneer de werking van software die voor belangrijke operaties en processen binnen een organisatie wordt gebruikt, niet gemakkelijk kan worden bekeken of begrepen, kunnen fouten onopgemerkt blijven tot ze problemen veroorzaken die zo groot zijn dat een onderzoek noodzakelijk wordt; de veroorzaakte schade kan dan soms erg moeilijk te herstellen blijken.

Blockchain is een technologie voor het bijhouden van registers. Het is ontworpen om het onmogelijk te maken het systeem te hacken of o, de erop opgeslagen gegevens te vervalsen, waardoor het veilig en onveranderlijk wordt.

Extra informatie:
Blockchain is een soort gedistribueerde registertechnologie (Distributed Ledger Technology), een digitaal systeem om transacties en aanverwante gegevens op meerdere plaatsen tegelijk vast te leggen. Elke computer in een blockchainnetwerk onderhoudt een kopie van het grootboek (ledger), en alle kopieën worden gelijktijdig bijgewerkt en gevalideerd.

Blockchain wordt ook beschouwd als een soort database, maar verschilt wezenlijk van conventionele databases in de manier waarop het informatie opslaat en beheert. In plaats van gegevens op te slaan in rijen, kolommen, tabellen en bestanden zoals traditionele databases doen, slaat blockchain gegevens op in blokken die digitaal aan elkaar zijn gekoppeld. Bovendien is een blockchain een gedecentraliseerde database die wordt beheerd door computers die behoren tot een peer-to-peer netwerk, in plaats van een centrale computer zoals in traditionele databases.

Botnet is een portmanteauwoord van '(ro)bot' en 'netwerk'. Een (internet)bot is een softwaretoepassing die geautomatiseerde taken (scripts) via het internet uitvoert. Een botnet is een aantal (vaak met malware geïnfecteerde) met het internet verbonden apparaten, die elk een of meer bots draaien. Botnets kunnen worden gebruikt om onder andere Distributed Denial-of-Service (DDoS)-aanvallen uit te voeren, gegevens te stelen en spam te verzenden.

Een chatbot is een softwareprogramma dat kan communiceren of chatten met menselijke gebruikers via auditieve of tekstuele methoden door gebruik te maken van taal. Het heeft tot doel menselijke interacties te simuleren. Chatbots worden geprogrammeerd om onafhankelijk te functioneren, zonder menselijke tussenkomst. Ze maken gebruik van AI of algoritmische sequenties om gepersonaliseerde antwoorden te genereren of diensten aan te bieden op vraag van de gebruiker. Chatbots communiceren op een manier die vergelijkbaar is met instant messaging.

Cloud computing is een algemene term voor alles waarbij gehoste diensten, zoals softwareontwikkelingsplatforms, servers, opslag en software, via het internet worden geleverd.

Extra informatie:
Deze diensten worden onderverdeeld in drie hoofdcategorieën: infrastructure as a service (IaaS), platform as a service (PaaS) en software as a service (SaaS). Een cloud kan privaat of publiek zijn. Een publieke cloud biedt diensten aan aan iedereen op het internet. Een private cloud is een eigen netwerk of een datacenter dat gehoste diensten levert aan een beperkt aantal mensen, met bepaalde toegangs- en machtigingsinstellingen. Privaat of publiek, het doel van cloud computing is gemakkelijke, schaalbare toegang te bieden tot computermiddelen en IT-diensten.

Hoe werkt cloud computing?
Cloud computing werkt door gebruikers via het internet toegang te geven tot gegevens van externe servers, databases en computers. Een internetnetwerkverbinding verbindt de front-end (het toestel van de gebruiker, de browser, het netwerk en cloudsoftwaretoepassingen) met de back-end, (databases, servers en computers). De back-end fungeert als een opslagplaats, waar gegevens worden opgeslagen die door de front-end worden geraadpleegd. De communicatie tussen de front-end en de back-end wordt beheerd door een centrale server. Deze centrale server vertrouwt op protocollen om de uitwisseling van gegevens te vergemakkelijken. De centrale server gebruikt zowel software als middleware om de connectiviteit tussen verschillende client-apparaten en cloud-servers te beheren. Doorgaans is er een speciale server voor elke afzonderlijke toepassing.

Computer vision is het studiegebied dat zich bezighoudt met de manier waarop computers digitale beelden en video's zien en begrijpen.

Extra informatie:
Computer Vision heeft een tweeledig doel. Vanuit biologisch-wetenschappelijk oogpunt tracht computervisie computermodellen ontwikkelen van het menselijke visuele systeem. Vanuit het oogpunt van de ingenieurswetenschappen wordt met computervisie geprobeerd om autonome systemen te bouwen die een aantal van de taken kunnen uitvoeren die het menselijke visuele systeem kan uitvoeren (en in vele gevallen zelfs overtreffen). Veel van deze taken houden verband met de extractie van 3D en temporele informatie uit in de tijd variërende 2D-gegevens, zoals die worden verkregen door één of meer televisiecamera's, en meer in het algemeen met het begrijpen van dergelijke dynamische scènes. De eigenschappen en karakteristieken van het menselijk visueel systeem geven vaak inspiratie aan ingenieurs die computervisiesystemen ontwerpen. Omgekeerd kunnen computervisie-algoritmen inzicht verschaffen in hoe het menselijk visueel systeem werkt.

Conversationele AI is elke technologie waar gebruikers tegen kunnen praten of typen en vervolgens een antwoord van krijgen. Traditionele chatbots, slimme assistenten en sommige soorten klantenservicesoftware zijn allemaal varianten van conversationele AI.

In deze context kan het gezien worden als geavanceerde communicatiesoftware die in de loop der tijd leert om interacties te verbeteren en te beslissen wanneer het dingen moet doorsturen naar een menselijke responder.

De sleutel tot conversationele AI is het gebruik van natural language understanding (NLU) als kernfunctie. Conversationele AI-toepassingen kunnen worden geprogrammeerd met uiteenlopende niveaus van complexiteit, wat resulteert in totaal verschillende eindproducten, die kunnen worden gebruikt als persoonlijke assistenten, om gesprekken tussen klanten en bedrijven te vergemakkelijken, en binnen bedrijven om activiteiten te automatiseren. Het eenvoudigste voorbeeld van een Conversationele AI-toepassing is een chatbot. De volgende maturiteitsniveaus van conversationele AI-toepassingen zijn virtuele persoonlijke assistenten, zoals Amazon Alexa, Apple's Siri, en Google Home. Virtuele klant/werknemer assistenten gebruiken nog meer geavanceerde conversationele AI-systemen die gespecialiseerd zijn in dialoogbeheer.

Conversational user interface (CUI) is een digitale interface die gebruikers in staat stelt met software te interageren volgens de principes van een gesprek tussen mensen. CUI is socialer en natuurlijker in die zin dat de gebruiker berichtjes 'stuurt', 'vraagt', 'instemt' of 'niet instemt' in plaats van 'navigeert' of 'bladert'. Chatbots en voice assistants maken gebruik van Conversational UI.

Een convolutioneel neuraal netwerk (CNN) is een specifiek type kunstmatig neuraal netwerk zogenaamde convolutional layers. Deze lagen stellen een filter voor die leert om relevante informatie uit de input laag te halen. CNN's worden toegepast bij beeldverwerking, natuurlijke taalverwerking en andere soorten cognitieve taken. Een convolutioneel neuraal netwerk is ook bekend als een ConvNet

Cookies zijn "minibestanden" op een apparaat dat is verbonden met het internet, zoals een computer, telefoon, tablet of smart TV. Cookies kunnen worden gebruikt om informatie te verzamelen of op te slaan over hoe een gebruiker gedraagt op een website en/of op het apparaat. Websites of apparaten 'lezen' deze cookies en gebruiken zo de informatie die erin wordt opgeslagen.

Extra informatie:
Wanneer je je op het net aanmeldt, wissel je elektronische berichten uit met de server die met het web verbonden is. Deze berichten bevatten headers en zijn nodig voor het goede verloop van de dialoog. Die headers bevatten minibestanden die zowel opgeslagen kunnen worden in je browser als op de server van de bezochte website. Oorspronkelijk was een cookie een minibestandje om de communicatie tussen jouw apparaat en de server van de website te vergemakkelijken. Ondertussen worden cookies gebruikt voor allerlei doelen: om de prestaties van de site te verbeteren, om het bezoekersaantal van de website te meten en statistieken te verzamelen, om de voorkeuren van de gebruikers op te slaan (zoals je taalkeuze), om een winkelmandje op te slaan, om gerichte reclame te kunnen versturen...

Cybersecurity is de bescherming van met het internet verbonden systemen, zoals hardware, software en gegevens, tegen cyberdreigingen.

Extra informatie:
AI en machine learning (ML) zijn cruciale technologieën geworden in de cybersecurity, omdat ze snel miljoenen gebeurtenissen kunnen analyseren en veel verschillende soorten bedreigingen kunnen identificeren - van malware die kwetsbaarheden misbruikt tot het identificeren van riskant gedrag dat kan leiden tot een phishingaanval of het downloaden van kwaadaardige code. Deze technologieën leren in de loop van de tijd en putten uit het verleden om nu nieuwe soorten aanvallen te identificeren. Door deze gedragshistorie bouwt het systeem profielen op van gebruikers, bedrijfsmiddelen en netwerken, waardoor AI afwijkingen van gevestigde normen kan detecteren en hierop kan reageren.

