Lasse Finderup 是一位开创性的企业家，Good Tape的联合创始人和CEO，Good Tape是一家位于哥本哈根的开创性的初创公司，专门从事人工智能驱动的转录，将语音转换为文本。
承担重复任务、以远超人类能力的速度提供洞察，并显著提高我们的生产力——人工智能正在改变我们工作的方式，甚至可以提高高技能专业人员的表现，提高幅度可达40%。 人工智能已经提供了大量有用的工具，从Clara，人工智能助手，可以安排会议，到Gamma，可以自动创建演示文稿，以及ChatGPT——生成性人工智能的旗舰产品。同样，像Otter AI和Good Tape这样的平台，可以自动化耗时的转录过程。这些工具和许多其他工具共同提供了一个全面的人工智能驱动的生产力工具包，使我们的工作更容易和更高效——麦肯锡估计，人工智能可以解锁$4.4万亿的生产力增长。 人工智能的数据隐私挑战 然而，当我们越来越依赖人工智能来简化流程和提高效率时，考虑人工智能对数据隐私的潜在影响至关重要。 一些84%的消费者认为他们应该对组织如何收集、存储和使用他们的数据拥有更多的控制权。这是数据隐私的原则，但这个理想与人工智能开发的要求相冲突。 尽管人工智能算法非常复杂，但它们并非天生聪明；它们是经过良好的训练的，这需要大量的数据来实现——通常是我的、你的和其他用户的数据。在人工智能时代，数据处理的标准方法正在从“我们不会与任何人分享您的数据”转变为“我们将获取您的数据并将其用于开发我们的产品”，这引发了人们对我们的数据如何使用、谁可以访问它以及这将如何影响我们长期的隐私的担忧。 数据所有权 在许多情况下，我们自愿分享我们的数据以便访问服务。但是一旦我们这样做了，就很难控制它最终会到哪里。我们正在看到这在基因检测公司23andMe申请破产的情况下发生——其1500万客户的DNA数据可能会被出售给出价最高的买家。 许多平台保留存储、使用和出售数据的权利，通常即使用户停止使用他们的产品也是如此。语音转录服务Rev明确表示它使用用户数据“永久性地”和“匿名地”来训练其人工智能系统——即使账户被删除，也会继续这样做。 数据提取 一旦数据被用于训练人工智能模型，提取数据就变得非常具有挑战性，如果不是不可能。机器学习系统不存储原始数据；它们内化其中的模式和见解，使得难以隔离和擦除特定的用户信息。 即使原始数据集被删除，其在模型输出中的痕迹仍然存在，引发了关于用户同意和数据所有权的道德担忧。这也提出了关于数据保护法规（如GDPR和CCPA）的疑问——如果企业无法真正地‘忘记’他们的人工智能模型，他们是否能声称真正遵守法规？ 确保数据隐私的最佳实践 随着人工智能驱动的生产力工具重塑我们的工作流程，认识到风险并采用保护数据隐私的策略至关重要。这些最佳实践可以在推动人工智能行业遵守更高标准的同时保护您的数据： 寻找不训练用户数据的公司 在Good Tape，我们致力于不使用用户数据进行人工智能训练，并优先在此方面保持透明——但这并不是行业的常态。 虽然86%的美国消费者表示，透明度对他们来说比以往任何时候都更重要，但只有当他们要求更高的标准并坚持任何使用他们的数据的行为都应由他们明确披露时，真正的改变才会发生，他们可以通过选择离开来表达自己的意愿，使数据隐私成为一个具有竞争力的价值主张。 了解您的数据隐私权 人工智能的复杂性往往使其感觉像一个黑盒子，但正如谚语所说，知识就是力量。了解与人工智能相关的隐私保护法至关重要，以便您知道公司可以和不能对您的数据做什么。例如，GDPR规定公司只应为特定目的收集最少量的数据，并必须清楚地向用户传达这一目的。 但是，监管机构正在努力跟上，仅仅满足最低要求可能是不够的。了解相关信息使您能够做出更明智的选择，并确保您只使用值得信赖的服务——那些不遵守严格标准的公司可能会对您的数据处理不当。 开始检查服务条款 Avoma的服务条款长达4,192个字，ClickUp的服务条款长达6,403个字，Clockwise的服务条款长达6,481个字。平均而言，成年人需要超过一小时的时间来阅读所有三个条款。 服务条款通常故意设计得很复杂，但这并不意味着它们应该被忽略。许多人工智能公司在这些冗长的协议中隐藏了数据训练披露——我认为这种做法应该被禁止。...
