


Comment l'intelligence artificielle change-t-elle la donne en matière de confidentialité des données ?
Des recherches récentes montrent que les modèles d'apprentissage profond basés sur l'IA sont capables de déterminer l'origine ethnique d'un patient sur la base d'images radiologiques telles que des radiographies pulmonaires avec une plus grande précision que les experts en anthropologie. Sandeep Sharma, data scientist en chef chez Capgemini Consulting, a souligné que lorsque l'IA est appliquée à la collecte et à l'analyse de données personnelles, il existe un risque énorme d'invasion de la vie privée. Dans le même temps, cette menace est exacerbée par le manque de compréhension de la vie privée au sein des organisations utilisant l’IA.
De manière générale, les applications actuelles de l'IA impliquant des informations personnelles dans les entreprises présentent plusieurs problèmes importants : premièrement, l'utilisation des données à des fins autres que la collecte, deuxièmement, la collecte d'informations personnelles qui n'entrent pas dans le cadre de la collecte de données ; ; troisièmement, consiste à stocker les données plus longtemps que nécessaire. Ceux-ci peuvent enfreindre les réglementations sur la confidentialité des données, telles que le Règlement général sur la protection des données (RGPD) de l'Union européenne.
Les applications d'IA exacerbent le risque d'exposition à la confidentialité des données
Les risques posés par les systèmes basés sur l'IA impliquent de nombreux aspects. Par exemple, Tom Whittaker, associé principal de l’équipe technologique du cabinet d’avocats britannique Burges Salmon, estime que les biais potentiels de l’IA doivent être pris en compte. Les systèmes d’IA s’appuient sur des données, et lorsqu’il s’agit de données personnelles, les données ou la manière dont le modèle est entraîné peuvent créer par inadvertance des biais.
Dans le même temps, le système d'IA peut également être endommagé et des informations personnelles peuvent également être divulguées. Whittaker a noté que cela s’explique en partie par le fait que les systèmes d’IA s’appuient sur de vastes ensembles de données, ce qui pourrait en faire des cibles privilégiées pour les cyberattaques. Les données produites par le système d'IA peuvent exposer des informations personnelles directement ou lorsqu'elles sont combinées avec d'autres informations.
À mesure que les systèmes d’IA sont utilisés dans de plus en plus d’applications, la société est également exposée à des risques de plus en plus omniprésents. Les cotes de crédit, l’analyse des risques criminels et les décisions en matière d’immigration en sont quelques exemples. Si l’IA ou la manière dont elle est utilisée est défectueuse, les gens risquent de subir de plus grandes violations de la vie privée qu’ils ne le feraient autrement. «
L'IA peut également avoir un impact positif sur la confidentialité des données
Cependant, certains experts soulignent également que l'IA peut avoir un impact positif sur la confidentialité. Elle peut être utilisée comme une forme de technologie d'amélioration de la confidentialité (PET) pour. aider les organisations à se conformer aux obligations dès la conception en matière de protection des données.
Whittaker explique : « L'IA peut être utilisée pour créer des données synthétiques qui reproduisent les modèles et les propriétés statistiques des données personnelles. L’IA peut également minimiser le risque de violation de la vie privée en chiffrant les données personnelles, en réduisant les erreurs humaines et en détectant les incidents potentiels de cybersécurité. »
Certains gouvernements ont vu le bon côté de l'IA. Par exemple, Ott Velsberg, responsable des données au ministère estonien des Affaires économiques et des Communications, a déclaré que l'IA joue un rôle clé dans diverses industries et que l'objectif du gouvernement estonien est d'y parvenir. IA d'ici 2030. Largement utilisée.
Afin de garantir le respect des réglementations sur la protection des données lors de leur application, l'Estonie a développé un service qui permet aux personnes de partager des données détenues par le gouvernement avec des parties prenantes externes. Le traitement des données personnelles peut être consulté sur le portail du gouvernement.
Le respect de la confidentialité est la clé de la mise en œuvre de l'IA
L'IA est actuellement réglementée par des réglementations, notamment le RGPD, mais d'autres réglementations en matière de confidentialité seront introduites à l'avenir, a indiqué l'UE. les protections juridiques de la vie privée liées à l'IA les plus strictes
Whittaker a souligné que l'UE prévoit également d'introduire des réglementations plus spécifiques à l'IA visant à interdire à certains systèmes d'IA d'abuser des données et à imposer des obligations à tout système à haut risque sur la manière dont les données sont stockées. et utilisées. Ces réglementations concernent ceux qui déploient des systèmes d'IA sur le marché de l'UE et affecteront les entreprises qui vendent ou déploient des solutions d'IA dans l'UE.
À cette fin, les dirigeants d'entreprise tentent de gérer les risques liés à l'IA. des politiques réglementaires actuelles et prévues en matière d'IA. Le non-respect de ces réglementations peut entraîner de graves conséquences. Des rapports indiquent que les violations des obligations à haut risque en vertu du projet de loi sur l'IA de l'UE peuvent entraîner des amendes allant jusqu'à 20 millions d'euros ou jusqu'à 4 par an. chiffre d'affaires. % de pénalité.
Premièrement, pour les entreprises utilisant des systèmes d'IA, la transparence dans la manière dont les données sont utilisées est essentielle. Si les utilisateurs ne savent pas qu'ils sont affectés par les décisions de l'IA, ils ne pourront pas les comprendre ou les remettre en question. ont le droit de connaître l'utilisation des données et d'utiliser les données de manière raisonnable et légale. Encore une fois, les organisations doivent veiller à ce que les algorithmes d'IA eux-mêmes et les données sur lesquels ils s'appuient soient soigneusement conçus, développés et gérés pour éviter des conséquences négatives inutiles. , de bonnes mesures de sécurité des données sont essentielles dans les applications d'IA. Les organisations ne collectent pas de données inutiles et veillent à ce que les informations soient supprimées après un certain temps, tout en s'assurant que l'accès aux données est correctement restreint et que de bonnes pratiques de sécurité sont en place.
Pour résumer, l'IA est sans aucun doute une technologie révolutionnaire qui apparaîtra dans des applications commerciales généralisées, mais elle doit être gérée de manière responsable pour éviter les violations de la vie privée, et les dirigeants d'entreprise doivent réfléchir plus attentivement à la manière dont l'IA est utilisée et abusée. , exercez l'impact positif de l'IA et évitez les effets négatifs de l'IACe qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds





Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

Selon les informations de ce site le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière
