Algorithms have become increasingly common, and with this development, so have algorithms that approximate human speech. This has introduced new issues with which courts and legislators will have... Show moreAlgorithms have become increasingly common, and with this development, so have algorithms that approximate human speech. This has introduced new issues with which courts and legislators will have to grapple. Courts in the United States have found that search engine results are a form of speech that is protected by the Constitution, and cases in Europe concerning liability for autocomplete suggestions have led to varied results. Beyond these instances, insight into how courts handle algorithmic speech are few and far between.By focusing on three categories of algorithmic speech, defined as curated production, interactive/responsive production, and semiautonomous production, this Article analyzes these various forms of algorithmic speech within the international framework for freedom of expression. After a brief introduction of that framework and a look towards approaches to algorithmic speech in the United States, the Article then examines whether the creators or controllers of different forms of algorithms should be considered content providers or mere intermediaries, the determination of which ultimately has implications for liability, which is also explored. The Article then looks at possible interferences with algorithmic speech, and how such interferences may be examined under the three-part test—particular attention is paid to the balancing of rights and interests at play—in order to answer the question of the extent to which algorithmic speech is worthy of protection under international standards of freedom of expression. Finally, other relevant issues surrounding algorithmic speech are discussed that will have an impact going forward, many of which involve questions of policy and societal values that accompany granting algorithmic speech protection. Show less
According to Chiao in his contribution to this book, the desirability of the use of AI in sentencing should be evaluated by comparing computers to the status quo ante, rather than to an unrealistic... Show moreAccording to Chiao in his contribution to this book, the desirability of the use of AI in sentencing should be evaluated by comparing computers to the status quo ante, rather than to an unrealistic, and in any case unrealized, ideal. Although we agree that changes to the legal process such as adopting algorithmic sentencing methods can be beneficial when the change is an incremental improvement over the status quo, in order to assess whether the change is an improvement, we need to know what this “ideal” is toward which improvements are aimed. Therefore, the question whether AI is better at making sentencing decisions than human judges is approached differently in this chapter. We compare human with AI judges by evaluating the extent to which they are able to make a legitimate sentencing decision: Is legitimacy better achieved by machine than by human judges? Show less
Artificial intelligence is increasingly used throughout all processes of the news cycle. AI also has untapped corrective potential. By learning to point readers to diverse, quality, and/or... Show moreArtificial intelligence is increasingly used throughout all processes of the news cycle. AI also has untapped corrective potential. By learning to point readers to diverse, quality, and/or legitimate news after exposure to ‘fake news’, ‘false narratives’, and disinformation, AI plays a powerful role in cleaning up the information ecosystem. Yet AI systems often ‘learn’ from training data that contains historical inaccuracies and biases, with results proven to embed discriminatory attitudes and behaviours. Because this training data often does not contain personal information, regulation of AI in the news production cycle is largely overlooked by legal commentators. Accordingly, this chapter lays out the risks and challenges that AI poses in both journalistic content creation and moderation, especially through machine-learning in the post-truth world. It also assesses the media’s rights and responsibilities for using AI in journalistic endeavours in light of the EU’s AI draft regulation legislative process. Show less
Wall, H.E.C. van der; Hassing, G.J.; Doll, R.J.; Westen, G.J.P. van; Cohen, A.F.; Selder, J.L.; ... ; Gal, P. 2022
