Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Bias (in AI)

Engels: Bias (in AI) · Ook wel: AI bias, algorithmic bias, algoritmische bias, machine bias

In het kort

Vooringenomenheid in AI (bias) is een patroon waarbij een systeem groepen mensen stelselmatig bevoordeelt of benadeelt. Anders dan software met vaste regels leert zo'n model van trainingsgegevens en neemt het scheve of onvolledige patronen uit die gegevens over in nieuwe uitkomsten. Een systeem dat sollicitaties beoordeelt, kan kandidaten uit een bepaalde groep daardoor vaker afwijzen, omdat eerdere selecties die groep minder vaak kozen.

Waarom is dit belangrijk?

Het herkennen van vooringenomenheid in AI maakt het mogelijk om ongelijke uitkomsten vroeg te zien en systemen gericht bij te sturen. In de zorg ondersteunen zulke systemen medische beslissingen, maar gegevens die vooral van één groep komen, kunnen anderen minder goed bedienen. Patiënten lopen dan het risico op een minder passend advies, en zorgverleners zien die ongelijkheid niet altijd direct.

Zo werkt het in de praktijk

De politie wees met het Criminaliteits Anticipatie Systeem plekken aan met kans op inbraak. De Algemene Rekenkamer signaleerde daar ontbrekende controle op vooringenomenheid en een risico op scheve data door eerdere controles. De AI-verordening noemt systemen voor kredietwaardigheid hoog risico, want zij beïnvloeden toegang tot geld of huisvesting.

Het Amerikaanse NIST onderzoekt of gezichtsherkenning groepen even goed herkent. Bij een test met algoritmen van bedrijven liepen de fouten meestal uiteen, ook bij pasfoto’s. Het instituut deelt die uitkomsten met beleidsmakers en ontwikkelaars.

De AI-verordening koppelt vooringenomenheid aan datagovernance, een werkwijze om trainingsgegevens te controleren. Datasets voor training en tests moeten relevant en voldoende representatief zijn. Zo moet een systeem met een hoog risico geen bron van verboden discriminatie worden.

Gecontroleerd op 23 oktober 2026