Maand: januari 2022

Ethische principes en toepassingen van digitale technologie: Internet of things, robotica en biometrie

In de 12de en 13de aflevering van de reeks Bouwen aan duurzame steden: De bijdrage van digitale technologie gebruik ik de ethische principes uit aflevering 9 om een aantal toepassingen van digitale technologie te beoordelen. In deze aflevering komen aan de orde: (1) Internet of Things, (2) robotica en (3) biometrie.  Komende week vervolg ik met (4) Immersieve technologie (augmented en virtual reality), (5) blockchain en (6) platforms.

In de 12de en 13de aflevering van de reeks Bouwen aan duurzame steden: De bijdrage van digitale technologie gebruik ik de ethische principes uit aflevering 9 om een aantal toepassingen van digitale technologie te beoordelen. In deze aflevering komen aan de orde: (1) Internet of Things, (2) robotica en (3) biometrie.  Komende week vervolg ik met (4) Immersieve technologie (augmented en virtual reality), (5) blockchain en (6) platforms.

Deze technieken leggen wederkerige verbindingen (cybernetische loops) tussen de fysieke en de digitale wereld[1]. Ik geef van elk van deze technieken een korte beschrijving, gevolgd door een aantal opmerkingen over hun ethische aspecten: privacy, autonomie, veiligheid, controle, menselijke waardigheid, rechtvaardigheid en machtsverhoudingen, voor zover relevant. Hierbij is gebruik gemaakt van het boek Opwaarderen: Borgen van publieke waarden in de digitale samenleving. Rathenau Instituut 2017[2].

1. Internet of Things

Het Internet-of-Things verbindt objecten via sensoren met apparaten die deze gegevens (op afstand) verzamelen en bewerken. De stappenteller op de smartphone is een voorbeeld van de verzameling van gegevens van mensen. Dit nog maar het begin, op termijn kunnen de meest uiteenlopende gegevens van ieders gezondheid worden verzameld en opgeslagen. Vooralsnog gaat het nog vooral om gegevens van objecten. Een bekend voorbeeld is de ‘slimme meter’. Steeds meer huishoudelijke apparatuur is met het Internet verbonden en geeft gebruiksgegevens door. Samsung smarttelevisies hadden lange tijd een ingebouwde televisiecamera en microfoon waarmee het gedrag van de kijkers geobserveerd kon worden. Ook de roemruchte digitale huisgenoten als Alexa en Siri zijn technisch in staat om alles wat er in hun omgeving wordt gezegd aan hun bazen door te geven.

Machines, maar ook treinen en vrachtauto’s zitten vol sensoren waarmee functioneren kan worden gemonitord. Het verkeer kan met sensoren in en boven de weg worden gevolgd en uitlaatgassen en fijnstof kan worden gemeten. Op veel plaatsen in de wereld kunnen de gangen van mensen met massa’s camera’s ’s worden nagegaan. Een eenvoudige handtekening van Amerikaanse eigenaars van een Ring-deurbel volstaat om alle gegevens van wie zich aan de voordeur meldt door te geven aan de politie, die deze met gezichtsherkenningsapparatuur kan analyseren. Orwell had het niet kunnen bedenken.

Privacy

Internet of Things maakt het mogelijk om ieder persoon altijd te volgen, binnen- en buiten de woning. Als het om verzamelen van gegevens in huis gaat, is het grootste probleem onbekendheid en gebrek aan transparantie en in verband hiermee groeiend wantrouwen. Digitaal huisrecht kan een oplossing zijn; dit houdt in dat geen enkel apparaat gegevens verzamelt, tenzij hiervoor expliciet toestemming wordt gegeven.

Een betere oplossing is dat fabrikanten zich bezinnen op de vraag waarom ze al deze gegevens willen verzamelen.

Zodra iemand het huis verlaat, wordt het lastiger. In veel Nederlandse steden is ‘tracking’ van mobiele telefoons inmiddels verboden, maar elders is een scala van middelen beschikbaar om ieders (koop)gedrag te registreren. De wetgeving op dit punt in Europa wordt gelukkig steeds stringenter. 

Autonomie

Het steeds maar toevoegen van meer ‘gadges’ aan apparaten en die als ‘slim’ verkopen, heeft uiteindelijk maar één doel, mensen verleiden tot aanschaf ervan ook als eerdere versies nog lang niet zijn versleten. De verkoop is omgeven door al van ‘persuasieve’ technieken die de vrije wil van mensen beïnvloeden. Facebook beïnvloedt heel behendig onze gemoedstoestand door de selectie van berichten.

Media, reclamemakers en bedrijven zouden zich moeten bezinnen over de wenselijkheid om in dit opzicht een aantal stappen terug te doen. Voor zowel mens als milieu.

Veiligheid

Sensoren in huishoudelijke apparaten zijn meestal slecht beveiligd en geven internetcriminelen makkelijk toegang tot alle andere apparaten. Voor degenen die hun apparaten centraal willen bedienen en ook dat deze onderling communiceren, is een gesloten net – een vorm van ‘edge computing’ – een oplossing. De eigenaar kan dan zelf besluiten welke gegevens ‘naar buiten’ mogen, bijvoorbeeld voor alarmering of het balanceren van het elektriciteitsnetwerk. Daarop kom ik in een latere aflevering terug. 

Controle

Nu al ervaren mensen die bijvoorbeeld de verlichting van hun huis via een app regelen, problemen als de batterij van de telefoon leeg is. De ervaring leert bovendien dat het instellen en werkend houden van een zo’n draadloos systeem niet eenvoudig en dat er vaak ongewenste interferenties optreden. Eenvoudig een lamp verwisselen is allang niet meer voldoende op dit soort problemen op te lossen.  Voor veel mensen glipt de controle over hun eigen huis uit handen.

Machtsverhoudingen

De digitale component van veel apparaten en met name de afhankelijkheid van goed ingestelde software maakt mensen steeds afhankelijker van leveranciers, die overigens steeds minder in staat zijn om aan de daarmee samenhangende vraag naar service en ondersteuning te voldoen.

2. Robotica

Robotica doet met grote snelheid zijn intrede. In vrijwel elke hartoperatie wordt robotica gebruikt om de bewegingen van de chirurg preciezer te maken en sommige operaties worden (bijna) geheel automatisch uitgevoerd. Robots worden steeds meer ingezet in de zorg, ter ondersteuning of vervanging van zorgverleners. Denk ook aan robots die 3D kunnen waarnemen door de riolering ‘kruipen’. Ze helpen daar lekkages oplossen of voorkomen[3] of ze nemen monsters om besmettingshaarden op te sporen[4]. Leeds wil op die manier in 2035 de eerste ‘zichzelf reparerende stad’ zijn[5]. ‘Zelfsturende’ auto’s, of wat veel vaker voorkomt, (metro)treinen zijn andere voorbeelden. Dat de meeste magazijnen en fabrieken vol staan met robots behoeft geen toelichting. In huishouders doen ze ook hun intrede, denk aan bijvoorbeeld aan de stofzuiger of de grasmaaier. Robots geven grote hoeveelheden informatie door en zijn daarmee essentiële onderdelen van het Internet of Things.

