人工智能是醫(yī)療保健、技術(shù)和其他領(lǐng)域發(fā)展不可或缺的一部分，但人們對(duì)如何監(jiān)管數(shù)據(jù)隱私感到擔(dān)憂(yōu)。

　　數(shù)據(jù)隱私對(duì)于獲得公眾對(duì)技術(shù)進(jìn)步的信任至關(guān)重要。

　　數(shù)據(jù)隱私通常與基于消費(fèi)者數(shù)據(jù)的人工智能 (AI) 模型相關(guān)聯(lián)。可以理解的是，用戶(hù)對(duì)獲取和使用其數(shù)據(jù)的自動(dòng)化技術(shù)持謹(jǐn)慎態(tài)度，其中可能包括敏感信息。由于 AI 模型依賴(lài)于數(shù)據(jù)質(zhì)量來(lái)提供顯著的結(jié)果，因此它們的持續(xù)存在取決于隱私保護(hù)是其設(shè)計(jì)不可或缺的一部分。

　　良好的隱私和數(shù)據(jù)管理實(shí)踐不僅僅是消除客戶(hù)恐懼和擔(dān)憂(yōu)的一種方式，與企業(yè)的核心組織價(jià)值觀(guān)、業(yè)務(wù)流程和安全管理有很大關(guān)系。隱私問(wèn)題已被廣泛研究和宣傳，隱私感知調(diào)查數(shù)據(jù)表明，隱私保護(hù)是消費(fèi)者關(guān)注的重要問(wèn)題。

　　從上下文中解決這些問(wèn)題至關(guān)重要，對(duì)于使用面向消費(fèi)者的人工智能的公司來(lái)說(shuō)，有幾種方法和技術(shù)可以幫助解決通常與人工智能相關(guān)的隱私問(wèn)題。

　　有些產(chǎn)品和服務(wù)需要數(shù)據(jù)，但它們不需要侵犯任何人的隱私

　　使用人工智能的企業(yè)在隱私方面已經(jīng)面臨公眾的質(zhì)疑。根據(jù)歐洲消費(fèi)者組織 2020 年的一項(xiàng)調(diào)查顯示，45-60% 的歐洲人同意 AI 將導(dǎo)致更多的個(gè)人數(shù)據(jù)濫用。

　　有許多流行的在線(xiàn)服務(wù)和產(chǎn)品依賴(lài)于大型數(shù)據(jù)集來(lái)學(xué)習(xí)和改進(jìn)他們的 AI 算法。即使是最不注重隱私的用戶(hù)，這些數(shù)據(jù)集中的一些數(shù)據(jù)也可能被認(rèn)為是私有的。來(lái)自網(wǎng)絡(luò)、社交媒體頁(yè)面、手機(jī)和其他設(shè)備的數(shù)據(jù)流增加了企業(yè)用來(lái)訓(xùn)練機(jī)器學(xué)習(xí)系統(tǒng)的信息量。由于一些企業(yè)過(guò)度使用個(gè)人數(shù)據(jù)和管理不善，隱私保護(hù)正在成為世界各地的公共政策問(wèn)題。

　　我們收集的大部分敏感數(shù)據(jù)都是為了改進(jìn)支持人工智能的流程。許多分析的數(shù)據(jù)也是由機(jī)器學(xué)習(xí)采用驅(qū)動(dòng)的，因?yàn)閺?fù)雜的算法需要根據(jù)這些數(shù)據(jù)集實(shí)時(shí)做出決策。搜索算法、語(yǔ)音助手和推薦引擎只是利用基于現(xiàn)實(shí)世界用戶(hù)數(shù)據(jù)的大型數(shù)據(jù)集的 AI 的少數(shù)解決方案。

　　海量數(shù)據(jù)庫(kù)可能包含廣泛的數(shù)據(jù)，最緊迫的問(wèn)題之一是這些數(shù)據(jù)可能是個(gè)人可識(shí)別和敏感的。實(shí)際上，教算法做出決策并不依賴(lài)于知道數(shù)據(jù)與誰(shuí)相關(guān)。因此，此類(lèi)產(chǎn)品背后的公司應(yīng)專(zhuān)注于將其數(shù)據(jù)集私有化，幾乎沒(méi)有方法來(lái)識(shí)別源數(shù)據(jù)中的用戶(hù)，并制定措施從其算法中刪除邊緣情況以避免逆向工程和識(shí)別。

