A mesterséges intelligencia elterjedése számos olyan adatvédelmi aggályt vet fel, amelyekről az emberek talán nem is tudnak. Másikkal
Az AI-től való titoktartás kockázata nemcsak származika személyes adatok tömeges gyűjtése miatt, de maguk a mély ideghálózatok modelljei alapján is, amelyek a modern mesterséges intelligencia nagy részét biztosítják. Az adatok nem csak az adatbázisok elleni támadások miatt, hanem a modellek „szivárgása” miatt is kiszolgáltatottak, amelyeken képezték őket.
A mély neurális hálózatok képviselikAz adatok mintáinak meghatározására szolgáló algoritmusok sok rétegből állnak. Ezekben a rétegekben nagyszámú csomópont van, úgynevezett neuronok, és a szomszédos rétegek neuronjai összekapcsolódnak velük. Minden csomópont, valamint a közöttük lévő linkek bizonyos információs biteket kódolnak. Ezek az információs bitek akkor jönnek létre, amikor egy speciális folyamat nagy mennyiségű adatot szkennel be a modell kiképzéséhez.
Például egy arcfelismerő algoritmus lehetképzett egy Önportrék sorozatában, hogy pontosabban meg tudja becsülni az ember nemét. Az ilyen modellek nagyon pontosak, de túl sok információt is tárolhatnak - valójában az emberek emlékezetére a tanulási folyamat során. A támadók az edzési adatok alapján azonosíthatják az embereket az ábrázolt arcon a nemeket osztályozó mély ideghálózatok feltárásával.
Az egyik védelmi módszer, amely felmerültgépi tanulási szakértők, az AI modell bizonytalanságot adott hozzá. Ezt úgy tették meg, hogy a támadók nem tudták pontosan megjósolni, mit fog tenni a modell. Beolvassa egy adott adatsort? Vagy elindítja a homokozót? Ideális esetben a rosszindulatú program nem ismeri és akaratlanul feltárja a motívumokat.
A mesterséges intelligencia adatvédelmének javításának másik módja aza mély neurális hálózatok sebezhetőségeinek feltárása. Egyetlen algoritmus sem tökéletes, és ezek a modellek sebezhetőek. Ennek az az oka, hogy nagyon érzékenyek az olvasott adatok kis változásaira.
Ezeket a sebezhetőségeket fel lehet használniaz adatvédelem javítása a személyes adatok „zaj” hozzáadásával. A németországi Planck Institute for Informatics kutatói például olyan módszereket fejlesztettek ki, amelyek segítségével a Flickr-képeket arcfelismerő szoftverré alakíthatják át. A változások hihetetlenül finomak, olyannyira, hogy emberi szem nem érzékeli őket.
Egy másik módszer az AI segíthet enyhíteniinformációbiztonsági problémák - az adatok bizalmas kezelése a modellek összeállításakor. Az egyik ígéretes fejlesztést az egyesített tanulásnak nevezzük. A Google használja a Gboardot az intelligens billentyűzetén, hogy megjósolja, melyik szót írja be legközelebb. Az egyesített tanulás a végső mély idegi hálózatot sokféle eszközön tárolt adatokból építi fel, nem pedig egy központi adattárban. Fő előnye, hogy a forrásadatok soha nem hagyják el a helyi eszközöket. Így a magánélet továbbra is némileg védett. Igen, ez nem ideális megoldás. Bár a helyi eszközök bizonyos számításokat végeznek, nem fejezik be azokat. A közbenső eredmények felfedhetnek bizonyos adatokat az eszközről és annak felhasználójáról.
Az egyesített tanulás betekintést nyújt aolyan jövő, amelyben az AI jobban tiszteletben tartja a magánéletet. A folyamatos kutatás több módot találhat arra, hogy a mesterséges intelligencia a megoldás részévé váljon, nem pedig az adatvédelmi aggályok forrásává.
Olvassa el
Nézze meg, mely szerveket először támadja meg a koronavírus és hogyan történik
Ki volt az első szervezet a Földön? Felejtsd el mindent, amit tudtak az élet eredetéről
Tekintse meg a világfogyatkozásról készített fényképeket