In Eindhoven staat een publiekslezing over kunstmatige intelligentie op de agenda. De bijeenkomst draait om wat AI is, wat het kan en waar het mis kan gaan. Doel is om inwoners, ondernemers en beleidsmakers laagdrempelig bij te praten. Aanleiding is de snelle opkomst van generatieve systemen zoals ChatGPT, Google Gemini en Microsoft Copilot, en de gevolgen van de Europese AI-verordening.
Publiekslezing maakt AI concreet
De lezing belooft een helder overzicht van de basis: wat algoritmen doen en hoe datamodellen leren. Kunstmatige intelligentie is software die patronen herkent in grote hoeveelheden gegevens en daar beslissingen of voorspellingen op baseert. Generatieve AI maakt nieuwe tekst, beeld of audio op basis van voorbeelden, zoals een samenvatting van een e-mail of een illustratie bij een artikel. Voorbeelden als ChatGPT (OpenAI), Gemini (Google) en DALL·E of Midjourney komen daarbij vaak ter sprake.
Bezoekers krijgen uitleg over hoe systemen worden getraind en waarom datafouten doorwerken in de uitkomst. Ook wordt ingegaan op zogeheten “hallucinaties”: antwoorden die plausibel klinken maar feitelijk onjuist zijn. De sprekers laten zien hoe je bronvermelding, factchecking en menselijke controle kunt inbouwen. Zo wordt duidelijk wanneer AI een hulpmiddel is, en wanneer menselijk oordeel nodig blijft.
Daarnaast wordt stilgestaan bij energieverbruik en kosten. Grote taalmodellen vragen veel rekenkracht, zeker bij training. Dat heeft gevolgen voor duurzaamheid en voor de portemonnee van organisaties die met AI aan de slag willen. De lezing bespreekt praktische opties, zoals kleinere modellen of het hergebruik van bestaande tools.
“Generatieve AI is software die nieuwe tekst, beeld of audio maakt op basis van voorbeelden, en dus niet alleen kiest uit bestaande zinnen of plaatjes.”
Voorbeelden voor inwoners en onderwijs
De praktijkvoorbeelden sluiten aan bij het dagelijks leven in de regio. Denk aan chatbots voor veelgestelde vragen bij een gemeente, of automatische samenvattingen van vergaderingen. In het onderwijs gaat het om schrijfondersteuning en feedback, met nadruk op transparantie richting leerlingen en docenten. In de zorg worden beslissingsondersteunende systemen uitgelegd als hulpmiddel, niet als vervanger van professionals.
De lezing benoemt ook wat nog niet goed werkt. Taalmodellen kunnen bevooroordeeld zijn als de trainingsdata scheef zijn. Beeldgeneratoren kunnen rechten van makers raken als ze zonder toestemming op beschermde werken zijn getraind. Daarom is bronkeuze, licentiebeheer en audit van data belangrijk, ook bij kleine pilots.
Voor lokale organisaties worden praktische stappen gedeeld: begin klein, stel duidelijke doelen en meet de uitkomst. Werk met een vaste set AI-richtlijnen voor personeel, inclusief wat wel en niet in een tool mag worden ingevoerd. Maak daarnaast een proces voor feedback en incidenten, zodat fouten snel zichtbaar en herstelbaar zijn. Zo blijft experimenteren veilig en verantwoord.
Privacy en AVG als basis
Privacy staat centraal, met de Algemene verordening gegevensbescherming (AVG) als uitgangspunt. De AVG vraagt om dataminimalisatie: gebruik niet meer persoonsgegevens dan strikt nodig is. Ook zijn passende beveiliging, logging en transparantie over het gebruik van AI verplicht. Bij inzet in publieke diensten is vaak een gegevensbeschermingseffectbeoordeling (DPIA) nodig.
De sprekers benoemen risico’s van het invoeren van gevoelige data in generatieve tools. Open, online systemen kunnen invoer soms opslaan voor modelverbetering, wat onwenselijk is voor vertrouwelijke informatie. Organisaties krijgen tips om dit te beperken, zoals het uitschakelen van log-opties, het kiezen van een zakelijk aanbod met contractuele garanties, of het draaien van een model op eigen infrastructuur. Ook komt versleuteling aan bod, zowel tijdens transport als in rust.
