Collection
(23)
Artificial Intelligence (DenI)
-
Collection
Algoritmeregister Amsterdam
De gemeente wil voor Amsterdammers inzichtelijk maken wat algoritmen zijn en hoe deze gebruikt worden. Algoritmen worden gebruikt voor verschillende toepassingen in de stad, zoals het meten van drukte in de openbare ruimte of het automatisch doorsturen van een melding van zwerfafval naar de juiste afdeling. Maar deze toepassingen laten niet altijd zien hoe algoritmen werken. Daarom willen we het gebruik hiervan eerlijker en transparanter maken.
Het algoritmeregister is een overzicht van de algoritmes die de gemeente Amsterdam gebruikt bij gemeentelijke dienstverlening. Verder vindt u in deze collectie de contractvoorwaarden voor het implementeren van algoritmen binnen een organisatie. -
Collection
Amsterdam for All
Voor velen van ons zijn dagelijkse activiteiten vanzelfsprekend. Zoals zelfstandig het openbaar vervoer nemen, wandelen in het centrum van de stad, toegang krijgen tot online diensten of naar een restaurant gaan. Helaas is dat niet voor iedereen het geval. De gemeente Amsterdam heeft de ambitie om een vrije, rechtvaardige en duurzame stad voor alle burgers te maken. Toegankelijkheid speelt hierin een grote rol. Binnen het project Amsterdam for All wordt onderzoek gedaan naar hoe AI kan bijdragen aan de toegankelijkheid van de stad.
Via deze link vindt u meer informatie over Amsterdam for All.
-
Collection
Bias in machine learning
De gemeente Amsterdam zet zich in om de voordelen van data te benutten, maar vanwege de verantwoordelijkheden van de organisatie bevatten gemeentelijke dataproducten vaak gevoelige data en kunnen ze serieuze gevolgen hebben voor burgers. Het is daarom van het grootste belang dat gegevens worden gebruikt op een manier die ethisch en eerlijk is voor alle burgers.
Dit is vooral belangrijk bij het gebruik van machine learning. Machine learning maakt gebruik van gegevens door te leren door voorbeelden te generaliseren, regels te definiëren die van toepassing zijn op gevallen uit het verleden, maar ook door toekomstige gevallen te voorspellen. Deze techniek kan erg handig zijn om datagestuurde beslissingen te nemen, waarbij relevante factoren worden blootgelegd die mensen mogelijk over het hoofd zien, maar het zorgt niet altijd voor eerlijke beslissingen. -
Collection
Data Science & AI Internships
Masterstudenten vanuit studies gericht op AI en Data Science krijgen de kans om hun afstudeeronderzoek te doen naar real-life uitdagingen. Ze krijgen de juiste begeleiding om state-of-the-art onderzoek te kunnen uitvoeren en waardevolle AI oplossingen te ontwikkelen voor de stad en haar inwoners.
-
Collection
Generative AI for Amsterdam
To ensure the responsible and ethical implementation of emerging technology, it is crucial that we, as a municipality, can learn and experiment with the possibilities that Generative AI offers us.
This collection highlights recent work, ongoing projects and important findings related to the practical application of Generative AI within the City of Amsterdam. -
Collection
3D Point Cloud
Steden worden drukker, lastiger om te onderhouden, dus we zoeken naar nieuwe manieren om dat beter te kunnen doen. Een van de technieken is puntenwolken.
Puntenwolken zijn een reeks datapunten in de ruimte. Deze punten geven een 3D-weergave van de omgeving. Een puntenwolk is te vergelijken met een foto waarbij ook de locatie van de pixels wordt meegenomen bij het verzamelen van gegevens. Om deze gegevens te verzamelen, gebruiken we LiDAR-scanners op voertuigen, zoals auto's, boten of fietsen. Deze technologie stelt ons in staat om de exacte locatie van objecten te detecteren en hun breedte, diepte en hoogte vast te kunnen leggen. Deze gegevens geven ons waardevolle informatie over de straten van Amsterdam. Deze informatie kan worden verzameld, opgeslagen en gevisualiseerd met behulp van AI. In de collectie lees je meer over de technologie en mogelijkheden van het gebruik van puntenwolken. -
Collection
EU monitoring Gemeente Amsterdam
Voor Amsterdam biedt een optimale positionering op het gebied van Artificial Intelligence (AI) in Europa veel kansen. De EU-monitor op AI dient deze positionering te faciliteren, zowel voor de gemeente Amsterdam als voor de leden van de Amsterdamse AI coalitie.
