diff --git a/docs/onderwerpen/data.md b/docs/onderwerpen/data.md index 14161c4208..2500c04c24 100644 --- a/docs/onderwerpen/data.md +++ b/docs/onderwerpen/data.md @@ -53,6 +53,11 @@ Met verantwoord datagebruik voorkom je: * gebruik van data die niet rechtenvrij zijn, zoals teksten met auteursrechten * dat resultaten niet te reproduceren zijn, doordat de data niet goed is opgeslagen +### Bescherming van cruciale infrastructuurdata +Niet alleen persoonsgegevens, maar ook gegevens over de Nederlandse infrastructuur vragen om verantwoord datagebruik. Dit omvat zowel fysieke infrastructuur, zoals wegen, bruggen, tunnels en energievoorzieningen, als digitale infrastructuur, zoals datakabels en datacentra. + +Het ongecontroleerd delen of gebruiken van deze gegevens, bijvoorbeeld voor het trainen van buitenlandse AI-toepassingen, kan risico’s opleveren voor de nationale veiligheid en de continuïteit van vitale systemen. Overheden en organisaties moeten deze data goed [beveiligen](technische-robuustheid-en-veiligheid.md) en duidelijke [kaders opstellen](../voldoen-aan-wetten-en-regels/maatregelen/0-org-02-beleid_opstellen_inzet_algoritmes.md) om verantwoord gebruik te waarborgen. + ## Vereisten { data-search-exclude } diff --git a/docs/overhetalgoritmekader/soorten-algoritmes.md b/docs/overhetalgoritmekader/soorten-algoritmes.md index f1153c8ef9..73efdf0d25 100644 --- a/docs/overhetalgoritmekader/soorten-algoritmes.md +++ b/docs/overhetalgoritmekader/soorten-algoritmes.md @@ -37,7 +37,7 @@ Zelflerende technieken zijn in elk geval: * **Supervised learning (gecontroleerd leren)**: Je algoritme leert van gegevens die je labelt met informatie. Je biedt bijvoorbeeld foto’s aan met de labels: dit is wel een kat, dit is geen kat. Voorbeeld: [Virtuele assistent Gem](https://algoritmes.overheid.nl/nl/algoritme/virtuele-gemeente-assistent-gem-gemeente-tilburg/21511426). * **Unsupervised learning (ongecontroleerd leren)**: Je laat het algoritme zelf patronen en structuren ontdekken in ongestructureerde gegevens zonder labels. Je biedt bijvoorbeeld foto’s aan van dieren die het algoritme zelf moet groeperen. Voorbeeld: [Polis](https://algoritmes.overheid.nl/nl/algoritme/polis-provincie-zuidholland/14379550) voor participatieplatformen. -* **Reinforcement learning (bekrachtiginsleren)**: Het algoritme leert door straf en beloning. Het doel is zo hoog mogelijk scoren in zo min mogelijk tijd. Je geeft bijvoorbeeld punten als het algoritme foto’s sorteert die op katten lijken. Voorbeeld: [I-VRI](https://algoritmes.overheid.nl/nl/algoritme/intelligente-verkeersregel-installatie-ivri-bij-verkeerslichten-provincie-zuidholland/34151769) voor verkeerslichten. +* **Reinforcement learning (bekrachtiginsleren)**: Het algoritme leert door straf en beloning. Het doel is zo hoog mogelijk scoren in zo min mogelijk tijd. Je geeft bijvoorbeeld punten als het algoritme foto’s sorteert die op katten lijken. Dit proces is vergelijkbaar met hoe mensen leren door ervaring. Bij reinforcement learning leert het AI-model autonoom bij. Bij _online reinforcement