Wat is bias in AI? Uitleg van discriminatie door algoritmes
Cursussen › Cursus 7 · AI & de samenleving
Bias in AI is geen mening of kwade wil — het is een systematische scheefheid in trainingsdata of modelleerprincipes die leidt tot ongelijke uitkomsten voor verschillende groepen. Als een gezichtsherkenningssysteem slechter presteert bij mensen met een donkere huid, of een sollicitatiealgoritme vrouwen systematisch lager scoort, dan is bias de oorzaak.
Die scheefheid is vaak onbedoeld en moeilijk zichtbaar, juist omdat de uitkomsten statistisch correct lijken voor de gemiddelde gebruiker. In deze module leer je hoe bias ontstaat, hoe je het herkent en waarom het bestrijden ervan meer is dan simpelweg de "gevoelige variabelen" weghalen.
In deze module leer je
- Wat bias in AI is en hoe het verschilt van willekeurige fouten
- Hoe vooroordelen uit trainingsdata of meetmethoden terechtkomen in een model
- Waarom bias moeilijk te detecteren is en waarom "neutrale" data zelden bestaat
- Welke aanpakken er zijn om bias te meten en te beperken
Veelgestelde vragen
Bias in AI is een systematisch patroon waarbij een model bepaalde groepen mensen anders behandelt dan andere — niet door toeval, maar door scheefheden in de trainingsdata, de opzet van het model of de manier waarop succes wordt gemeten.
Bias kan ontstaan als trainingsdata bepaalde groepen over- of ondervertegenwoordigt, als historische ongelijkheid is ingebed in de data, of als de doelstelling van het model een proxy is voor een gevoelig kenmerk. Ook de keuze van de evaluatiemaatstaf speelt mee.
Volledig elimineren is onrealistisch, omdat elke dataset een weerspiegeling is van de wereld met al zijn ongelijkheden. Wel is het mogelijk om bias te meten, transparant te maken en te verkleinen — maar dat vereist bewuste keuzes in ontwerp en evaluatie.
Deze module zit in de cursus AI & de samenleving. Module 1 van AILogica is gratis.
Meer uit deze cursus: Privacy en jouw data · Deepfakes en desinformatie · AI-veiligheid, alignment en de AGI-vraag