Innovation, Technology & Law

Blog over Kunstmatige Intelligentie, Quantum, Deep Learning, Blockchain en Big Data Law

Blog over juridische, sociale, ethische en policy aspecten van Kunstmatige Intelligentie, Quantum Computing, Sensing & Communication, Augmented Reality en Robotica, Big Data Wetgeving en Machine Learning Regelgeving. Kennisartikelen inzake de EU AI Act, de Data Governance Act, cloud computing, algoritmes, privacy, virtual reality, blockchain, robotlaw, smart contracts, informatierecht, ICT contracten, online platforms, apps en tools. Europese regels, auteursrecht, chipsrecht, databankrechten en juridische diensten AI recht.

Data delen als voorwaarde voor een succesvol AI-ecosysteem

Trainingsdatasets voor kunstmatige intelligentie: enkele juridische aspecten

Data delen (data sharing) of liever het vermogen om hoge kwaliteit trainingsdatasets te kunnen analyseren om een AI model -zoals een generative adversarial network- te trainen, is een voorwaarde om een succesvol AI-ecosysteem te realiseren in Nederland. Maar hoe zit het met IP en privacy?

In ons turbulente technologische tijdperk nemen fysieke aanknopingspunten als papier of tastbare producten binnen de context van data -of informatie- in belang af. Informatie is niet langer aan een continent, staat of plaats gebonden. Informatietechnologie zoals kunstmatige intelligentie ontwikkelt zich in een dermate hoog tempo en beïnvloedt de maatschappij dusdanig, dat de juridische problemen die daaruit voortvloeien in belangrijke mate onvoorspelbaar zijn en een zeer hoge omloopsnelheid hebben. Hierdoor ontstaan -kort gezegd- problemen voor tech startups en scaleups.

Onderstaand een serie -mede in onderlinge samenhang te beschouwen aanbevelingen, suggesties en inventieve oplossingen om anno 2020 tot waardevolle nationale en Europese dataketens te komen.

Data delen als voorwaarde voor een succesvol AI-ecosysteem

Data delen als voorwaarde voor een succesvol AI-ecosysteem

Data donor codicil

1. Introductie van een Europees (of nationaal) data donor codicil waarmee een patiënt of consument vrijwillig data kan doneren aan de overheid en/of het bedrijfsleven, AVG-proof. Hier kunnen waardeketens worden gecreëerd door de sensor data van medische Internet of Things (IoT) apparaten en smart wearables van overheidswege te accumuleren. Anoniem of met biomarkers.

Data interoperabel en gestandaardiseerd

2. Unificatie van data uitwisselingsmodellen zodat deze interoperabel en gestandaardiseerd worden in het Internet of Things (IoT) (naar analogie met universele stekkers als u op reis gaat). Een voorbeeld is een Europees EPD (Elektronisch Patiënten Dossier), i.e een Electronic Healthcare Record (EMR). AI certificering en standaardisatie (zoals ISO, ANSI, IEEE / IEC) dient bij voorkeur niet te worden uitgevoerd door private partijen met commerciële doelstellingen, maar door onafhankelijke openbare instanties (denk aan het Amerikaanse FDA).

Sectorspecifieke data collecties van overheidswege

3. Aanleggen van nieuwe sectorspecifieke data collecties van overheidswege, semi-synthetische datasets als een testbed voor big data analyse gebruiken en random (synthetische) data generation Python libraries aanleggen. Data collecties bovendien in verschillende verschijningsvormen: gelabeld/gestructureerd en ongelabeld, afhankelijk van wijze van machine learning en deep learning (supervised, regressie en classificatie of juist unsupervised, association en clustering). Data die voorts discrete of continuous is.