Voor burgers wordt uitgelegd hoe je herkent dat je met een bot spreekt en hoe je je rechten uitoefent. Dat zijn onder meer inzage, correctie en verwijdering van gegevens. De lezing benadrukt dat transparantie helpt om vertrouwen te behouden. Duidelijke taal en een zichtbare klachtprocedure horen daar bij.
Europese AI-verordening toegelicht
De Europese AI-verordening (AI Act) deelt systemen in risicoklassen in: onaanvaardbaar, hoog, beperkt en minimaal risico. Toepassingen met hoog risico, zoals biometrische identificatie in de openbare ruimte of systemen die over onderwijs en selectie beslissen, krijgen strenge eisen. Denk aan documentatie, risicobeheer, datakwaliteit, logging en menselijke controle. Marketingclaims over “volledige autonomie” zonder waarborgen gaan niet meer samen met de wet.
Voor generatieve AI gelden transparantieregels, zoals het labelen van AI-gegenereerde content en het beperken van auteursrechtinbreuk. Aanbieders moeten technische documentatie op orde hebben en mechanismen bieden tegen misbruik, bijvoorbeeld deepfakes. Voor organisaties in Nederland betekent dit nieuwe procedures, maar ook meer duidelijkheid over wat kan en mag. Dat helpt bij inkoop en toezicht.
Op het moment van schrijven treedt de wet gefaseerd in werking tussen 2025 en 2026. Publieke instellingen en mkb’ers krijgen zo tijd om aanpassingen te doen. De lezing bespreekt wat dit praktisch betekent voor gemeenten, scholen en zorginstellingen. Ook wordt verwezen naar hulp van toezichthouders en sectororganisaties.
Grenzen, bias en aansprakelijkheid
De bijeenkomst benoemt waar de grenzen van AI liggen. Modellen voorspellen op basis van patronen, niet op begrip zoals mensen dat hebben. Dat leidt tot fouten, vooral buiten de trainingsdata of in nieuwe situaties. Daarom blijft het belangrijk om beslissingen met impact te laten toetsen door een mens.
Bias, ofwel vertekening, krijgt extra aandacht. Ongelijke data levert ongelijke uitkomsten, bijvoorbeeld bij cv-selectie of kredietbeoordeling. De lezing laat zien hoe je dit test met representatieve datasets en hoe je corrigeert. Ook worden onafhankelijke audits en periodieke herbeoordeling besproken.
Aansprakelijkheid komt aan bod in eenvoudige taal. Wie is verantwoordelijk bij schade door een AI-beslissing? De organisatie die het systeem inzet draagt eindverantwoordelijkheid, en moet kunnen uitleggen hoe het besluit tot stand kwam. Dat vereist logbestanden, duidelijke rollen en een escalatiepad voor klachten.
Wat bezoekers meenemen
Bezoekers gaan naar huis met een praktische checklist. Formuleer het doel, kies het juiste model, en test vooraf op kwaliteit en bias. Houd een mens in de lus voor besluiten met gevolgen, en documenteer elke stap. Zet daarnaast een procedure op voor datalekken en incidenten rond AI-gedrag.
Ook is er aandacht voor transparantie naar klanten, studenten en patiënten. Label AI-gegenereerde content, en leg kort uit hoe het systeem werkt en wat de beperkingen zijn. Geef altijd een alternatief kanaal met een mens. Dat helpt om vertrouwen te houden, ook wanneer de technologie fouten maakt.
Tot slot worden bronnen gedeeld voor wie verder wil leren. Denk aan richtsnoeren van de Autoriteit Persoonsgegevens, Europese factsheets over de AI-verordening en open trainingsmaterialen. Zo kan het publiek na de lezing zelf aan de slag, met oog voor veiligheid en de regels. De kernboodschap: begin klein, denk na over risico’s, en blijf de mens centraal stellen.
