Détails
- 3 Sections
- 9 Lessons
- 3 Days
Expand all sectionsCollapse all sections
- Dag 1: Basisprincipes van AI, Mensenrechten en Ethiek (7 uur)3
- 1.1Introductie tot AI, ethiek en mensenrechten (1,5u) Wat is Artificial Intelligence (AI) en hoe beïnvloedt het de maatschappij? Ethische principes in AI: rechtvaardigheid, transparantie, verantwoordelijkheid. Case studies: Facebook, Google, predictive policing en gezichtsherkenning.
- 1.2Impact van algoritmes op mensenrechten en privacy (2,5u) Hoe algoritmes beslissingen beïnvloeden in financiën, gezondheidszorg en justitie. Privacyrisico’s en de rol van GDPR en AI Act. Casusanalyse: AI-besluitvorming en de gevolgen voor burgers.
- 1.3Bias en discriminatie in AI-systemen (3u) Wat is bias? Hoe ontstaat het in data en modellen? Hoe detecteer en minimaliseer je discriminatie in AI? Praktijkoefening: Analyse van bias in een AI-model en het ontwikkelen van een correctiestrategie.
- Dag 2: Impact Assessment Mensenrechten en Algoritmes (IAMA) – Praktische Implementatie (7 uur)3
- 2.1De IAMA-methodologie en juridische kaders (2u) Hoe voer je een Impact Assessment Mensenrechten en Algoritmes (IAMA) uit? Overzicht van wettelijke kaders: GDPR, AI Act, Digital Services Act. Praktische case: Hoe een IAMA op te zetten voor een AI-project?
- 2.2Risicoanalyse en naleving van regelgeving (2,5u) Hoe risico’s van AI-gebaseerde besluitvorming in kaart te brengen? Privacy by Design en Privacy Enhancing Technologies (PET). Praktijkoefening: Opstellen van een risicobeoordeling voor een algoritmisch besluitvormingssysteem.
- 2.3Verantwoorde AI en ethische governance binnen organisaties (2,5u) Hoe een ethisch AI-beleid implementeren? Verantwoordelijkheid en accountability van AI-systemen. Praktijkoefening: Ontwerpen van een AI-governance framework voor een organisatie.
- Dag 3: Transparantie, Audit en Beleid voor Verantwoorde AI (7 uur)3
- 3.1Uitlegbaarheid en transparantie in AI-systemen (2u) Hoe AI-beslissingen interpreteerbaar maken voor gebruikers? Explainable AI (XAI) en technieken voor uitlegbaarheid. Praktische case: Beoordelen van transparantie in een AI-model.
- 3.2AI-beveiliging en ethische hacking van algoritmes (2u) Hoe AI-systemen kunnen worden aangevallen en gemanipuleerd? Beveiligingsmaatregelen tegen adversarial attacks en deepfakes. Praktijkoefening: Simuleren van een aanval op een AI-model en mitigatie.
- 3.3Eindopdracht: Opstellen van een AI Impact Assessment en beleidsvoorstel (3u) Deelnemers ontwikkelen een volledig AI Impact Assessment. Presentatie en peer review van implementatieplannen. Afronding en discussie over best practices.
Impact van algoritmes op mensenrechten en privacy (2,5u) Hoe algoritmes beslissingen beïnvloeden in financiën, gezondheidszorg en justitie. Privacyrisico’s en de rol van GDPR en AI Act. Casusanalyse: AI-besluitvorming en de gevolgen voor burgers.
Suivant