Machine generated (non) personal data

4. Een andere categorisering die we kunnen maken is enerzijds publieke (in handen van de overheid) machine generated (non) personal data, en private (in handen van het bedrijfsleven) machine generated (non) personal data. Met machine generated data bedoelen we met name informatie en gegevens die continue door edge devices worden gegenereerd in het Internet of Things (IoT). Zoals in smart cities, slimme energiemeters, Wifi lampen en user gadgets waaronder smart wearables, televisies, slimme camera’s, smartphones, game controllers en muziekspelers. Deze edge devices staan via edge (of fod) nodes (zenders) in verbinding met datacenters die samen met edge servers de cloud vormen. Deze architectuur noemen we ook wel edge computing.

Trainingsdatasets voor kunstmatige intelligentie: enkele juridische aspecten

Trainingsdatasets voor kunstmatige intelligentie: enkele juridische aspecten

Common European Data Space

5. Het komen tot een Common European Data Space met data pooling per industrie of toepassing. Een effectief juridisch instrument om dit te bereiken is de verplichte licentie (een compulsory licence contract), danwel op FRAND basis, als voorwaarde voor partijen die datasets willen gebruiken, in combinatie met een eerlijke vergoeding voor partijen die de gegevens legaal hebben geoogst, getransformeerd, verfijnd, gelabeld, aangevuld of gecontroleerd. Zoals een wettelijk tarief, een statutory fee. Een instrument zoals vroeger het kijk en luistergeld.

Artificiële Intelligentie & big data pilots in topsectoren

6. De realisatie van een aantal concrete Artificiële Intelligentie & big data pilots in topsectoren, waarin we als Nederland goed zijn voorgesorteerd en die schaalbaar zijn, zoals health, entertainment & media, logistiek en agrifood. Waarbij de overheid garant staat voor de wijze van (en gevolgen van) data delen en met behulp van legal sandboxes ruimte biedt voor experimenten. Denk ook aan cross-sectorale data access en het recht op data portabiliteit (convergentie). Waarbij instanties als de Autoriteit Persoonsgegevens worden betrokken om vertrouwen te scheppen, roadblocks weg te nemen en zelf te leren van de AI-startups.

Contracten, Auteursrecht, PIA en AI Impact Assessment

7. Geflankeerd door solide contracten en de uitvoering van een PIA en het ECP AI Impact Assessment (privacy & GDPR/AVG, ethiek in lijn met het Europese Trustworthy AI paradigma) plus de intellectueel eigendomsrechtelijke dimensie). Denk inzake IP aan clearance (oftewel toestemming in de vorm van een licentie van de auteursrechthebbenden van de gegevens) van de input data danwel de trainingsdata, alsmede Europese databankenrechten op de -door mens, algoritmes of inferentiesystemen- gelabelde output datasets. En aan auteursrechtelijke (copyrights) bescherming van de source code, mits deze niet open-source is.

 

TDM (Tekst & DataMining) Exceptie

8. Een uitzondering op toestemming voor het gebruik of de analyse van data vormt de TDM (Tekst & DataMining) Exceptie. Deze uitzondering op de hoofdregel geldt voor wetenschappelijk, niet-commercieel gebruik. Het is van groot belang dat wetenschappers zoveel mogelijk toegang krijgen tot datasets. Data delen ten behoeve van onderzoek, en daarmee vooruitgang, is cruciaal. Om die reden pleit ook ons kantoor AIRecht voor een uitbreiding van de scope van de TDM-exceptie.

TNO-CBS Partnership for Trusted AI

9. Het ongehinderd en vrij doorstromen van informatie is in zijn algemeenheid bevorderlijk voor innovatie. Naar de huidige stand van de technologie is dat echter minder bevorderlijk voor privacy van burgers i.e. eindgebruikers.

Een oplossing voor deze privacy uitdagingen ligt besloten in het zorg dragen voor een geschikte software en hardware omgeving op basis van data science en Privacy by Design paradigma. Voorbeelden van dit laatste zijn het TNO-CBS Partnership for Trusted AI alsook Secure multi-party computation (S-MPC): gezamenlijk gevoelige data analyseren zonder deze te delen. Een voorbeeld uit de Verenigde Staten is het MIT Data Consortium in Boston. MIT heeft in verschillende landen sectorspecifieke pilots lopen waaronder Data Sharing pilots in Beijing en Hong Kong en een transportation incubator in Israël. Met een combi van AI, blockchain en Trusted data. Een synergie van kunstmatige intelligentie, data en DTL-technologie is een krachtige AI-pilot accelerator.