-
Article
MSc Thesis - From Data to Equity - Leonore MacCreanor
This research explores how Artificial Intelligence (AI) can transform urban planning and governance to promote spatial justice. It examines AI’s potential impact on citizen engagement, socio-economic accessibility, social housing, green infrastructure, and transportation in urban areas. The paper also highlights challenges such as data bias and the digital divide that must be addressed for equitable AI implementation. It emphasises the need for a balanced approach that combines AI capabilities with human involvement and underscores that offline social development will continue to shape urban environments. Ultimately, the paper calls for AI’s responsible and strategic use to create more sustainable and socially just urban environments.
This research was conducted by Leonore MacCreanor from the Delft University of Technology. In collaboration with Digital Urban Planning, the AI team and R&D, City of Amsterdam.
-
Article
Kunstmatige intelligentie als openbare dienst
Op 28 september 2020 hebben Helsinki en Amsterdam op de Next Generation Internet Summit de lancering aangekondigd van hun open AI-registers. Zij zijn de eerste steden ter wereld die een dergelijke dienst aanbieden. De AI-registers beschrijven wat, waar en hoe AI-toepassingen worden gebruikt in de twee gemeenten; welke datasets zijn gebruikt voor trainingsdoeleinden; hoe algoritmen werden beoordeeld op mogelijke vertekening of risico's; en hoe mensen de AI-diensten gebruiken. De registers bieden ook een feedbackkanaal, bedoeld om meer participatie mogelijk te maken, met informatie over de stadsdienst en de verantwoordelijke voor de AI-dienst. Het doel is om het gebruik van stedelijke AI-oplossingen net zo verantwoord, transparant en veilig te maken als andere lokale overheidsactiviteiten, om de diensten en de ervaringen van burgers te verbeteren.
Waarom is dit project interessant?
Deze definitie van AI is een bevredigende beschrijving die iedereen kan begrijpen. Opvallend is hoe AI wordt opgevat als een middel om een doel te bereiken, zoals het hoort, niet als een gekke robot met een eigen mening. Vandaar ook de verwijzing naar een menselijke toezichthoudende rol en menselijke verantwoordelijkheid, wat met gezond verstand te maken heeft. Het project laat zien dat AI geen huwelijk is tussen gemanipuleerde artefacten en een soort mensachtige of zelfs bovenmenselijke intelligentie, maar een scheiding tussen het vermogen om een probleem met succes op te lossen met het oog op een doel en de noodzaak om hierin intelligent te zijn.
DOI: https://doi.org/10.1007/s13347-020-00434-3
Vertaald door de openresearch redactie
-
Article
Hoe kan Artificiële Intelligentie de Provincie Noord-Holland versterken?
Het doel van dit rapport is om enerzijds te verkennen waar de provincie Noord-Holland staat met het gebruik van AI-toepassingen binnen haar provinciale opgaven. En om anderzijds een advies te geven over de focus en prioriteitsstelling. Daarnaast worden randvoorwaarden en mogelijke vervolgstappen geïdentificeerd. Dit adviesrapport is een bouwsteen voor de te actualiseren datastrategie van de provincie Noord-Holland.
