Zoeken

Vorige week ontving GPT-NL een groot aantal artikelen uit kranten van onder meer de grote mediabedrijven DPG en Mediahuis, van andere leden van branche-organisatie NDP Nieuwsmedia en stukken van nieuwsdienst ANP. Het tekent een kantelpunt in de ontwikkeling van AI: het is wereldwijd de eerste keer dat een dergelijke overeenkomst tussen nieuwsuitgevers en ontwikkelaars van AI is gesloten. We spreken daarom met Selmar Smit, één van de grondleggers van GPT-NL, om terug te blikken op de start van het project en de mijlpalen die zijn bereikt. ‘Als we een succesvol en soeverein taalmodel kunnen bouwen dat voldoet aan de wet, is dat een revolutie.’

Waar staan we met GPT-NL? Product Owner Saskia Lensink maakt de balans op. Wat zijn belangrijke mijlpalen geweest en wat bleek een grote uitdaging? Een aantal vragen aan Saskia Lensink, als product owner één van de kartrekkers van GPT-NL. Saskia is een bevlogen en gemotiveerde data scientist bij TNO, die ook eerlijk toegeeft dat de complexiteit van het project iets is wat ze niet volledig had voorzien.

Wanneer het trainen van GPT-NL is afgerond, zal het model worden getest en geëvalueerd bij verschillende usecases. Eén van die usecases is van Het Nederlands Forensisch Instituut, dat samen met TNO en SURF één van de grondleggers is van GPT-NL. Waarom hecht het NFI zoveel waarde aan een Nederlands taalmodel? En hoe worden taalmodellen, ook nu al, ingezet in forensisch opsporingswerk? In gesprek met Erwin van Eijk, chief data officer van het NFI.

Voor de ontwikkeling van GPT-NL gebruiken we enkel data waarvoor we toestemming hebben van de eigenaren. Dat geldt ook voor data die openbaar te vinden is onder specifieke licenties. Echter, dat data onder een bepaalde licentie publiekelijk beschikbaar is, betekent niet dat we in één klik een kopie kunnen maken voor onze dataset. Om deze data te verkrijgen, hebben we de samenwerking gezocht met Open State Foundation. Onder het motto ‘open data, transparante samenleving’ vecht deze non-profit stichting om het recht op informatie van burgers te beschermen.

Het ontwikkelen van taalmodellen brengt diverse uitdagingen met zich mee. In dit rapport delen we één van de vraagstukken die binnen het project GPT-NL voorbij kwam: hoe gaan we om met representatiebias?

Voor de ontwikkeling van GPT-NL gebruiken we enkel data waarvoor we toestemming hebben van de eigenaren. Dat geldt ook voor data die openbaar onder het publieke domein valt Echter, dat data onder het publieke domein valt, betekent niet dat we in één klik een kopie kunnen maken voor onze dataset. Om deze data te verkrijgen, hebben we de samenwerking gezocht met Open State Foundation. Onder het motto ‘open data, transparante samenleving’ vecht deze non-profit stichting om het recht op informatie van burgers te beschermen.

GPT-NL is een ambitieus project: wij geloven dat technologie betrouwbaar en transparant moet zijn, een wederkerige bijdrage moet leveren, en soevereiniteit van Nederland moet versterken. Vanuit deze kernwaarden willen wij het AI innovatielandschap versterken. Met deze updates houden we je op de hoogte van de voortgang van de training.