Machine generated (non) personal data

Machine generated (non) personal data

Personalized precision medicine

10. AI implementaties zoals een personalised nutrition app of personalized precision medicine, waar we in een quadrupel helix structuur kunnen samenwerken gebaseerd op gemeenschappelijke denkkracht en creativiteit. De health sector is steeds meer gericht op de specifieke behoeftes van het individu en op preventie van ziekte. In onze juridische praktijk merken wij dat er een sterke focus is op AI for Genomics, Personalised Medicine en AI for Health Imaging.

Genexpressie, Nutrigenomics en nutrigenetics

11. We zijn in Nederland goed voorgesorteerd op het gebied van voedselexport. Er wordt in Nederland grensverleggend onderzoek gedaan naar zowel artificiële intelligentie als de relatie tussen voeding en gezondheid, genexpressie, nutrigenomics en nutrigenetics (Wageningen, Nijmegen, Tilburg, Amsterdam). De waaier aan apps die uit een publiek-private samenwerking voortvloeit kan zowel worden ingezet als diagnostische tool als voor ziektepreventie. En obesitas.

Digitaal Delta plan voor AI en Big Data

12. Urgentie en Call for Action. Het is van belang om snel -als een digitaal Delta plan voor AI en Big Data- pilots uit te voeren, ervaring op te doen, en draagvlak bij de sector en het algehele publiek te creëren, waaronder ook patiënten/zorgconsumenten. Liever vandaag dan gisteren. Daaruit vervolgens weer lering trekken en aanpassen op basis van feedback en voortschrijdend maatschappelijk en wetenschappelijk inzicht. Dit is een ongoing, multidisciplinair proces. Voor een optimale samenwerking binnen de Nederlandse AI Coalitie is een eenduidige visie (die ook oog blijft houden voor de eindgebruiker) en een helder geformuleerd gemeenschappelijk doel essentieel, inclusief stappenplan en strak tijdpad.
Willen wij onze huidige welvaart behouden, dan zullen we in hoog tempo en met grote voortvarendheid tot actie moeten overgaan in Nederland. Interdisciplinair en cross-sectoraal.

 

Incentive and reward

13. Een creatief incentive and reward systeem als stimulans voor de verwezenlijking van een succesvol, zich internationaal onderscheidend Nederlands AI-ecosysteem is het uitschrijven van een prijs of competitie, zoals de Grand DARPA Challenge. Deze competitie heeft in het verleden buitengemeen succesvolle technologische toepassingen en innovaties voortgebracht. Dit schept winnaarsmentaliteit, excellence en een beloningcultuur. Ook het verlenen van patenten op nieuwe technologische vindingen is een vorm van een incentive and reward systeem.

Human Capital

14. Menskracht, human capital, competenties, life long learning (education permanent), digitale inclusie. Geen braindrain maar braingain: Hi-tech arbeidsmarkt in NL en EU aantrekkelijker maken door goede arbeidsvoorwaarden en hoogwaardige kennisinstituten (zoals ICAI, AI4EU, ELSEC, AI Platform, nationale kennishubs rondom TU’s). Denk aan de oprichting van een Centre of AI Excellence; een concreet AI onderzoeksinstituut van wereldklasse om onze eigen arbeidsmarkt mee te voeden. De overheid moet breed inzetten op innovatievriendelijk beleid i.e. het stimuleren of verplicht stellen van dubbelgeschoold zijn/worden. Vanaf het basisonderwijs.