‘Data’ betekent letterlijk: een verzameling van gegevens. En dat kan van alles zijn: de uitstoot van auto’s, wat je liket op sociale media, de temperatuur van je woning, de frequentie van je hartslag, de gevolgde weg van je auto, het aantal klanten in een supermarkt, het aantal auto’s op een specifieke plaats, de concentratie fijn stof in je straat, het aantal uren dat je slaapt ...

Die gegevens worden meestal op één of andere manier

• verzameld,
• ergens opgeslagen,
• verwerkt,
• en gebruikt of gedeeld.

Een data broker is een bedrijf of organisatie dat informatie uit verschillende bronnen samenbrengt en verwerkt om ze te verrijken, op te schonen of te analyseren, en ze in licentie geeft aan andere organisaties.

Extra informatie:
Data brokers kunnen ook rechtstreeks licenties verlenen op de data van een ander bedrijf, of de data van een andere organisatie verwerken om hen verbeterde resultaten te bieden. De toegang tot de data gebeurt meestal via een API (Application Programming Interface), en vaak via contracten van het abonnementstype. Data worden doorgaans niet 'verkocht' (d.w.z. dat het eigendom ervan wordt overgedragen), maar veeleer in licentie gegeven voor bepaalde of beperkte toepassingen.

Datakolonialisme is het proces waarbij regeringen, NGO's en bedrijven eigendom opeisen van de data die door hun burgers en klanten worden geproduceerd en deze privatiseren.

Extra informatie:
Door de integratie van smartphones en andere draagbare technologieën in ons dagelijks leven worden nu op ongeziene schaal persoonlijke aspecten van ons leven verzameld. De 'producenten' van deze data worden echter vaak 'beroofd' van hun recht op eigendom en controle van deze bron. Deze onteigening kan bijvoorbeeld plaatsvinden via eindgebruikerslicentieovereenkomsten die de privatisering van gebruikersgegevens mogelijk maken.

Data governance is het proces van het beheren van de beschikbaarheid, bruikbaarheid, integriteit en veiligheid van de data in bedrijfssystemen, op basis van interne datastandaarden en een beleid dat ook het gebruik van de data controleert.

Extra informatie:
Effectieve data governance zorgt ervoor dat data consistent en betrouwbaar zijn en niet worden misbruikt. Dit wordt steeds belangrijker nu organisaties te maken krijgen met nieuwe regelgeving op het gebied van dataprivacy en steeds meer vertrouwen op data-analyses om de bedrijfsvoering te optimaliseren en de besluitvorming te sturen. Zonder effectieve data governance is het mogelijk dat inconsistenties in data in verschillende systemen binnen een organisatie niet worden opgelost. Bijvoorbeeld namen kunnen anders worden vermeld in verkoop-, logistieke en klantenservicesystemen. Dat kan de data-integratie bemoeilijken en problemen met de data-integriteit veroorzaken die de nauwkeurigheid van business intelligence, enterprise reporting en analytische toepassingen beïnvloeden.

Een data lake is een opslagplaats die een enorme hoeveelheid onbewerkte data in hun oorspronkelijke formaat bewaart tot ze nodig zijn.

Extra informatie:
Terwijl een hiërarchisch data warehouse gegevens opslaat in bestanden of mappen, gebruikt een data lake een platte architectuur om gegevens op te slaan. Elk data-element in een data lake krijgt een unieke identifier en wordt getagged met een reeks uitgebreide metadatatags. Wanneer zich een specifieke vraag vanuit een organisatie zoals een bedrijf voordoet, kan het data lake worden bevraagd voor relevante gegevens, en die kleinere set gegevens kan dan worden geanalyseerd om de vraag te helpen beantwoorden.

Datageletterdheid is de individuele kennis, vaardigheden en attitudes die nodig zijn om actief, creatief, kritisch en bewust data te gebruiken en te begrijpen.

Extra informatie:
Datawijsheid omvat twee grote competentieclusters:

• Data gebruiken of de kennis, vaardigheden en attitudes om de data zelf actief en creatief aan te wenden
  • interpreteren: een grafiek, een tabel, een lijst gegevens kunnen lezen en begrijpen wat die willen zeggen
  • navigeren: je weg vinden in een verzameling van verschillende soorten data en verwerkingen ervan en er de boodschap of wat je nodig hebt uit kunnen halen
  • verzamelen: zelf een proces om ruwe data te verzamelen kunnen opzetten en er een analyse van kunnen organiseren
  • presenteren: zelf de de resultaten van een data-analyse doelmatig kunnen voorstellen en visualiseren op maat van een publiek
    
• Data begrijpen of de kennis, vaardigheden en attitudes om de rol van data kritisch en bewust te benaderen
  • observeren: kunnen observeren hoe data gecommuniceerd en ingezet wordt.
  • analyseren: kunnen analyseren wat de gevolgen individueel en maatschappelijk zijn van de manier waarop data gecommuniceerd en ingezet wordt
  • evalueren: kunnen evalueren of die gevolgen schadelijk of constructief zijn
  • reflecteren: kunnen reflecteren over hoe de manier waarop anderen of jezelf data communiceren en inzetten moet worden aangepast om de schadelijke gevolgen te minimaliseren

Data mining is het proces waarbij relevante correlaties, patronen en tendensen worden ontdekt door grote hoeveelheden in databanken opgeslagen data te doorzoeken.

Extra informatie:
Data mining is een oudere (en nu verwante) subcategorie van machinaal leren en AI die zich bezighoudt met grote datasets. Het maakt gebruik van patroonherkenningstechnologieën met statistische en wiskundige technieken om zakelijke trends te voorspellen en nuttige patronen te vinden. Een onderdeel van data mining, textmining, analyseert documenten met tekstanalyse, door inhoud automatisch te classificeren in ontologieën die gemakkelijk kunnen worden doorzocht.

Data- en textminingtechnieken omvatten:

• Profilering: Karakteriseren van normen en opsporen van anomalieën
• Datareductie: Vervanging van een grote dataset door een kleinere verzameling die veel van de belangrijke informatie uit de grotere verzameling bevat, om verwerking en analyse te vergemakkelijken
• Associatie: Associatie en leren, zonder toezicht, om relaties te vinden tussen studie-elementen op basis van transacties waarbij ze betrokken zijn.
• Clustering: Het groeperen van elementen door gedeelde kenmerken (bv. klantsegmentatie)
• Self-organizing maps: Analyseren van clusters met behulp van neurale netwerkmethoden

Elke verwerking (of geheel van verwerkingen) die wordt uitgevoerd op persoonsgegevens (persoonlijke 'data'). Het verzamelen, registreren, bewaren, raadplegen, wijzigen, meedelen, organiseren, onderling verbinden, vernietigen van persoonsgegevens zijn voorbeelden van gegevensverwerking.

Een Data Protection Impact Assessment (DPIA) is een proces om een organisatie te helpen de gegevensbeschermingsrisico's van een project te identificeren en te minimaliseren. De AVG (GDPR) vereist (in artikel 35) dat (data)verwerkingsverantwoordelijken een Data Protection Impact Assessment (DPIA) opstellen voor operaties die 'waarschijnlijk een hoog risico inhouden voor de rechten en vrijheden van natuurlijke personen'.

Extra informatie:
Over het algemeen vergroot consequent gebruik van DPIA's het bewustzijn rond privacy- en gegevensbeschermingskwesties binnen een organisatie. Het zorgt er ook voor dat alle relevante medewerkers die betrokken zijn bij het ontwerpen van projecten (al) in de vroege stadia nadenken over privacy en een 'gegevensbescherming door ontwerp'-aanpak hanteren.

Datasoevereiniteit verwijst in het algemeen naar overheidsinspanningen om te voorkomen dat gegevens van hun burgers in verkeerde handen vallen. Dit doen ze via maatregelen die de manier beperken waarop bedrijven persoonlijke informatie buiten hun landsgrenzen kunnen doorgeven. Die maatregelen kunnen de vorm aannemen van regelgeving, zoals de General Data Protection Regulation (GDPR) in de Europese Unie, die de privacy van gegevens in de Europese Unie en de Europese Economische Ruimte regelt, evenals de overdracht van persoonsgegevens uit die regio's. Een ander voorbeeld is de California Consumer Privacy Act (CCPA), die burgers het recht geeft te weten welke persoonsgegevens bedrijven over hen verzamelen en hoe die worden gebruikt en gedeeld.

Een data warehouse is een online opslagarchitectuur die is ontworpen om data op te slaan uit transactiesystemen, operationele gegevensopslag en externe bronnen. Het data warehouse combineert die gegevens in een geaggregeerde, samengevatte vorm die geschikt is voor bedrijfsbrede data-analyse en rapportage voor vooraf gedefinieerde bedrijfsbehoeften.

Extra informatie:
Data lakes en data warehouses worden beide veel gebruikt voor de opslag van big data, maar het zijn geen onderling verwisselbare termen. Een data lake is een enorme pool van ruwe gegevens, waarvan het doel nog niet is gedefinieerd. Een data warehouse is een opslagplaats voor gestructureerde, gefilterde gegevens die reeds zijn verwerkt voor een specifiek doel.

Decentralisatie is de verschuiving van controle, planning en besluitvorming van een centrale, gezaghebbende entiteit (bv. individu, groep) naar een gedistribueerd netwerk.

In de context van de blockchain maakt decentralisatie de peer-to-peer-transactie van digitale activa mogelijk, gekoppeld aan het onomkeerbaar traceren van de informatie en de geschiedenis van transacties en eigendom van deze activa. In de context van het Metaversum is dit het idee dat het Metaversum niet zal worden gereguleerd of geleid door één enkel bedrijf, persoon of instantie.

