Datamanagement: De hoeksteen van succesvolle AI

Dave Smith, head of GDPR Technology bij SAS UK & Ireland, legt uit hoe datamanagement de succes van AI-systemen onderbouwt.

AI is steeds meer in het dagelijks leven ingebed, maar misvattingen over de technologie kunnen wantrouwen aanwakkeren. Professor Jim Al‑Khalili, incoming president van de British Science Association, waarschuwt dat een publieke backlash vergelijkbaar met de vroege GM-debat kan ontstaan tenzij AI met grotere transparantie en publieke betrokkenheid wordt geleverd.

Naast vertrouwen, poseren onbeheerste autonome modellen een controle-risico. De 2010 Flash Crash, toen VS-marked 9% in 36 minuten instortten, benadrukte hoe algorithmic trading volatiliteit versterkte. Regulatorische scrutineeist nu dat gemonitord worden en hun outputs auditbaar zijn.

AI voor het goed gebruiken

Toegepast met verantwoordelijkheid, kan AI gezondheidszorg transformeren – kankerdetectie verbeteren door snelle beeldanalyse – of conservatie ondersteunen door wildsporen te identificeren. Het realiseren van deze voordelen vereist een framework dat eerlijkheid, verantwoordelijkheid, transparantie en uitlegbaarheid (FATE) waarborgt. In dit artikel richten we ons op de transparantie-pijler, die zwaar beïnvloed wordt door hoe data wordt beheerd.

AI's prestaties worden begrensd door de kwaliteit van zijn inputdata. Het bouwen van een AI-oplossing volgt typisch drie sleutelstages:

• Data cleansing – het verwijderen van irrelevante of foutieve records die het model kunnen biassen.
• Transformatie en verrijking – het samenvoegen van uiteenlopende bronnen en het creëren van afgeleide variabelen om het algoritme te voeden.
• Implementatie – het toepassen van het getrainde model op live data zodat beslissingen in realtime gemaakt kunnen worden.

Elke stage kan waarde toevoegen maar ook het resultaat veranderen. Bijvoorbeeld, outliers elimineren tijdens cleansing kan modelstabiliteit verbeteren voor de meerderheid van gevallen, maar het kan ook zeldzame maar cruciale signalen wissen. Dame Jocelyn Bell‑Burnell's ontdekking van pulsars in de jaren 1970 illustreert het gevaar van het weggooien van outliers – ze ontdekte een zwak signaal in één van de 100.000 datapunten, wat de wetenschappelijke significantie bewijs.

De data-reis

Datakwaliteit is ook vitaal om embarrassante fouten te voorkomen. In 2014 stuurde Bank of America een creditcard-aanbieding naar een ongeldige naam, "Lisa Is A Slut McXxxxxx", na gecorrupteerde data te hebben ontvangen van Golden Key International Honour Society. Rigoureuze validatie had de fout kunnen voorkomen.

Transformatie verplaatst data van hoog-genormaliseerde bronsystemen naar een enkele, platte tabel die door data scientists bevorzugd wordt. Deze stap omvat vaak het toevoegen van afgeleide variabelen en moet zorgvuldig geïmplementeerd worden om fouten te voorkomen die het model kunnen misleiden.

Implementatie is de finale stage die direct zakelijke resultaten beïnvloedt. Modellen hebben een eindige nuttige levensduur; vertraagde productie kan ze verouderen laten. Bovendien verbiedt GDPR Artikel 22 analytisch profileren op persoonlijke data zonder strikte voorwaarden zoals expliciete toestemming. Gecontroleerde implementatie levert een audit-trail die toont welke data het model voedde en welke analytics werden toegepast, wat regulatorische naleving waarborgt.

Kortom, robuust datamanagement is de fundering die AI in staat stelt betrouwbare, eerlijke en effectieve resultaten te leveren. Elk stap van dataverwerking begrijpen houdt transparantie – de kern van verantwoordelijke AI – in stand.

De auteur van deze blog is David Smith, head of GDPR Technology, SAS UK & Ireland.