ObjectiveThe aim of the present study was to develop a neural network to characterize the effect of aging on the ECG in healthy volunteers. Moreover, the impact of the various ECG features on aging... Show moreObjectiveThe aim of the present study was to develop a neural network to characterize the effect of aging on the ECG in healthy volunteers. Moreover, the impact of the various ECG features on aging was evaluated.Methods & resultsA total of 6228 healthy subjects without structural heart disease were included in this study. A neural network regression model was created to predict age of the subjects based on their ECG; 577 parameters derived from a 12‑lead ECG of each subject were used to develop and validate the neural network; A tenfold cross-validation was performed, using 118 subjects for validation each fold. Using SHapley Additive exPlanations values the impact of the individual features on the prediction of age was determined. Of 6228 subjects tested, 1808 (29%) were females and mean age was 34 years, range 18-75 years. Physiologic age was estimated as a continuous variable with an average error of 6.9 ± 5.6 years (R2 = 0.72 ± 0.04). The correlation was slightly stronger for men (R2 = 0.74) than for women (R2 = 0.66). The most important features on the prediction of physiologic age were T wave morphology indices in leads V4 and V5, and P wave amplitude in leads AVR and II.ConclusionThe application of machine learning to the ECG using a neural network regression model, allows accurate estimation of physiologic cardiac age. This technique could be used to pick up subtle age-related cardiac changes, but also estimate the reversing of these age-associated effects by administered treatments. Show less
In deze aflevering richten we ons op de conferentie 'AI: de creatieve (R)evolutie in het onderwijs', een evenement gehost door het Grafisch Lyceum Rotterdam en SintLucas. Onze podcast is rijk aan... Show moreIn deze aflevering richten we ons op de conferentie 'AI: de creatieve (R)evolutie in het onderwijs', een evenement gehost door het Grafisch Lyceum Rotterdam en SintLucas. Onze podcast is rijk aan perspectieven, met bijdragen van experts, docenten en studenten over de impact van AI in het onderwijs.We beginnen met Maarten Lamers, wiens keynote ons meeneemt op een reis door de wereld van creativiteit en kunstmatige intelligentie. Hij verkent vragen zoals: Hoe functioneert AI? En is het mogelijk voor een computermodel om 'creatief' te zijn in een wereld waar AI steeds meer menselijke trekken vertoont?Daarna richten we ons op de meningen van studenten: wat is voor hen van belang? Zij benadrukken het belang voor docenten om AI te integreren, niet alleen voor vaardigheidsontwikkeling, maar ook voor het behoud van kwaliteit in het leerproces. Docenten delen op hun beurt hun verworven inzichten over AI en hoe dit hun onderwijs beïnvloedt, inclusief praktische toepassingen uit de workshops.Vervolgens gaan we in gesprek met Oscar Lepoeter, docent aan de pabo Windesheim. Hij benadrukt het belang van kritisch nadenken over de informatie die we delen en de omgang met studentgegevens, met de vraag of studenten nog wel met een schone lei kunnen starten. We sluiten de podcast af met Erno Mijland, hij zit in de organisatie van het evenement. Hoe heeft hij de dag ervaren en waarom was het zo'n succes? Show less
This thesis introduces the concept of "physics-based inverse design", working on the notion that the physical driving forces governing functionality are inherently encoded in independently... Show moreThis thesis introduces the concept of "physics-based inverse design", working on the notion that the physical driving forces governing functionality are inherently encoded in independently parameterized energy functions, which can be resolved through the use of inverse design strategies.The thesis describes the development of EVO-MD, a Python-based implementation of the physics-based inverse design concept. EVO-MD is capable of automatically setting-up, performing, and analyzing molecular dynamics simulations, allowing for the evolutionary optimization of complex and dynamic features in peptides. Examples of such applications include the optimization of lipid composition and curvature sensors, and the development of peptides with antiviral properties. Show less
Als gevolg van de grote technologische vooruitgang in de gezondheidszorg worden in toenemende mate gegevens verzameld tijdens de uitvoering van klinische onderzoeken. Het is evenwel essentieel om... Show moreAls gevolg van de grote technologische vooruitgang in de gezondheidszorg worden in toenemende mate gegevens verzameld tijdens de uitvoering van klinische onderzoeken. Het is evenwel essentieel om te beseffen dat gegevens op zich van weinig of geen waarde zijn. Ten behoeve van hun optimale bruikbaarheid dienen gegevens geanalyseerd, geïnterpreteerd en verwerkt te worden. Machine learning-strategieën kunnen hiertoe nuttige en adequate oplossingen bieden. Dit proefschrift bevat machine learning-benaderingen toegepast op verschillende klinische datasets. De klassieke gegevens bestaan uit elektrische signalen van het electrocardiogram (ecg) verkregen bijgezonde proefpersonen, de innovatieve gegevens zijn afkomstig vanmetingen in een rijsimulator, en de opkomende gegevens zijn afgeleid van dna-analyse van de micro-organismen die op de huid voorkomenvan patiënten met huidziekten. We toonden aan dat het aantal ECG’s van invloed was op