Privacy

Robots staan vaak ‘by design’ op gespannen voet met de privacy. Dat geldt voor zorgrobots in het bijzonder. Dergelijke apparaten kunnen waardevol zijn, als patiënten en/of hun naasten zich maar voldoende bewust zijn van de impact ervan. Essentieel is transparantie en dat deze apparaten alleen gegevens verzamelen en verzenden voor het doel waarvoor ze bestemd zijn. 

Autonomie

Veel mensen vinden ‘achteruit inparkeren’ een probleem en laten dat graag aan robotica over.  Daarmee geven ze tegelijkertijd een deel van hun autonome vaardigheid als bestuurder af.  De vaardigheid om achteruit in te parkeren is namelijk ook in diverse andere situaties vereist. Dit geldt in nog veel sterkere mate bij vaardigheden die ‘zelfsturende’ auto’s van mensen overnemen.

Bestuurders zullen steeds vaker in situaties terechtkomen waarin ze machteloos staan.

Tegelijkertijd is robotica een uitweg in situaties waarin mensen misbruik maken van hun zelfbeschikkingsrecht, bijvoorbeeld door te hard te rijden, wereldwijd en van de grootste oorzaken van (dodelijke) ongevallen. Een verplichte snelheidsbegrenzer bespaart onnoemelijk veel leed, maar zal door de ‘king of the road’ niet met gejuich worden ontvangen.

Veiligheid

Her overlaten van handelingen aan robots veronderstelt dat veiligheid gegarandeerd is.  Dat zal bij robot-grasmaaiers geen probleem zijn, maar is dat bij ‘zelfsturende auto’s’ vooralsnog wel.  Daarbij komt het risico van het hacken van door software gestuurde apparaten. 

Menselijke waardigheid

Robots kunnen saai, ‘geestdodend’ gevaarlijk en smerig werk overnemen, maar ook werk waarbij een hoge mate van precisie is gewenst. Denk aan de fabricage van computerchips.  De grootste problemen liggen op het potentieel overnemen van werk, wat niet alleen implicaties voor de werkgelegenheid heeft, maar ook de kwaliteit van ons leven ernstig kan beïnvloeden. In de zorg kunnen mensen zich door het wegvallen van menselijk contact ‘verdingelijkt’ gaan voelen. Het dagelijks contact met een zorgmedewerker is voor velen een belangrijk instrument tegen de eenzaamheid.

3. Biometrie

Biometrie omvat alle technieken om mensen te identificeren aan de hand van lichaamskermerken: iris, vingerafdruk, stem, hartritme, schrijfstijl en emotie. Vooral van hun combinatie wordt veel verwacht, hetgeen in het paspoort al in toenemende mate gebeurt. 

Aan beveiliging valt in deze wereld niet te ontkomen, dus biometrie kan – zeker als verschillende lichaamskenmerken worden gebruikt – een goed middel zijn om identiteitsfraude tegen te gaan. 

De toepassing van gezichtsherkenning in de VS neemt hand over hand toe. In vliegvelden kunnen mensen er vaak voor kiezen om het beveiligingspoortje ‘automatisch; te doen openen of in de rij voor de security te gaan staan. Incode, een startup in San Francisco meldt dat zijn digitale identiteitsherkenning apparatuur in 2021 al in 140 miljoen gevallen is gebruikt, vier keer zo veel als in alle jaren daarvoor samen[6].

Privacy

In de EU is de privacy van ingezetenen wettelijk goed geregeld. Het gebruik van deze gegevens is eveneens in de wet vastgelegd. Desondanks zijn ieders persoonsgegevens op talloze plaatsen opgeslagen.

Vooral gezichtsherkenning roept veel verzet op en wordt in de VS steeds vaker verboden in de publieke ruimte. Hiervan is ook sprake in Nederland[7]. 

Biometrische technologie kan ook privacybeschermend zijn, door minimale informatie te verzamelen: Iemand kan bijvoorbeeld toegang krijgen op basis van een irisscan, waarbij de computer alleen controleert of de desbetreffende persoon een machtiging heeft, zonder naam en andere gegevens te registreren. 

Internetcriminelen worden steeds handiger on het bemachtigen van persoonlijke gegevens. Vooral kleinere organisaties en sportclubs zijn een doelwit vanwege hun vaak matige beveiliging. Als het ook lukt om documenten als een identiteitskaart te bemachtigen, dan ligt identiteitsfraude op de loer.

Veiligheid

Op zich draagt het combineren van verschillende technieken om iemand te identificeren bij aan de veiligheid van middelen die bedoeld zijn om iemands identiteit vast te stellen, zoals paspoorten, die steeds vaker ook een irisscan bevatten. Hiermee wordt ook het namaken van identiteitsbewijzen lastiger. De meeste documenten, bijvoorbeeld rijbewijzen en pinpassen kunnen nu nog betrekkelijk makkelijk worden nagemaakt of (tijdelijk) gebruikt nadat ze zijn gestolen, waardoor identiteitsfraude nu nog betrekkelijk makkelijk is.

Menselijke waardigheid

Het verzet tegen gezichtsherkenning heeft niet alleen te maken met de evidente gebreken; de technologie zal de komende jaren ongetwijfeld verder verbeteren. Het gevaar zit voor een groot deel in de onderliggende software, waarin bias nog lastig uit te bannen is. 

Er is als het om menselijke waardigheid gaat, heeft biometrie ook een positieve kant.

Wereldwijd zijn miljarden mensen niet in staat om aan te tonen wie ze zijn. Het Indiase Aadhar-programma heeft naar schatting aan 1,1 miljard mensen een geaccepteerde vorm van digitale identiteit verstrekt, gebaseerd op biometrische gegevens. Het effect is dat financiële inclusie met name van vrouwen aanzienlijk is toegenomen. 

Rechtvaardigheid

In veel situaties waarin biometrische identificatie is toegepast, ontstaat het probleem van omgekeerde bewijslast’. Als er sprake is van persoonsverwisseling, moet het slachtoffer, bewijzen niet de persoon te zijn, die de politie vermoed dat deze is.

Komende week vervolg ik met (4) Immersieve technologie (augmented en virtual reality), (5) blockchain en (6) platforms.Onderstaande link opent een overzicht van alle gepubliceerde en toekomstige artikelen in deze serie. https://www.dropbox.com/s/vnp7b75c1segi4h/Voorlopig%20overzicht%20van%20artikelen.docx?dl=0

[1] https://www.dropbox.com/s/22ekhzws9gpb4nd/Rapport_De_stand_van_digitaal_Nederland_Rathenau_Instituut.pdf?dl=0

[2] https://www.dropbox.com/s/qom95p4hwph1cie/Rathenau-Opwaarderen.pdf?dl=0

[3] https://selfrepairingcities.com/2019/11/29/robotic-challenge-2020/

[4] https://qz.com/1923774/covid-19-is-giving-sewage-a-modern-public-health-purpose/

[5] https://www.smartcitiesworld.net/news/how-leeds-could-become-the-worlds-first–self-repairing-city-4925

[6] https://is.gd/7IyGV6

[7] https://www.dropbox.com/s/xe962n2m7ik6gt2/Rathenau%20-%20Zeven_aandachtspunten_voor_%20de_AI-verordening_Bericht_aan_het_Parlement_Rathenau_Instituut.pdf?dl=0

Ethische principes en kunstmatige intelligentie

In de 11de aflevering van de reeks Bouwen aan duurzame steden: De bijdrage van digitale technologie pas ik de ethische principes uit aflevering 9 toe op ontwerp en gebruik van kunstmatige intelligentie.