In dit rapport wordt allereerst ingegaan op de vraag wat AI is (hoofdstuk 2). Vervolgens wordt verkend waar een aantal belangrijke provinciale opgaven staan in de toepassing van AI (hoofdstuk 3), gevolgd door een beschrijving van de benodigde randvoorwaarden voor succesvolle toepassingen (hoofdstuk 4). Tot slot schetsen we in hoofdstuk 5 de mogelijke vervolgstappen.Aan de totstandkoming van dit adviesrapport hebben verschillende mensen bijgedragen. Allereerst de
circa 40 opgavenexperts die deelgenomen hebben aan de werksessies. Daarnaast de AIklankbordleden (mevr. Noor Bouwens, dhr. Marcel Sukel, dhr. Aik van Emmeren en mevr. Marcia
Spijkerman – Agatz) die feedback en suggesties deden tijdens de klankbordsessies. En tot slot de AIervaringsdeskundigen: dhr. Chris de Veer, dhr. Frans Feldberg, dhr. Jasja Dekker en mevr. Pallas
Agterberg die hun kennis en ervaring deelden in separate interviews. In het bijzonder willen we ook
de opdrachtgevers Paul Strijp en Kasper de Rooij bedanken voor de inhoudelijke en procesmatige
bijdragen. -
Article
Urban Object Detection Kit: A System for Collection and Analysis of Street-Level Imagery
In this paper, we propose Urban Object Detection Kit, a system forthe real-time collection and analysis of street-level imagery. The system is affordable and portable and allows local government agencies to receive actionable intelligence about the objects on the streets.
Authors: Maarten Sukel, Stevan Rudinac, Marcel Worring - University of Amsterdam.
-
Article
Amsterdamse Intelligentie
Hoe gebouwen eruitzien, hoe mensen werk vinden, hoe vriendschappen en liefdes ontstaan, hoe allerlei activiteiten worden ondersteund van werk tot online winkelen. Kunstmatige Intelligentie, of het vaker gebruikte Engelse Artificial Intelligence (AI), zal daar in de toekomst een rol in gaan spelen. Met de Agenda Amsterdamse Intelligentie heeft het college de volgende doelen voor de Agenda AI vastgesteld. Doel van deze agenda is besluitvorming op de optelsom der activiteiten zodat we stadsbreed onze focus leggen op de volgende doelen en acties: De AI voor Amsterdammers. Doel: technologie laten werken voor Amsterdammers. Positioneren en stimuleren van Amsterdam. Doel: stimuleren en ontwikkelen ecosysteem, ontwikkelen en werven van talent. Digitale Rechten: wat zijn onze waarden? Doel: Beschermen van digitale rechten en creëren van meer kansengelijkheid in Amsterdamse algoritmes (van Gemeente Amsterdam zelf, van partners (zoals deelnemingen) en opdrachtnemers: leveranciers en van markt- en overheidspartijen die invloed hebben op het leven van Amsterdammers (zoals UWV, verzekeraars en platformen).
Behandeld in Gemeenteraad 4/5 november 2020, Commissie Kunst Diversiteit en Democratisering 26 augustus 2020
Behandelend ambtenaar: CTO Innovatieteam, Aik van Eemeren, a.eemeren@amsterdam.nl
Economische Zaken, Femke Blokhuis, f.blokhuis@amsterdam.nl
Voor meer informatie klik hier
Voor meer informatie Raad klik hier
AI is een begrip met veel ladingen en uitingen. Waar hebben we het eigenlijk over? Wat zijn de positieve en negatieve gevolgen van deze technologie voor onze (digitale) stad?
Het magazine ‘AI: Amsterdamse Intelligentie’ schetst een beeld van de rol van AI in Amsterdam en is het resultaat van een reeks bijeenkomsten met wetenschap, bedrijfsleven, experts en Amsterdammers. Het magazine dient als startpunt voor verdere discussie met partijen die actief zijn op het gebied van AI om het actieplan voor AI in Amsterdam verder vorm te geven.
Actieplan AI
De gemeente Amsterdam werkt aan het actieplan AI: Amsterdamse Intelligentie. Dit actieplan geeft invulling aan het vormen van een stedelijk AI-team en is gericht op:
- het gebruik van AI voor opgaven in de stad
- het vaststellen van ethische kaders, om bijvoorbeeld uitsluiting (van groepen) en misbruik te voorkomen
- het positioneren en stimuleren van AI en van Amsterdam, voor het benutten van het economisch potentieel
Download het magazine
Meer informatie
Meepraten of suggesties voor het actieplan n.a.v. het magazine? Of wilt u meer informatie? Neem dan contact op met Aik van Eemeren, a.eemeren@amsterdam.nl
-
Article
Big Data, Big Impact?