Innovatie-cluster vriendelijk arbeidsrechtelijk legal framework

15. Er moet een innovatie-cluster vriendelijk arbeidsrechtelijk legal framework komen waarbij employee mobility centraal staat (makkelijk van de ene naar de andere werkgever kunnen, zoals van Google naar Microsoft, of Uber naar Amazon) zonder allerlei concurrentie en relatiebedingen. Nieuwe EU trade secret wetgeving beschermt handelsgeheimen afdoende. Dit naar voorbeeld van Californische arbeidswetgeving (Silicon Valley) alsook Massachusetts (Harvard, MIT).

 

Competenties Workforce of the Future

16. Welke competenties er in ieder geval nodig lijken bij de Workforce of the Future die werkt met kunstmatige intelligentie en big data in sectoren zoals Health, Energy, Food, Robotica, Mobility, Finance, Media & Entertainment, zijn:


1. Basiskennis van software, hardware, computernetwerken en smart robotics;
2. Programmeren in C+, Java en Python;
3. Kennis over AI en data wetgeving, best practices en regels. Dit is taaie materie. Design onderwijstools, lessen en cursussen met voldoende leereffect en zorg dat ze infotainend en enthousiasmerend zijn;
4. Ethische en morele aspecten van AI alsmede Robotlaw;
5. Privacy & Security by Design en Algorithmic Accountability gedachtegoed;
6. AI Ondernemerskills;
7. AI Managementskills;
8. Blok 1.1 van de TU op alle hogere opleidingen verplicht stellen;
9. Dubbel of triple geschoold zijn, voor life sciences masters minstens een bachelor techniek en vice versa. Daardoor voel je je als een vis in het water in je eigen vakgebied i.e. superspecialisme, dat in de toekomst per definitie multidisciplinair zal zijn.

Tuig dit alles lean, agile en flexibel op omdat ontwikkelingen razendsnel gaan, in exponentieel tempo. Alles in de context van AI is namelijk in hoge mate dynamisch.

AI als aanvulling op de mens

17. Belangrijk uitgangspunt bij Human Capital is de gedachte van ‘AI als aanvulling op de mens’: dat wil zeggen AI samen met werknemers en niet AI in plaats van werknemers. In de context van AI en aanverwante disruptieve sleuteltechnologieën zoals blockchain (DLT), Digital Twin Technology en quantum computing blijken samenwerkingsverbanden van mens en machine (hybrids) in de praktijk het meest succesvol.

 

Nederlandse spin offs van de 4 TU’s

18. Spin offs van onze 4 TU’s moeten worden gestimuleerd. Ondernemerschap centraal stellen en verplicht stellen (op alle Technische Universiteiten en Data Science Academies) dat studenten samen of alleen een bedrijfje oprichten (tech startup) en -op duurzame wijze- applicaties designen. Naar voorbeeld van het uiterst succesvolle Silicon Valley, als spinoffs van Stanford University.

Dubbelgeschoold zijn en ondernemerschap stimuleren

19. De overheid en de onderwijsinstellingen moeten ondernemerschap stimuleren en de AI Coalitie zal dit proces breed onder de aandacht moeten brengen en zelf in gang zetten. De meest succesvolle AI startups in Silicon Valley worden opgericht en geleid door mensen die zowel lesgeven (kennis overdragen) in alfa alsook beta vakken (dubbelgeschoold) én ondernemer zijn (innovation). Hierdoor ontstaan er in NL mogelijk unicorns (de kans daarop wordt iig veel groter) en komt er meer venture capital beschikbaar.

Synergie emerging technologies

20. Het bijzondere aan emerging technologies rondom AI is enerzijds dat zij zichzelf versterkend zijn en anderzijds dat zij zich in exponentieel tempo voltrekken. Hierdoor treedt synergie en emergentie op. Kunstmatige intelligentie, big data, virtual reality, cloud computing, quantum computing en DLT blockchain technologie zullen een steeds grotere rol gaan spelen binnen economische sectoren zoals de gezondheidszorg. Dit zijn de aanjagers van de digitale, 4e industriële revolutie.