de nauwkeurigheid van geschatte verlenging van het qt-interval voor alle ingezette qt-correctieformules. Met behulp van SHapley AdditiveexPlanations (shap)-waarden werd de impact van de individuele kenmerken op de voorspelling van fysiologische leeftijd van het hart bepaald. We maakten gebruik van machine learning voor een betere beoordeling van de rijprestaties van bestuurders die medicijnen gebruikten. Tot slot lieten we zien dat de belangrijkste micro-organismen voor discriminatie van seborrroische dermatitis – naast Cutibacterium en Staphylococcus – kwamen relatief weinig voor, waardoor men deze micro-organismen in standaardanalyses eenvoudig over het hoofd kan zien. Daarmee hebben we aangetoond dat machine learning kanworden toegepast op gegevens die zijn afgeleid van klinische onderzoeken om in een vroeg stadium het effect van medicijnen en andere interventies op te sporen en te evalueren. Show less
This thesis focuses on data found in the field of computational drug discovery. New insight can be obtained by applying machine learning in various ways and in a variety of domains. Two studies... Show moreThis thesis focuses on data found in the field of computational drug discovery. New insight can be obtained by applying machine learning in various ways and in a variety of domains. Two studies delved into the application of proteochemometrics (PCM), a machine learning technique that can be used to find relations in protein-ligand bioactivity data and then predict using a virtual screen whether compounds that had never been tested on a particular protein, or set of proteins. With this, sets of compounds were suggested for experimental validation that were significant in a myriad of ways. Another study investigated the mutational patterns in cancer, applying a large dataset of mutation data and identifying several motifs in G protein-coupled receptors. The thesis also contains the work done on the Papyrus dataset, a large scale bioactivity dataset that focuses on standardising data for computational drug discovery and providing an out-of-the-box set that can be used in a variety of settings. Show less
Hoe creatief is kunstmatige kunst? Kunnen computers creatief zijn? Met literatuurwetenschapper prof. Kiene Brillenburg Wurth en computerwetenschapper dr. Maarten Lamers.Creativiteit wordt door... Show moreHoe creatief is kunstmatige kunst? Kunnen computers creatief zijn? Met literatuurwetenschapper prof. Kiene Brillenburg Wurth en computerwetenschapper dr. Maarten Lamers.Creativiteit wordt door velen gezien als iets uniek menselijks. En dus steekt er iets als AI ineens prachtige schilderijen maakt, rapt als Drake en literaire thrillers schrijft. Voor leken is het steeds moeilijker om computerkunst van echte kunst te onderscheiden: begin dit jaar won een door AI gegenereerde foto zelfs een prestigieuze fotoprijs. Hoe houdbaar zijn onze ideeën over originaliteit en creativiteit? Is creëren slechts het samenvoegen van eerder opgedane kennis en ervaring, of gebeurt er iets nieuws, iets magisch, iets menselijks als een kunstenaar aan de slag gaat? Kan je kunst maken zonder begrip te hebben van emoties, en zonder de ervaring van een lichaam? Computerwetenschapper dr. Maarten Lamers (LEI) legt uit hoe computers kunst maken en literatuurwetenschapper prof. Kiene Brillenburg Wurth (UU) vertelt wat computers ons kunnen leren over onze eigen creativiteit. Show less
AI wordt steeds menselijker. Zo lijkt AI in staat tot creatieve dingen, denk aan de schilderijen die DALL-E kan maken of de gedichten die ChatGPT schrijft. Maar creativiteit, dat is toch ons... Show moreAI wordt steeds menselijker. Zo lijkt AI in staat tot creatieve dingen, denk aan de schilderijen die DALL-E kan maken of de gedichten die ChatGPT schrijft. Maar creativiteit, dat is toch ons menselijke ding? Zijn we nog wel bijzonder als mens? Informaticus Maarten Lamers (Universiteit Leiden) legt uit of er nog wel verschil is tussen ons menselijke brein en de computer. Show less
Muziek, koken, kunst, humor - AI kan het allemaal. Maar kan creativiteit in een computerprogramma worden vastgelegd? Hoe werken ‘creatieve’ computers? En hoe verhoudt zich dat tot creativiteit bij... Show moreMuziek, koken, kunst, humor - AI kan het allemaal. Maar kan creativiteit in een computerprogramma worden vastgelegd? Hoe werken ‘creatieve’ computers? En hoe verhoudt zich dat tot creativiteit bij mensen? In dit Luisterlab gaan informaticus Maarten Lamers, maker Zeno van den Broek en Fedor Teunisse in gesprek over de relatie tussen mens en machine.Dit programma is een inleiding bij het Soundsofmusic programma Blind van DJ en producer van experimentele elektronische jazz, Jameszoo, alias Mitchel van Dinther. Jameszoo heeft een algoritme ontwikkeld dat een disklavier bespeelt en een robot aanstuurt als non existent soloist. Blind wordt voorafgegaan door MA(N|CHINE) van Zeno van den Broek voor vier slagwerkers. Gemodificeerde bassdrums en drummachines