learning_ kan het model in productie ook nog continu zichzelf bijstellen. Je kunt er ook voor kiezen dit alleen in trainingsfase te doen, en het model 'bevoreren' in te zetten. Voorbeeld van reinforcement learning: [I-VRI](https://algoritmes.overheid.nl/nl/algoritme/intelligente-verkeersregel-installatie-ivri-bij-verkeerslichten-provincie-zuidholland/34151769) voor verkeerslichten. * **Deep learning**: Supervised, unsupervised of reinforcement learning gecombineerd met diepe neurale netwerken. Dit zijn kunstmatige neurale netwerken met veel verschillende lagen. Hierdoor kun je nog ingewikkeldere problemen oplossen. Voorbeeld: [Geautomatiseerde gezichtsvergelijking bij het RNI-inschrijfproces](https://algoritmes.overheid.nl/nl/algoritme/geautomatiseerde-gezichtsvergelijking-bij-het-rniinschrijfproces-rijksdienst-voor-identiteitsgegevens/18814864). ## AI-systeem diff --git a/docs/voldoen-aan-wetten-en-regels/hulpmiddelen/inkoopvoorwaarden.md b/docs/voldoen-aan-wetten-en-regels/hulpmiddelen/inkoopvoorwaarden.md index 91eea87d13..88bd0bb41c 100644 --- a/docs/voldoen-aan-wetten-en-regels/hulpmiddelen/inkoopvoorwaarden.md +++ b/docs/voldoen-aan-wetten-en-regels/hulpmiddelen/inkoopvoorwaarden.md @@ -38,7 +38,7 @@ De Europese contractvoorwaarden voor AI bieden aanbestedende organisaties de mog De Europese contractvoorwaarden voor AI zijn gebaseerd op onder andere de modelbepalingen die de Gemeente Amsterdam al eerder opstelde. Deze dienen als voorbeeld voor andere gemeenten die algoritmische toepassingen willen inkopen. ### AI-module bij ARBIT-2022 -[De AI-module bij de ARBIT](https://www.pianoo.nl/nl/actueel/nieuws/nieuw-ai-module-bij-de-modelovereenkomst-arbit-2022#:~:text=Voor%20de%20inkoop%20van%20hoog,de%20ARBIT%20te%20sluiten%20overeenkomst.) is gebaseerd op het gepubliceerd model van de Europese Commissie dat hierboven beschreven wordt. Via een verwijzing in de gebruikte modelovereenkomst kan de AI-module onderdeel gaan uitmaken van een onder de ARBIT te sluiten overeenkomst. +[De AI-module bij de ARBIT](https://www.pianoo.nl/nl/regelgeving/voorwaarden/rijksoverheid/algemene-rijksinkoopvoorwaarden-bij-it-overeenkomsten-arbit) is gebaseerd op het gepubliceerd model van de Europese Commissie dat hierboven beschreven wordt. Via een verwijzing in de gebruikte modelovereenkomst kan de AI-module onderdeel gaan uitmaken van een onder de ARBIT te sluiten overeenkomst. De ARBIT zijn de Algemene Rijksinkoopvoorwaarden bij IT‑overeenkomsten (ARBIT) en zijn bedoeld voor kleine en middelgrote IT-inkopen door de overheid. [Lees meer hierover op de website van PIANOo](https://www.pianoo.nl/nl/regelgeving/voorwaarden/rijksoverheid/algemene-rijksinkoopvoorwaarden-bij-it-overeenkomsten-arbit#:~:text=Rijksoverheid-,Algemene%20Rijksinkoopvoorwaarden%20bij%20IT%E2%80%91overeenkomsten%20(ARBIT),IT%2Dinkopen%20door%20de%20overheid.). @@ -60,8 +60,8 @@ Steeds meer organisaties kopen algoritmische toepassingen in die veel impact heb - [Modelbepalingen voor gemeenten voor verantwoord gebruik van Algoritmische