Investeer daarnaast ook in andere opkomende technologieën zoals cognitive computing (brain-inspired, neuromorphic chips), nano-engineering, graphene computing, 3D integrated circuits en spintronics.

Data heeft een groot aantal juridische dimensies. Data delen heeft intellectueel eigendomsrechtelijke, ethische, grondrechtelijke (privacy) en internationaal handelsrechtelijke aspecten.

Data heeft een groot aantal juridische dimensies. Data delen heeft intellectueel eigendomsrechtelijke, ethische, grondrechtelijke (privacy) en internationaal handelsrechtelijke aspecten.


Blockchain en data

21. Blockchain kan de zwakke eigenschappen van AI mitigeren (transparantie en verificatie versus black box) en vice versa. Transparant, robuust en auditbaar. Dat is waar blockchain AI kan helpen, ook inzake data-analyse en de verwerking van informatie. AI biedt blockchain exponentieel krachtiger analytische vermogens.

Ideologie achter AI-DLT trainingsdatasets: transparantie, vertrouwen en controle

22. Goede data is een conditio sine qua non voor AI. Het vrij op het internet, in de cloud beschikbaar zijn van hoge kwaliteit trainingsdatasets is een voorwaarde voor een gezonde, competitieve data economie. Wat is de ideologie achter de nieuwe, zelfstandig of bijvoorbeeld samen met MIT te realiseren AI-DLT datasets? Een kruisbestuiving van AI en blockchain die leidt tot vertrouwen en rechtszekerheid. Een gedecentraliseerde cloud die gebaseerd is op een samensmelting van AI en Blockchain principes zal de onzekerheid over privacy, manipulatie en het gevoel van controleverlies bij burgers/consumenten/users kunnen beperken. Alleen op deze manier lijken grondrechten, rechtsstatelijkheid en onbeperkte toegang tot informatie te kunnen samenleven in cyberspace.

AI-governance gericht op gebruik data

23. AI-governance moet mensgericht zijn. Wereldwijd beheer van data en de cloud moet minder gefixeerd zijn op eigendom van data en meer op regels voor het gebruik van data. Juridisch eigendom van data bestaat niet naar Nederlands recht. Net zoals er geen auteursrecht rust op een idee (maar wel op de voor menselijke waarneming tastbare uitwerking ervan). Er kunnen wel intellectuele eigendomsrechten op data en databanken rusten.

 

Data: goederenrechtelijke en vermogensrechtelijke aspecten

24. Aan het intellectueel eigendom op trainingsdata en datamanagementsystemen kleven goederenrechtelijke en vermogensrechtelijke aspecten. Data is geen zuiver onstoffelijke, onlichamelijk object in de juridische, niet de natuurwetenschappelijke betekenis van het woord. Indien een partij bij een dataset transactie een vorderingsrecht uit overeenkomst heeft verkregen in ruil voor door hem verstrekt stoffelijk voordeel, is er evenwel sprake van een vermogensrecht. Dit vermogensrecht is voor overdracht en levering vatbaar.

Houding van partijen bij contracten inzake data delen

25. De houding van partijen, en hun op rechtsgevolg gerichte gedrag bij het sluiten van contracten inzake data sets en eigendomsrechtelijke aspecten ervan prevaleert wellicht boven de afwezigheid van een zakenrechtelijke kwalificatie van data of informatie in de wet in de zin van Boek 3 en 5 Burgerlijk Wetboek. Partijbedoeling gaat dan boven wettelijke leemte. Totdat nieuwe wetgeving vanuit Europa helderheid schept, zullen geconstateerde leemten en onduidelijkheden door de rechtsprekende macht moeten worden opgevuld.

Juridisch eigendom is voorts iets anders dan intellectueel eigendomsrecht. IP is een vermogensrecht. Een IP recht kan een gebruiksrecht op data met zich meebrengen, in de vorm van een licentie.

