Nghi Dilemma Dữ Liệu Của Trí Tuệ Nhân Tạo: Quyền Riêng Tư, Quy Định và Tương Lai Của Trí Tuệ Nhân Tạo Đạo Đức

Các giải pháp được thúc đẩy bởi trí tuệ nhân tạo đang được áp dụng nhanh chóng trên nhiều ngành, dịch vụ và sản phẩm mỗi ngày. Tuy nhiên, hiệu quả của chúng phụ thuộc hoàn toàn vào chất lượng của dữ liệu mà chúng được đào tạo – một khía cạnh thường bị hiểu lầm hoặc bỏ qua trong quá trình tạo tập dữ liệu.

Khi các cơ quan bảo vệ dữ liệu tăng cường kiểm tra cách các công nghệ trí tuệ nhân tạo tuân thủ các quy định về quyền riêng tư và bảo vệ dữ liệu, các công ty phải đối mặt với áp lực ngày càng tăng để tìm kiếm, chú thích và tinh chỉnh tập dữ liệu theo cách tuân thủ và đạo đức.

Liệu có thực sự có một cách tiếp cận đạo đức để xây dựng tập dữ liệu trí tuệ nhân tạo? Những thách thức đạo đức lớn nhất của các công ty là gì và họ đang giải quyết chúng như thế nào? Và làm thế nào các khuôn khổ pháp lý đang phát triển ảnh hưởng đến sự sẵn có và sử dụng dữ liệu đào tạo? Hãy cùng khám phá những câu hỏi này.

Riêng Tư Dữ Liệu và Trí Tuệ Nhân Tạo

Về bản chất, trí tuệ nhân tạo yêu cầu một lượng lớn dữ liệu cá nhân để thực hiện các nhiệm vụ. Điều này đã gây ra mối quan ngại về việc thu thập, lưu trữ và sử dụng thông tin này. Nhiều luật trên toàn thế giới quy định và hạn chế việc sử dụng dữ liệu cá nhân, từ GDPR và Đạo luật Trí tuệ Nhân tạo mới được giới thiệu ở châu Âu đến HIPAA ở Mỹ, quy định việc truy cập dữ liệu bệnh nhân trong ngành y tế.

Tham khảo cách nghiêm ngặt của luật bảo vệ dữ liệu trên toàn thế giới / DLA Piper

Ví dụ, hiện tại có 14 bang ở Mỹ có luật bảo vệ dữ liệu cá nhân toàn diện, với 6 bang khác sẽ có hiệu lực vào năm 2025 và đầu năm 2026. Chính quyền mới đã signal một sự thay đổi trong cách tiếp cận thực thi quyền riêng tư dữ liệu ở cấp liên bang. Một焦 điểm quan trọng là quy định trí tuệ nhân tạo, nhấn mạnh vào việc thúc đẩy đổi mới thay vì áp đặt hạn chế. Sự thay đổi này bao gồm việc bãi bỏ các lệnh hành pháp trước đó về trí tuệ nhân tạo và giới thiệu các chỉ thị mới để hướng dẫn sự phát triển và ứng dụng của nó.

Luật bảo vệ dữ liệu đang phát triển ở các quốc gia khác nhau: ở châu Âu, luật pháp nghiêm ngặt hơn, trong khi ở châu Á hoặc châu Phi, chúng thường ít nghiêm ngặt hơn.

Tuy nhiên, thông tin nhận dạng cá nhân (PII) – như hình ảnh khuôn mặt, tài liệu chính thức như hộ chiếu, hoặc bất kỳ dữ liệu cá nhân nhạy cảm nào khác – thường bị hạn chế ở hầu hết các quốc gia đến một mức độ nhất định. Theo Tổ chức Thương mại và Phát triển Liên Hợp Quốc, việc thu thập, sử dụng và chia sẻ thông tin cá nhân cho các bên thứ ba mà không có thông báo hoặc sự đồng ý của người tiêu dùng là một mối quan ngại lớn cho hầu hết thế giới. 137 trong số 194 quốc gia có quy định đảm bảo bảo vệ dữ liệu và quyền riêng tư. Do đó, hầu hết các công ty toàn cầu đều采取 các biện pháp phòng ngừa rộng rãi để tránh sử dụng PII cho đào tạo mô hình vì các quy định như ở EU nghiêm cấm các hành vi như vậy, với các trường hợp ngoại lệ hiếm gặp trong các lĩnh vực được quản lý chặt chẽ như thực thi pháp luật.

