1. Waarom ontstaat databias ook zonder kwade opzet?

A Omdat ontwikkelaars onoplettend zijn B Omdat trainingsgegevens de historische realiteit weerspiegelen — inclusief eerdere ongelijkheden C Omdat AI-modellen willekeurig discrimineren

2. Wat is een feedbacklus in de context van AI-bias?

A Gebruikers melden fouten aan het systeem B De output van de AI wordt de nieuwe input en versterkt de bias. C Het model leert van gebruikersfeedback

3. Een wervingsinstrument beoordeelt sollicitanten uit bepaalde postcodegebieden systematisch slechter. Wat is de eerste stap? 2 pts

A Postcode uit de invoergegevens verwijderen B Systeem onmiddellijk uit het sollicitatieproces halen en onderzoeken C De aanbieder informeren en op een patch wachten

4. Welke eenvoudige methode helpt om bias te herkennen zonder een AI-expert te zijn?

A De broncode van het model lezen B Resultaatverdeling per groep controleren: worden allen gelijk behandeld? C Het model opnieuw trainen

5. Wat vereist de EU AI Act Art. 10 van hoogrisico-systemen?

A Dat ze gratis worden aangeboden B Dat trainingsgegevens relevant, representatief en zo foutloos mogelijk zijn C Dat ze in de EU zijn ontwikkeld

6. Wat zijn waarschuwingssignalen voor mogelijke bias? (Meerdere mogelijk) 2 pts

A Een groep wordt systematisch slechter beoordeeld B Het systeem is zeer snel C Het systeem 'kent' dingen die het niet direct had moeten leren. D De aanbieder kan geen verklaring voor beslissingen geven