De hype rond Artificiële Intelligentie en Machine Learning creëert hoge verwachtingen. Er wordt zwaar ingezet op software die uiteindelijk autonoom beslissingen moet gaan nemen en zich daarvoor baseert op moeilijk toegankelijke en complexe statistische gevolgtrekkingen uit grote hoeveelheden data. Dat gaat gepaard met enig risico: in alle stappen van ontwerp tot uitrol kunnen fouten sluipen die het eindresultaat grondig in de war kunnen sturen.
Naast de spectaculaire AI-succesverhalen van de laatste jaren waren er dan ook nogal wat even spectaculaire missers. In dit webinar belichten we die keerzijde: wat kan er allemaal mislopen in een AI-project en waar moet je allemaal op letten? Op de agenda staan onder andere: bias en fairness, adversarial attacks, explainability, alsook de bezorgdheden rond veiligheid, privacy en ethiek.
Bestanden
U kan inloggen om het volledig overzicht van bestanden te raadplegen.
- 🔒 slides.pdf (Enkel voor SAI leden)
Links
U kan inloggen om het volledig overzicht van links te raadplegen.
- 🔒 Opname (Enkel voor SAI leden)
