Proliferacija umjetne inteligencije izaziva niz zabrinutosti u vezi s privatnošću kojih ljudi možda nisu ni svjesni. S drugom
Rizici tajnosti od umjetne inteligencije nisu ograničeni nazbog masovnog prikupljanja osobnih podataka, ali i iz samih modela dubokih neuronskih mreža, koji pružaju velik dio današnje umjetne inteligencije. Podaci su osjetljivi ne samo na napade baze podataka, već i na "curenja" u modelima na kojima su obučeni.
Predstavlja duboke neuronske mrežeskup algoritama za identifikaciju obrazaca u podacima sastavljen je od mnogo slojeva. Ti slojevi sadrže veliki broj čvorova koji se zovu neuroni, a neuroni iz susjednih slojeva međusobno su povezani. Svaki čvor, kao i veze između njih, kodiraju određene dijelove informacija. Ovi dijelovi informacija nastaju kada posebnim procesom skeniraju velike količine podataka kako bi obučili model.
Na primjer, algoritam za prepoznavanje lica mogao bi bitiobučen na nizu selfieja kako bi mogao točnije predvidjeti spol osobe. Takvi su modeli vrlo točni, ali mogu pohraniti i previše informacija - zapravo, sjećajući se određenih pojedinaca tijekom procesa učenja. Napadači mogu identificirati ljude prema podacima obuke ispitivanjem dubokih neuronskih mreža koje klasificiraju spol na prikazanom licu.
Jedna od metoda zaštite koja je osmišljenastručnjaci za strojno učenje, dodavali su neizvjesnost modelu umjetne inteligencije. To je učinjeno kako bi se spriječilo napadače u predviđanju što će model točno učiniti. Hoće li skenirati određeni niz podataka? Ili će pokrenuti pješčanik? U idealnom slučaju, zlonamjerni softver neće znati i nesvjesno razotkriti svoje motive.
Drugi način za poboljšanje privatnosti AI jeistražiti ranjivosti dubokih neuronskih mreža. Nijedan algoritam nije savršen, a ovi modeli su ranjivi. Razlog je taj što su vrlo osjetljivi na male promjene u podacima koje čitaju.
Ove se ranjivosti mogu iskoristiti zapoboljšanje privatnosti dodavanjem "šuma" osobnim podacima. Na primjer, istraživači s Planck instituta za informatiku u Njemačkoj razvili su načine za pretvaranje Flickr slika u softver za prepoznavanje lica. Promjene su nevjerojatno suptilne, toliko da ih ljudsko oko ne može otkriti.
Drugi način na koji umjetna inteligencija može pomoći u ublažavanjuproblemi sa informacijskom sigurnošću - radi očuvanja povjerljivosti podataka pri izgradnji modela. Jedan razvoj koji obećava naziva se federalno učenje. To je ono što Google koristi u svojoj pametnoj tipkovnici, Gboard, kako bi predvidio koju će riječ dalje unijeti. Federalno učenje gradi ultimativnu duboku neuronsku mrežu od podataka pohranjenih na mnogo različitih uređaja, a ne od jedne središnje spremišta podataka. Njegova je glavna prednost to što izvorni podaci nikada ne napuštaju lokalne uređaje. Stoga je povjerljivost još uvijek donekle zaštićena. Da, ovo nije savršeno rješenje. Iako lokalni uređaji rade neke izračune, oni ih ne dovršavaju. Srednji rezultati mogu otkriti neke podatke o uređaju i korisniku.
Federativno učenje pruža uvid ubudućnost u kojoj AI više poštuje privatnost. Nastavak istraživanja mogao bi pronaći više načina na koje umjetna inteligencija postaje dio rješenja, a ne izvor zabrinutosti u vezi s privatnošću.
Pročitajte i
Pogledajte koje organe koronavirus prvo napada i kako se to događa
Tko je bio prvi organizam na Zemlji? Zaboravite sve što ste znali o podrijetlu života
Pogledajte fotografije pomrčine iz cijelog svijeta