Dit proces creëert voordelen zoals redundantie (d.w.z. het vermijden van een single point of failure), transparantie en garanties voor de betrouwbaarheid van gegevens door de bestanden te verspreiden over de vele knooppunten in het gedistribueerde computernetwerk.

Een beslissingsboomalgoritme brengt verschillende beslissingen en hun waarschijnlijke impact op een eindresultaat op een visuele manier in kaart. Beslissingsbomen classificeren variabelen en voorspellen variabelen op basis van beslissingen uit het verleden.

Extra informatie:
Een beslissingsboom is een techniek voor supervised learning met een vooraf gedefinieerde doelvariabele, die meestal wordt gebruikt bij classificatieproblemen. Het uiteindelijke doel is een voorspellend model te creëren dat waarnemingen over een steekproef kan nemen (de takken) en nauwkeurige conclusies kan trekken over de streefwaarde van de steekproef (de bladeren).

Deep learning is een vorm van machinaal leren die het mogelijk maakt om computersystemen te verbeteren met ervaring en data. Het is een iteratieve benadering van AI waarbij machinelearningalgoritmen in een hiërarchie van toenemende complexiteit en abstractie worden gestapeld. Elk diepgaand leerniveau wordt gecreëerd met kennis die is opgedaan in de voorgaande laag van de hiërarchie. De eerste laag van een beeldherkenninsalgoritme kan bijvoorbeeld gericht zijn op het leren over kleurpatronen in trainingsgegevens, terwijl de volgende laag zich richt op vormen. Uiteindelijk zal de hiërarchie lagen hebben die zich richten op verschillende combinaties van kleuren en vormen, waarbij de bovenste laag zich richt op het eigenlijke object dat wordt hertekend. Deep learning is momenteel de meest geavanceerde AI-architectuur die wordt gebruikt.

Deepfake is een vorm van AI die wordt gebruikt om overtuigende nagemaakte afbeeldingen, audio en video te maken. De term, die zowel de technologie als de resulterende nepinhoud beschrijft, is een samenvoeging van deep learning en fake.

Extra informatie:
Hoewel analoge en digitale vervalsingen niet nieuw zijn, maken deepfakes gebruik van krachtige technieken van machinaal leren (ML) om visuele en visuele en audio-inhoud te manipuleren of te genereren met een hoog potentieel om te misleiden. Het fenomeen dankt zijn naam aan een anonieme gebruiker van het platform Reddit, die de naam "deepfakes" (deep learning fakes) gebruikte en die de eerste deepfakes deelde door onwetende beroemdheden in pornovideo's te plaatsen.

Een denial-of-service-aanval (DoS-aanval) is een cyberaanval waarbij de dader probeert een machine of netwerkbron onbeschikbaar te maken voor de beoogde gebruikers door tijdelijk of voor onbepaalde tijd de services van een host (die met internet is verbonden) te onderbreken. Denial-of-Service wordt meestal bereikt door de beoogde machine of bron te overspoelen met overbodige verzoeken in een poging het systeem te overbelasten en op die manier te voorkomen dat sommige of alle legitieme verzoeken/handelingen worden uitgevoerd.

Differential privacy is een set wiskundige technieken om big data analyses te doen zonder individuele gegevens bloot te geven. De techniek voegt namelijk een statistische 'ruis' (random data) toe aan de individuele gegevens vooraleer deze worden doorgestuurd.

Extra informatie:
Differentiële privacy is een strenge wiskundige definitie van privacy. In de eenvoudigste situatie wordt uitgegaan van een algoritme dat een dataset analyseert en er statistieken over berekent (zoals het gemiddelde, de variantie, de mediaan, de modus van de gegevens, enz.). Van een dergelijk algoritme wordt gezegd dat het differentieel privé is indien aan de hand van de output niet kan worden vastgesteld of de data van een individu al dan niet in de oorspronkelijke dataset waren opgenomen. Met andere woorden, de garantie van een differentieel privaat algoritme is dat het gedrag ervan nauwelijks verandert wanneer een enkel individu de dataset betreedt of verlaat. Deze garantie moet gelden voor elk individu en elke dataset.

De digitale kloof verwijst naar de kloof tussen individuen, huishoudens, bedrijven en geografische gebieden op verschillende sociaal-economische niveaus, zowel wat betreft hun mogelijkheden om toegang te krijgen tot informatie- en communicatietechnologieën (ICT) als wat betreft hun gebruik van het internet voor een breed scala van activiteiten.

Een digitale tweeling is een virtuele weergave van objecten, processen en personen in de echte wereld, gesynchroniseerd met een bepaalde frequentie en getrouwheid. Eenvoudigweg: Je stopt er informatie in - kiest hoe je die informatie wilt zien - drukt op play en ziet de resultaten. Het is een manier om gegevens te gebruiken om verschillende scenario's visueel in kaart te brengen zonder overweldigd te worden door cijfers. Het heeft de potentie om organisch te zijn - hoe meer informatie je het geeft, hoe meer de digitale tweeling zal blijven evolueren, groeien en zich aanpassen.

Disaster recovery is het strategisch plan waarmee een bedrijf kritieke functies kan behouden of hervatten nadat een negatief incident heeft plaatsgevonden, zoals een cyberaanval, natuurramp, etc.

Distributed Denial-of-Service (DDoS) is een specifieke vorm van een DoS-aanval waarbij meerdere aanvalsystemen de bandbreedte of bronnen van een doelwitsysteem, meestal een of meer webservers, overspoelen. Een DDoS-aanval maakt gebruik van (veel) meer dan één uniek IP-adres of machines, vaak van duizenden hosts die zijn geïnfecteerd met malware (zie ook Botnet). Dit maakt het in feite onmogelijk om de aanval te stoppen door simpelweg één enkele bron te blokkeren.

Een distributed ledger (gedistribueerde database) is een digitale database voor het consensueel delen en synchroniseren van data die verspreid zijn over meerdere locaties, geografische gebieden of organisaties.

Deze consensus maakt het mogelijk dat transactieregisters door meerdere deelnemers tegelijk kunnen worden geraadpleegd, geauthenticeerd en bijgewerkt op een onveranderlijke manier.

De meeste organisaties of bedrijven gebruiken momenteel een gecentraliseerde database die zich op een vaste locatie bevindt. In tegenstelling tot een traditioneel gecentraliseerde database, is er geen centrale autoriteit of tussenpersoon in een gedistribueerde database, waardoor de kwetsbaarheid van een single point of failure wordt vermeden.

Ondernemingen gebruiken gedistribueerde grootboektechnologie om
transacties of andere vormen van gegevensuitwisseling te verwerken, te valideren of te authenticeren. Doorgaans worden deze bestanden pas in het grootboek opgeslagen wanneer de betrokken partijen consensus hebben bereikt. Alle bestanden in het gedistribueerde grootboek krijgen dan een tijdstempel en een unieke cryptografische handtekening.

Wat is het verschil tussen blockchain en een gedistribueerde database?

Bockchain is een vorm van een gedistribueerde database. In tegenstelling tot blockchain hoeft een gedistribueerde database niet noodzakelijk een datastructuur in blokken te hebben.

Tangle is een ander voorbeeld van gedistribueerde database-technologie. Tangle is meer gericht op Internet of Things-toepassingen.

Edge computing is computerverwerking bij of in de buurt van de bron van de data, in plaats van te vertrouwen op de cloud in een datacenter om de data te verwerken.

Extra informatie:
Bij edge computing worden rekenhulpbronnen, variërend van computers ter grootte van een creditcard tot microdatacenters, dichter bij informatiebronnen geplaatst om de netwerkvertraging en het bandbreedtegebruik te verminderen die doorgaans met cloud computing worden geassocieerd. Edge computing garandeert de continuïteit van de dienstverlening en de werking ondanks onderbroken cloudverbindingen.

Zelfrijdende auto's zijn een goed voorbeeld van edge computing. Vanwege vertraging, privacy en bandbreedte kunnen niet alle talloze data van sensoren van een zelfrijdende auto naar de cloud gestuurd worden tot er een reactie komt. Een reis met een zelfrijdende wagen kan dat soort vertraging niet verdragen, en zelfs als het zou kunnen, is het cellulaire netwerk te inconsistent om erop te vertrouwen voor dit soort werk.

(Facial) Emotion Recognition (FER) is de technologie waarmee gezichtsuitdrukkingen van zowel statische beelden zoals foto's als video's worden geanalyseerd om informatie over iemands emotionele toestand te onthullen.

Extra informatie:
Gezichtsemotieherkenning is een technologie die wordt gebruikt voor het analyseren van gevoelens aan de hand van verschillende bronnen, zoals foto's en video's. Zij behoort tot de familie van technologieën die vaak worden aangeduid als 'affective computing', een multidisciplinair onderzoeksgebied naar het vermogen van computers om menselijke emoties en affectieve toestanden te herkennen en te interpreteren, en bouwt vaak voort op technologieën van AI. Recentelijk hebben de sterke verspreiding van camera's en de technologische vooruitgang op het gebied van biometrische analyse, machinaal leren en patroonherkenning een prominente rol gespeeld in de ontwikkeling van de FER-technologie. FER-analyse omvat drie stappen:

• gezichtsdetectie
• detectie van gezichtsuitdrukkingen,
• classificatie van uitdrukkingen naar een emotionele toestand

Emotiedetectie is gebaseerd op de analyse van de posities van gezichtsmarkeringen (bv. neuspunt, wenkbrauwen). Bovendien worden in video's ook veranderingen in die posities geanalyseerd, om contracties in een groep gezichtsspieren te identificeren. Afhankelijk van het algoritme kunnen gezichtsuitdrukkingen worden ingedeeld in basisemoties (bv. woede, walging, angst, vreugde, droefheid en verrassing) of samengestelde emoties (bv. blij droevig, blij verrast, blij walging, droevig angstig, droevig boos, droevig verrast). In andere gevallen kunnen gezichtsuitdrukkingen worden gekoppeld aan fysiologische of mentale gemoedstoestand (bijv. vermoeidheid of verveling).