Mededingingsrecht, antitrustrecht, internationaal handelsrecht

26. Europese Lidstaten dienen instrumenten zoals mededingingsrecht, antitrustrecht, internationaal handelsrecht, contractenrecht, belastingrecht en technologische maatregelen gebruiken om de maatschappelijke effecten van disruptieve innovatie door transformatieve technologie in evenwicht te brengen en eerlijke handelsvoorwaarden tussen digitale platforms en gebruikers mogelijk te maken.

 

Europa: geen marktbarrières voor tech-startups

27. Het aanstaande Europese legal framework voor AI en data dient de sociale waarde van exponentiële innovatie te erkennen en zich verzetten tegen de bescherming van gevestigde marktspelers die profiteren van de status-quo. De aanstaande IE-wetgeving inzake data delen mag geen belemmeringen creëren voor nieuwkomers op de markt. Met andere woorden: geen marktbarrières voor tech-startups.

Ook moet AI regulation (regels voor kunstmatige intelligentie, data toegang en data portabiliteit) in lijn zijn met bestaande sectorspecifieke wet en regelgeving waaronder internationale verdragen op een groot aantal rechtsgebieden.

Nederlandse Digitaliseringsstrategie en visie op datadeling overheid

28. Begin dit jaar heeft de overheid een boekje gepubliceerd over de Nederlandse Digitaliseringsstrategie, waarin zij haar visie op datadeling tussen bedrijven uiteenzet. Die visie bestaat uit 3 principes, die op korte termijn zullen worden toegepast:
Principe 1: Datadeling komt bij voorkeur vrijwillig tot stand.
Principe 2: Datadeling komt zo nodig verplicht tot stand.
Principe 3: Mensen en bedrijven houden grip op gegevens.

Het Ministerie van EZK verkent momenteel de mogelijkheden om het gebruik van de internationaal geaccepteerde FAIR-principes bij het delen van private data voor AI-toepassingen te stimuleren. FAIR staat voor (Findable, Accessible, Interoperable, Reusable). Het Personal Health Train initiatief bouwt voort op FAIR data-principes.

 

Regelgeving voor data delen anno 2020

29. De stand van zaken in de doctrine (anno januari 2020) omtrent regelgeving voor data delen, is dat academici op zoek zijn naar governance en regulering die met alle belangen rekening houdt. Frankrijk heeft als eerste Europese Lidstaat het principe van data delen in het algemeen belang geïntroduceerd. Dit uitgangspunt, dat we ook vanuit Brussel en Den Haag horen, staat evenwel op gespannen voet met commerciële belangen van het bedrijfsleven. Juridische concepten zoals proportionaliteit en subsidiariteit kunnen wellicht een oplossing bieden voor deze balancing act. Ook in ontwikkelingslanden. De samenleving als geheel zou de kosten van het (om niet) beschikbaar maken van deelbare sectorspecifieke en cross-sectorale datasets kunnen dragen.

Persoonlijke data en niet-persoonlijke gegevens

30. Ook bestaan er uitdagingen op het gebied van de veranderende rol van persoonlijke data en niet persoonlijke gegevens in de data economie. Binnen de context van privacy, incentive & reward systemen, innovatie en competitie. Eigendom op data wordt over het algemeen afgewezen. Ook wordt gedwongen data delen (zonder financiële genoegdoening) door bedrijven en instellingen ter compensatie van gederfde consumenten welvaart door de meeste specialisten vanuit dogmatisch oogpunt afgewezen. Bovendien staat het gedwongen delen van data danwel interstatelijke verplichtingen inzake vrije gegevensstromen (free flow of data) door aan WTO deelnemende landen wellicht op gespannen voet met de General Agreement on Trade in Services (GATS), e-commerce wetgeving en recente internationale handelsverdragen.

Sui generis databankenrecht

31. Data die autonoom wordt gegenereerd door een AI-systeem en waar upstream en downstream geen significante menselijke bijdrage aan de totstandkoming ervan wordt geleverd, valt ons inziens in het publiek domein. Dat wil zeggen dat er in Europa geen sui generis databankenrecht op zou moeten ontstaan. En dat er geen contract of licentie nodig is inzake toestemming van de rechthebbenden voor analyse, gebruik, opslag of verwerking van de data.