Hieraan voorafgaand beschrijf ik in het kort wat kunstmatige intelligentie is. Aan bod komen de betekenis van onder andere big data, algoritmen en machineleren. Voor wie er meer van wil weten: Radical technologies van Adam Greenfield (2017) is een zeer leesbare inleiding, ook op technologieën als blockchain, augmented en virtual reality , Internet of Things en robotica, die in de volgende afleveringen aan de orde komen.

Kunstmatige intelligentie

Kunstmatige intelligentie kent waardevolle toepassingen maar ook grove vormen van misbruik.  Waardevol is bijvoorbeeld het gebruik van kunstmatige intelligentie bij de indeling van huizen en buurten, rekening houdend met gebruiksgemak, uitzicht en zonnelicht met AI-technologie van Spacemaker[1] of het maten van lawaai in het centrum van Genk met behulp van Nokia’s Scene Analytics-technologie[2]. Verwerpelijk is het discrimineren van bevolkingsgroepen door de politie in de VS met programma’s als PredPol en de manier waarop de Nederlandse overheid met de toekenning van toelagen is omgegaan.

Algoritmen

Dankzij kunstmatige intelligentie kan een computer zelfstandig patronen herkennen en op grond daarvan ‘beslissingen’ nemen. Op zichzelf is herkennen van patronen niets nieuws Dat kon allang met daartoe geschreven computerprogramma’s. Om bijvoorbeeld afbeeldingen van honden en katten te onderscheiden maakte een programmeur een beschrijving in ‘als….dan’-vorm van alle relevante kenmerken van honden en katten met behulp waarvan kon een computer beide diersoorten onderscheiden.  Het aantal fouten hing af van de gedetailleerdheid van het programma. Als het om meer soorten dieren gaat en om dieren die vanuit verschillende hoeken zijn gefotografeerd is het maken van zo’n programma erg ingewikkeld. In dat geval kan een computer getraind worden zelf relevante patronen te onderscheiden. In dit geval spreken we van kunstmatige intelligentie. Overigens spelen mensen daarbij nog steeds een belangrijke rol. Deze bestaat in de eerste plaats uit het schrijven van een instructie – een algoritme – en vervolgens uit de samenstelling van een trainingset, een selectie van een grote aantal voorbeelden, bijvoorbeeld van dieren zijn die gelabeld als hond of kat en desnoods leeuw, tijger en meer. De computer gaat vervolgens ‘zelf’ op zoek naar bijbehorende kenmerken.  Als er nog te veel fouten voorkomen, worden nieuwe afbeeldingen toegevoegd. 

Deep learning

De manier waarop de dieren zijn afgebeeld kan eindeloos variëren, waarbij het niet meer zozeer om hun kenmerken gaat, maar om schaduwwerking, beweging, stand van de camera of de aard van de beweging. De grootste uitdaging is om de computer ook daar rekening mee te leren houden. Dat gebeurt door de imitatie van de neurale netwerken. Beeldherkenning gebeurt daarbij net als in onze hersenen dankzij het onderscheiden van lagen, variërend van het onderscheiden van simpele lijnen, patronen, kleuren tot verschillen in scherpte.  Vanwege deze gelaagdheid wordt gesproken van ‘deep learning’. Hierbij is uiteraard sprake van grote datasets en veel rekenkracht, maar het is ook een arbeidsintensief proces.

Zelflerende computers

Leren toepassen van algoritmen onder begeleiding, levert betrouwbare resultaten op en de instructeur kan ook na veel iteraties het resultaat nog steeds verklaren. Maar dat houdt op als er verschillende processen tegelijkertijd spelen, bijvoorbeeld als dieren elkaar aanvallen, het soms overleven en dan weer niet en de computer moet voorspellen welke dieren onder welke omstandigheden de grootste overlevingskans hebben. Denk ook aan de patronen die de computer van een auto moet kunnen onderscheiden om veilig zonder chauffeur de weg op te kunnen. Vanwege de vrijwel onbeperkte variatie, werkt begeleid leren dan niet meer.

In het geval van onbegeleid leren, wordt de computer gevoed met gegevens van vele miljoenen realistische situaties, in geval van auto’s van verkeerssituaties en de manier waarop de bestuurders daarop reageerden. Hier kan met recht van ‘big data’ en ‘machine leren’ worden gesproken, al worden deze termen vaak ook breder gebruikt.  Zo ‘leert’ de computer van de auto hoe en wanneer deze binnen de rijstroken moet blijven, mag passeren, hoe voetgangers, fietsen of welk ‘object’ dan ook, ontweken kan worden, wat stoptekens zijn en verkeersborden betekenen en welke de daarbij behorende actie is. Tesla’s geven nog steeds al deze gegevens door aan een datacenter, dat er patronen uit destilleert waarmee de ‘autopilots’ van alle Tesla’s geregeld worden geüpdatet.  Op den duur zou elke Tesla, waar ook ter wereld, elk denkbaar patroon moeten herkennen, daar correct nop moeten reageren en zo het hoogst mogelijke niveau van veiligheid kunnen garanderen. Zover is het nog (lang?) niet en Tesla’s ‘autopilot’ mag daarom niet zonder de aanwezigheid van een chauffeur ’in control’ worden gebruikt. Niemand weet op basis van welke criteria de algoritmen van een Tesla werken, uiteraard wel als ze niet werken. 

Zelflerende computers worden ook ingezet als het gaat om de voorspelling van (belasting)fraude, de kans dan bepaalde personen ‘in de fout’ gaan of plaatsen waar op een bepaald moment de kans op een misdaad het grootst is. Maar ook bij de beoordeling van sollicitanten en de toewijzen van woningen.  Voor deze doelen wordt de waarde van kunstmatige intelligentie overschat[3]. In al deze gevallen is de wijze waarop de computer ‘besluiten’ neemt een ‘blackbox’. Mede om die reden is het moeilijk zo niet onmogelijk om achteraf eventuele fouten op te sporen en recht te zetten.  Dit is een van de problemen bij de beruchte toelagenaffaire.

De cybernetische cirkel

Algoritmische besluitvorming is een onderdeel van een nieuwe digitale golf, gekenmerkt door een cybernetische cirkel van meten (data verzamelen), profileren (data analyseren) en interveniëren (toepassen van data). Op zich komen deze aspecten terug in elk besluitvormingsproces, maar daarbij maken de betrokkenen, politici, volksvertegenwoordigers stapsgewijs bewuste keuzen, terwijl nu het hele proces een blackbox is. 

