I Danmark har man eksperimenteret med prædiktive algoritmer inden for velfærdsområder som uddannelse, familie/social, beskæftigelse, ældrepleje samt til diagnosticering og behandling af fysiske og psykiatriske lidelser i hospitalsvæsenet. Algoritmer baseret på maskinlæring opererer via sandsynlighedsbaseret forudsigelse.

I en velfærdssammenhæng udgør algoritmer et nyt syn på borgeren baseret på dennes sandsynlige fremtid. Her anvendes algoritmer bl.a. til at risiko-score borgere, fx forudsige deres risici for at blive langtidsledige. Projektet undersøger, hvordan prædiktive algoritmer, forandrer relationen mellem stat og borger.  

Formål

• Hvordan forandrer prædiktive algoritmer relationen mellem stat og borger?
• Hvordan udvikles prædiktive algoritmer på området for udsatte børn og unge?
• Hvordan forandrer forståelser af ”etisk anvendelse af kunstig intelligens” sig over tid?
• Hvilke former for algoritmisk regulering er de danske AI signaturprojekter udtryk for?
• Hvordan automatiseres beslutninger i de danske AI signaturprojekter?
• Hvilke forståelser af risiko fremmer prædiktive algoritmer på udsatte børn og unge området?

Interne samarbejder på AU

• Samarbejde med SHAPE i organiseringen af konferencerne: ”Den Datadrevne Velfærdsstat I?” og ”Den Datadrevne Velfærdsstat II?”