　　數(shù)據(jù)隱私和人工智能之間的關(guān)系非常微妙。雖然某些算法可能不可避免地需要私人數(shù)據(jù)，但有一些方法可以以更安全和非侵入性的方式使用它。以下方法只是使用私有數(shù)據(jù)的公司如何成為解決方案的一部分的一些方法。

　　考慮隱私的人工智能設(shè)計(jì)

　　我們已經(jīng)討論了逆向工程的問(wèn)題，其中不良行為者會(huì)發(fā)現(xiàn) AI 模型中的漏洞并從模型的輸出中識(shí)別潛在的關(guān)鍵信息。逆向工程是為什么在面臨這一挑戰(zhàn)的情況下更改和改進(jìn)數(shù)據(jù)庫(kù)和學(xué)習(xí)數(shù)據(jù)對(duì)于 AI 使用至關(guān)重要。

　　例如，在機(jī)器學(xué)習(xí)過(guò)程(對(duì)抗性學(xué)習(xí))中組合沖突的數(shù)據(jù)集是區(qū)分 AI 算法輸出中的缺陷和偏差的好選擇。也有使用不使用實(shí)際個(gè)人數(shù)據(jù)的合成數(shù)據(jù)集的選項(xiàng)，但它們的有效性仍然存在問(wèn)題。

　　醫(yī)療保健是人工智能和數(shù)據(jù)隱私治理的先驅(qū)，尤其是處理敏感的私人數(shù)據(jù)。它還在同意方面做了大量工作，無(wú)論是對(duì)于醫(yī)療程序還是處理他們的數(shù)據(jù)——風(fēng)險(xiǎn)很高，并且已得到法律強(qiáng)制執(zhí)行。

　　對(duì)于 AI 產(chǎn)品和算法的整體設(shè)計(jì)，通過(guò)匿名化和聚合的方式將數(shù)據(jù)與用戶(hù)解耦是任何使用用戶(hù)數(shù)據(jù)訓(xùn)練其 AI 模型的企業(yè)的關(guān)鍵。

　　有很多考慮可以加強(qiáng) AI 公司的隱私保護(hù)：

　　以隱私為核心：將隱私保護(hù)放在開(kāi)發(fā)者的雷達(dá)上，并找到有效加強(qiáng)安全性的方法

　　匿名化和聚合數(shù)據(jù)集，刪除所有個(gè)人標(biāo)識(shí)符和唯一數(shù)據(jù)點(diǎn)

　　嚴(yán)格控制公司中誰(shuí)可以訪(fǎng)問(wèn)特定數(shù)據(jù)集，并持續(xù)審核這些數(shù)據(jù)的訪(fǎng)問(wèn)方式，因?yàn)檫@是過(guò)去一些數(shù)據(jù)泄露背后的原因

　　更多的數(shù)據(jù)并不總是最好的解決方案。使用最少的數(shù)據(jù)測(cè)試您的算法，以了解您需要收集和處理的最少數(shù)據(jù)量，從而使您的用例可行

　　必須提供一種簡(jiǎn)化的方法來(lái)根據(jù)用戶(hù)的要求消除個(gè)人數(shù)據(jù)。只對(duì)用戶(hù)數(shù)據(jù)進(jìn)行偽匿名化的公司應(yīng)該使用最新的數(shù)據(jù)不斷地重新訓(xùn)練他們的模型

　　利用強(qiáng)大的去標(biāo)識(shí)化策略，例如，具有完全匿名化的聚合和合成數(shù)據(jù)集，用于算法訓(xùn)練、審計(jì)和質(zhì)量保證等的不可逆標(biāo)識(shí)符

　　通過(guò)重新思考從第三方獲取和使用關(guān)鍵信息的方式來(lái)保護(hù)用戶(hù)的自主權(quán)和隱私——仔細(xì)檢查數(shù)據(jù)源，只使用那些在用戶(hù)明確和知情同意的情況下收集數(shù)據(jù)的源

　　考慮風(fēng)險(xiǎn)：攻擊是否可能從您的 AI 系統(tǒng)輸出中危及用戶(hù)隱私?

　　數(shù)據(jù)隱私和人工智能的未來(lái)是什么?

　　人工智能系統(tǒng)需要大量數(shù)據(jù)，如果沒(méi)有用于訓(xùn)練人工智能算法的個(gè)人數(shù)據(jù)，一些頂級(jí)的在線(xiàn)服務(wù)和產(chǎn)品就無(wú)法運(yùn)行。然而，有很多方法可以改進(jìn)數(shù)據(jù)的獲取、管理和使用，包括算法本身和整體數(shù)據(jù)管理。尊重隱私的人工智能需要尊重隱私的公司。