De rol van ethische principes

Ondertussen groeit de bezorgdheid over het negeren van nagenoeg alle ethische principes die in aflevering 9 zijn genoemd, door de toepassing van kunstmatige intelligentie: Schending van de privacy, discriminatie, gebrek aan transparantie en machtsmisbruik met als gevolg groot (deels onbedoeld) leed, risico’s voor de beveiliging van kritieke infrastructuur, afbrokkeling van menselijk denkvermogen en ondermijning van het vertrouwen in de samenleving. Het is daarom noodzakelijk om richtlijnen te formuleren die de toepassing van kunstmatige intelligentie weer in lijn brengen met de genoemde ethische principes. 

Hiertoe is een belangwekkende aanzet gegeven in de publicatie van het Institute of Electric and Electronic Engineers: Ethically Aligned Design: A Vision for Prioritizing Human Well-being with Autonomous and Intelligent Systems[4]. Ook het Rathenau instituut[5] heeft in diverse publicaties een aantal richtlijnen gepubliceerd.

De belangrijkste richtlijnen die uit deze en andere publicaties kunnen worden gedestilleerd, zijn:

  1. Verantwoordelijkheid voor de impact van het gebruik van kunstmatige intelligentie leggen bij zowel degenen die besluiten nemen over de toepassing ervan (politiek, leiding van organisatie of bedrijven) als de ontwikkelaars. Deze verantwoordelijkheid betreft zowel de gebruikte systemen als de kwaliteit, nauwkeurigheid, volledigheid en representativiteit van de data(set).
  2. Voorkomen dat ontwerpers (onbewust) hun eigen normen gebruiken bij de instructie van leerprocessen. Teams met een diversiteit aan achtergronden zijn een goed middel om dit te voorkomen.
  3. Kunnen herleiden van ‘beslissingen’ door computersystemen op de gehanteerde algoritmen, de werking daarvan begrijpen en deze kunnen uitleggen.
  4. Wetenschappelijk kunnen onderbouwen van het model dat aan de algoritme en aan de keuze van de data ten grondslag ligt.
  5. Handmatig verifiëren van ‘beslissingen’ die negatief uitpakken voor de betrokkene. 
  6. Uitsluiten van alle vormen van bias in de inhoud van datasets, de toepassing van algoritmen en het hanteren van uitkomsten[6].
  7. Verantwoording afleggen over de wettelijke grondslag van de combinatie van datasets.
  8. Vaststellen of de berekening beoogt valse positieven dan wel valse negatieven te minimaliseren.
  9. Terugkoppelen naar opdrachtgevers door auteurs van algoritmen als deze in het bronnenmateriaal gebrek aan eenduidigheid aantreffen.
  10. Hanteren van de beginselen van proportionaliteit en subsidiariteit, wat betekent van geval tot geval vaststellen of de baten van gebruik van kunstmatige intelligentie opwegen tegen de risico’s[7].
  11. Verbieden van toepassingen van kunstmatige intelligentie die een groot risico vormen voor schending van ethische principes, zoals gezichtsherkenning, persuasieve technieken en deep-fake technieken[8].
  12. Intrekken van wettelijke bepalingen als blijkt dat deze vanwege hun complexiteit of vaagheid niet op transparante wijze gehandhaafd kunnen worden.  

De derde, de vierde en de vijfde richtlijn moeten in samenhang worden gezien.  Ik leg hieronder uit waarom.

De wetenschappelijke fundering van algoritmische besluitvorming

Bij het gebruik van zelflerende computers zijn het de computers zelf die de algoritmen aanpassen en uitbreiden en gegevens uit uiteenlopende datasets combineren.  Het gevolg kan zijn dat de uiteindelijke ‘beslissingen’ die de computer neemt niet uitgelegd kunnen worden. Dit is uitsluitend aanvaardbaar, nadat gebleken is dat deze beslissingen ‘foutloos’ zijn, bijvoorbeeld omdat, in het geval van ‘zelfsturende’ auto’s, deze vele malen veiliger blijken te rijden dan auto’s met chauffeur.

In de toelagen affaire was hier geen sprake van. Daar zou de vijfde richtlijn uitkomst hebben kunnen bieden.  Met behulp van wetenschappelijk ontwerpgericht onderzoek kan worden onderzocht, uit welke stappen en welke regels een beslissingsproces bestaat om te bepalen wie terecht een toelage krijgt en wie eventueel ten onrechte bezwaar maakt tegen de afwijzing van een verzoek. Aan de hand van zo’n beslisboom kan door een steekproef met voldoende omvang de overeenkomst met de ‘beslissingen’ van de computer worden vastgesteld. Als dit inderdaad in nagenoeg alle gevallen zo is, dan mogen de criteria die in de handmatige berekening zijn gehanteerd worden gebruikt om uit te leggen wat zich in de ‘blackbox’ van de computer heeft afgespeeld. Als er veel en grote afwijkingen zijn, dan moet de computerberekening worden verworpen.

Door toepassing van zelflerende algoritmen kunnen onvermoede verbanden worden ontdekt tussen verschijnselen. Dat kan van grote betekenis zijn. Er is dan altijd sprake van statistische relaties en niet van causale.  

Op basis van deze verbanden kunnen geen maatregelen worden gerechtvaardigd, wel kunnen ze vertrekpunt voor verder onderzoek. 

Governance

In de VS is het gebruik van algoritmen inmiddels in een kwaad daglicht komen te staan, vooral door de ongewenste gevolgen van toepassing door de politie, waarover aflevering 16 gaat.  De problemen daarbij gaan veel verder dan het optreden van ‘bias’. De stad New York heeft daarom een algoritme manager aangesteld, die onderzoekt of de gebruikte algoritmen voldoen aan ethische en wettelijke regels. In steeds meer gemeenten vervult een ethische commissie deze rol.

Op bestuurlijk vlak zijn zowel op Europees niveau als binnen Nederland al stappen gezet om uitwassen van algoritmische besluitvorming tegen te gaan.  

De Algemene Verordening Gegevensbescherming (AVG), die is in 2018 in werking getreden is heeft de bescherming van de privacy aanzienlijk verbeterd. In april 2019 publiceerde de Europese High Level Expert Group on AI ethische richtlijnen voor de toepassing van kunstmatige intelligentie In februari 2020 heeft ook de Europese Commissie zulke richtlijnen vastgesteld onder meer in het White Paper On Artificial Intelligence en een AI-verordening. Verder stelde de regering onder meer vast de nationale digitaliseringsstrategie, het Strategisch Actieplan AI en de beleidsbrief AI, mensenrechten en publieke waarden[9].

Ik realiseer me dat het binden van overheden en hun uitvoeringsorganen aan ethische principes koren op de molen is van degenen die deze principes aan de laars lappen. Daarom blijft de zoektocht naar legitieme methoden om misdaad, corruptie en malversaties met behulp van moderne technieken op te sporen, brede steun verdienen.

Er is nog heel wat werk te verzetten om de kracht van kunstmatige intelligentie voor dit doel op gewetensvolle wijze te gebruiken.

