デジタル自己防衛の目覚めプライバシー技術は人工知能を殺すのか?
人工知能の開発と応用には、大量のデータの使用が必要です。機械学習アルゴリズムに供給するデータが多ければ多いほど、パターンの発見、意思決定、行動の予測、コンテンツのパーソナライズ、病状の診断、インテリジェンスの実現、サイバー脅威や詐欺の検出が可能になります。
実際、人工知能とデータは、「データのないアルゴリズムは盲目であり、アルゴリズムのないデータは愚かである」という関係に達しています。しかし、人工知能テクノロジーの使用はリスクに直面する可能性があり、誰もが望んでいるわけではありません。少なくとも現在のデジタルエンゲージメントルールの下で、情報やデータを共有する。したがって、何らかのデジタル的自衛手段が必要です。
外界との接触を完全に断ってデジタル隠者になる人もいますが、安全策をとってデジタル自己防衛、プライバシー強化技術 (PET) を使用する人もいます。デジタル漏洩に対応するため。
デジタル自己防衛を使用する人々は、Web サイトのプライバシー通知を信頼せず、代わりにプライバシー レベル拡張などのツールを使用してそれを確認します。彼らは自分の好みを伝える代わりに、AI を活用したプライバシー保護の検索エンジンやブラウザなどの特殊なツールを使用して、匿名の検索を実行します。これらのツールは、目に見えないトラッカーによるページ全体の追跡をブロックし、新しい方法で世界を探索し、共同作業し、データを保存するのに役立ちます。
台頭するデジタル セルフディフェンス
人々は、人工知能アルゴリズムによるプライバシーの収集と分析に対処するために、いくつかのツールを導入することができます。これはデジタル セルフディフェンスと呼ばれ、または監視としても知られています。自己防衛。
デジタル自己防衛を採用しているユーザーは、オフライン生活にまで入り込んだ、オンラインでの行動の遍在的な追跡にうんざりしていることがよくあります。デジタル自衛はスパイ行為ではなく、プライバシーの自己保護です。
この行為は、2013年に元米国エージェントのエドワード・スノーデンによって明らかにされた米国政府の徹底的な監視プログラムから始まりました。このプログラムにより、NSAはAppleからのものを含む人々の通信や情報への前例のないアクセスを許可され、電子メール、写真、ビデオ、本物の情報が盗まれました。 -Google、Skype、Facebookなどのテクノロジー巨人のサーバーからのチャットやその他の情報。
英国諜報機関 GCHQ の同様の侵入戦術も明らかになり、プライバシー セキュリティに対する意識が高まり、EU データ保護規制の開発軌道が変わり、消費者志向の規制の導入が促進されました。 GDPR 規制などのプライバシー中心の文化。
大手テクノロジー企業は、暗号化をデフォルトにし、ユーザーのプライバシーを最優先にすると宣言して、プライバシー認証の証明に躍起になっています。彼らは、消費者がデジタルで身を守る必要なく信頼できる、信頼できるデータ保護者として自らを位置づけています。
しかし、2018年のケンブリッジ・アナリティカのデータ侵害スキャンダルは、政府の監視よりもさらに憂慮すべきもの、「監視資本主義」を明らかにしました。アドテクノロジーによって人々のデジタル アイデンティティがスクレイピング、パッケージ化、分析、プロファイリング、オークション、交換され、オンライン トラッカーや不適切なデータによって武器化され、人々の消費行動に影響を与える「精密マーケティング」が提供されます。
Amazon は、自分自身よりも人々のことをよく知っている可能性があることが判明しました。 Facebook は人々が次にソーシャル メディアで何を言うかを予測できますが、さらに恐ろしいのは、有権者の投票傾向を予測できることです。ケンブリッジのスキャンダルは、アドテクの「マイクロターゲティング」がどのようにフェイクニュースや心理戦戦術と組み合わされて有権者の意思決定を揺るがしたかを明らかにし、フェイスブック社が今年初めに自社プラットフォームから政治広告を禁止するに至った。
アドテクの新たな寵児は、ユーザーの行動を追跡してマッピングし、アプリのデータを収集して編集した他のソースからのデータと組み合わせることで、ユーザーの行動を追跡してオフラインの世界に導き、個人的な詳細を推測するロケーションベースのマーケティングです。豊富なプロフィールを作成し、人種、性格、経済状況、年齢、食習慣、薬物乱用歴、所属政党、ソーシャルネットワーク、ソーシャルネットワークなどでユーザーをセグメント化し、それらをリアルタイム入札プラットフォームのダークウェブ上で販売するため、悪影響を与える可能性があります。
人々
そして、個人データを収集するアドテクは必ずしも正確であるとは限らず、ターゲティングの決定は不快なものになる可能性があります。