Potentiële toepassingen van FER bestrijken een breed scala van toepassingen, zoals bijvoorbeeld in de gezondheidszorg (opsporen van depressie of autisme), de arbeidssector (aanwerving) of het onderwijs (opsporen van betrokkenheid bij online leren). Vanwege de subjectieve aard van emoties is emotionele AI bijzonder vatbaar voor vooringenomenheid of bias.

Encryptie is de methode waarbij informatie wordt omgezet in een geheime code die de ware betekenis van de informatie verbergt.

Extra informatie:
In de informatica worden ongecodeerde gegevens ook wel klare tekst (plaintext) genoemd, en gecodeerde gegevens cijfertekst. De formules die worden gebruikt om berichten te coderen en te decoderen worden encryptie-algoritmen genoemd. Om doeltreffend te zijn, omvat een cijfer een variabele als onderdeel van het algoritme. De variabele, die sleutel wordt genoemd, maakt de output van een cijfer uniek. Wanneer een gecodeerd bericht door een onbevoegde wordt onderschept, moet de indringer raden welk cijfer de afzender heeft gebruikt om het bericht te coderen, alsmede welke sleutels als variabelen werden gebruikt. De tijd en moeite die het kost om deze informatie te raden, maakt encryptie zo'n waardevol beveiligingsmiddel.

Ethics by Design biedt een manier om ethische principes en procedures op te nemen in het ontwerp- en ontwikkelingsproces van AI-gestuurde systemen.

Extra informatie:
Veel AI-projecten krijgen pas te maken met ethische problemen nadat ze zijn geïntroduceerd en schade beginnen aan te richten. Ethics by Design is bedoeld om in de eerste plaats te voorkomen dat ethische problemen ontstaan, in plaats van te proberen te repareren nadat de schade is aangericht. Door proactief morele principes te gebruiken als vereisten van het systeem, de zogenaamde "ethische vereisten"; wordt voorkomen dat deze ethische problemen zich voordoen. Door de proactieve aard van het concept, zijn ethische eisen soms eerder van toepassing op ontwikkelingsprocessen en hulpmiddelen dan op het systeem dat geproduceerd is.

Explainable AI (XAI) onderzoekt methodes voor het analyseren of aanvullen van AI-modellen om de interne logica en output van algoritmen transparant en interpreteerbaar te maken, zodat deze processen voor de mens begrijpelijk en betekenisvol worden. XAI geeft algemene informatie over hoe een AI-programma een beslissing neemt door te onthullen:

• Wat de sterke en zwakke punten van het programma zijn
• Wat de specifieke criteria zijn die het programma gebruikt om tot een beslissing te komen
• Waarom een programma een bepaalde beslissing neemt in tegenstelling tot alternatieven
• Wat het niveau van vertrouwen is dat geschikt is voor verschillende soorten beslissingen
• Tot welke soorten fouten het programma vatbaar is
• Hoe fouten kunnen worden gecorrigeerd
  

Gezichtsherkenning is een toepassing die gebruik maakt van machine learning-technieken. De toepassing houdt zich bezig met het begrijpen hoe gezichten worden herkend door biologische systemen en hoe dit kan worden nagebootst door computersystemen.

Extra informatie:
Biologische systemen maken gebruik van ogen om aan te sluiten bij een bepaalde omgeving waarin de agent leeft. Op dezelfde manier maken computersystemen gebruik van verschillende visuele apparaten om gezichten vast te leggen en te verwerken volgens de beste aanwijzingen voor elke specifieke toepassing. Deze sensoren kunnen videocamera's zijn (b.v. een camcorder), infraroodcamera's, of onder andere 3D-scans.

Dankzij gefedereerd leren kunnen algoritmen voor machinaal leren ervaring opdoen met een breed scala aan datasets die zich op verschillende locaties bevinden.

Extra informatie:
Traditioneel machinaal leren omvat het centraliseren van de trainingsgegevens op één machine of in een datacentrum.. Het nadeel van deze architectuur is dat alle gegevens die door lokale apparaten en sensoren worden verzameld, naar de centrale server worden teruggestuurd om te worden verwerkt, en vervolgens weer naar de apparaten worden teruggestuurd. Dit rondzendproces beperkt het vermogen van een model om in real-time te leren. Federated learning (FL) daarentegen is een aanpak waarbij het huidige model wordt gedownload en een bijgewerkt model wordt berekend op het apparaat zelf (zoals edge computing) met gebruikmaking van lokale gegevens. Deze lokaal getrainde modellen worden dan van de apparaten teruggestuurd naar de centrale server waar ze worden samengevoegd en dan wordt één geconsolideerd en verbeterd globaal model teruggestuurd naar de apparaten. Federated Learning maakt slimmere modellen, lagere latentie en minder stroomverbruik mogelijk, terwijl de privacy gewaarborgd blijft.

FLoC (Federated Learning of Cohorts) wordt momenteel door Google ontwikkeld en moet dienen als een alternatief voor cookies. Volgens Google is FLoC bedoeld om gebruikers extra online privacy te bieden en tegelijkertijd de onderliggende economie van Google AdSense te ondersteunen (een programma van Google waarmee uitgevers van websites in het Google-netwerk van contentsites advertenties in tekst, afbeeldingen, video of interactieve media aanbieden die zijn afgestemd op de inhoud van de site en het publiek).

Extra informatie:
In plaats van cookies te gebruiken om individuele gebruikers te volgen, creëert FLoC cohorten die bestaan uit duizenden groepen internetgebruikers met vergelijkbare surfgewoonten, zodat advertenties op een specifieke groep kunnen worden gericht. Google gebruikt vervolgens algoritmen voor machinaal leren om individuele browsers aan een cohort toe te wijzen. FLoC bekijkt periodiek de geschiedenis van de browser om te zien of de surfgewoonten van een gebruiker zijn veranderd en past de cohorttoewijzingen dienovereenkomstig aan.

Een filterbubbel betekent dat een internetgebruiker op het internet voor eenzelfde zoekterm andere zoekresultaten te zien krijgt vergeleken met andere gebruikers. De zoekmachine ‘filtert’ alle informatie voor de gebruiker en laat alleen zien wat bij de gebruiker zijn/haar voorkeuren past. Daardoor wordt de gebruiker geïsoleerd van andere resultaten.

We spreken over 'function creep' wanneer we de uitbreiding van een systeem of technologie buiten de oorspronkelijke doelstellingen willen omschrijven.

Extra informatie:

De functies van een systeem en de acties die het kan uitvoeren veranderen in de loop van de tijd. Function creep verwijst naar een specifiek soort verandering: de uitbreiding van de functionaliteit van een algoritmisch systeem, een afwijking van het oorspronkelijke doel en het feitelijke gebruik. Een systeem dat bedoeld is om de toegang van werknemers tot bedrijfsterreinen te reguleren, kan bijvoorbeeld worden hergebruikt om de aanwezigheid bij te houden of om te detecteren of werknemers mondmaskers dragen en afstand houden om de verspreiding van Covid-19 te voorkomen. Vaak wordt function creep in verband gebracht met mogelijke inbreuken op de privacy als gevolg van het gebruik van een algoritmisch systeem.

Sinds 25 mei 2018 geldt in de hele EU en de Europese Economische Ruimte (EEA) dezelfde privacywetgeving: de Algemene verordening gegevensbescherming (AVG). De AVG regelt wat er allemaal wel en niet mag met de persoonsgegevens van mensen en is van toepassing wanneer deze gegevens verwerkt worden.Iedereen die persoonsgegevens verwerkt, moet voldoen aan de nieuwe spelregels, maatregelen en voorschriften. Daarnaast bepaalt de AVG ook verschillende rechten die kunnen helpen om onze persoonsgegevens te beschermen.

Een generative adversarial network (GAN) is een machine learning (ML) model waarin twee neurale netwerken met elkaar concurreren om nauwkeuriger voorspellingen te doen. Het ene netwerk genereert een syntetisch voorbeeld dat gelijkaardig is aan de reële data terwijl het andere probeert te onderscheiden of een voorbeeld reëel of syntetisch is.

Bijkomende informatie:
Een generative adversarial network (GAN) is een machine learning (ML) model waarin twee neurale netwerken met elkaar concurreren om nauwkeuriger voorspellingen te doen. GAN's werken meestal zonder menselijk toezicht. Hun doel is het samenstellen van kunstmatige representaties, zoals afbeeldingen, die niet te onderscheiden zijn van authentieke afbeeldingen.

De twee neurale netwerken waaruit een GAN is opgebouwd worden de generator en de discriminator genoemd. Het doel van de generator is om kunstmatig outputs te vervaardigen die gemakkelijk voor echt kunnen worden aanzien. Het doel van de discriminator is te identificeren welke outputs hij ontvangt kunstmatig zijn gecreëerd. Vervolgens vinden er terugkoppelingen plaats tussen de tegenstrijdige netwerken. De generator zal output van hogere kwaliteit beginnen te produceren en de discriminator zal beter worden in het markeren van gegevens die kunstmatig zijn gecreëerd. Uiteindelijk zal de software voor content zorgen die bijna niet te onderscheiden is van de echte content. Een veelgebruikt voorbeeld van een GAN-toepassing is het genereren van kunstmatige beelden van gezichten door te leren van een dataset van gezichten van beroemdheden. Andere use cases zijn onder meer het omzetten van zwart-wit beelden in kleur, het genereren van een realistisch beeld van tekst, en het creëren van deepfake video.