[1] https://stadszaken.nl/artikel/3961/rekenkracht-ai-maakt-gebiedsontwikkeling-beter?utm_source=Mailing+Lijst&utm_medium=email&utm_campaign=24-12-2021_Grote+verdeeldheid+over+Omgevingswet

[2] https://www.smartcitiesworld.net/news/belgian-city-uses-artificial-intelligence-to-tackle-noise-pollution-7243?utm_source=newsletter&utm_medium=email&utm_campaign=Weekly%20Newsletter

[3] https://www.dropbox.com/s/22ekhzws9gpb4nd/Rapport_De_stand_van_digitaal_Nederland_Rathenau_Instituut.pdf?dl=0

[4] https://www.dropbox.com/s/508gjrmdaexj563/2020_029_Digitale_technologie_Eng.docx?dl=0

[5] https://www.dropbox.com/s/hdx3gwjx1rni3on/Rathenau-Grip_op_algoritmische_besluitvorming_overheid_Rathenau_Instituut.pdf?dl=0

[6] https://medium.com/@BloombergCities/the-promise-and-peril-of-algorithms-in-local-government-f1a2964769f2

[7] https://www.dropbox.com/s/xe962n2m7ik6gt2/Rathenau-Zeven_aandachtspunten_voor_de_AI-verordening_Bericht_aan_het_Parlement_Rathenau_Instituut.pdf?dl=0

[8] https://www.dropbox.com/s/q2zji5s60y989ea/Rathenau-Verantwoord_Innoveren_met_AI_Rathenau_Instituut.pdf?dl=0

[9] https://www.dropbox.com/s/22ekhzws9gpb4nd/Rapport_De_stand_van_digitaal_Nederland_Rathenau_Instituut.pdf?dl=0

Toegankelijkheid, software, digitale infrastructuur en data: De roep om ethiek

De 10de aflevering in de reeks Bouwen aan duurzame steden – De bijdrage van digitale technologie gaat over de betekenis van ethische principes voor vier belangrijke pijlers van digitalisering: toegankelijkheid, programmatuur, infrastructuur en data.

In de vorige aflevering kwam een aantal uitgangspunten (richtlijnen en ethische principes) voor digitale technologie aan de orde. Uit het rapport van het Rathenau Instituut[1] Opwaarderen – Borgen van publieke waarden in de digitale samenleving blijkt dat overheid, bedrijfsleven en samenleving deze nog onvoldoende hanteren. Hieronder sta ik stil wat deze principes en waarden betekenen voor vier fundamentele aspecten van digitalisering: toegankelijkheid, programmatuur, infrastructuur en data.  In de volgende twee afleveringen komen hun implicaties voor een zestal technologieën aan de orde. 

Toegankelijkheid

Toegankelijkheid verwijst naar de beschikbaarheid van snel Internet voor iedereen. Dit gaat verder dan alleen technische toegang.  Het houdt ook in dat een gemeente toeziet op de begrijpelijkheid van de eigen berichtgeving en dat gebruikers de aangeboden opties ook kunnen hanteren. Niet in de laatste plaats zou iedereen moeten beschikken over een werkende computer.

Gratis Internet voor alle inwoners is een waardevolle basisvoorziening, inclusief Wi-Fi in de publieke ruimte, mits goed beveiligd tegen indringers. Overlaten van een Wi-Fi voorziening aan private aanbieders, zoals de LinkNYC reclamezuilen in New York, die ook in andere steden opduiken, is een slechte zaak. Bedrijven als Sidewalk Labs verleiden gemeenten door deze zuilen gratis te plaatsen. Ze zijn uitgerust met sensoren die een enorme hoeveelheid gegevens verzamelen via elk apparaat dat verbinding maakt met hun Wi-Fi-netwerk: Niet alleen de locatie en het besturingssysteem, maar ook het MAC-adres. Met behulp van analysetechnieken kan daarmee het loop-, kijk- en koopgedrag van burgers worden gereconstrueerd. Gecombineerd met andere openbare gegevens van Facebook of Google leveren ze inzicht in persoonlijke interesse, seksuele geaardheid, ras en politieke overtuiging van de betrokkenen.

Het enorme internet dat alles en iedereen verbindt, roept ook schrikbeelden op, die te maken hebben met waarborgen van privacy en in relatie daarmee uiteenlopende vormen van misbruik, tot het hacken van apparatuur die je hartslag regelt toe. Daarom wordt er breed gezocht naar alternatieven.

Wereldwijd komen P2P buurtinitiatieven voor om een besloten eigen netwerk aan te leggen. Veel daarvan maken deel uit van The Things Network[2]. In plaats van Wi-Fi, gebruikt dit netwerk een protocol genaamd LoRaWAN. Door robuuste end-to-end-codering hoeven gebruikers zich geen zorgen te maken over beveiligde draadloze hotspots, mobiele data-abonnementen of haperende Wi-Fi-connectiviteit. Het Things-netwerk beheert duizenden gateways en biedt dekking aan miljoenen mensen en biedt een reeks open tools waarmee burgers en ondernemers IoT-applicaties kunnen bouwen tegen lage kosten, met maximale beveiliging en die makkelijk op te schalen zijn.

Programmatuur

Computerprogramma’s zorgen voor uiteenlopende toepassingen, variërend van tekstverwerking tot managementsystemen. Op zoek naar oplossingen die het best passen bij de richtlijnen en ethische principes uit de vorige aflevering, komen we al snel uit bij open-source software, in tegenstelling tot propriëtaire producten van commerciële aanbieders. Niet dat deze laatste bij voorbaat verwerpelijk zijn of dat ze altijd goedkoper zijn. Het belangrijkste waar je op moet letten is uitwisselbaarheid (interoperabiliteit) met producten van andere aanbieders om te voorkomen dat je er lastig vanaf komt (lock in). 

Open source software kan veel voordelen bieden ten opzichte van prioriëtaire oplossingen, zeker als gemeenten dit stimuleren. Barcelona loopt hierbij voorop[3]. De stad beoogt volledig zelfbeheer van haar ICT-diensten en radicale verbetering van digitale openbare dienstverlening voor de burgers, inclusief ‘privacy by design’ en databescherming dankzij het gebruik van blockchain. Dit resulteert in gegevenssoevereiniteit en in het gebruik van vrije software, open dataformats, open standaarden, interoperabiliteit en herbruikbare applicaties en diensten. 

Wie zich oriënteert op open source software kan niet om de Fiware-gemeenschap[4] heen, qua organisatie vergelijkbaar met Linux en bestaande uit bedrijven, startups en freelance ontwikkelaars en voortgekomen uit een initiatief van de EU. Fiware is een organisatie met als missie bouwen van open, en duurzame software rond publieke, royaltyvrije en implementatie gedreven standaarden. 

