Methoden

RAAIT houdt zich bezig met het ontwikkelen en implementeren van AI-technologieën op een ethische en maatschappelijk verantwoorde manier. Het projectteam werkt hiervoor aan een nieuwe en inclusieve Responsible Applied AI-methodologie, waaruit tools en instrumenten ontstaan. Denk aan trainingen, impact-scans en programmeertechnieken.

Dit zogenoemde RAAIT-model is de kapstok om de diversiteit en complexiteit van Responsible Applied AI te kunnen beschrijven.

RAAIT-model

Het model bestaat uit drie abstractieniveaus om naar verantwoorde AI te kijken:

  1. Waarden
  2. Georganiseerde omgeving (context)
  3. Levenscyclus van de AI-toepassing

 

 

De verschillende niveaus laten zien op welke manieren er invloed uitgeoefend kan worden om het geheel meer verantwoord te maken.

RAAIT-model via drie lijnen

Waarden

 

De buitenste cirkel beschrijft de waarden die belangrijk zijn voor een RAAIT-praktijk. We onderschrijven daarbij ethische richtlijnen, waarin waarden als privacy, autonomie, eerlijkheid en inclusiviteit centraal staan. Deze lijst is voor ons niet uitputtend, aangezien we ook aandacht hebben voor stakeholders die (indirect) geraakt worden door AI-toepassingen en de ecologische impact van AI. Relevante thema’s zijn onder meer: mensen die buitengesloten worden, misstanden rondom crowdworkers en vervuiling en duurzaamheid. Ten slotte vinden wij het belangrijk dat de prioritering van waarden ook afhangt van de visie van de organisatie en het specifieke project of product.

Georganiseerde omgeving

 

De middelste cirkel gaat over de omgeving en de context van de RAAIT-praktijk. We hebben het over de invloedssfeer van de toepassingsgebieden (bedrijfssectoren) en de organisaties (of instituten) daarbinnen: wat kan er worden georganiseerd om een verantwoorde AI-praktijk te realiseren? Denk aan het beleid van een organisatie (o.a. financieel, governance-structuur, compliance, inkoopvoorwaarden), de mensen binnen een organisatie (o.a. training en opleiding, werving, cultuur, inclusiviteit en diversiteit), en ook technische/praktische zaken die een organisatie kan regelen, bijvoorbeeld rondom datamanagement, beschikbaarheid van tooling en infrastructuur.

AI-toepassing

 

De binnenste cirkel gaat over de levenscyclus van de AI-toepassing: van het ontwerp tot de evaluatie en het onderhoud van het model. We richten ons grotendeels op het team van ontwikkelaars dat aan een AI-oplossing werkt: wat doen zij of kunnen zij doen in de alledaagse praktijk om de AI-applicatie ten aanzien van potentiële gebruikers, de maatschappij en de planeet meer verantwoord te maken? Hierbij wordt onder meer gekeken naar de AI-technologie die in het product gebruikt wordt: aan welke eisen moet een specifieke oplossing voldoen, en hoe zorgen we ervoor dat de oplossing vervolgens ook aan die vereisten blijft voldoen?