Η προστασία των πληροφοριών σε μια νέα εποχή

Με τη χρήση τους να αυξάνεται δραστικά τα τελευταία χρόνια, τα μοντέλα τεχνητής νοημοσύνης πρέπει να ενσωματώσουν την προστασία της ιδιωτικής ζωής στον σχεδιασμό τους ως κάτι το αυτονόητο, επισημαίνει το αμερικανικό περιοδικό «Technology».

Τονίζει ότι τα μοντέλα τεχνητής νοημοσύνης (AI) που βασίζονται σε δεδομένα καταναλωτών πρέπει επίσης να δημιουργηθούν με γνώμονα το απόρρητο των δεδομένων. Είναι κατανοητό ότι ορισμένοι χρήστες διστάζουν με τα αυτοματοποιημένα συστήματα που συλλέγουν και χρησιμοποιούν τα δεδομένα τους, επομένως για να παραμείνουν βιώσιμα, αυτά θα πρέπει να ενσωματώσουν την προστασία της ιδιωτικής ζωής στον σχεδιασμό τους ως κάτι αυτονόητο.

Το άρθρο σημειώνει ότι η χρήση της τεχνητής νοημοσύνης έχει αυξηθεί τα τελευταία χρόνια και είναι πλέον παρούσα με κάποια μορφή στις περισσότερες βιομηχανίες. Χρησιμοποιώντας απλά μοντέλα μηχανικής μάθησης, είναι δυνατόν να αυτοματοποιηθούν κουραστικές και επαναλαμβανόμενες διαδικασίες, όπως η επικύρωση δεδομένων, χρησιμοποιώντας κείμενο, εικόνες και δεδομένα σε πίνακα.

Οι τρεις κύριες εξειδικεύσεις της βαθιάς μάθησης είναι η επεξεργασία εικόνας (π.χ. ανίχνευση ασθενειών ή τμηματοποίηση αντικειμένων για την επίλυση του προβλήματος της οδήγησης αυτόνομων αυτοκινήτων), η επεξεργασία φυσικής γλώσσας (ανάλυση συναισθήματος, σύνοψη, μετάφραση κειμένου) και συστήματα συστάσεων (π.χ. αντιστοίχιση αναγνώστη ή αγοραστή με το πιο ενδιαφέρον ή κατάλληλο περιεχόμενο).

Σημειώνει ακόμη ότι η ιατρική είναι ένας τομέας όπου η τεχνητή νοημοσύνη συναντάται όλο και περισσότερο. Αυτή είναι μια ιδανική χρήση για την τεχνητή νοημοσύνη επειδή υπάρχουν πολλά διαθέσιμα δεδομένα όσον αφορά τις ασθένειες και τα συμπτώματα των ασθενών, τα οποία μπορεί να είναι χρήσιμα σε καταστάσεις όπου οι γιατροί δεν είναι σε θέση να εντοπίσουν και να εξηγήσουν πλήρως τους δεσμούς μεταξύ των δύο.

Αν και όλες αυτές οι εφαρμογές δείχνουν πολλά υποσχόμενες, είναι σημαντικό ο χειρισμός του απορρήτου να γίνεται με ιδιαίτερη προσοχή κατά τη χρήση τεχνητής νοημοσύνης.

Πολλά από τα πιο ευαίσθητα όσον αφορά το απόρρητο αναλυτικά στοιχεία δεδομένων -όπως αλγόριθμοι αναζήτησης, μηχανές προτάσεων και δίκτυα διαφημίσεων- καθοδηγούνται από τη μηχανική εκμάθηση και τις αποφάσεις που λαμβάνονται από αλγόριθμους. Με την ανάπτυξη της τεχνητής νοημοσύνης αυξάνεται η δυνατότητα χρήσης προσωπικών δεδομένων με τρόπους που ενδέχεται να παραβιάζουν το απόρρητο.

Σήμερα οι εταιρείες απαιτούν, συλλέγουν και εργάζονται με περισσότερα δεδομένα από ποτέ. Ετσι η τεχνητή νοημοσύνη, ή πιο συγκεκριμένα η μηχανική μάθηση, τροφοδοτείται από αυτά τα δεδομένα.

Κατά τον χειρισμό τόσο τεράστιων ποσοτήτων δεδομένων, οι επιχειρήσεις θα πρέπει πάντα να λαμβάνουν υπόψη τον κίνδυνο διαρροής δεδομένων.

Το 2017 η Genpact διεξήγαγε μια έρευνα σε περισσότερους από 5.000 ανθρώπους από διάφορες χώρες και διαπίστωσε ότι το 63% των ερωτηθέντων εκτιμούσε το απόρρητο περισσότερο από μια θετική εμπειρία πελάτη και ήθελε οι επιχειρήσεις να αποφεύγουν τη χρήση τεχνητής νοημοσύνης σε περίπτωση παραβίασης του απορρήτου τους. Οι κύριες ανησυχίες εδώ είναι πώς ένα σύστημα τεχνητής νοημοσύνης μπορεί να έχει πρόσβαση στις προσωπικές πληροφορίες ενός καταναλωτή.

Ωστόσο, σημειώνει το άρθρο, υπάρχουν και θετικές πλευρές στην AI όσον αφορά το απόρρητο δεδομένων καθώς η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για την ελαχιστοποίηση του κινδύνου παραβίασης της ιδιωτικής ζωής με την κρυπτογράφηση προσωπικών δεδομένων, τη μείωση του ανθρώπινου λάθους και τον εντοπισμό πιθανών περιστατικών ασφάλειας στον κυβερνοχώρο.

Τονίζει, τέλος, ότι πρώτα απ’ όλα οι ηγέτες της συγκεκριμένης τεχνολογίας θα πρέπει να εξετάσουν εάν χρειάζονται AI και εάν τα προβλήματά τους δεν μπορούν να λυθούν με πιο συμβατικές μεθόδους.