Infrastructuur

Computers zijn inmiddels niet meer de grootste groep onderdelen van de digitale infrastructuur. Hun aantal is overtroffen door zogenaamde ubiquitous sensor networks (USN), zoals slimme meters, CCTV, microfoons en sensoren. Sensornetwerken hebben de meest uiteenlopende taken, ze bewaken de omgeving (luchtkwaliteit, verkeersdichtheid, ongewenste bezoekers) en ze zitten in machines, treinen en auto’s en zelfs mensen en geven informatie over het functioneren van vitale onderdelen door. Mike Matson[5] berekende verder dat er in 2050 een stad van 2 miljoen inwoners wel een miljard sensoren zal zijn. Deze zijn verbonden door miljoenen kilometers glasvezelkabel of via Wi-Fi met elkaar, met datacenters, carrier hotels (dat zijn knooppunten waar particuliere netwerken samenkomen) om uiteindelijk het Internet te vormen.

Deze hiërarchisch georganiseerde verknoping staat op gespannen voet met de richtlijnen en ethische principes uit de vorige post. Internet criminelen krijgen vrij baan, bijvoorbeeld door het veroorzaken van denial of service (DoS) en dataleks kunnen grote gevolgen hebben. Bovendien loopt het energieverbruik gigantisch op, ook zonder blockchain. Het kan ook anders. Met edge computing[6] vindt de bewerking van de gegevens lokaal plaats en alleen resultaten worden op verzoek geüpload. Dit geldt voor sensoren, mobiele telefoons en mogelijk ook voor geautomatiseerde auto’s. Een mooi voorbeeld is het Array of things Initiative[7]. Uiteindelijk gaat dit 500 sensoren omvatten, die in overleg met de bevolking in Chicago worden opgehangen en data gaan verzamelen.  Deze data worden in elke sensor opgeslagen en kunnen indien nodig online worden geraadpleegd, waarbij steeds een aantal sensoren en een deel van de data betrokken is. 

Vergelijkbaar zijn federatieve datasystemen[8]. Hierbij worden data decentraal bewaard, maar geautoriseerde gebruikers kunnen dankzij gebruiksinterfaces wel van alle gegevens gebruik maken.

Data

Het besef dringt door dat het bij data niet alleen om de hoeveel gaat, maar ook om de kwaliteit van zowel de data zelf en de bewerking ervan. Ik stip een aantal aspecten aan

Toegang tot data

Als het om gegevens van personen gaat, dan zou de regel moeten zijn dat privégegevens alleen doorzoekbaar zijn na toestemming van de eigenaar. Om deze data te beschermen stelt het EU-project Decode voor eigenaars hun gegevens via blockchaintechnologie te laten beheren[9]. Veel steden hebben inmiddels privacyrichtlijnen, maar slechts een aantal voert privacy impact assessment uit als onderdeel van het beleid (p.18)[10]. 

Kwaliteit

Er komen steeds meer aanwijzingen dat veel data die voor kunstmatige intelligentie worden gebruikt als ‘leersets’ ondeugdelijk zijn.  Dat was al pijnlijk duidelijk geworden uit data voor gezichtsherkenning waarin minderheidsgroepen disproportioneel zijn vertegenwoordigd[11]. Nieuw onderzoek laat zien dat dit ook geldt op het gebied van de gezondheidszorg. Er is hier sprake van data cascades, een optelsom van achtereenvolgende fouten, waarvan de gevolgen pas na enige tijd duidelijk worden[12]. Data bleken niet relevant, onvolledig, onvergelijkbaar en zelfs gemanipuleerd[13]. 

Data commons

Voor wie specifieke data van groot belang zijn, en daarmee ook hun kwaliteit, zal zich extra daarvoor inzetten. Samen kunnen de betrokkenen dan een datacommon vormen. Commons are shared resources managed by empowered communities on the basis of mutually agreed and enforced rules[14]. 

Een mooi voorbeeld is de Data- en Kennishub Gezond Stedelijk Leven (p.152)[15], waarin overheden, bedrijven, milieugroepen en bewoners kennis verzamelen voor de ontwikkeling van een gezonde leefomgeving, met gebruikmaking van een federatief datasysteem. Het gaat hierbij niet alleen om data, maar ook om de terugkoppeling van het effect van maatregelen. 

Open data

Veel steden hanteren het ‘open by default’ principe en maken de meeste gegevens openbaar, al laat de gebruikersvriendelijkheid en doelmatigheid soms nog te wensen over. Er zijn verschillende datamanagementsystemen als open-source portal beschikbaar. Een van de meest vooraanstaande is CKAN, beheert door de Open Knowledge Foundation[16]. Het bevat middelen voor het beheren, publiceren, vinden, gebruiken en delen van gegevensverzamelingen. Het biedt een uitgebreide zoekfunctie en maakt het mogelijk om gegevens te bekijken in de vorm van kaarten, grafieken en tabellen. Er is een actieve gemeenschap van gebruikers, die het systeem verder ontwikkelt en lokaal aanpast. 

Om de gegevens daadwerkelijk toegankelijk te maken bieden sommige steden ook trainingen en workshops aan. Barcelona’s Open Data Challenge is een initiatief voor leerlingen uit het secundair onderwijs, dat hen wegwijs maakt in de enorme gegevensverzameling van de stad[17].

Veiligheid

Naarmate de omvang van de verzamelde data, de hoeveelheid ‘entry points’ en de verbondenheid op het Internet toeneemt, worden de veiligheidsrisico’s ook groter. Decentralisering, onder andere door middel van edgecomputingen federatieve opslag met blockchaintechnologie dragen zeker bij aan de veiligheid. Er is verder nog een lange weg te gaan. Slechts de helft van de steden heeft een seniorbeleidsmedewerker op dit gebied en technieken voor authenticatie, versleuteling en ondertekening die samen de basis vormen voor attribute-based identity worden lang niet altijd toegepast. Het gaat hierbij om identiteitsbepaling op basis van een aantal kenmerken van een gebruiker, zoals functie, locatie en afdeling[18]. 

Iets heel anders is Me and my shadow, een project dat gebruikers van het Internet leert hun eigen spoor te minimaliseren en daarmee hun vindbaarheid voor Internetcriminelen[19].

Er is nog een wereld te winnen voordat voldoende is voldaan aan de richtlijnen en ethische principes die in de vorige aflevering werden genoemd.

Het belangrijkste is wellicht een zekere relativering van begrippen als ‘big data’, ‘datagericht beleid’ en de omvang van datasets.

Het is raadzaam zich opnieuw te verdiepen in de grondslagen van wetenschappelijk onderzoek. Hierin staat voorop een goed geformuleerde vraagstelling, vervolgens de keuze van een hierbij passende onderzoeksmethode, bijvoorbeeld de formulering van hypothetische verbanden op basis van materiekennis, de beantwoording van de vraag welke gegevens hiervoor nodig zijn, de verzameling van deze gegevens en hun statistische bewerking om te zien in hoeverre de onderbouwde hypothetische verbanden aangetroffen worden. In de volgende aflevering komt onder andere machine leren aan de orde en dan zal blijken dat het bij de automatische verwerking van grote datasets vooral gaat om de ontdekking van statistische verbanden en dat kan nare consequenties hebben. 