Publiek domein datasets

32. Deze publiek domein datasets kunnen alsdan worden gedeeld zonder dat daarvoor een billijke vergoeding moet worden betaald. Er kan voorts geen monopolie op deze specifieke soort data worden gevestigd. Een dergelijke pure AI Creation noemen we een Res Publicae ex Machina (Public Property from the Machine): in correct juridisch Nederlands een door het recht verheven tot publieke zaak afkomstig van een intelligente machine, die aangewend kan worden ten behoeve van het algemene nut. Middels een officieel publiek domein status stempel danwel markering (PD Mark status). Deze weg lijkt ons praktischer en beter over een langere periode in stand te houden in het maatschappelijker verkeer dan het stempel res communes omnia (dit laatste begrip is overigens ook onderhevig aan veranderende rechtsopvattingen). Het algemeen maatschappelijk nut is dan bijvoorbeeld het trainen van weer nieuwe systemen uitgerust met slimme algoritmen en kunstmatige intelligentie.

 

Support Centre for Data Sharing

33. Een aantal Europese initiatieven op het gebied van data delen zijn: het Support Centre for Data Sharing (gericht op de practices), open datasets uit de publieke sector beschikbaar via de European Data Portal (EDP), de Open Data Europe Portal (ODP, data van Europese instituties), het Free flow of non-personal data initiatief (inclusief de Regulation, cybersecurity en zelfregulering) en het EU Blockchain Observatory and Forum.

Een Europees initiatief op het aan data delen verwante gebied van kunstmatige intelligentie is de door de EU Commissie ingestelde European AI Alliance. Een internationaal project inzake AI en -inter alia- trainingsdata is het ‘AI and Data Commons’ van de ITU (International Telecommunication Union).

Mixed Datasets: GDPR + FFD

34. Meer en meer datasets bestaan uit zowel personal als non personal machine generated data; op deze ‘mixed datasets’ zijn zowel de GDPR als de FFD van toepassing. De Commissie heeft richtsnoeren opgesteld voor deze mixed datasets gevallen, waarbij zowel de Regulation on the free flow of non-personal data (FFD Regulation) als de Regulation and the General Data Protection Regulation (GDPR) van toepassing zijn. Op basis van deze twee Verordeningen kan data zich vrij bewegen binnen de Europese Unie.

Business-to-Government Data Sharing (B2G)

35. Daarnaast heeft de Europese Commissie een Expert Group aangesteld om te adviseren over Business-to-Government Data Sharing. Het doel van B2G data sharing is te komen tot verbeterde public service, evidence based beleid en het adviseren aan de Europese Commissie over de ontwikkeling van B2G data sharing policy. Tenslotte heeft de Duitse Opinion of the Data Ethics Commission in een recent rapport het gebruik van data en datatechnologie 75 gezaghebbende aanbevelingen gedaan inzake general ethical and legal principles.

Cross-sectoraal data delen

36. Recente Nederlandse initiatieven zijn de Dutch Data Coalition (self sovereignty of data), gericht op cross-sectoraal data delen tussen ondernemingen en instituten, alsmede enkele hands-on Data Platform en Data Portal projecten van vooraanstaande academische ziekenhuizen, TU’s en bedrijven.

AVG/GDPR wetgeving remt data delen en florerend AI-ecosysteem in Nederland

37. Momenteel remt de AVG/GDPR wetgeving de Nederlandse markt wat betreft snelle uitrol van AI en data startups in de belangrijkste economische sectoren. En daarmee de totstandkoming van een florerend AI-ecosysteem hier te lande. Men durft niets meer met data te doen, en anders wel in grote publiek private consortia waarbij men weliswaar ‘grundlich’ te werk gaat, doch waarbij het (te) lang duurt om het benodigd vertrouwen bij de deelnemers te creëren. Data delen is nu eenmaal een noodzakelijke voorwaarde voor een succesvol AI-ecosysteem. Innovatie blijft zo bezien -vooralsnog- op gespannen voet staan met privacy.