toepassingen](https://www.amsterdam.nl/innovatie/digitalisering-technologie/algoritmen-ai/contractvoorwaarden-algoritmen/) - [Contractvoorwaarden voor het inkopen van artificiële intelligentie (AI)](https://www.pianoo.nl/nl/document/21644/contractvoorwaarden-voor-het-inkopen-van-artificiele-intelligentie-ai) -- [AI-module bij de modelovereenkomst ARBIT-2022](https://www.pianoo.nl/nl/actueel/nieuws/nieuw-ai-module-bij-de-modelovereenkomst-arbit-2022) +- [AI-module bij de modelovereenkomst ARBIT-2022](https://www.pianoo.nl/nl/regelgeving/voorwaarden/rijksoverheid/algemene-rijksinkoopvoorwaarden-bij-it-overeenkomsten-arbit) ## Voorbeeld -Heb jij een goed voorbeeld van het gebruik van modelbepalingen of contractvoorwaarden op het gebied van algoritmen? Laat het ons weten! \ No newline at end of file +Heb jij een goed voorbeeld van het gebruik van modelbepalingen of contractvoorwaarden op het gebied van algoritmen? Laat het ons weten! diff --git a/docs/voldoen-aan-wetten-en-regels/maatregelen/3-dat-01-datakwaliteit.md b/docs/voldoen-aan-wetten-en-regels/maatregelen/3-dat-01-datakwaliteit.md index 1cef703042..94fb229131 100644 --- a/docs/voldoen-aan-wetten-en-regels/maatregelen/3-dat-01-datakwaliteit.md +++ b/docs/voldoen-aan-wetten-en-regels/maatregelen/3-dat-01-datakwaliteit.md @@ -67,6 +67,7 @@ Stel vast of de gebruikte data van voldoende kwaliteit is voor de beoogde toepas - [NORA, Raamwerk gegevenskwaliteit](https://www.noraonline.nl/wiki/Raamwerk_gegevenskwaliteit) - [Impact Assessment Mensenrechten en Algoritmes, 2A.2.2](../hulpmiddelen/IAMA.md) - [Handreiking non-discriminatie by design](https://www.rijksoverheid.nl/documenten/rapporten/2021/06/10/handreiking-non-discriminatie-by-design) +- Norm: ["Artificial intelligence - Data quality for analytics and machine learning (ML) - Part 2: Data quality measures"](https://www.nen.nl/iso-iec-5259-2-2024-en-331171) ## Voorbeeld diff --git a/docs/voldoen-aan-wetten-en-regels/maatregelen/7-mon-04-evalueer-bij-veranderingen-in-data.md b/docs/voldoen-aan-wetten-en-regels/maatregelen/7-mon-04-evalueer-bij-veranderingen-in-data.md index 05a938179b..a7c112258b 100644 --- a/docs/voldoen-aan-wetten-en-regels/maatregelen/7-mon-04-evalueer-bij-veranderingen-in-data.md +++ b/docs/voldoen-aan-wetten-en-regels/maatregelen/7-mon-04-evalueer-bij-veranderingen-in-data.md @@ -45,7 +45,8 @@ Door veranderingen in de data presteert het model niet meer zoals verwacht. ## Bronnen - [Onderzoekskader Auditdienst Rijk, DM.8](https://open.overheid.nl/documenten/61b54381-d331-40ed-8fce-b2883b195f25/file) -- [Toetsingskader Algoritmes Algemene Rekenkamer, 1.02, 1.08, 2.06, 2.08, 2.13](https://www.rekenkamer.nl/onderwerpen/algoritmes/documenten/publicaties/2024/05/15/het-toetsingskader-aan-de-slag) +- [Toetsingskader Algoritmes Algemene Rekenkamer, 1.02, 1.08, 2.06, 2.08, 2.13](https://www.rekenkamer.nl/onderwerpen/algoritmes/documenten/publicaties/2024/05/15/het-toetsingskader-aan-de-slag) +- Norm: ["Information technology - Artificial intelligence - Data life cycle framework"](https://www.nen.nl/nen-en-iso-iec-8183-2024-en-325716) ## Voorbeeld