การแพร่กระจายของ AI ทำให้เกิดข้อกังวลด้านความเป็นส่วนตัวหลายประการที่ผู้คนอาจไม่รู้ด้วยซ้ำ ในทางกลับกัน
ความเสี่ยงของการรักษาความลับจาก AI ไม่เพียง แต่จะทำให้เนื่องจากมีการเก็บรวบรวมข้อมูลส่วนบุคคลจำนวนมาก แต่ยังมาจากรูปแบบของเครือข่ายนิวรัลลึกด้วยซึ่งให้ปัญญาประดิษฐ์ที่ทันสมัยที่สุด ข้อมูลมีความเสี่ยงไม่เพียงเพราะการโจมตีในฐานข้อมูล แต่ยังเป็นเพราะ "รั่วไหล" ในรูปแบบที่พวกเขาได้รับการฝึกฝน
เครือข่ายประสาทลึกที่เป็นตัวแทนชุดของอัลกอริทึมที่ออกแบบมาเพื่อกำหนดรูปแบบข้อมูลประกอบด้วยหลายเลเยอร์ ในเลเยอร์เหล่านี้มีโหนดจำนวนมากที่เรียกว่าเซลล์ประสาทและเซลล์ประสาทจากเลเยอร์ข้างเคียงนั้นเชื่อมต่อกับพวกมัน แต่ละโหนดรวมถึงการเชื่อมโยงระหว่างพวกเขาเข้ารหัสบิตของข้อมูลบางอย่าง บิตของข้อมูลเหล่านี้ถูกสร้างขึ้นเมื่อกระบวนการพิเศษสแกนข้อมูลจำนวนมากเพื่อฝึกฝนโมเดล
ตัวอย่างเช่นอัลกอริทึมการจดจำใบหน้าอาจเป็นได้รับการฝึกฝนในชุดของ selfies เพื่อให้เขาสามารถทำนายเพศของบุคคลได้แม่นยำยิ่งขึ้น แบบจำลองดังกล่าวมีความแม่นยำมาก แต่พวกเขายังสามารถเก็บข้อมูลได้มากเกินไป - จดจำคนบางคนในกระบวนการเรียนรู้ ผู้โจมตีสามารถระบุผู้คนจากข้อมูลการฝึกอบรมโดยการสำรวจเครือข่ายประสาทลึกที่จำแนกเพศบนใบหน้าที่ปรากฎ
หนึ่งในวิธีการป้องกันที่เกิดขึ้นผู้เชี่ยวชาญด้านการเรียนรู้ของเครื่องมีการเพิ่มความไม่แน่นอนในโมเดล AI สิ่งนี้ทำเพื่อให้ผู้โจมตีไม่สามารถคาดการณ์ได้อย่างแม่นยำว่าแบบจำลองจะทำอะไร มันจะสแกนลำดับของข้อมูลที่เฉพาะเจาะจงหรือไม่ หรือเขาจะเปิดตัวแซนด์บ็อกซ์? ตามหลักการแล้วมัลแวร์จะไม่ทราบและเปิดเผยเจตนาของตนโดยไม่รู้ตัว
อีกวิธีในการปรับปรุงความเป็นส่วนตัวของ AI ก็คือสำรวจช่องโหว่ของโครงข่ายประสาทเทียมเชิงลึก ไม่มีอัลกอริธึมใดที่สมบูรณ์แบบ และโมเดลเหล่านี้ก็มีช่องโหว่ เหตุผลก็คือพวกเขามีความอ่อนไหวมากต่อการเปลี่ยนแปลงเล็กๆ น้อยๆ ในข้อมูลที่อ่าน
ช่องโหว่เหล่านี้สามารถนำมาใช้ได้ปรับปรุงความเป็นส่วนตัวโดยการเพิ่ม “เสียงรบกวน” ให้กับข้อมูลส่วนบุคคล ตัวอย่างเช่น นักวิจัยจากสถาบันสารสนเทศพลังค์ในเยอรมนีได้พัฒนาวิธีแปลงรูปภาพ Flickr ให้เป็นซอฟต์แวร์จดจำใบหน้า การเปลี่ยนแปลงมีความละเอียดอ่อนอย่างไม่น่าเชื่อ มากจนไม่สามารถตรวจพบได้ด้วยตามนุษย์
อีกวิธีหนึ่งที่ AI สามารถช่วยบรรเทาได้ปัญหาเกี่ยวกับความปลอดภัยของข้อมูล - เก็บข้อมูลเป็นความลับเมื่อสร้างแบบจำลอง การพัฒนาที่มีแนวโน้มอย่างหนึ่งคือการเรียนรู้แบบสหพันธรัฐ นั่นคือสิ่งที่ Google ใช้ในคีย์บอร์ดอัจฉริยะ Gboard เพื่อคาดการณ์คำที่จะใส่ถัดไป การเรียนรู้แบบสหพันธรัฐสร้างเครือข่ายประสาทล้ำลึกขั้นสุดยอดจากข้อมูลที่เก็บไว้ในอุปกรณ์ต่าง ๆ แทนที่จะเป็นคลังข้อมูลส่วนกลาง ข้อได้เปรียบหลักของมันคือข้อมูลต้นฉบับไม่เคยออกจากอุปกรณ์ภายในเครื่อง ดังนั้นความเป็นส่วนตัวยังคงได้รับการคุ้มครองบ้าง ใช่นี่ไม่ใช่ทางออกที่ดี แม้ว่าอุปกรณ์ในท้องถิ่นจะทำการคำนวณบางอย่าง แต่ก็ยังไม่เสร็จสิ้น ผลลัพธ์ระดับกลางอาจเปิดเผยข้อมูลบางอย่างเกี่ยวกับอุปกรณ์และผู้ใช้
การเรียนรู้แบบสหพันธรัฐให้ข้อมูลเชิงลึกอนาคตที่ AI เคารพความเป็นส่วนตัวมากขึ้น การวิจัยอย่างต่อเนื่องอาจพบวิธีการอื่นๆ ที่ AI กลายเป็นส่วนหนึ่งของการแก้ปัญหา แทนที่จะเป็นแหล่งที่มาของข้อกังวลด้านความเป็นส่วนตัว
อ่านยัง
ดูว่าอวัยวะใดที่ coronavirus โจมตีก่อนและเกิดขึ้นได้อย่างไร
ใครคือสิ่งมีชีวิตแรกในโลก ลืมทุกสิ่งที่คุณรู้เกี่ยวกับต้นกำเนิดของชีวิต
ดูรูปภาพคราสที่ถ่ายไปทั่วโลก