onderzoeken de relatie tussen mens en machine in een intense visuele performance.Maarten Lamers is informaticus aan de Universiteit Leiden. Lamers doet cross-disciplinair onderzoek naar kunstmatige intelligentie, robots, biologisch-digitale hybride systemen en creativiteit in onderzoek. Zeno van den Broek is een Nederlandse componist en artiest die in zijn werk de relatie tussen mens en machine onderzoekt en op scherp stelt.Percussionist, motivator en onderwijzer Fedor Teunisse is de artistiek directeur van Slagwerk Den Haag (SDH) en van Asko|Schönberg. Hij werkt ook als docent aan het Koninklijk Conservatorium in Den Haag.Dit programma wordt georganiseerd in samenwerking met Soundsofmusic, festival voor nieuwsgierige oren. Show less
Sinds de opkomst van AI vraagt men zich af of computers ook creatief kunnen zijn, en steeds vaker zien we voorbeelden van zogenaamde “artificial creativity”. Computers componeren muziek, bedenken... Show moreSinds de opkomst van AI vraagt men zich af of computers ook creatief kunnen zijn, en steeds vaker zien we voorbeelden van zogenaamde “artificial creativity”. Computers componeren muziek, bedenken recepten, maken visuele kunstwerken en tappen zelfs moppen. Maar kunnen we creativiteit wel in een computerprogramma vatten? En hoe dan? Maarten Lamers bespreekt wat computers op dit vlak eigenlijk kunnen, en net zo belangrijk: wat niet. Aan de hand van klassieke en actuele voorbeelden van “creatieve” computers wordt duidelijk hoe deze systemen werken, en wat dit met AI te maken heeft. Zo wordt het eenvoudiger om te begrijpen wat er in de media over creatieve AI geschreven wordt, zonder technisch diepgaande kennis.Deze lezing is georganiseerd in samenwerking met Studium Generale en vindt plaats tijdens de Art & Science Week van het Leiden European City of Science programma. Show less
Op dinsdag 5 maart 2024 organiseerden jeugdprogramma Het Klokhuis en de ZB een interactieve Meet Up over Artificial Intelligence, oftewel AI. Dit gebeurde naar aanleiding van de vier Klokhuis... Show moreOp dinsdag 5 maart 2024 organiseerden jeugdprogramma Het Klokhuis en de ZB een interactieve Meet Up over Artificial Intelligence, oftewel AI. Dit gebeurde naar aanleiding van de vier Klokhuis-uitzendingen over dit onderwerp. Presentator Tirsa With sprak met gasten en leerlingen uit groep 6, 7 en 8 van scholen uit het hele land.Een Snapchat maken met een grappige filter, slimme stofzuigers of ChatGPT je spreekbeurt laten schrijven: Kunstmatige Intelligentie is overal. Maar wat is het precies en wat kunnen we er mee? Informaticus Maarten Lamers legde in de studio uit hoe machines zichzelf slimmer maken en wat het verschil is tussen ons menselijke brein en het computerbrein.Onderzoeker Oumaima Hajri vertelde waar we kunstmatige intelligentie allemaal tegenkomen. Ontzettend handig, maar het is volgens haar ook belangrijk om zelf kritisch te blijven nadenken. Waarom dat van belang is, legde ze uit tijdens de Meet Up.De derde gast was basisschooldocent Tim Vissers. Hij ontwikkelt ‘Futureproof’ lesmateriaal. Tim liet zien waar je Kunstmatige Intelligentie kunt tegenkomen in de klas. Tijdens de Meet Up daagde hij de leerlingen uit om zelf aan de slag te gaan met de AI-studio van Het Klokhuis. Show less
Mining time series is a machine learning subfield that focuses on a particular data structure, where variables are measured over (short or long) periods of time. In this thesis we focus on... Show moreMining time series is a machine learning subfield that focuses on a particular data structure, where variables are measured over (short or long) periods of time. In this thesis we focus on multivariate time series, with multiple vari- ables measured over the same period of time. In most cases, such variables are collected at different sampling rates. When combined, these variables can be explored with machine learning methods for multiple purposes.Firstly, we consider the possibility of unsupervised learning. In this case, we propose a pattern recognition method that discovers subsets of variables that show consistent behavior in a number of shared time segments. Fur- thermore, when in a supervised setting, given a dependent variable (target),we propose a method that aggregates independent variables into meaningful features.Additionally to the methods above, we provide two tools in the form of Software as a Service, where users without programming background can intuitively follow the learning and testing methodologies for both methods.Finally, we present an applied study of machine learning to improve speed skating athletes performance. Here, we make a deep analysis of historical data, in order to help optimize performance results. Show less
