La proliferazione dell’intelligenza artificiale solleva una serie di preoccupazioni sulla privacy di cui le persone potrebbero non essere nemmeno a conoscenza. Con un altro
I rischi di segretezza da AI non sono limitati aa causa della massiccia raccolta di dati personali, ma anche dagli stessi modelli di reti neurali profonde, che alimentano la maggior parte dell'intelligenza artificiale odierna. I dati sono vulnerabili non solo agli attacchi ai database, ma anche alle "fughe di notizie" nei modelli su cui sono stati addestrati.
Reti neurali profonde, che sonoLa serie di algoritmi per identificare i modelli nei dati è composta da molti livelli. Questi strati contengono un gran numero di nodi chiamati neuroni e i neuroni degli strati vicini sono interconnessi con loro. Ogni nodo, così come i collegamenti tra di loro, codifica determinati bit di informazione. Questi bit di informazioni vengono creati quando un processo speciale analizza grandi quantità di dati per addestrare il modello.
Ad esempio, potrebbe essere un algoritmo di riconoscimento faccialesi è formato su una serie di selfie in modo da poter prevedere con maggiore precisione il sesso di una persona. Tali modelli sono molto precisi, ma possono anche memorizzare troppe informazioni, ricordando infatti alcuni individui durante l'allenamento. Gli aggressori possono identificare le persone dai dati di addestramento esaminando le reti neurali profonde che classificano il sesso su un volto raffigurato.
Uno dei metodi di protezione che è venuto fuoriesperti di machine learning, aggiungeva incertezza al modello AI. Ciò è stato fatto per impedire agli aggressori di prevedere esattamente cosa avrebbe fatto il modello. Analizzerà una sequenza specifica di dati? O lancerà una sandbox? Idealmente, il malware non saprà e involontariamente esporrà i suoi motivi.
Un altro modo per migliorare la privacy dell’IA èesplorare le vulnerabilità delle reti neurali profonde. Nessun algoritmo è perfetto e questi modelli sono vulnerabili. Il motivo è che sono molto sensibili ai piccoli cambiamenti nei dati che leggono.
Queste vulnerabilità possono essere utilizzatemigliorare la privacy aggiungendo “rumore” ai dati personali. Ad esempio, i ricercatori dell’Istituto Planck di informatica in Germania hanno sviluppato metodi per convertire le immagini di Flickr in un software di riconoscimento facciale. I cambiamenti sono incredibilmente sottili, tanto che non possono essere rilevati dall’occhio umano.
Un altro modo in cui l'IA può aiutare a mitigareproblemi di sicurezza delle informazioni: mantieni la riservatezza dei dati durante la creazione dei modelli. Uno sviluppo promettente si chiama apprendimento federato. Questo è ciò che Google utilizza nella sua tastiera intelligente Gboard per prevedere quale parola inserire successivamente. L'apprendimento federato crea la rete neurale profonda definitiva dai dati archiviati su molti dispositivi diversi, piuttosto che un archivio dati centrale. Il suo principale vantaggio è che i dati di origine non lasciano mai i dispositivi locali. Pertanto, la privacy è ancora protetta in una certa misura. Sì, questa non è una soluzione perfetta. Sebbene i dispositivi locali eseguano alcuni calcoli, non li completano. I risultati provvisori possono rivelare alcune informazioni sul dispositivo e sul suo utente.
L'apprendimento federato fornisce informazioni dettagliateun futuro in cui l’intelligenza artificiale sarà più rispettosa della privacy. La ricerca continua potrebbe scoprire nuovi modi in cui l’intelligenza artificiale diventa parte della soluzione piuttosto che fonte di problemi di privacy.
Leggi anche
Scopri quali organi il coronavirus attacca per primo e come succede
Chi è stato il primo organismo sulla Terra? Dimentica tutto ciò che sapevi sull'origine della vita
Guarda le foto delle eclissi scattate in tutto il mondo