GPT-1, GPT-2 en GPT-3 zijn taalmodellen die ontwikkeld zijn door OpenAI, een AI-onderzoekslaboratorium in San Francisco. Deze modellen kunnen verschillende natuurlijke taalverwerkingstaken (NLP) uitvoeren, zoals het beantwoorden van vragen, tekstuele interpretatie, tekstsamenvatting enz. GPT is een Recurrent Neuraal Netwerk dat getraind wordt zonder supervisie. De fine-tuning gebeurt wel onder toezicht. De taalmodellen hebben zeer weinig tot geen voorbeelden nodig om de taken te begrijpen. Een van de belangrijkste kenmerken is dat het model heel veel parameters heeft (GPT-3: 175 miljard parameters).

Een hacker gebruikt haar technische kennis van bugs of exploits om in computersystemen in te breken en toegang te krijgen tot gegevens die anders niet voor haar beschikbaar zouden zijn.

Extra informatie:
Als men in de media spreekt over hackers gaat het meestal over 'Black Hat' hackers, ook wel crackers genoemd. Dit zijn personen (of groepen) die slechte bedoelingen hebben en hun kennis gebruiken om illegaal toegang tot een systeem of data te verkrijgen met de intentie deze informatie te stelen, te verkopen en/of openbaar te maken. Daar tegenover staan 'White Hat' hackers, ook wel 'Ethische hackers'. Dit zijn personen (of groepen) die werken om gegevens te beschermen tegen andere hackers door kwetsbaarheden in systemen te vinden die kunnen worden verholpen. 'White Hats' worden meestal ingehuurd door de eigenaar van het systeem en worden doorgaans betaald voor hun werk. Hun werk is niet illegaal omdat het wordt gedaan met toestemming van de systeemeigenaar.

De AI HLEG is een groep experten samengesteld door de Europese Commissie om onderzoek te doen en advies te geven over de Europese AI-strategie. In 2019 hebben zij meerdere stukken opgeleverd over de ethische richtsnoeren voor AI, aanbevelingen voor beleid, een zelf-evaluatie checklist voor AI-ontwikkeling en aandachtspunten per sector. De ethische richtsnoeren en de checklist zijn gebaseerd op 7 vereisten (ook wel principes) voor betrouwbare AI die de groep heeft gedefinieerd.

Human Oversight houdt in dat AI onder supervisie staat van mensen. Dit kan betekenen dat mensen de beslissing die AI neemt bevestigen of afwijzen (zie ook Human-in-the-loop & Human-on-the-loop) en/of mensen die fouten in AI-algoritmen rapporteren/controleren/aanpassen.

Met een human-in-the-loop bevestigt (past aan/keurt af) een mens actief de uitvoering van acties of beslissingen die worden aanbevolen door een AI-systeem. Zie ook Human-on-the-loop.

Extra informatie:
Human-in-the-loop is het proces van het combineren van machine- en menselijke intelligentie om op de lange termijn de beste resultaten te behalen. Dit kan worden gebruikt tijdens de trainings- en testfasen van een AI-model om sneller en efficiënter modellen met een hogere nauwkeurigheid te maken, maar het is ook onmisbaar tijdens de implementatiefase. Vooral voor AI-modellen die in de echte wereld worden ingezet, is de kans zeer groot dat ze situaties tegenkomen die ze niet aankunnen omdat ze onder- of verkeerd vertegenwoordigd zijn in hun trainingsgegevens. In dergelijke gevallen zullen modellen menselijke tussenkomst vereisen, zodat mensen de voorspellingen van het AI-model kunnen verifiëren en die feedback kunnen verzenden om de door AI gegenereerde voorspelling te vervangen of om te worden gebruikt voor toekomstige hertraining en fine-tuning van het model.

Human-on-the-loop is een beslissingsproces waarbij mensen een toezichthoudende rol spelen en acties of beslissingen die door een AI-systeem worden genomen, kunnen tenietdoen. Het systeem voert onafhankelijk een proces uit, maar blijft onder realtime toezicht van een persoon die kan ingrijpen in de autonome beslissingen die de AI maakt.

Extra Informatie:
In militaire context, bijvoorbeeld bij het gebruik van drones, is het verschil tussen human-in-the-loop en human-on-the-loop dat bij human-on-the-loop de beslissing van het systeem autonoom wordt uitgevoerd als een mens niet tussenbeide komt. Bij human-in-the-loop worden er geen acties of beslissingen uitgevoerd als een mens niet actief de aanbeveling bevestigt, aanpast of afkeurt.

Zie 'X-as-a-Service (XaaS)'

Internet of Things (IoT) beschrijft het netwerk van fysieke objecten, 'dingen', die via sensoren, software en andere technologieën die gegevens verbinden en uitwisselen met andere apparaten en systemen via het internet

Een IP-adres, een afkorting voor Internet Protocol-adres, is een identificatienummer voor een (netwerk)apparaat dat op een netwerk is aangesloten. Net als een thuis- of bedrijfsadres dat een specifieke fysieke locatie voorziet van een identificeerbaar adres, worden apparaten in een netwerk van elkaar onderscheiden door middel van IP-adressen. Op deze manier kan een apparaat communiceren met andere apparaten via een IP-gebaseerd netwerk zoals het internet.

K-means clustering is een eenvoudige en elegante benadering voor het opdelen van een dataset in K verschillende, niet-overlappende clusters. Om K-means clustering uit te voeren, moeten we eerst het gewenste aantal clusters K specificeren; dan zal het K-means-algoritme elke waarneming toewijzen aan precies één van de K-clusters.

Extra informatie:
Het K-means-algoritme identificeert een bepaald aantal zwaartepunten binnen een dataset, waarbij een zwaartepunt het rekenkundig gemiddelde is van alle gegevenspunten die tot een bepaald cluster behoren. Het algoritme wijst vervolgens elk gegevenspunt toe aan het dichtstbijzijnde cluster terwijl het probeert de clusters zo klein mogelijk te houden (het 'gemiddelde' in K-means verwijst naar de taak om de gegevens te middelen of het zwaartepunt te vinden). Tegelijkertijd probeert K-means de andere clusters zo verschillend mogelijk te houden.

Zie Regulatory Sandboxing

De wettelijke basis van een dataverwerking geeft een persoon of organisatie het recht om persoonsgegevens te verwerken.

Extra informatie:
Er zijn 6 mogelijke wettelijke basissen voor dataverwerking:

• toestemming;
• contract;
• wettelijke verplichting;
• bescherming van de vitale belangen;
• algemeen belang;
• gerechtvaardigd belang.

Zonder één van deze basissen is een verwerking niet rechtmatig, dus niet toegestaan. Elke bewerking moet steunen op een wettelijke basis.

De term aansprakelijkheid betekent dat iemand aangesproken kan worden en de (negatieve) gevolgen dient te dragen van een gebeurtenis.

Extra Informatie:
De GDPR voorziet een hoofdelijke aansprakelijkheid ter bescherming van de personen die schade lijden ten gevolge van een inbreuk op de GDPR verordening. Dit betekent dat de betrokken aansprakelijke partijen allen persoonlijk instaan voor de volledige schade.

Een van de manieren om Machine Learning te omschrijven is het onderzoeksveld dat computers de mogelijkheid geeft om een taak te leren zonder hiervoor expliciet geprogrammeerd te worden. Een computer kan leren van data of door ervaring (zie ook 'Supervised Learning', 'Unsupervised Learning' en 'Reinforcement Learning'). Machine learning kan gebruikt worden om uit te leggen wat er gebeurt, om voorspellingen te maken of om suggesties te geven.

Malware (een portmanteauwoord van 'malicious' en 'software', ofwel kwaadaardige software) is software die opzettelijk is ontworpen om data te stelen en/of schade aan een computer, server, client of computernetwerk te veroorzaken. Er bestaat een grote verscheidenheid aan soorten malware waaronder computervirussen, wormen, Trojaanse paarden, ransomware en spyware.

Metadata is data die informatie geeft over andere data.

Extra informatie:
Voorbeeld: bij het maken van een digitale foto wordt niet enkel een bestand met afbeeldingdata (de foto) gecreeërd maar tegelijk wordt ook informatie rond o.a. het type camera, de ISO-waarden en, indien ingesteld, GPS-locatie opgeslagen. Deze informatie wordt metadata genoemd.

Een metaversum is een persistente en immersieve gesimuleerde wereld die voornamelijk wordt ervaren door grote groepen gelijktijdige gebruikers die een sterk gevoel van wederzijdse aanwezigheid delen. Het kan volledig virtueel zijn of het kan bestaan uit lagen van virtuele inhoud die over de echte wereld heen liggen (d.w.z. een augmented metaversum).

Het combineert de componenten van mobiele apparaten, sociale media, virtuele en augmented realities, online gaming, blockchain en cryptocurrencies om een meeslepende en interactieve online virtuele ervaring te creëren.

Het doel is een gedeelde ruimte te creëren waar gebruikers als avatars kunnen wonen en interageren met verschillende mensen op verschillende fysieke locaties.De metaverse wil de kloof tussen fysiek en virtueel overbruggen door de continuïteit van identiteit, objecten, geschiedenis, betalingen en rechten in de virtuele wereld te ondersteunen.

