De aantrekkingskracht van goed en kwaad

Alles kan voor goed en kwaad worden gebruikt - zo ook AI. En dat is nu precies wat Timo zo enorm fascineerde dat hij data science instapte. Die lichte en duistere kanten van AI hebben namelijk zulke uiteenlopende gevolgen.

‍De lichte kant van AI is bijvoorbeeld het verbeteren van processen, door handmatig werk te automatiseren. In de laatste jaren heeft dat al voor enorm veel veranderingen gezorgd in de manier waarop we werken en leven. 

Dat wil niet zeggen dat AI alles beheerst. Er zijn nog steeds veel gebieden waar, vaak door geldgebrek, weinig AI ingezet wordt.

‍Bij de duistere kant komt de manipulatieve kracht van AI naar voren. Volgens Timo lopen de ethische vragen over AI dan ook dramatisch achter op de razendsnelle ontwikkelingen op dit gebied.

Dat terwijl de algoritmes met de dag sneller en intelligenter worden. 

‍Timo’s missie

‍Er is dus veel werk aan de winkel om mensen hierover te informeren. Door op een duurzame en ethische manier zijn kennis over AI en natuur te delen hoopt Timo bij te dragen aan het inlopen van die ethische achterstand. 

Dankzij zijn gestructureerde, academische  aanpak en uitgebreide kennis weet hij zowel beginnende als ervaren data scientists van a tot z te boeien. Elk leermoment en de hoeveelheid aandacht per onderwerp is van te voren uitgedacht om studenten verder te helpen.

‍Timo vindt het jammer dat AI tegenwoordig te snel als black box wordt gezien. Eentje waarvan de werking niet transparant is en die een resultaat produceert dat je maar voor lief moet nemen.

Om dat te tegen te gaan ziet Timo een gezonde trend ontstaan: een toenemend aantal studies naar explainable AI ofwel de studie naar de werking van zelflerende modellen. Hij ziet een goede evaluatiemethode en een kritische blik dan ook als onmisbaar.

‍AI en de mens

‍Daarnaast is ook het menselijke, communicatieve aspect bij het oplossen van een dataprobleem essentieel. Natuurlijk zijn een computer en algoritme noodzakelijk om een dataprobleem op te lossen. Maar volgens Timo kan je het als data scientist uiteindelijk niet alleen doen. Je moet jezelf open durven stellen voor nieuwe informatie en advies van anderen. Dat betekent communiceren over het probleem met anderen, nieuwe informatie vinden of externe bronnen raadplegen.

Als voorbeeld noemt hij de open source beweging. Een vrijplaats voor developers van de wetenschap, bedrijfswereld, universiteiten en geïnteresseerden die samen talloze problemen oplossen.