Nỗi 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 dựa trên trí tuệ nhân tạo đang được áp dụng rộng rãi trên nhiều ngành công nghiệp, dịch vụ và sản phẩm mỗi ngày. Tuy nhiên, hiệu quả của chúng phụ thuộc hoàn toàn vào chất lượng dữ liệu được sử dụng để 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 đang phải đối mặt với áp lực ngày càng tăng để thu thập, 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.

Quyền Riêng Tư và Trí Tuệ Nhân Tạo

Bản chất của trí tuệ nhân tạo yêu cầu một lượng lớn dữ liệu cá nhân để thực hiện các nhiệm vụ. Điều này đã gây ra lo ngại về việc thu thập, lưu trữ và sử dụng thông tin này. Nhiều luật trên 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 các luật bảo vệ dữ liệu trên 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 tín hiệu 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 hơn là 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 vấn đề lớn đối với 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 biện pháp phòng ngừa rộng rãi để tránh sử dụng PII cho đào tạo mô hình vì các quy định như những quy định của EU nghiêm cấm các hành vi như vậy, ngoại trừ những trường hợp hiếm hoi được tìm thấy 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 hoạt động của mình để tránh thách thức pháp lý và đáp ứng các yêu cầu pháp lý và đạo đức mới nổi.

Các Phương Pháp Các Công Ty Sử Dụng Để Thu Thập 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 công ty thu thập dữ liệu từ đâu. 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众源, kho dữ liệu truyền thông và tập dữ liệu mã nguồn mở.

Điều quan trọng cần lưu ý là các tài sản truyền thông công khai phải tuân theo các thỏa thuận cấp phép khác nhau. Ngay cả khi giấy phép sử dụng thương mại cũng thường quy định rõ ràng 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 phải 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 xa các khuôn khổ pháp lý, có nghĩa là các quy tắc và quy định xung quanh dữ liệu đào tạo vẫn đang phát triển. Do đó, các công ty phải cập nhật về các phát triển pháp lý và xem xét kỹ lưỡng các thỏa thuận cấp phép trước khi sử dụng nội dung truyền thông cho đào tạo trí tuệ nhân tạo.

• Tạo Dữ Liệu

Một trong những phương pháp an toàn nhất để chuẩn bị tập dữ liệu liên quan đến việc tạo nội dung độc đáo, chẳng hạn như quay phim người trong môi trường được kiểm soát như phòng thu hoặc địa điểm ngoài trời. Trước khi tham gia, các cá nhân ký vào biểu mẫu đồng ý sử dụng PII của họ, chỉ định rõ ràng loại dữ liệu được thu thập, cách và nơi nó sẽ được sử dụng, cũng như 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 khiếu nại về việc sử dụng dữ liệu bất hợp pháp.

Nhược điểm chính của phương pháp này là chi phí, đặc biệt khi dữ liệu được tạo cho các trường hợp ngoại lệ hoặc dự án quy mô lớn. Tuy nhiên, các công ty lớn và doanh nghiệp đang ngày càng sử dụng phương pháp này vì ít nhất hai lý do. Thứ nhất, nó đảm bảo tuân thủ đầy đủ 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.

• Tạo 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 định trước và thiếu sự đa dạng 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 của 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 tình huống hiếm hoặc rất cụ thể.

Những 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 có vẻ mệt mỏi sau tay lái, hoặc thậm chí 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 có – 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 tình huống 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 của sự 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 các luật về 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 phương án đầu tiên khi làm việc với dữ liệu, tức là khi nó được tạo từ đầu. Quyền sở hữu trí tuệ quy định rằng bất kỳ dữ liệu nào mà nhà cung cấp tạo ra thuộc về công ty thuê, có nghĩa là nó được tạo ra vì lợi ích của 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 thẩm quyền nơi dữ liệu được tạo, 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 một cách 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 đóng góp vào mô hình vì trí tuệ nhân tạo trộn tất cả lại với nhau. Vì vậy, 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 đòi hỏi 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 những dấu hiệu rõ ràng cho thấy dữ liệu đã được thu thập bất hợp pháp, nhà cung cấp phải báo cáo. Tuy nhiên, những trường hợp rõ ràng như vậy 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 thu thập dữ liệu, ngay cả khi dữ liệu đó không được tạo từ đầu nhưng 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 coi quá trình này là một phần của một “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.

Những Lầm Tưởng Về Quá Trình Phát Triển Trí Tuệ Nhân Tạo

Một sự lầm tưởng lớn về phát triển trí tuệ nhân tạo là rằng 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 các 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 xác suất.

Hơn nữa, nhiều người giả định rằng đào tạo trí tuệ nhân tạo đòi hỏi phải có 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. Hiện tại, trọng tâm 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 trong độ chính xác chứ không phải bắt đầu từ đầu.

Thách Thức Đạo Đức và Tác Động Của Đạo Luật Trí Tuệ Nhân Tạo Của Liên Minh Châu Âu và Việc Giảm Bớt Quy Định Của Mỹ Đối Với Thị Trường Trí Tuệ Nhân Tạo Toàn Cầu

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

Thách thức đạo đức lớn nhất mà các công ty đang phải đối mặt ngày nay trong lĩnh vực trí tuệ nhân tạo là xác định những gì được coi là không thể chấp nhận được đối với trí tuệ nhân tạo để thực hiện hoặc được dạy. Có sự đồng thuận rộng rãi rằng trí tuệ nhân tạo đạo đức nên giúp đỡ con người chứ không gây hại và tránh lừa dối. Tuy nhiên, các hệ thống trí tuệ nhân tạo có thể mắc lỗi hoặc “hoang tưởng”, 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 traceability 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, nơi đã thông qua Đạo luật Trí tuệ Nhân tạo, và Mỹ, nơi đã thu hồi nhiều quy định về trí tuệ nhân tạo, cung cấp hai cách tiếp cận tương phản cho thấy bức tranh 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 khăn khi sử dụng hoặc phát triển một số mô hình trí tuệ nhân tạo. 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 việc tuân thủ các quy tắc này trở nên quá khó đối với các doanh nghiệp nhỏ.

Kết quả là một số công ty khởi nghiệp có thể chọn rời khỏi châu Âu hoặc tránh hoạt động tại 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, nhưng Đạo luật này 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.