Microtargeting is een marketingstrategie waarbij gepersonaliseerde (reclame)boodschappen gecreëerd en uitgestuurd worden die de voorkeuren, interesses en persoonlijkheid van een individu weerspiegelen.

Extra informatie:

Microtargeting maakt gebruik van technologische ontwikkelingen om grote hoeveelheden (persoonlijke) online data te verzamelen om vervolgens deze digitale 'voetafdruk' van gebruikers te analyseren.

Zie 'Artificial Narrow Intelligence'

Natural Language Generation (NLG) is een subcategorie van Natural Language Processing (NLP). Bij NLG wordt AI gebruikt om de interactie en conversatie tussen computer en mens toegankelijker te maken en 'natuurlijker' te laten aanvoelen. Dit wordt gedaan door het simuleren van mens-tot-mens conversaties waarbij het algoritme gestructureerde gegevens (data) omzet naar voor mensen begrijpbare tekst die natuurlijk (niet-robotisch) aanvoelt.

Natuurlijke taalverwerking (NLP) verwijst naar de tak van AI die zich bezighoudt met het geven van de mogelijkheid aan computers om tekst en gesproken taal te begrijpen op vrijwel dezelfde manier als mensen dat kunnen.

Onderzoekers gebruiken computersoftware om een bepaalde taak uit te voeren door het analyseren van trainingsvoorbeelden en door het groeperen van gegevens op basis van gemeenschappelijke overeenkomsten. Net als de neurale knooppunten van een brein leren neurale netwerken in lagen en bouwen zij complexe concepten op uit eenvoudigere concepten. Zij splitsen taken op, identificeren objecten op een aantal verschillende niveaus, en passen die kennis toe op andere activiteiten. Met dit soort systemen kunnen computers leren en zich aanpassen aan veranderende omstandigheden, vergelijkbaar met de manier waarop een brein functioneert. Deep learning en veel van de meest prominente recente toepassingen van machinaal leren werken met behulp van neurale netwerken (bv. zelfrijdende auto's, deepfakes, ...).

Bij neuromorphic computing probeert men natuurlijke neurale netwerken die in biologische hersenen bestaan te emuleren. Een neuromorfe computer/chip is elk apparaat dat fysieke kunstmatige neuronen (gemaakt van silicium) gebruikt om berekeningen uit te voeren.

Extra informatie:
Neuromorphic computing is het gebruik van zeer grootschalige integratie (VLSI)-systemen die elektronische analoge circuits bevatten. Deze analoge circuits hebben als voordeel en kracht dat ze gemoduleerd kunnen worden om een continuüm van waarden weer te geven in plaats van (enkel) 0 (nul) of 1 (één), zoals bij traditionele computer(architectuur) het geval is. Voordelen hiervan zijn onder andere een drastische verhoging van de energie-efficiëntie en rekenkracht.

Een non-fungible token is een digitaal blockchain-gebaseerd certificaat dat uniek is en waarvan het eigendom, de details en de metadata publiekelijk verifieerbaar zijn.

Deze cryptografische tokens vertegenwoordigen unieke items zoals kunst, muziek, sportkaarten en zelfs onroerend goed.

Non-fungible betekent dat een voorwerp niet kan worden vervangen door een identiek voorwerp en dus niet onderling verwisselbaar is. Bijvoorbeeld, een bitcoin is fungible - ruil er een voor een andere
bitcoin, en je hebt precies hetzelfde. Een unieke ruilkaart is echter
niet fungible. Als je die inruilt voor een andere kaart, heb je iets
heel anders.

Open data zijn gegevens die vrij (her)gebruikt, bewerkt en opnieuw verspreid kunnen worden door iedereen.

Extra toelichting:
Een volledige definitie van 'open data' geeft meer precieze details over wat de term precies betekent.

• Beschikbaarheid en Toegankelijkheid: De data moet in zijn geheel beschikbaar zijn, en voor niet meer dan een redelijke productieprijs, bij voorkeur door middel van downloaden via het internet. De data moet ook beschikbaar zijn in een handige en modificeerbare vorm.
• Hergebruik en herverspreiding: de data moet aangeboden worden onder voorwaarden die hergebruik en herverspreiding toestaan, daarbij ook het samenvoegen met andere datasets inbegrepen.
• Universele deelname: iedereen moet kunnen gebruiken, hergebruiken en herverspreiden - er mag geen discriminatie bestaan tegen velden van een bepaalde onderneming, of tegen personen of groepen. Bijvoorbeeld, ‘niet-commerciële’ beperkingen die ‘commercieel’ gebruik voorkomen, of beperkingen voor het gebruiken van de data voor bepaalde doeleinden (e.g. alleen in het onderwijs), zijn niet toegestaan.

Open source software is software waarvan de broncode door iedereen bekeken, aangepast en verbeterd kan worden.

Persoonsgegevens zijn alle beschikbare informatie over een geïdentificeerde of identificeerbare persoon, rechtstreeks of onrechtstreeks, op basis van één gegeven of van een kruising van gegevens.

Extra informatie:
Persoonsgegevens zijn informatie over een persoon die kan worden gelinkt aan deze persoon, zoals een naam, een adres, een bankrekeningnummer, lokalisatiegegevens, enz.

Ook informatie die niet toelaat om een persoon rechtstreeks te identificeren (bv. een naam), maar wel onrechtstreeks (bv. een nummerplaat) is een persoonsgegeven. Ook als een persoon niet kan worden geïdentificeerd aan de hand van één gegeven (bv. de geboortedatum), maar wel aan de hand van een kruising van gegevens (een vrouw die in die bepaalde wijk woont en op die datum geboren werd), gaat het om een persoonsgegeven.

Zie 'X-as-a-Service (XaaS)'

Predictive policing is het voorspellen van crimineel gedrag en normoverschrijdend gedrag door middel van grootschalige monitoring en slimme data-analyse met als belangrijkste doel criminaliteit voorkomen.

Privacy by default is een onderdeel van privacy by design. Privacy by default houdt in dat alle standaardinstellingen van een toepassing altijd zo privacyvriendelijk mogelijk zijn.

Extra informatie:
De insteek bij dit principe is dat je vertrekt van privacyveilige instellingen en je waar nodig de privacyregels kunt versoepelen, bijvoorbeeld door op een sociaalnetwerksite foto’s te delen met meer mensen dan louter je familie. Een ander voorbeeld van privacy by default is een toepassing waar gevoelige persoonsgegevens in een apart tabblad verwerkt worden, zodat alleen dat tabblad extra beveiligd moet worden (bv. in het geval van een zorginstelling zijn deze gegevens dan alleen zichtbaar voor de begeleider van een patiënt).

Bij 'privacy by design' wordt bij elk proces en elke ontwikkeling vanaf de ontwerpfase nagedacht of en hoe deze invloed (kunnen) hebben op de manier waarop persoonsgegevens worden verwerkt. Op basis daarvan worden dan de nodige veiligheden in het proces of het product mee ingebouwd.

Elke vorm van geautomatiseerde verwerking van persoonsgegevens waarbij aan de hand van persoonsgegevens bepaalde persoonlijke aspecten van een natuurlijke persoon worden geëvalueerd, met name met de bedoeling zijn beroepsprestaties, economische situatie, gezondheid, persoonlijke voorkeuren, interesses, betrouwbaarheid, gedrag, locatie of verplaatsingen te analyseren of te voorspellen

Het evenredigheidsbeginsel dat is vastgelegd in de AVG is het beginsel dat stelt dat alleen gepaste, relevante en niet-overdreven persoonsgegevens, ten opzichte van het doel waarvoor ze worden verkregen, kunnen worden verwerkt.

Pseudonimisering versterkt de privacy door de meeste identificatievelden in een gegevensbestand te vervangen door een of meer kunstmatige identificatiemiddelen, of pseudoniemen. Er kan één pseudoniem zijn voor een verzameling vervangen velden of een pseudoniem per vervangen veld.

Extra informatie:
Pseudonimisering is de verwerking van persoonsgegevens op zodanige wijze dat de gegevens zonder aanvullende informatie niet meer aan een bepaalde betrokkene kunnen worden gekoppeld. Een voorwaarde is dat die aanvullende informatie gescheiden wordt bewaard en onderworpen is aan technische en organisatorische maatregelen om ervoor te zorgen dat zij niet aan een geïdentificeerde of identificeerbare persoon kan worden gekoppeld.

Quantum computing is een betrekkelijk nieuw gebied van de informatica waarbij gebruik wordt gemaakt van kwantumfysica om IT-problemen aan te pakken. Een processor die gebruik maakt van de principes van kwantumfysica kan aanzienlijk sneller en parallel vele berekeningen doen, waardoor die aanzienlijk sneller is.

In het domein van artificiële intelligentie wordt quantum computing ingezet om onderzoek te doen naar betere vormen van machinaal leren.

Extra informatie:
Een van de basiskenmerken van kwantumverwerking heeft betrekking op de eenheden die worden gebruikt. Bij een conventionele computer zijn deze eenheden bits, binaire waarden zijn. In kwantumcomputers en kwantumcomputermodellen zijn de basiseenheden kwantumbits, die niet enkel een nul- of een één-waarde kunnen hebben (zoals 'gewone' bits), maar een spectrum van probabilistische waarden tussen 0 en 1.