The global gender data gap persists and our knowledge of the lives of women and girls remains insufficient to meet the challenge of designing policies to achieve the Sustainable Development Goals (SDGs). Yet we live in an era of big data; massive amounts of information stream from cell phones, laptops, remote sensors, and an evergrowing host of technologies, even in the least developed and most isolated places in the world. Transforming this flood of data into actionable knowledge about the lives of women and girls is one of the great technical and moral tests of the 21st century.
Big Data, Big Impact? Towards Gender-Sensitive Data Systems summarizes the findings and potential policy implications of the Big Data for Gender pilot projects funded by Data2X, and lays out five cross-cutting messages that emerge from this body of work:
- Big data offers unique insights on women and girls.
- Gender-sensitive big data is ready to scale and integrate with traditional data.
- Identify and correct bias in big datasets.
- Protect the privacy of women and girls.
- Women and girls must be central to data governance.
This report argues that the time for pilot projects has passed. Data privacy concerns must be addressed; investment in scale up is needed. Big data offers great potential for women and girls, and indeed for all people.
Source: data2x.org
-
Article
Binnenlands Bestuur: Combi cultuur en AI cruciaal
AI, artificial intelligence, wordt gezien als een technologische ontwikkeling die niet lijkt te stoppen. Hoewel AI een onvermijdelijk proces lijkt, is het wel gebaseerd op keuzes. Daarom is het bij AI mogelijk het mede vorm te geven, accenten aan te leggen, voorwaarden te scheppen en grenzen te bewaken. De overheid – en ook de gemeente – heeft daarin twee gote verantwoordelijkheden, stelt Caroline Nevejan. Enerzijds het ondersteunen van wetenschappers en het geven van ruimte aan ‘startups’en ‘scale-ups’ om meete spelen in deze nieuwe global industry. Anderzijds is het van groot belang als overheid de rechtsstaat te borgen.
-
Article
Multimodale classificatie van meldingen
In deze paper worden methoden omschreven voor het routeren van meldingen openbare ruimte door middel van machine learning.
In this paper we seek methods to effectively detect urban microevents. Urban micro-events are events which occur in cities, have limited geographical coverage and typically affect only a small group of citizens. Because of their scale these are difficult to identify in most data sources. However, by using citizen sensing to gather data, detecting them becomes feasible. The data gathered by citizen sensing is often multimodal and, as a consequence, the information required to detect urban micro-events is distributed over multiple modalities. This makes it essential to have a classifier capable of combining them. In this paper we explore several methods of creating such a classifier, including early, late, hybrid fusion and representation learning using multimodal graphs. We evaluate performance on a real world dataset obtained from a live citizen reporting system. We show that a multimodal approach yields higher performance than unimodal alternatives. Furthermore, we demonstrate that our hybrid combination of early and late fusion with multimodal embeddings performs best in classification of urban micro-events.
-
Article
Essential Means for Urban Computing
This article provides an overview of the specifications of web-based computing platforms for urban data analytics and computational urban planning practice. There are currently a variety of tools and platforms that can be used in urban computing practices, including scientific computing languages, interactive web languages, data sharing platforms and still many desktop computing environments, e.g., GIS software applications. We have reviewed a list of technologies considering their potential and applicability in urban planning and urban data analytics. This review is not only based on the technical factors such as capabilities of the programming languages but also the ease of developing and sharing complex data processing workflows. The arena of web-based computing platforms is currently under rapid development and is too volatile to be predictable; therefore, in this article we focus on the specification of the requirements and potentials from an urban planning point of view rather than speculating about the fate of computing platforms or programming languages. The article presents a list of promising computing technologies, a technical specification of the essential data models and operators for geo-spatial data processing, and mathematical models for an ideal urban computing platform.
Nourian, P., Martinez-Ortiz, C., & Ohori, K. A. (2018). Essential Means for Urban Computing: Specification of Web-Based Computing Platforms for Urban Planning, a Hitchhiker’s Guide. Urban Planning, 3(1), 47.
