Waarom is dit belangrijk?
Met een gegevensverzameling kunnen computers patronen in teksten en beelden leren en daarna nieuwe inhoud met dezelfde eigenschappen maken. Generatieve toepassingen in de samenleving, van geschreven tekst tot programmacode, hangen af van het soort gegevens waarmee ze zijn getraind. Onevenwichtige gegevens kunnen vooroordelen versterken, bijvoorbeeld doordat beelden vaker mannen als arts en vrouwen als verpleegkundige tonen, terwijl trainingsgegevens ook persoonsgegevens kunnen bevatten.
Zo werkt het in de praktijk
De gemeente Amsterdam traint een model op een gegevensverzameling uit Amsterdam-Oost om lantaarnpalen te vinden. Het testen gebeurt onder meer in Weesp. De gemeente Ede laat een model de WOZ-waarde schatten op basis van woning- en locatiekenmerken.
Onderzoekers bestuderen de verspreiding van virussen met een synthetische bevolking als gegevensverzameling. DUO gebruikt synthetische gegevens wanneer echte gegevens niet mogelijk of niet wenselijk zijn. Organisaties oefenen in het Federatief Datastelsel met fictieve gegevens voor gegevensuitwisseling.
In het Algoritmekader, een overheidsmethode voor algoritmes, splitsen teams een gegevensverzameling in trainings-, validatie- en testgegevens. Het model leert op de trainingsset. De AI-verordening, de Europese regels voor AI, eist voor systemen met hoog risico datasets die bij het doel passen.