Een ander kenmerk van kwantumcomputers heeft betrekking op de commandostructuren. Een traditionele en lineaire computer heeft slechts één commando voor een gegeven toestand; dit commando wordt omschreven als deterministisch, terwijl bij quantum computing meer dan één reactie mogelijk is op een gegeven toestand. Die 'kwantumonzekerheid' is een fundamenteel aspect van het ontwerp van kwantumcomputers.

In de context van 'data mining' en data science zijn ruwe data de gegevens die doorgaans in grote volumes ongestructureerd van machines komen.

Ongestructureerde data zijn data die ongeordend zijn in bv. tabellen, waarvan de betekenis pas duidelijk wordt na een grondige analyse. De verwerking van deze gegevens is daarom moeilijk en kost veel tijd.

Ruwe data wordt gezien als het laagste niveau van zogenaamde 'datamaturiteit'. Om tot meer datamaturiteit te komen, moet de hoeveelheid data kleiner worden, onder meer door de data te structureren en ordenen (bv. door datawetenschappers of analisten).

Aanbevelingssystemen zijn systemen die informatie filteren om zo om te gaan met een overvloed aan informatie. Een aanbevelingssysteem filtert informatie uit een grote hoeveelheid dynamisch gegenereerde informatie op basis van gebruikersvoorkeuren, -belangen en -gedrag.

Een 'regulatory sandbox' is laboratoriumomgeving voor het testen van innovaties op een veilige manier, ingericht door een gegevensbeschermingsautoriteit.

In deze omgeving kunnen innovatieve producten, diensten, businessmodellen worden getest met behulp van persoonlijke gegevens van echte personen. Een 'regulatory sandbox' dient om innovaties te kunnen testen zonder in te boeten op vlak van gegevensbescherming en privacy. Doel is om het risico van nieuwe technologieën te beperken en sneller te achterhalen tot welke juridische uitdagingen de innovatie leidt.

Extra informatie:
In computertermen is een 'sandbox' een geïsoleerde omgeving om te testen of kwaadaardige software te verhinderen schade aan te brengen aan een computersysteem. Gekende voorbeelden zijn webbrowsers: telkens als een webpagina in een webbrowser wordt geopend, opent die in een 'sandbox' die beperkt wat de website kan doen.

Reinforcement learning is een gebied van machine learning. Hier wordt een AI-model getraind door correctie acties te belonen. Bij foute acties wordt het model 'gestraft'. Op basis van deze bekrachtingen en straffen leert het model wat goede en foute acties zijn. Zo kan het systeem leren wat de ideale actie is om de best haalbare prestatie te bekomen.

Andere gebieden van machine learning zijn o.a supervised learning; unsupervised learning en clustering.

Responsible AI of verantwoorde AI vertrekt van het idee dat AI-systemen gemaakt zijn door mensen en daarom bepaalde waarden in zich dragen en deze systemen een grote impact kunnen hebben op de samenleving. AI-technologie kan maatschappelijke risico's met zich meebrengen, om die te vermijden wordt er gestreefd naar het principe van 'responsible AI'. Het principe wordt wisselend ingevuld, doorgaans is hierbij aandacht voor zaken als databescherming, transparantie van het AI-model, rechtvaardigheid (bias), privacy, menselijke controle, accuraatheid.

De term wordt soms als synoniem gebruikt voor termen als 'trustworthy AI'. Deze begrippen verwijzen allen naar een maatschappelijk bewust gebruik van AI-technologie en zijn niet sterk van elkaar te onderscheiden.

Het domein dat zich toelegt op programmeerbare machines die fysieke handelingen kunnen uitvoeren.

De term robotica omvat een verzameling van interdisciplinaire activiteiten binnen de mechanische bouwkunde, elektrische bouwkunde en informatica. Samengevat heeft robotica te maken met het ontwerp, de constructie, de operatie en het gebruik van robots, alsook controle, sensorische feedback en informatieverwerking.

Robots worden gebruikt om menselijk prestaties uit te breiden en/of te vervangen. Doorgaans worden hierbij industriële robots onderscheiden van dienstverlenende robots, waarbij deze laatsten nog eens onderverdeeld worden in professionele en persoonlijke robotica.

Om tot een betrouwbaar AI-systeem te komen, moeten AI-systemen zich gedragen zoals voorzien en moeten ontwikkelaars vormen van onaanvaardbare schade zien te vermijden. Het AI-systeem moet met andere woorden 'robuust' zijn. Dit houdt in dat het AI-systeem a) weerbaar is tegen aanvallen en bedreigingen, b) beantwoordt aan algemene veiligheidsmaatregelen, c) nauwkeurig is en d) betrouwbaar is.

In het domein van AI kun je 2 types van intelligente systemen onderscheiden: regelgebaseerde AI en machine learning. Bij regelgebaseerde AI wordt de kennis van menselijke experten in een domein in als-dan regels gevat. De intelligentie die het systeem simuleert ligt in die regels vervat, de kennis van het systeem ligt vast.

Sentimentanalyse is het proces waarbij (vaak met behulp van NLP) in een tekst positieve of negatieve gevoelens worden gedetecteerd.

(Technologische) singulariteit duidt het hypothetische moment aan waarop computers met behulp van artificiële intelligentie slimmer worden dan de mens.

In een Smart City wordt informatietechnologie en het internet der dingen gebruikt worden om de stad te beheren en te besturen. Hierbij gaat het zowel om de administratie als om de voorzieningen zoals bibliotheken, ziekenhuizen, het transportsysteem en de nutsvoorzieningen.

Doel van een slimme stad is de levenskwaliteit te verhogen door de stad efficiënter te organiseren en de afstand tussen de inwoners en het bestuur te verkleinen. Alle onderdelen van de stad zijn verbonden via een netwerk van sensoren, internet en hoogstaande technologische apparaten met als motor het internet der dingen. Dit maakt niet alleen een beter bestuur mogelijk, maar laat het bestuur ook toe om de inwoners in de gaten te houden, wat meteen de keerzijde is van de smart city.

Smart data is Big Data (of een enorme hoeveelheid van data) die uitgezuiverd, gefilterd en gestructureerd werd zodat ze gemakkelijk te analyseren valt.

Zie 'X-as-a-Service (XaaS)'

Software is oorspronkelijk in een programmeertaal geschreven die voor mensen leesbaar en begrijpelijk is. Dit is de broncode. Computers kunnen deze broncode alleen maar gebruiken wanneer de broncode is vertaald naar een taal die begrijpelijk is voor een computer. Deze taal wordt ook wel machinetaal genoemd.

Speech Recognition maakt het voor computers mogelijk om gesproken taal te herkennen. Dit laat een gebruiker toe tekst in te voeren via een microfoon.

Statistical AI is een vorm van artificiële intelligentie met een inductieve aanpak. waarbij sterk gebruik wordt gemaakt van statistiek. Hierbij wordt meer gewerkt met 'waarschijnlijkheid' of probabilistische methodes. Deze vorm van AI is het resultaat van toegang tot grote hoeveelheden van data (big data), snellere computers en verbeterde algoritmes.

Gesuperviseerd leren is een vorm van machinaal leren. Bij machinaal leren kunnen computers beslissingen maken op basis van data zonder daartoe expliciet te zijn geprogrammeerd. Bij de gesuperviseerde vorm van machinaal leren zijn die data van variabelen al gelabeld. Er zijn voorspellende variabelen en doelvariabelen en het doel van dit model dat wordt gebouwd met gesuperviseerd leren is om een model te vinden om de doelvariabele te kunnen voorspellen.

In de context van AI verwijst de term 'surveillance' of 'toezicht' naar manieren waarop AI technologieën worden ingezet om een verhoogde controle op personen uit te voeren. Vaak gaat het om beeldherkenningstechnologie die bv. gebruik maakt van beelden van bewakingscamera's.

Zwermintelligentie verwijst naar het intelligente, collectieve gedrag van gedecentraliseerde 'systemen', vaak dieren zoals mieren, bijen en scholen van vissen. Hoewel er geen gecentraliseerde structuur is die het geheel coördineert en controleert, gedraagt de groep zich toch intelligent. Het principe wordt gebruikt bij AI, en wordt er gebruikt om het gedrag van menigtes te voorspellen en daarbij mogelijke problemen op te sporen.

Symbolic AI is een vroege vorm van AI die gebruik maakt van symbolen om de realiteit weer te geven en problemen via logica probeert op te lossen. Deze vorm van AI wordt ook 'klassieke AI' genoemd en probeert expliciet om menselijke kennis te vatten in regels en relaties.

Extra informatie:
Symbolische AI was dominant vanaf de jaren 1950 tot 1980. Het leidde tot de ontwikkeling van 'expertsystemen', de eerste succesvolle vorm van AI-software. Symbolische AI kan niet zelfstandig bijleren en kan alleen vertrekken van gegevens die de mens heeft ingevoerd. De methode bleek niet geschikt voor complexe problemen waarbij de regels en relaties niet duidelijk zijn.

Synthetische data zijn gegevens die kunstmatig zijn vervaardigd. Dit in tegenstelling tot reguliere data, die gegenereerd worden via gebeurtenissen in de echte wereld (bv. de registratie van gegevens via een smartwatch). Synthetische data worden algoritmisch gecreëerd en worden gebruikt als stand-in voor testdatasets van productie- of operationele gegevens, om wiskundige modellen te valideren en, in toenemende mate, om modellen voor machinaal leren te trainen.

De voordelen van het gebruik van synthetische data zijn onder andere het verminderen van beperkingen bij het gebruik van gevoelige of gereguleerde data (bv. in de gezondheidszorg) en het afstemmen van de databehoeften op bepaalde omstandigheden die niet kunnen worden verkregen met authentieke data.