Theo thời gian, luật bảo vệ dữ liệu đang trở nên toàn diện và được thực thi trên toàn cầu. Các công ty điều chỉnh các hoạt động của mình để tránh thách thức pháp lý và đáp ứng các yêu cầu pháp lý và đạo đức mới xuất hiện.

Các Phương Pháp Công Ty Sử Dụng Để Nhận Dữ Liệu?

Vậy, khi nghiên cứu các vấn đề bảo vệ dữ liệu cho đào tạo mô hình, điều quan trọng đầu tiên là phải hiểu nơi các công ty thu thập dữ liệu này. Có ba nguồn dữ liệu chính và cơ bản.

• Thu Thập Dữ Liệu

Phương pháp này cho phép thu thập dữ liệu từ các nền tảng众 nguồn, kho dữ liệu truyền thông và tập dữ liệu mã nguồn mở.

Điều quan trọng cần lưu ý là các kho dữ liệu truyền thông công cộng phải tuân theo các thỏa thuận cấp phép khác nhau. Ngay cả giấy phép sử dụng thương mại cũng thường nêu rõ rằng nội dung không thể được sử dụng cho đào tạo mô hình. Những kỳ vọng này khác nhau từ nền tảng này sang nền tảng khác và yêu cầu các doanh nghiệp xác nhận khả năng sử dụng nội dung theo cách họ cần.

Ngay cả khi các công ty trí tuệ nhân tạo thu được nội dung một cách hợp pháp, họ vẫn có thể gặp phải một số vấn đề. Sự phát triển nhanh chóng của đào tạo mô hình trí tuệ nhân tạo đã vượt quá các khuôn khổ pháp lý, có nghĩa là các quy tắc và quy định xung quanh dữ liệu đào tạo trí tuệ nhân tạo vẫn đang phát triển. Do đó, các công ty phải cập nhật thông tin về các phát triển pháp lý và xem xét kỹ lưỡng các thỏa thuận cấp phép trước khi sử dụng nội dung từ kho để đào tạo trí tuệ nhân tạo.

• Tạo Dữ Liệu

Một trong những phương pháp chuẩn bị tập dữ liệu an toàn nhất liên quan đến việc tạo ra nội dung độc đáo, chẳng hạn như quay phim người trong môi trường được kiểm soát như trong phòng thu hoặc ngoài trời. Trước khi tham gia, các cá nhân ký vào một biểu mẫu đồng ý sử dụng thông tin nhận dạng cá nhân của họ, chỉ định rõ dữ liệu nào được thu thập, cách và nơi nó sẽ được sử dụng, và ai sẽ có quyền truy cập vào nó. Điều này đảm bảo sự bảo vệ pháp lý đầy đủ và mang lại cho các công ty sự tự tin rằng họ sẽ không phải đối mặt với các yêu cầu sử dụng dữ liệu bất hợp pháp.

Nhược điểm chính của phương pháp này là chi phí, đặc biệt là khi dữ liệu được tạo ra cho các trường hợp ngoại lệ hoặc dự án quy mô lớn. Tuy nhiên, các công ty lớn và doanh nghiệp đang ngày càng tiếp tục sử dụng phương pháp này vì hai lý do chính. Thứ nhất, nó đảm bảo tuân thủ tất cả các tiêu chuẩn và quy định pháp lý. Thứ hai, nó cung cấp cho các công ty dữ liệu được tùy chỉnh hoàn toàn cho các kịch bản và nhu cầu cụ thể của họ, đảm bảo độ chính xác cao nhất trong đào tạo mô hình.