たとえば、米国の保釈保証金の広告はアフリカ系アメリカ人の名前を持つユーザーをターゲットにしており、ペプシコーラなどの大手ブランドは非常に過激な Web サイトで宣伝されています。妊娠と流産の間、育児関連の広告が絶えず浴びせられていたというソーシャルメディアユーザーは、「アルゴリズムは私が妊娠していることを知るのに十分賢かった。そして私が流産した後、私にメールを送ってきた」と述べ、大手テクノロジー企業にアルゴリズムを修正するよう公に呼び掛けた。病院の広告、不気味ですね。」
プレシジョン マーケティングは効果的ですが、実際には効果がないため、有害になる可能性もあります。人類学者のトリシア・ワンは、これが顧客の理解を犠牲にして人間関係を商品化していると指摘しています。同氏によると、CMOの70%は、アドテクノロジーは顧客に貴重な洞察を提供しないと考えているという。ビッグデータは全体像を示しますが (不完全で不正確な全体像です)、人間の物語が欠けています。
皮肉なことに、アドテクは「人間のゼロと一」が見えないため、マーケティングから顧客中心主義を一掃する危険にさらされています。
デジタルセルフディフェンスを学ぶ
Data Ethics の共同創設者である Pernille Tranberg は、消費者と企業が監視に代わる双方にメリットのある方法を見つけるのを支援しています。彼女は、消費者が Digi.Me や Tapx などのツールを使用してデータを保護し、自分の条件で公正な市場価値でデータを取引できるように、デジタル自己防衛の基本を教えています。
Blockthrough のような Web サイト ツールは、プライバシーに配慮したトラッカーを許可しながら、未知または安全でないサードパーティ トラッカーをブロックします。 Brave は、訪問者がプライバシーに配慮した広告の閲覧に対して報酬を得ることができるように、訪問者に報酬を与えることで企業が閲覧収入を増やすのを支援します。 Piwik のような分析プロバイダーは、Web サイト所有者に、Web サイト所有者が保有する豊富なデータと、利用できるプライバシー制御を提供します。
消費者と広告主の間には対立関係があるのでしょうか?はい、しかし完全ではありません。広告主は人々の選択を尊重する必要があり、広告ブロッカーを無効にしたり、ユーザーをだまして欺瞞的なインターフェースやブラックボックスモデルに同意させたりしてはなりません。これらは互いに敵対するのではなく、協力する必要があり、広告主は顧客を理解する必要があります。そうしないと、最終的には失敗します。
プライバシーは人工知能を殺すのでしょうか?
上記のことから、人々が注意しないと、人工知能を使用してデータを分析する広告テクノロジーがプライバシーを侵害する可能性があることがわかります。このため、人々は自分たちの主体性を取り戻したいと考えています。彼らはスパイされることにうんざりしており、広告主の行動を順番に監視している。
データによると、現在17億人が広告ブロックツールを利用して広告をブロックしているが、これは「人類史上最大のボイコット」である。 Apple や Google などの企業がサードパーティ Cookie から脱却するにつれ、広告主は信頼を維持しながら消費者データを活用する新しい方法を見つける必要があります。
プライバシー セキュリティにより人工知能が人間らしくなり、アドテクを救うことができます。たとえば、プライバシーに配慮したツールは競争の場を平等にし、より多くの情報を共有するよう人々に促すことができます。広告主は、匿名化または暗号化されたデータを分析し、それを人工知能システムに再プログラムして、アドテクノロジーでは提供できない誤った顧客インサイトを明らかにします。
つまり、デジタル自己防衛に対する人々の意識が目覚めつつあり、データを悪用する従来の人工知能手法を進化させる必要があるということです。
以上がデジタル自己防衛の目覚めプライバシー技術は人工知能を殺すのか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

8月1日の本サイトのニュースによると、SKハイニックスは本日(8月1日)ブログ投稿を発表し、8月6日から8日まで米国カリフォルニア州サンタクララで開催されるグローバル半導体メモリサミットFMS2024に参加すると発表し、多くの新世代の製品。フューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) の紹介。以前は主に NAND サプライヤー向けのフラッシュ メモリ サミット (FlashMemorySummit) でしたが、人工知能技術への注目の高まりを背景に、今年はフューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) に名前が変更されました。 DRAM およびストレージ ベンダー、さらに多くのプレーヤーを招待します。昨年発売された新製品SKハイニックス
