• Super Vision
  • Posts
  • Het gevaar van (niet) algoritmisch denken - Super Vision #34

Het gevaar van (niet) algoritmisch denken - Super Vision #34

Hi 👋

Vorige week behandelde ik hier zeven dingen we kunnen leren van de politiedeepfake van Sedar Soares.

Deze week is het tijd voor de volgende tip: leer algoritmisch denken als creatieve maker.

In het boek The Art of AI geven we veel voorbeelden van niet-programmeurs die wel met code werken en zich een coding manier van denken hebben aangeleerd - het algoritmisch denken.

Ja, dat moet!

Waarom ook jij algoritmisch moet gaan denken? Nou, het vergroot je creatief vermogen, het verbetert je gesprekken met teamleden en het benut meer van de mogelijkheden die je anno 2022 hebt.

Als dat al niet genoeg reden voor je is, dan is het wel belangrijk voor de mensen om je heen. Want met die nieuwe vaardigheid kun je het beter over data hebben, over de geselecteerde voorbeelden daarin en de mogelijke vooroordelen daarbij (bij jou, bij je teamleden, bij je baas en bij je eindgebruikers).

Mooi voorbeeld

Iemand die al algoritmisch denkt en werkt, is journalist Jerry Vermanen. Hij is gestart met onderzoek naar algoritme-inzet bij sollicitaties. Heb jij of ken jij iemand met ervaring hiermee? Help Jerry dan met zijn onderzoek (zie verderop).

In deze editie heb ik drie tips voor je:

  • praktisch: hoe je je algoritmisch denken traint;

  • persoon: een professional peer die met algoritmen werkt;

  • project: een voorbeeld van non-coders die algoritmisch leerden denken en werken.

Veel leesplezier en tot volgende week. Laat me weten wat je vindt van deze nieuwsbrief: 👍🏽, 👎🏾 of vrije invoer.

Hartelijke groet, Laurens

1. Praktische tip: leer algoritmisch denken.

Je hoeft geen code te kunnen schrijven om deze te kunnen begrijpen.

Ik schreef het al eerder in deze nieuwsbrief, en wijde er ook een artikel aan voor Villamedia. Door je te bekwamen in algoritmische geletterdheid, zo zegt ook computationeel journalist Nicholas Diakopoulos, kun je problemen en oplossingen zo formuleren dat ze (door anderen) in code te vatten zijn.

Maar waarom dan?

Algoritmisch denken helpt om te bepalen of het vraagstuk waaraan je werkt zich leent om er AI voor in te zetten of niet. Zo leer je ook welke problemen je prima met gewone algoritmen (regel-gebaseerde heuristieken) oplost en wanneer machine learning uitkomst biedt.

Bedenk maar eens welke stappen je nodig hebt om een mens (of computer) te instrueren bij het ordenen van je boekenkast. Dat kan op alfabet, op kleur of op genre bijvoorbeeld. Voor twee van deze drie sorteringen heb je geen AI of ML nodig. Wel een algoritme.

Er zijn nog veel meer redenen. Lees die in dit artikel:

Je krijgt het antwoord van een kunstmatige gesprekspartner, GPT-3-text-davinci-001 (OpenAI), en drie menselijke: Marlies van der Wees (DPG Media), Tessel Bogaard (NRC Media) en Vincent Koops (RTL Nederland).

Handige vuistregels

ML zet je vooral in bij routinematige taken waarvan je de schaal en snelheid wilt vergroten én waarvoor te veel uitzonderingen zijn om er regels voor te schrijven. Denk aan het dagelijks doen van persoonlijke muziekaanbevelingen aan duizenden gebruikers of het transcriberen en vertalen van tientallen Engelse gesproken teksten naar het Nederlands, Duits en Frans tegelijk.

Algoritmisch kunnen denken helpt je ook wanneer je

  • onderzoek doet naar algoritme-gebruik,

  • samenwerkt met algoritmen en ML-modellen,

  • met anderen werkt die ze bouwen of willen bouwen.

Wat betreft dat laatste: wie denkt dat het een goed idee is om sollicitanten te laten voorselecteren middels een algoritme of ML-model, moet even doorlezen.

2. Persoon: Jerry Vermanen

Afgewezen door een algoritme. Ken je dat? Nee, dit gaat niet over Tinder. Journalist Jerry Vermanen (KRO-NCRV) is bezig met het opzetten van een nieuw onderzoek over kunstmatige intelligentie, algoritmen en games tijdens sollicitaties. Hij doet een oproep in zijn nieuwsbrief Klikdinges:

'Onlangs kreeg ik een tip van iemand die zich enorm benadeeld voelt na een sollicitatie. Deze persoon moest een spelletje spelen en werd daar op gescoord. Onterecht, volgens de tipgever. En uit het verhaal blijkt ook dat er iets grondig mis is met deze manier van solliciteren. Daarom zoeken we nu naar meer ervaringen. Ben jij tijdens een sollicitatie eens beoordeeld door een algoritme? Is jouw CV door een geautomatiseerd script gelezen? Of moest je spelletjes spelen terwijl je een gesprek verwachtte? Dan ben ik benieuwd naar jouw ervaring.'

Automatische keuzeprocessen spelen ook in Nederland een steeds grotere rol in solliciteren.

3. Project: Objective or Biased (Bayerische Rundfunk)

Uit een exclusieve data-analyse van datajournalisten van de BR (Beierse omroep) blijkt dat een AI-systeem voor persoonlijkheidsbeoordeling kan worden beïnvloed door uiterlijke kenmerken. Dit kan stereotypen in stand houden en mogelijk kandidaten de baan kosten.

Naast het artikel van de BR, tip ik je ook nog deze videoregistratie van een interessant gesprek tussen journalisten over dezelfde vraag:

Hoe onderzoek je algoritmes die levensveranderende beslissingen nemen?

Hoe onderzoek je algoritmes die levensveranderende beslissingen nemen? Onderzoeksjournalisten met ervaring in AI gingen erover in gesprek op het Internationale Journalistiek Festival in Perugia, afgelopen april.

Ze nemen je mee achter de schermen van hun verslaggeving over AI-systemen die worden gebruikt door politie, recruiters en in de gezondheidszorg.

✅ Dat was 'm weer. Tot volgende week. Vergeet je feedback niet 😉