• Sinh Dữ Liệu Tổng Hợp

Sử dụng các công cụ phần mềm để tạo ra hình ảnh, văn bản hoặc video dựa trên một kịch bản nhất định. Tuy nhiên, dữ liệu tổng hợp có những hạn chế: nó được tạo ra dựa trên các tham số đã định và thiếu sự biến đổi tự nhiên của dữ liệu thực.

Sự thiếu hụt này có thể ảnh hưởng tiêu cực đến các mô hình trí tuệ nhân tạo. Mặc dù nó không liên quan đến tất cả các trường hợp và không luôn xảy ra, nhưng vẫn quan trọng để nhớ “sự sụp đổ mô hình” – một điểm mà sự phụ thuộc quá mức vào dữ liệu tổng hợp khiến mô hình suy giảm, dẫn đến đầu ra chất lượng thấp.

Dữ liệu tổng hợp vẫn có thể rất hiệu quả cho các nhiệm vụ cơ bản, chẳng hạn như nhận dạng mẫu chung, nhận dạng đối tượng hoặc phân biệt các yếu tố hình ảnh cơ bản như khuôn mặt.

Tuy nhiên, nó không phải là lựa chọn tốt nhất khi một công ty cần đào tạo một mô hình hoàn toàn từ đầu hoặc xử lý các kịch bản hiếm hoặc đặc biệt.

Các tình huống tiết lộ nhất xảy ra trong môi trường trong cabin, chẳng hạn như một tài xế bị phân tâm bởi một đứa trẻ, ai đó xuất hiện mệt mỏi sau tay lái, hoặc thậm chí là các trường hợp lái xe bất cẩn. Những điểm dữ liệu này không có sẵn trong các tập dữ liệu công khai – cũng không nên như vậy – vì chúng liên quan đến các cá nhân thực trong môi trường riêng tư. Vì các mô hình trí tuệ nhân tạo dựa vào dữ liệu đào tạo để tạo ra đầu ra tổng hợp, chúng gặp khó khăn trong việc đại diện chính xác cho các kịch bản mà chúng chưa từng gặp.

Khi dữ liệu tổng hợp thất bại, dữ liệu được tạo – thu thập thông qua môi trường được kiểm soát với các diễn viên thực – trở thành giải pháp.

Các nhà cung cấp giải pháp dữ liệu như Keymakr đặt máy ảnh trong xe, thuê diễn viên và ghi lại các hành động như chăm sóc một em bé, uống từ một chai, hoặc thể hiện dấu hiệu mệt mỏi. Các diễn viên ký hợp đồng đồng ý rõ ràng sử dụng dữ liệu của họ cho đào tạo trí tuệ nhân tạo, đảm bảo tuân thủ luật bảo vệ quyền riêng tư.

Trách Nhiệm Trong Quá Trình Tạo Tập Dữ Liệu

Mỗi người tham gia trong quá trình, từ khách hàng đến công ty chú thích, đều có những trách nhiệm cụ thể được nêu trong thỏa thuận của họ. Bước đầu tiên là thiết lập một hợp đồng, trong đó chi tiết về bản chất của mối quan hệ, bao gồm cả các điều khoản về không tiết lộ và quyền sở hữu trí tuệ.

Hãy xem xét lựa chọn đầu tiên cho việc làm việc với dữ liệu, tức là khi nó được tạo ra từ đầu. Quyền sở hữu trí tuệ tuyên bố rằng bất kỳ dữ liệu nào mà nhà cung cấp tạo ra đều thuộc về công ty thuê, có nghĩa là nó được tạo ra vì họ. Điều này cũng có nghĩa là nhà cung cấp phải đảm bảo rằng dữ liệu được thu thập một cách hợp pháp và đúng đắn.