Volg deze link als je snel een van de vorige afleveringen uit deze reeks wil vinden of wilt zien welke de volgende afleveringen zijn. Vol deze link voor de Engelstalige versie

[1] https://www.dropbox.com/s/qom95p4hwph1cie/Rathenau-Opwaarderen.pdf?dl=0

[2] https://www.thethingsnetwork.org/

[3] https://www.barcelona.cat/digitalstandards/

[4] https://www.fiware.org

[5] http://smallwarsjournal.com/jrnl/art/complex-cyber-terrain-in-hyper-connected-urban-areas

[6] https://searchdatacenter.techtarget.com/definition/edge-computing

[7] https://datasmart.ash.harvard.edu/news/article/a-guide-to-chicagos-array-of-things-initiative-1190

[8] https://statetechmagazine.com/article/2021/04/researchers-eye-machine-learning-secure-iot-data

[9] https://www.youtube.com/watch?time_continue=2&v=_-ooCbgIiyo&feature=emb_logo

[10] https://www.weforum.org/whitepapers/governing-smart-cities-policy-benchmarks-for-ethical-and-responsible-smart-city-development

[11] https://www.verdict.co.uk/ethnic-data-bias/

[12] https://storage.googleapis.com/pub-tools-public-publication-data/pdf/0d556e45afc54afeb2eb6b51a9bc1827b9961ff4.pdf

[13] https://www.theverge.com/2021/4/27/22403741/deepfake-geography-satellite-imagery-ai-generated-fakes-threat

[14] https://www.dropbox.com/s/wxf4c6x16hb2xdy/Waag-AMS-Strategy-for-urban-data.pdf?dl=0

[15] https://www.dropbox.com/s/qoqp17grtsfoh9u/future-city-magazine-2020-mr.pdf?dl=0

[16] https://ckan.org

[17] https://opendata-ajuntament.barcelona.cat/en/repte-barcelona-dades-obertes

[18] https://media.erepublic.com/document/CDG21_BRIEF_SailPoint_AWS_V.pdf

[19] https://tacticaltech.org/#/projects/me-and-my-shadow

Digitale technologie en de stedelijke duurzaamheidsagenda. Een kader

Digitale technologie is waardevol voor steden als ze ingepast is in het beleid en er samenhang is met andere beleidsinstrumenten. Dit en meer lees je in de 8ste aflevering van de reeks Bouwen aan duurzame steden – De bijdrage van digitale technologie

De oplossing van stedelijke problemen is vanaf de allereerste publicatie over smart cities (1992) tot op de dag van vandaag genoemd als motief voor de toepassing van (digitale) technologie. Deze relatie is echter allesbehalve vanzelfsprekend. Denk aan het discriminerende effect van de toepassing van kunstmatige intelligentie door de politie in de VS – waarop ik later nog terugkom – en aan de ellende die deze heeft veroorzaakt in de toelagenaffaire in ons land. 

De keuze en de toepassing van (digitale) technologie is daarom een onderdeel van zorgvuldig en democratisch proces, waarin prioriteiten worden gesteld en middelen worden afgewogen. Zie hiervoor ook het artikel van Jan-Willem Wesselink en Hans Dekker: Slimme stad versterkt leefbaarheid en stelt burger centraal (p.15)[1]. Hieronder bespreek ik een bestuurlijk kader, dat in de volgende vijf posts wordt ingevuld. 

Wat ik voorstel, is een iteratief proces waarin drie clusters van activiteiten zijn te onderscheiden:

  • De ontwikkeling van een visie op de stad
  • De ontwikkeling en keuze van doelstellingen
  • De instrumentatie van de doelstellingen 

Visie op de stad

Vertrekpunt voor een democratisch stedelijk beleid is een breed gedragen visie op de stad en haar ontwikkeling. Burgers en andere stakeholders moeten zich hierin kunnen herkennen en hun stem moet zijn gehoord. De visie op de stad is onderdeel van een maatschappelijk krachtenveld gekenmerkt door een veelheid van tegengestelde of ‘schurende’ inzichten, wensen en belangen. Tegenwicht bieden aan de machtsverschillen tussen betrokkenen groepen is een voorwaarde om de stad rechtvaardiger, inclusiever en democratischer en de bewoners gelukkiger te maken.

Het concept van een donuteconomie is het beste kader dat ik ken om een visie op een dergelijke stad te ontwikkelen. Het is uitgewerkt door de Britse econoom Kate Raworth in een rapport getiteld A Safe and Just Space for Humanity[2]. Het rapport neemt de gelijktijdige toepassing van sociale en ecologische duurzaamheid als uitgangspunten voor beleid. 

Als je naar een donut kijkt, zie je een kleine cirkel in het midden en een grote cirkel aan de buitenkant (zie boven). De kleine cirkel verwijst naar 12 principes op het gebied van sociale duurzaamheid, de minimale levensstandaard waar iedereen recht op heeft. Deze uitgangspunten sluiten aan bij de ontwikkelingsdoelen van de VN. De grote cirkel verwijst naar 9 gangbare principes op het gebied van ecologische duurzaamheid. Een tabel met beide soorten principes kun je hier bekijken. Deze principes hebben betrekking op zowel de eigen stad als haar impact op de rest van de wereld. Aan de hand van deze principes kan de stad vaststellen op welke terreinen zij tekortschiet; denk aan huisvesting, gendergelijkheid en uitstoot van broeikasgassen.

Amsterdam heeft dit proces doorlopen, samen met Kate Raworth. In de loop van een interactief proces is een stadsdonut tot stand gekomen. Hieraan deden burgers uit zeven verschillende wijken, ambtenaren en politici mee. Het is de moeite waard om de stadsdonut eens te bekijken [3].

De stadsdonut van Amsterdam levert een brede visie op stedelijke ontwikkeling op, in het bijzonder vanwege de referentie naar zowel sociale als ecologische principes als het gelijktijdig refereren aan haar mondiale voetafdruk. De eerste versie is zeker niet af. Het is te zien hoe Amsterdam heeft geworsteld met de omschrijving van de impact van de internationale dimensie.

De formulering van gewenste doelstellingen

Politiek en burgers zullen ook zonder de stadsdonut wel weten waar de belangrijkste knelpunten liggen. Voor Amsterdam zijn dat bijvoorbeeld de volgende thema’s: afvalproblematiek, de klimaattransitie, vermindering van het autogebruik, betaalbare huisvesting en inclusiviteit. Inhoudelijk worden deze thema’s ook gevoed vanuit de Europese Agenda Stad en de 21 doelen van de Nationale Omgevingsvisie. De stadsdonut nodigt uit om vanuit verschillende perspectieven naar deze problemen te kijken: Een breed scala van sociale implicaties, de ecologische effecten en de internationale dimensie. Hiermee legt deze de basis voor de formulering van doelstellingen.  

