Jak możemy doskonalić algorytmy bez naruszania prywatności danych

GMV explains how uTile can improve our algorithms without undermining data privacy

W ocenie uczestników AI & Big Data Congress oferowane przez sztuczną inteligencję możliwości predykcyjne pozwalają firmom na zdobycie przewagi konkurencyjnej. Podczas kongresu podkreślono również fakt, że wczesne zastosowanie tej technologii ma istotne znaczenie z punktu widzenia generowania większej aktywności gospodarczej oraz miejsc pracy, a także zwiększa zdolność adaptacji firm do aktualnego kontekstu biznesowego.

Podstawowa kwestia, której dotyczyła debata na temat etycznych i prawnych konsekwencji SI, to oddziaływanie tej technologii na prywatność danych. Ogólne rozporządzenie o ochronie danych (RODO) służy ochronie prywatności obywateli UE i daje im większą kontrolę nad ich danymi osobowymi. Wiele osób zastanawia się, czy możliwe jest korzystanie z SI przy jednoczesnej ochronie podstawowych praw opisanych w RODO oraz w innych przepisach o ochronie danych, stosowanych przez rządy i organizacje w celu zachowania prywatności, decentralizacji oraz bezpieczeństwa informacji.

Podczas sesji konferencji AI & Big Data Congress poświęconej kwestii sprawiedliwości algorytmów SI José Carlos Baquero, Dyrektor ds. Sztucznej Inteligencji i Big Data w GMV Secure e-Solutions, wyjaśnił, jak przy użyciu uTile – rozwiązania opracowanego przez GMV – możemy doskonalić algorytmy bez naruszania prywatności danych. Technologia uTile umożliwia organizacjom bezpieczne udostępnianie, a nawet komercjalizowanie wiedzy opartej na posiadanych przez nie danych, dzięki szyfrowanemu przetwarzaniu, przestrzeganiu prywatności rozproszonych źródeł danych oraz bezpiecznej wymianie informacji. W ten sposób można wykorzystywać nawet dane wrażliwe do doskonalenia algorytmów uczenia maszynowego i modeli analitycznych.

ZOBACZ PREZENTACJĘ (WIDEO): Jak można doskonalić algorytmy bez naruszania prywatności danych (w języku hiszpańskim)

Sector

Source URL: https://www.gmv.com/komunikacja/aktualnosci/jak-mozemy-doskonalic-algorytmy-bez-naruszania-prywatnosci-danych