Là một công ty giải pháp dữ liệu, Keymakr đảm bảo sự tuân thủ dữ liệu bằng cách kiểm tra đầu tiên khu vực pháp lý mà dữ liệu đang được tạo ra, thu được sự đồng ý thích hợp từ tất cả các cá nhân liên quan và đảm bảo rằng dữ liệu có thể được sử dụng hợp pháp cho đào tạo trí tuệ nhân tạo.

Điều quan trọng cần lưu ý là một khi dữ liệu được sử dụng cho đào tạo mô hình trí tuệ nhân tạo, nó trở nên gần như không thể xác định được dữ liệu cụ thể nào đã góp phần vào mô hình vì trí tuệ nhân tạo trộn tất cả lại với nhau. Do đó, đầu ra cụ thể không có xu hướng là đầu ra của nó, đặc biệt là khi thảo luận về hàng triệu hình ảnh.

Do sự phát triển nhanh chóng, lĩnh vực này vẫn đang thiết lập các hướng dẫn rõ ràng cho việc phân phối trách nhiệm. Điều này tương tự như sự phức tạp xung quanh xe tự lái, nơi các câu hỏi về trách nhiệm – liệu đó là tài xế, nhà sản xuất hay công ty phần mềm – vẫn yêu cầu sự phân phối rõ ràng.

Trong các trường hợp khác, khi một nhà cung cấp chú thích nhận được một tập dữ liệu để chú thích, họ giả định rằng khách hàng đã thu được dữ liệu một cách hợp pháp. Nếu có dấu hiệu rõ ràng rằng dữ liệu đã được thu thập một cách bất hợp pháp, nhà cung cấp phải báo cáo. Tuy nhiên, những trường hợp rõ ràng như vậy là cực kỳ hiếm.

Điều quan trọng cần lưu ý là các công ty lớn, tập đoàn và thương hiệu coi trọng danh tiếng của họ rất cẩn thận về nơi họ nguồn dữ liệu, ngay cả khi nó không được tạo ra từ đầu mà được lấy từ các nguồn hợp pháp khác.

Tóm lại, trách nhiệm của mỗi người tham gia trong quá trình làm việc với dữ liệu phụ thuộc vào thỏa thuận. Bạn có thể xem quá trình này là một phần của “chuỗi bền vững” rộng lớn hơn, nơi mỗi người tham gia có vai trò quan trọng trong việc duy trì các tiêu chuẩn pháp lý và đạo đức.

Các Khái Niệm Sai Lầm Về Phần Hậu Cảnh Của Phát Triển Trí Tuệ Nhân Tạo?

Một khái niệm sai lầm lớn về phát triển trí tuệ nhân tạo là các mô hình trí tuệ nhân tạo hoạt động tương tự như các công cụ tìm kiếm, thu thập và tổng hợp thông tin để trình bày cho người dùng dựa trên kiến thức đã học. Tuy nhiên, các mô hình trí tuệ nhân tạo, đặc biệt là mô hình ngôn ngữ, thường hoạt động dựa trên xác suất chứ không phải sự hiểu biết thực sự. Chúng dự đoán từ hoặc thuật ngữ dựa trên khả năng thống kê, sử dụng các mẫu được nhìn thấy trong dữ liệu trước đó. Trí tuệ nhân tạo không “biết” bất cứ điều gì; nó ngoại suy, đoán và điều chỉnh khả năng.

Hơn nữa, nhiều người giả định rằng đào tạo trí tuệ nhân tạo yêu cầu các tập dữ liệu khổng lồ, nhưng phần lớn những gì trí tuệ nhân tạo cần nhận ra – như chó, mèo hoặc con người – đã được thiết lập vững chắc. Sự tập trung hiện tại là cải thiện độ chính xác và tinh chỉnh các mô hình chứ không phải tái phát minh khả năng nhận dạng. Phần lớn phát triển trí tuệ nhân tạo ngày nay xoay quanh việc đóng các khoảng trống nhỏ cuối cùng về độ chính xác chứ không phải bắt đầu từ đầu.