Nadelen zijn onder meer inconsistenties wanneer wordt geprobeerd de complexiteit van de oorspronkelijke dataset te repliceren en het onvermogen om authentieke data volledig te vervangen, aangezien nauwkeurige authentieke data nog steeds nodig zijn om bruikbare synthetische voorbeelden van de informatie te produceren.

Zie 'Singularity'

Text mining is het geautomatiseerde proces waarbij grote hoeveelheden ongestructureerde tekst worden geanalyseerd om door de gebruiker gespecificeerde informatie op te sporen en te extraheren.

Extra informatie:
Text mining is het proces van het onderzoeken en analyseren van grote hoeveelheden ongestructureerde tekstgegevens met behulp van software die concepten, patronen, onderwerpen, trefwoorden en andere attributen in de gegevens kan identificeren. Het staat ook bekend als text analytics, hoewel sommigen een onderscheid maken tussen de twee termen; in die opvatting verwijst text analytics naar de toepassing die textminingtechnieken gebruikt om door gegevensreeksen te sorteren.

Tekst mining en text analytics helpen organisaties om potentieel waardevolle zakelijke inzichten te vinden in bedrijfsdocumenten, e-mails van klanten, call center logs, reacties op enquêtes, berichten op sociale netwerken, medische dossiers en andere bronnen van op tekst gebaseerde gegevens. In toenemende mate worden textminingmogelijkheden ook opgenomen in AI-chatbots en virtuele agenten die bedrijven inzetten om klanten geautomatiseerde antwoorden te geven als onderdeel van hun marketing-, verkoop- en klantenserviceactiviteiten.

Tijdreeksen zijn reeksen waarnemingen die met bepaalde tijdsintervallen worden gedaan om trends te bepalen, de toekomst te voorspellen en soms nog enkele andere analyses uit te voeren.

De analyse wordt uitgevoerd op basis van eerder waargenomen waarden en intervallen. Tijdreeksanalyse is echter niet alleen het verzamelen van gegevens in de loop van de tijd. Tijdreeksanalyse kan laten zien hoe variabelen over een bepaalde periode veranderen. Tijdreeksgegevens helpen toekomstige gegevens te voorspellen en te voorspellen op basis van historische gegevens.

Organisaties gebruiken tijdreeksanalyse om inzicht te krijgen in de systemische patronen en onderliggende oorzaken van trends in de tijd. Met behulp van datavisualisaties kunnen zakelijke gebruikers dieper ingaan op de vraag waarom deze trends zich voordoen.

Trainingsdata is een grote dataset die wordt gebruikt om een machinelearningmodel te trainen. Voor gesuperviseerde ML-modellen zijn de trainingsgegevens gelabeld. De gegevens die worden gebruikt om ongesuperviseerde ML-modellen te trainen, zijn niet gelabeld.

Extra informatie:
Het idee van het gebruik van trainingsdata in machinelearningprogramma's is fundamenteel voor de manier waarop deze technologieën werken. Deze trainingsgegevens zijn een eerste reeks gegevens die wordt gebruikt om een programma te helpen begrijpen hoe technologieën zoals neurale netwerken kunnen worden toegepast om te leren en verfijnde resultaten te produceren. Hierna kan met validatie- en testsets het model worden gevalideerd en finaal worden testen. Trainingsdata worden ook wel een training set, training dataset of learning set genoemd.

Transparantie is een eigenschap van een (AI-)toepassing en kan op verschillende manieren worden gedefinieerd.

Doorgaans spreekt men over transparantie in verband met de manier waarop aan de gebruiker uitleg wordt gegeven over algoritmische modellen en beslissingen. Het gaat daarbij over de traceerbaarheid en verklaarbaarheid van beslissingen die het systeem neemt, en de open communicatie over de beperkingen van het systeem.

Transparantie kan ook gaan over hoeveel er 'in theorie' kan worden begrepen van de innerlijke werking van een systeem. Namelijk: in welke mate is het systeem een black box waar geen begrip mogelijk is over de werking? Transparantie kan over een breder ideaal van 'openheid'.

Er zijn een aantal naburige concepten die soms als synoniem voor transparantie worden gebruikt, zoals 'uitlegbaarheid/explainability', 'interpreteerbaarheid' en 'begrijpelijkheid'.

Betrouwbare AI heeft drie aspecten:

• het AI-systeem moet wettig zijn, namelijk alle toepasselijke wet- en regelgeving wordt nageleefd;
• het systeem moet ethisch zijn, zodat ethische beginselen en waarden worden nageleefd, en;
• het systeem moet robuust zijn, zowel op technisch als sociaal vlak, zodat AI-systemen geen (onopzettelijke) schade berokkenen.

Elk aspect is noodzakelijk maar niet voldoende om tot een betrouwbaar AI-systeem te komen. Idealiter werken de drie aspecten in harmonie en overlappen ze elkaar. Als er spanningen zijn tussen de verschil aspecten, moeten ze op elkaar afgestemd worden.

De Turing Test werd in 1950 uitgevonden door computerwetenschapper Alan Turing en heeft mee de fundamenten gelegd van wat we nu AI noemen.

Het is een hypothetische test ter verduidelijking van de vraag of computers kunnen denken. De test gaat als volgt: Een persoon A en een ondervrager in een andere kamer gaan een dialoog aan door berichten te typen via een elektronische verbinding. Op een bepaald moment wordt A vervangen door intelligente software die menselijke antwoorden simuleert. Turing stelde dat als de overblijvende mens vrij is om diepgaande vragen te stellen maar niet in staat is om betrouwbaar vast te stellen of de antwoorden door een mens of een computer zijn gegenereerd, de computer de test heeft doorstaan.

Ongesuperviseerd leren is een vorm van machinaal leren. Bij machinaal leren kunnen computers beslissingen maken op basis van data zonder daartoe expliciet te zijn geprogrammeerd. Bij de ongesuperviseerde vorm van machinaal leren is de data niet gelabeld en probeert het structuur te vinden in de data.

Een spraakassistent is een programma dat een gebruiker toelaat om een toestel te gebruiken door middel van spraak. (zie ook speech recognition en voice recognition software)

Stemherkenning is een techniek in de computertechnologie waarbij gespecialiseerde software en systemen worden gecreëerd om de stem van een individuele spreker te identificeren, te onderscheiden en te authenticeren. Stemherkenning evalueert de biometrische kenmerken van de stem van een individu, zoals de frequentie en de stroming van de stem en het natuurlijke accent.

Extra informatie: Stemherkenningssystemen zijn in de eerste plaats ontworpen om de stem van de spreker te herkennen. Alvorens de stem van de spreker te kunnen herkennen, vereisen spraakherkenningstechnieken enige training, waarbij het onderliggende systeem de stem, het accent en de toon van de spreker leert kennen. Dit wordt meestal bereikt door middel van een reeks tekstuele woorden en uitspraken die de persoon moet uitspreken via de ingebouwde of externe microfoon. Stemherkenningssystemen zijn verwant aan spraakherkenningssystemen, maar eerstgenoemde identificeren alleen de spreker, terwijl laatstgenoemde kunnen begrijpen en evalueren wat er is gezegd.

Zie 'Artificial Narrow Intelligence'

Web3 is een verzamelnaam voor alles wat te maken heeft met de volgende generatie van het internet die een gedecentraliseerde digitale infrastructuur is. De eerste versie van het internet die door het publiek kon worden gebruikt, het World Wide Web, wordt Web 1.0 genoemd. Web 2.0 is het tijdperk van het internet als platform (denk aan Google of Facebook). Web3 verwijst naar een gedecentraliseerd online ecosysteem gebaseerd op de blockchain. Platforms en apps gebouwd op Web3 zullen niet het eigendom zijn van een centrale poortwachter zoals in Web 2.0, maar eerder van gebruikers, die hun eigendomsbelang verdienen door te helpen bij het ontwikkelen en onderhouden van deze diensten.

XaaS is een overkoepelend begrip dat verwijst naar verschillende 'as-a-Service'-producten, waarbij de 'X' staat voor de beginletters van de verschillende bestaande diensten.

In een traditionele IT-omgeving is de gebruiker of het bedrijf verantwoordelijk voor het inrichten en onderhouden van alle onderdelen die betrekking hebben tot IT, gaande van de fysieke hardware/apparatuur (servers, harde schijven,...) tot de software die gebruikt wordt. De bekendste 'as-a-Service'-producten zijn IaaS, PaaS en SaaS. Bij IaaS, PaaS en SaaS worden (onder)delen van de IT-infrastructuur als een dienst uit handen van het bedrijf gegeven en uitbesteed aan één of meerdere externe partners.

Extra toelichting:

• Infrastructure-as-a-Service (IaaS) is een vorm van cloudcomputing die fundamentele computer-, netwerk- en opslagbronnen on-demand, via internet en tegen betaling levert aan consumenten en bedrijven.
• Platform-as-a-Service (PaaS) bevat naast infrastructuur (servers, opslag en netwerken), ook middleware, ontwikkelingstools, business intelligence (BI)-services, databasebeheersystemen en meer. PaaS is ontworpen om de volledige levenscyclus van webapplicaties te ondersteunen: bouwen, testen, implementeren, beheren en bijwerken.
• Software-as-a-Service (SaaS) is de overkoepelde trap van PaaS en biedt een complete softwareoplossing die op pay-as-you-go-basis wordt aanschaft bij een cloudserviceprovider. Een software-applicatie of -platform wordt gehuurd voor een organisatie en de gebruikers maken er verbinding mee via internet, bv. met een webbrowser of (smartphone)app.