California Consumer Privacy Act (CCPA 2020)

38. De AVG/GDPR brengt -naast marktbarrières- uiteraard ook belangrijke voordelen voor Europese startups en scaleups. Het voordeel van de AVG/GDPR is dat het inmiddels de internationale standaard is op het gebied van gebruik van persoonlijke data bij het internationaal zakendoen. De Europese Commissie heeft onze privacy regels naar de rest van de wereld geëxporteerd door de AVG/GDPR van toepassing te verklaren op alle bedrijven die handel drijven in de Europese interne markt. Dit zijn praktisch alle bedrijven ter wereld die van enige betekenis zijn. Want vergeet niet: Europa is met 500 miljoen consumenten de grootste interne markt ter wereld. Mede om die reden heeft Californië de geest van de AVG/GDPR onlangs grotendeels overgenomen, en geïmplementeerd in eigen regelgeving die persoonlijke gegevens van consumenten beter beschermt en de handel erin met waarborgen omkleedt. De California Consumer Privacy Act (CCPA 2020), privacywetgeving op State-level, is per 1 januari 2020 in werking getreden. Zijn Europese startups en scaleups derhalve helemaal GDPR/AVG-proof, dan zal er nergens te wereld privacy-wetgeving zijn die nog tot grote wijzigingen in hun persoonlijk data beleid noopt, met de bijbehorende rechtsonzekerheid en juridische kosten. Dit is een aanzienlijk concurrentievoordeel. Vanuit die lens hebben Nederlandse tech startups en AI-scaleups een streepje voor op hun concurrenten van buiten de Europese Unie, zoals China, Japan, India, Zuid-Korea en Taiwan.

CAHAI (Ad Hoc Committee on Artificial Intelligence)

39. Op dit moment onderzoekt de door het Comité van Ministers van de Raad van Europa ingestelde CAHAI (Ad Hoc Committee on Artificial Intelligence) de mogelijkheid van een bindend wettelijk kader voor de ontwikkeling, het ontwerp en de toepassing van kunstmatige intelligentie, gebaseerd op de universele beginselen en normen van de Raad van Europa inzake mensenrechten, democratie en de rechtsstaat. CAHAI verwacht medio maart 2020 te kunnen rapporteren over de mogelijkheden en de noodzaak van nieuwe wetgeving.

 

Computational laws

40. Machine learning kan legislators (de wetgevende macht) helpen bij het ontwerpen van betere regels in de vorm van computational laws. De Europese Unie zou moeten leren van minder succesvolle wetgevende pogingen, waaronder handelsgeheimenwetgeving die de verspreiding van informatie ontmoedigt, auteursrechthervorming die inbreuk maakt op mensenrechten en het sui generis databankenrecht dat leidt tot handelsonevenwichtigheden. In scenario's waarin langdurige wetgevingsprocessen voorspoedige innovatie belemmeren, moeten legal sandboxes worden overwogen, met voldoende ‘room to operate’. Computable laws die met behulp van machine learning (training model, neuraal netwerk, wiskundige algoritmes, statistiek, datasets, deep reinforcement learning) of optimalisatieprocessen zoals evolutionaire algoritmen, tot stand zijn gekomen, zouden in de toekomst tot meer consistente, effectieve en transparante wetgeving kunnen leiden. Dit resulteert alsdan in meer rechtszekerheid voor burgers en bedrijven.

Samenwerking en competitie

41. In deze visie over data delen door AI-startups en scaleups worden enablers geactiveerd en barrières weggenomen. Er wordt zowel samenwerking als gezonde competitie tussen de relevante partijen gestimuleerd, ten behoeve van een vibrant AI-ecosysteem in Nederland.

Over enkele weken verschijnt er een kort artikel over EU Data Sharing Practices -mede vanuit transatlantisch perspectief- op de website van Stanford Law School, so stay tuned!