Kwaliteit boven kwantiteit: Minder data, meer privacy en intelligentie

Een gebruikelijke aanname tegenwoordig is dat hoe meer data je systemen tot hun beschikking hebben, hoe intelligenter ze zullen zijn. Dit is echter niet altijd het geval. De manier waarop we data benaderen moet veranderen. Het is nodig dat de focus af gaat van kwantiteit, en komt te liggen op kwaliteit.

Faceter: Een gedecentraliseerd systeem voor videobewaking en -analyse

Videobewaking kan ingezet worden voor uiteenlopende doeleinden, zoals voor het opnemen van misdaden en het handhaven van de openbare orde, maar ook voor het inschatten van de menigte dichtheid in stadions en op vliegvelden, voor het monitoren van de efficiëntie van advertenties, voor het analyseren van verkeersopstoppingen, en voor het informeren over ongelukken, noodgevallen, etcetera. … Lees verder Faceter: Een gedecentraliseerd systeem voor videobewaking en -analyse

Axon gebruikt voorlopig geen gezichtsherkenning in politie bodycams

Bodycam bedrijf Axon uit Arizona deed afgelopen jaar iets ongebruikelijks voor een technologiebedrijf. De organisatie heeft een ethische adviesraad van externe experts samengesteld om richting te bieden wat betreft potentiële nadelen van zijn technologie. Afgelopen donderdag publiceerde de raad een rapport waarin zij het bedrijf aanraden gezichtsherkenningstechnologie niet te implementeren op zijn bodycams, die veel gebruikt worden door de Amerikaanse politie, gezien de ethische problemen en technologische beperkingen die dit met zich meebrengt. Axon zegt dat dergelijke externe ethische adviesraden nieuw zijn onder technologiebedrijven, en dat zij hopen dat andere bedrijven de ethische roadmap die zij ontwerpen kunnen nastreven.

Computing verhuist van de cloud naar de edge

Onze fysieke wereld verandert in intelligente omgevingen, maar de huidige IT architecturen zijn niet ontworpen om intelligentie overal te ondersteunen. Wat er nodig is, is een architecturale transformatie en een vernieuwde focus op hardware. De oplossing is edge computing.

Vooroordelen elimineren voor eerlijke algoritmen

Data-driven tools worden steeds belangrijker bij het maken van onder meer zakelijke en maatschappelijke beslissingen. Om tot eerlijke beslissingen te komen is het nodig dat de algoritmen onbevooroordeeld en nauwkeurig zijn. Helaas blijkt dat algoritmen niet (altijd) betere voorspellingen doen en minder bevooroordeeld zijn dan de mens. Gelukkig kunnen we stappen nemen om algoritmen te verbeteren en vooroordelen te elimineren.