-
Article
Internationaal AI-beleid. Domme data, slimme computers en wijze mensen
In dit Working Paper wordt internationaal AI-beleid onderzocht aan de hand van de gepubliceerde strategieën en aanpakken van vijftien landen en twee internationale organisaties (de Europese Unie en de Verenigde Naties). Het op 2 april 2019 afgeronde onderzoek analyseert tevens de belangrijkste patronen in de bestudeerde cases.
Dit Working Paper is een achtergrondstudie voor het later te verschijnen WRR-rapport over de invloed van kunstmatige intelligentie op publieke waarden.Auteur: Bennie Mols
Wetenschappelijke Raad voor het Regeringsbeleid, Den Haag 2019
Voor meer informatie en bron, zie website WRR
-
Article
Artificiële intelligentie: Naar een vierde industriële revolutie?
Auteurs:
Luc Steels (ed.)
Bettina Berendt
Aleksandra Pizurica
Dirk Van Dyck
Joos Vandewalle
Uitgaven van de Koninklijke Vlaamse Academie van België voor Wetenschappen en Kunsten.
-
Article
Discriminating systems
The diversity problems of the AI industry and the issues of bias in AI systems tend to be considered separately. In this report we suggest that they are two sides of the same problem: issues of discrimination in the workforce and in system building are deeply related. Moreover, tackling the challenges of bias within technical systems requires addressing workforce diversity, and vice versa. This research points to new ways of understanding the relationships between these complex problems, which can open up new pathways to redressing the current imbalances and harms.
Drawing on a thorough review of existing literature and current research working on issues of gender, race, class, and artificial intelligence, this pilot study examines the scale of AI’s current diversity crisis and possible paths forward. It represents the first stage of a multi-year project examining the intersection of gender, race and power in AI.West, S.M., Whittaker, M. and Crawford, K. (2019). Discriminating Systems: Gender, Race and Power in AI. AI Now Institute.
Retrieved from https://ainowinstitute.org/ discriminatingsystems.html.
-
Article
Algorithmic Impact Assessments: A Practical Framework for Public Agency Accountability
This Algorithmic Impact Assessment Report helps affected communities and stakeholders assess the use of AI and algorithmic decision-making in public agencies and determine where – or if – their use is acceptable. Algorithms in government are already a part of decisions that affect people’s lives, but there are no agreed-upon methods to ensure fairness or safety, or protect the fundamental rights of citizens. This AIA report provides a practical framework, similar to an environmental impact assessment, for agencies to bring oversight to automated decision systems.
Auteurs: Dillon Reisman, Jason Schultz, Kate Crawford, Meredith Whittaker
-
Article
Algorithmic Accountability Policy Toolkit
AI Now developed a toolkit to help advocates uncover and understand where algorithms are being used in government and to inform advocacy strategies and tactics. The toolkit includes a breakdown of key concepts and questions, an overview of existing research, summaries of algorithmic systems currently used in government, and guidances on advocacy strategies to identify and interrogate the use of these systems.
Bron: website AI Now
-
Article
Design for the value of presence (publication)
Chapter by Nevejan and Brazier in 'Handbook of ethics, values and technological design' (2015)
[ABSTRACT]
This chapter elaborates on design for the value of presence. As digital technologies have made it possible for us to connect to each other at a speed and scale that is unprecedented, presence is acquiring many new stances. The distinctions between being there (in virtual worlds), being here (making the being there available here), and the merging realities of these two are essential to the notion of presence. Understanding the essence of presence is the focus of current presence research to which many disciplines contribute, including computer science, artificial intelligence, artistic research, social science, and neurobiology.
The definition of presence used in this chapter is “steering towards well-being and survival,” and this definition introduces a neurobiological perspective on presence fundamental to the approach on which this chapter focuses. This perspective recognizes the choices and trade-offs involved in presence design. Presence design is a meta-design, which creates the context for human experience to emerge. Presence as a value for design can be a design requirement, a factor of analysis, and a key value in a process of Design for Values.
This chapter discusses a number of analytical and design frameworks for constructing and deconstructing presence design. Acknowledging that presence is a fuzzy concept and that a variety of open issues can be identified, presence as a value for design is fundamental for human beings to accept responsibility in complex environments.