Thách Thức Đạo Đức và Cách Đạo Luật Trí Tuệ Nhân Tạo Của Liên Minh Châu Âu và Giảm Quy Định của Mỹ sẽ Ảnh Hưởng Thị Trường Trí Tuệ Nhân Tạo Toàn Cầu

Khi thảo luận về đạo đức và tính hợp pháp của việc làm việc với dữ liệu, cũng quan trọng để hiểu rõ ràng những gì định nghĩa “đạo đức” trí tuệ nhân tạo.

Thách thức đạo đức lớn nhất mà các công ty đang đối mặt ngày nay trong trí tuệ nhân tạo là xác định những gì được coi là không thể chấp nhận được cho trí tuệ nhân tạo làm hoặc được dạy. Có sự đồng thuận rộng rãi rằng trí tuệ nhân tạo đạo đức nên giúp đỡ con người chứ không phải gây hại và tránh lừa dối. Tuy nhiên, các hệ thống trí tuệ nhân tạo có thể mắc lỗi hoặc “ảo giác”, điều này thách thức việc xác định liệu những sai lầm này có đủ điều kiện là thông tin sai lệch hay gây hại.

Đạo đức Trí tuệ Nhân tạo là một cuộc tranh luận lớn với các tổ chức như UNESCO tham gia – với các nguyên tắc chính围 quanh khả năng kiểm toán và theo dõi của đầu ra.

Các khuôn khổ pháp lý xung quanh quyền truy cập dữ liệu và đào tạo trí tuệ nhân tạo đóng vai trò quan trọng trong việc định hình cảnh quan đạo đức của trí tuệ nhân tạo. Các quốc gia có ít hạn chế về việc sử dụng dữ liệu cho phép dữ liệu đào tạo dễ tiếp cận hơn, trong khi các quốc gia có luật dữ liệu nghiêm ngặt hơn hạn chế sự sẵn có của dữ liệu cho đào tạo trí tuệ nhân tạo.

Ví dụ, châu Âu, đã áp dụng Đạo luật Trí tuệ Nhân tạo, và Mỹ, đã quay lại nhiều quy định về trí tuệ nhân tạo, cung cấp các cách tiếp cận trái ngược nhau cho thấy cảnh quan toàn cầu hiện tại.

Đạo luật Trí tuệ Nhân tạo của Liên minh Châu Âu đang có tác động đáng kể đến các công ty hoạt động ở châu Âu. Nó áp dụng một khuôn khổ quy định nghiêm ngặt, khiến cho các doanh nghiệp khó sử dụng hoặc phát triển các mô hình trí tuệ nhân tạo nhất định. Các công ty phải có giấy phép cụ thể để làm việc với một số công nghệ nhất định, và trong nhiều trường hợp, các quy định này hiệu quả làm cho nó quá khó khăn cho các doanh nghiệp nhỏ để tuân thủ các quy tắc này.

Kết quả là một số công ty khởi nghiệp có thể chọn rời châu Âu hoặc tránh hoạt động ở đó hoàn toàn, tương tự như tác động được thấy với các quy định về tiền điện tử. Các công ty lớn có thể đầu tư để đáp ứng các yêu cầu tuân thủ có thể thích nghi. Tuy nhiên, Đạo luật có thể đẩy đổi mới trí tuệ nhân tạo ra khỏi châu Âu ủng hộ các thị trường như Mỹ hoặc Israel, nơi các quy định ít nghiêm ngặt hơn.

Quyết định của Mỹ đầu tư nguồn lực lớn vào phát triển trí tuệ nhân tạo với ít hạn chế hơn cũng có thể có những hạn chế nhưng mời gọi sự đa dạng hơn trên thị trường. Trong khi Liên minh Châu Âu tập trung vào an toàn và tuân thủ quy định, Mỹ có khả năng sẽ thúc đẩy nhiều rủi ro và thí nghiệm tiên phong hơn.