Many databases do not consist of a single table of fixed dimensions, but of objects that are related to each other: the databases are relational, or structured. We study the discovery of patterns... Show moreMany databases do not consist of a single table of fixed dimensions, but of objects that are related to each other: the databases are relational, or structured. We study the discovery of patterns in such data. In our approach, a data analyst specifies constraints on patterns that she believes to be of interest, and the computer searches for patterns that satisfy these constraints. An important constraint on which we focus, is the constraint that a pattern should have a significant number of occurrences in the data. Constraints like this allow the search to be performed reasonably efficiently. We develop algorithms for searching ppatterns taht are represented in formal first order logic, tree data structures and graph data structures. We perform experiments in which these algorithms, and algorithms proposed by other researchers, are compared with each other, and study which properties determine the efficiency of the algorithms. As a result, we are able to develop more efficient algorithms. As application we study the discovery of fragments in molecular datasets. The aim is to discover fragments that relate the structure of molecules to their activity. Show less
Gorostiola Gonzalez, M.; Janssen, A.P.A.; IJzerman, A.P.; Heitman, L.H.; Westen, G.J.P. van 2022
The integration of machine learning and structure-based methods has proven valuable in the past as a way to prioritize targets and compounds in early drug discovery. In oncological research, these... Show moreThe integration of machine learning and structure-based methods has proven valuable in the past as a way to prioritize targets and compounds in early drug discovery. In oncological research, these methods can be highly beneficial in addressing the diversity of neoplastic diseases portrayed by the different hallmarks of cancer. Here, we review six use case scenarios for integrated computational methods, namely driver prediction, computational mutagenesis, (off)-target prediction, binding site prediction, virtual screening, and allosteric modulation analysis. We address the heterogeneity of integration approaches and individual methods, while acknowledging their current limitations and highlighting their potential to bring drugs for personalized oncological therapies to the market faster. Show less
Mechanisms to control public power have been developed and shaped around human beings as decision-makers at the centre of the public administration. However, technology is radically changing how... Show moreMechanisms to control public power have been developed and shaped around human beings as decision-makers at the centre of the public administration. However, technology is radically changing how public administration is organised and reliance on Artificial Intelligence is on the rise across all sectors. While carrying the promise of an increasingly efficient administration, automating (parts of) administrative decision-making processes also poses a challenge to our human-centred systems of control of public power. This article focuses on one of these control mechanisms: the duty to give reasons under EU law, a pillar of administrative law designed to enable individuals to challenge decisions and courts to exercise their powers of review. First, it analyses whether the duty to give reasons can be meaningfully applied when EU bodies rely on AI systems to inform their decisionmaking. Secondly, it examines the added value of secondary law, in particular the data protection rules applicable to EU institutions and the draft EU Artificial Intelligence Act, in complementing and adapting the duty to give reasons to better fulfil its purpose in a (partially) automated administration. This article concludes that the duty to give reasons provides a useful starting point but leaves a number of aspects unclear. While providing important safeguards, neither EU data protection law nor the draft EU Artificial Intelligence Act currently fill these gaps. Show less
In order to answer the research question, the dissertation is divided into four parts. Part I examines the ratio legis of the 1999 Montreal Convention to determine to what extent uniformity is a... Show moreIn order to answer the research question, the dissertation is divided into four parts. Part I examines the ratio legis of the 1999 Montreal Convention to determine to what extent uniformity is a principal aim of the convention that must be pursued in its application. Part II analyses the factors which already existed at the time of the signing and prevented its uniform application. Part III scrutinizes the fragmentation factors that only appeared during the lifespan of the convention. Part IV makes different suggestions to improve the uniform application of the convention and to reduce its fragmentation. The author concludes the research with a list of not less than 10 recommendations to protect the aim of uniformity of the international air carrier liability regime established by the convention. Show less
