Welke vragen kan ik stellen?

Voor betrouwbare AI is het cruciaal dat de gebruikte data van goede kwaliteit zijn. Als de data niet goed zijn, kan een algoritme ook geen goede analyse doen. We zeggen vaak: ‘garbage in, garbage out’.

Hoe weet je of de data ‘goed’ zijn? Dit hangt af van het doel van het algoritme. Data die voor de ene toepassing geweldig zijn, zijn misschien voor een andere toepassing nutteloos. Vandaar de vraag: waar komt de data vandaan? Meer informatie over de manier waarop de data verzameld is en waar deze representatief voor is, helpt je bepalen of het algoritme van betekenis kan zijn voor jouw doel. Je kunt een algoritme zien als een recept en de data als de ingrediënten. Als je cake wilt maken heb je eieren nodig. Waar komen de eieren vandaan? De kleur van de eieren maakt voor het recept niet uit, of ze nou wit zijn of bruin. Maar of het gaat om kippeneieren, kwarteleieren of struisvogeleieren is wel relevant. Zou je doel zijn om geschikte eieren te vinden om te verven, dan is kleur juist wel relevant en maakt de grootte juist minder uit.

Het algoritme voert eigenlijk alleen een serie instructies uit. Als de instructies niet kloppen, klopt de uitkomst ook niet. Vandaar de vraag: wat wordt er met de data gedaan? Of met andere woorden: welke instructies heeft het algoritme meegekregen?

Instructies zijn gebaseerd op menselijke keuzes en aannames. De makers van het algoritme moeten de gemaakte keuzes kunnen uitleggen. Bij een simpel algoritme met een beperkt aantal variabelen is dat relatief eenvoudig. De makers geven regels en instructies mee die het algoritme gebruikt. Bij een zelflerend algoritme is het al een stuk lastiger. In dit geval geven de makers niet de instructies mee, maar laten ze het algoritme zelf uitzoeken welke variabelen samen de uitkomst geven. Toch maken ook hier de makers bepaalde keuzes. Ze trainen namelijk het algoritme met verschillende datasets en kiezen daarmee wat het algoritme wel en niet kan ‘leren’. Ze kunnen niet zien hoe het algoritme leert, maar bepalen wel de kwaliteit, robuustheid en representativiteit van de data.

Met AI is het mogelijk om zeer grote hoeveelheden data te analyseren en patronen te herkennen. De volgende stap is om te bepalen wat er met de uitkomst gedaan kan worden. Welke keuzes kun je maken op basis van de gebruikte bron en analyse? Vandaar de vraag: hoe worden bron en analyse gebruikt?

Als je op het punt staat om op de fiets te stappen, dan is een weersvoorspelling die zegt dat er vandaag 10 mm regen zal vallen niet erg nuttig. Jij wilt een voorspelling van de exacte tijd en locatie van een bui. Maar voor een tuinder is juist die hoeveelheid regen veel belangrijker en is de tijd van de bui minder relevant. Voor verschillende doelen zullen dus verschillende algoritmes bruikbaar zijn. Het is daarom belangrijk om na te gaan of de uitkomst past bij het doel waarvoor het algoritme gebruikt wordt. Door te vragen naar hoe data en analyse passen bij de uitkomst, krijg je meer inzicht in hoe goed het algoritme werkt in het bereiken van je doel.