In de formulering van doelstellingen kunnen vijf stappen worden onderscheiden:

  • Voor elk van de gekozen thema’s mede aan de hand van de stadsdonut vaststellen waar zich de belangrijkste knelpunten bevinden (probleemanalyse), bijvoorbeeld onvoldoende groen in de wijken.
  • Verzamelen van gegevens over de bestaande situatie met betrekking tot deze knelpunten. Bijvoorbeeld het feit dat in arbeiderswijken viermaal minder bomen per hectare voorkomen dan in middenklasse wijken.
  • Maken van voorlopige keuzen met betrekking tot de gewenste verbetering van deze knelpunten. Bijvoorbeeld verdubbeling van het aantal bomen in vijf jaar.
  • Formuleren van de wijze waarop de kloof tussen bestaande en gewenste situatie kan worden overbrugd. Bijvoorbeeld parkeerplaatsen vervangen door bomen of gevelbegroeiing. 
  • Formuleren van (voorlopige) doelstellingen

Ook dit proces geschiedt bij voorkeur samen met stakeholders.  Bij de totstandkoming van de plannen van de circulaire economie in Amsterdam waren meer dan 100 personen betrokken, vooral vertegenwoordigers van de gemeenten, bedrijven en kennisinstellingen. 

Prioriteren van doelstellingen en hun Instrumentatie

Gegeven de voorlopige doelstellingen met betrekking tot de oplossing van problemen kan het zoeken beginnen naar beschikbare en wenselijke middelen, variërend van voorlichting, juridische maatregelen, reorganisatie tot (digitale) technieken. Daarbij kan worden gekeken naar verwachte effectiviteit, gewenste samenhang, aanvaardbaarheid en kosten. Met deze kennis kunnen de doelen definitief worden geformuleerd en zo nodig geprioriteerd. Het is ook wenselijk om een korte- en langetermijnperspectief te onderscheiden om de ontwikkeling van innovatieve oplossingen mogelijk te maken.  

De inventarisatie, keuze en ethische beoordeling van middelen en het in samenhang hiermee aanscherpen van de doelstellingen kan in eerste instantie het beste gebeuren door teams waarin verschillende disciplines, waaronder deskundigheid op het gebied van digitale technologie zijn vertegenwoordigd, uiteraard gevolgd door democratische sanctionering.

Het heeft mijn voorkeur om het proces van instrumentatie te beleggen bij een ‘Dienst voor stedelijke ontwikkeling en innovatie’, naar het model van het Majors Office of New Urban Mechanics (MONUM) in Boston. Vanuit een dergelijk bureau, dat wortelt in de andere afdelingen kunnen wisselende teams worden samengesteld. Hiermee kan de samenhang tussen de afzonderlijke doelen en actiepunten en de inbreng van wetenschappelijk onderzoek worden veiliggesteld. Volgens Ben Green, de auteur van het boek The smart enough city en jarenlang werkzaam bij MONUM, bleek keer op keer dat het effect van technische innovatie versterkt wordt als deze samengaat met andere vormen van innovatie, zoals sociale innovatie. 

Technologie is daarom zelden of nooit het enige of belangrijkste middel voor de oplossing van stedelijke problemen. Ik begrijp daarom niet waarom sommige steden zo gebrand zijn op het predicaat ‘smart city’. 

Van visie naar actiepunten: Overzicht

Hieronder geef ik een overzicht van de belangrijkste bouwstenen om tot een visie te komen en vanuit deze visie actiepunten te ontwikkelen

  1. Het proces van visie naar actiepunten is zowel lineair als iteratief. Onderscheiden van de fasen van visieontwikkeling, formuleren van ontwikkelingsrichtingen en instrumentatie is nuttig maar deze beïnvloeden elkaar wederzijds en vormen op den duur een cyclisch proces.
  2. Stedelijke problemen altijd gecompliceerd, vol interne tegenstellingen en complex. Er zijn dus zelden enkelvoudige oplossingen.
  3. De burgemeester (en dus niet een aparte wethouder) is primair verantwoordelijk voor de samenhang binnen de beleidsagenda, inclusief het gebruik van (digitale) technologie. Bij voorkeur vertaalt zich dit in de structuur van de gemeentelijke organisatie, bijvoorbeeld een ‘Dienst voor stedelijke ontwikkeling en innovatie’.
  4. Het formuleren van een visie, oplossingsrichtingen en ambities is onderdeel van een democratisch proces. Hierbij spelen zowel gekozen volksvertegenwoordigers als stakeholders een belangrijke rol. 
  5. Vanwege hun complexiteit en samenhang overstijgt de inhoud van de beleidsagenda doorgaans de directe belangen van de stakeholders, maar deze moeten wel ervaren dat hun problemen worden geadresseerd.
  6. Elke stad kiest uiteindelijk een reeks samenhangende acties om tot een effectieve, doelmatige en gedragen oplossing van haar problemen te komen. De keuze van deze acties, zeker als het om (digitale) technieken gaat, kan altijd worden uitgelegd als een functie van de adresseren problemen.
  7. De inzet van technologie voegt zich naadloos naar de stedelijke agenda, in plaats van dat problemen worden ge(her)formuleerd zodat ze aansluiten bij verleidelijke technologieën.
  8. Implementatie is minstens zo belangrijk dan grootse plannen, maar zonder visie boeten concrete acties in aan legitimiteit en draagvlak.
  9. Bij het zoeken naar draagvlak voor oplossingen en de uitvoering van plannen wordt samengewerkt met stakeholders en deze kunnen bevoegdheid en middelen krijgen om zelf problemen aan te pakken en te experimenteren.
  10. Bij veel stedelijke problemen vormt het adresseren van de schadelijke gevolgen van eerder hanteerde technologieën (variërend van broeikasuitstoot, luchtvervuiling tot welvaartsziekten en discriminatie) een noodzakelijk uitgangspunt.

Terug naar digitale techniek

(Digitale) technologie is een gegeven en ontwikkelt zich in snel tempo. Soms zou je wel eens anders willen.

Het is zeer te betreuren dat niet democratisch gekozen overheden maar Big Tech de drijvende kracht achter de ontwikkeling van de techniek is en dat deze ontwikkeling daardoor in de eerste plaats is ingegeven door commerciële belangen.

Dit noopt tot verzet tegen de monopolies van ‘Big Tech’ en terughoudendheid tegenover hun producten. Bedrijven daarentegen die werken aan technologische ontwikkelingen die een duurzame stedelijke agenda ondersteunen, verdienen alle steun. 

In mijn e-book Steden van de toekomst. Humaan als keuze. Smart waar dat helpt, heb ik de exercitie die ik in deze post beschrijf uitgevoerd op basis van gangbare kennis over stedelijk beleid en stedelijke ontwikkelingen.  Dit heeft geleid tot het onderscheiden van 13 thema’s en 75 actiepunten, waar mogelijk voorzien van verwijzingen naar potentieel bruikbare technologie. Je kunt het e-boek hier downloaden[4].

[1] https://www.dropbox.com/s/94iuozmph0dlv00/future-city-2019-een-slimme-stad-zo-doe-je-dat.pdf?dl=0

[2] https://www-cdn.oxfam.org/s3fs-public/file_attachments/dp-a-safe-and-just-space-for-humanity-130212-en_5.pdf

[3] https://www.dropbox.com/s/t5tqb3v9frbq6go/Donut%20amsterdam-portrait%20NL.pdf?dl=0

[4] https://www.dropbox.com/s/i37xo24smn6zmng/01%20Steden%20van%20de%20toekomst%20NL%20-%20verkleind.pdf?dl=0