Nevejan, C., & Brazier, F. (2015). Design for the Value of presence. J. van den Hoven, PE Vermaas, I. Van de Poel Handbook of ethics, values, and technological design: Sources, theory, values and application domains, 403-430.Authors: Caroline Nevejan & Frances Brazier
The website being-here.net was the foundation for Caroline Nevejan's research into witnessing. Forty four authors contributed to this study. Artists, academics, journalists, designers reflected upon their own work form the perspective of witnessing. As result the YUTPA framework was further developed. This YUTPA framework makes trade-offs for trust visible. YUTPA is the acronym for 'being with You in Unity of Time Place and Action. The framework works with the four dimensions of Time, Place, Relation and Action to understand how trade-offs for trust are made in merging on-and offline realities.In each dimensions 4 factors are identified that affect such trade-offs.
-
Article
De Signalen Informatievoorziening Amsterdam (SIA)
Mellijn Hartman is opdrachtgever namens Dienstverlening voor de vernieuwing van de voorziening waarmee de Amsterdammer meldingen kan doen aan de gemeente. Mellijn: "Het formulier op de website van Amsterdam om een melding te doen van overlast in de openbare ruimte, de applicatie Mora/KIM, was niet zo gebruikersvriendelijk. Maar ook de achterkant van het systeem, waar de collega’s mee moesten werken om de meldingen af te handelen, had veel last van technische problemen. Deze problemen veroorzaakten veel extra werk voor de gebruikers. Uit deze situatie is de vraag voor een nieuwe omgeving ontstaan.”
Projecttype: Applicatieontwikkeling en hosting door OIS/DataPunt
Opdrachtgever: DienstverleningWerkwijze
Het OIS-DataPuntteam heeft in samenwerking met Dienstverlening en het Chief Technology Officer-innovatieteam een nieuwe en uitgebreidere versie gemaakt van een prototype dat eerder dit jaar door CTO is ontwikkeld. Het bijzondere van de vernieuwde meldingsvoorziening is dat er algoritmen zijn toegevoegd. Algoritmen om de klachten te categoriseren, om de urgentie te bepalen en om dubbele meldingen te herkennen.
Resultaten
Met de ingebruikname van SIA is de huidige MORA/KIM omgeving vervangen. De melder hoeft op meldingen.amsterdam.nl en Verbeter de Buurt geen categorie meer te kiezen en trefwoorden in te vullen. Dat wordt dankzij de algoritmen automatisch , namelijk met ‘machine learning’ en taalkundige analyses, gedaan op basis van de tekst van de melder. Het formulier biedt de mogelijkheid om een locatie eenvoudig te kiezen op de kaart of om een adres in te voeren. Het systeem ‘leest zelf’ wat voor soort melding het is en afhankelijk daarvan krijgt de melder soms nog aanvullende vragen, zodat de gemeente precies weet wat er aan de hand is en wat er nodig is om het op te lossen. De meldingen worden vervolgens automatisch klaargezet voor de juiste gemeentelijke afdeling voor het oplossen van de melding. SIA is als meldsysteem met gebruik van algoritmen in het proces van meldingen openbare ruimte uniek in Nederland.
Hoe gaan we ermee verder?
Mellijn: “Alhoewel de eerste oplevering van SIA beperkt is in functionaliteit, staat er een robuust fundament dat Dienstverlening en OIS/DataPunt de komende tijd snel en eenvoudig uit kunnen bouwen. Zowel met nieuwe functionaliteit als met innovaties zoals nieuwe algoritmen die we ontwikkeld hebben.” SIA is namelijk breder dan alleen voor meldingen openbare ruimte te gebruiken. Vanuit de verschillende gebruikersgroepen, zoals Contactcenter Amsterdam, GGD, Waternet en Stadsbeheer, is een groot aantal extra wensen naar voren gekomen die de komende periode in SIA ondergebracht worden.
“Bovendien onderzoeken we met KPMG de mogelijkheid van certificering van algoritmen, want je wilt er wel zeker van zijn dat ze doen wat je wilt dat ze doen”, aldus Mellijn Hartman.
Contact
Caspar Coopmans, Onderzoek, Informatie en Statistiek via:
algemeen.ois@amsterdam.nlZie ook: