Машинное обучение изменило то, как мы ведем бизнес. Однако многие из них стали жертвами изменений, вызванных машинным обучением. Причина, по которой машинное обучение настолько впечатляюще, заключается в его удивительной способности делать точные прогнозы, о которых знает большинство людей. На самом деле правильные модели машинного обучения могут позволить вам делать прогнозы еще до того, как человек поймет, что происходит.

На ум приходит печально известная история о том, как Target рассылала листовки о беременности. Таргет смог выяснить, что девочка-подросток забеременела раньше своих родителей. Очевидно, это плохо отразилось на репутации Target. Также важно помнить, что это произошло почти десять лет назад, а это означает, что в последнее время алгоритмы машинного обучения стали намного лучше.

Конфиденциальность данных в настоящее время становится серьезной проблемой из-за того, насколько мощными могут быть некоторые из этих алгоритмов. На самом деле, политика защиты данных может стать важным компонентом будущих проектов машинного обучения.

Несчастные случаи могут произойти

Одна из самых больших проблем с моделями ML заключается в том, что они в конечном итоге станут настолько точными, что сделают конфиденциальность серьезной проблемой. Из-за этого конфиденциальность машинного обучения должна стать областью, на решение которой исследователи тратят время и усилия. Проблемы с неприкосновенностью частной жизни настолько серьезны, что потенциально могут даже повлиять на национальную безопасность.

Интересным примером является то, как фитнес-приложение могло использовать информацию GPS-отслеживания для определения местоположения секретных военных баз на карте. Очевидно, что попадание этой информации в чужие руки представляет серьезную угрозу национальной безопасности. Не только это, но и потенциально может вызвать проблемы при случайной утечке этих данных. Хорошая конфиденциальность данных будет означать наличие хорошей политики защиты данных.

Вопрос о регулировании

Как видите, хорошие модели машинного обучения представляют серьезную угрозу конфиденциальности данных. Дилемма для компаний, создающих эти модели, заключается в том, должны ли они саморегулироваться или ждать правительства. Дело в том, что регулирование грядет, хотите вы этого или нет. Однако лучшее решение для компаний — опережать эту тенденцию. Если отрасль будет действовать так, как будто она пытается саморегулироваться, законы могут быть не такими строгими, как могли бы быть.

Еще одной серьезной проблемой станет машинное обучение в области распознавания лиц. Как видно из таких стран, как Китай, технология распознавания лиц может быть весьма угнетающей для граждан. Компании должны будут разработать эффективные стратегии для решения этих потенциальных проблем. Пока правительства не ждут, и они запрещают технологию распознавания лиц в определенных сценариях.

Осмысление всего

Учитывая все происходящее, компаниям необходимо понимать, как заставить модели машинного обучения работать на них. Умные инженеры по машинному обучению будут теми, кто воспользуется тенденциями. Тенденцией конфиденциальности машинного обучения будет регулирование и шифрование.

Разрабатывая эти решения, вы можете помочь своей отрасли избежать регулирования. Однако главный вопрос будет заключаться в том, сможете ли вы использовать технологию для решения проблемы, которую она создала.

Первоначально опубликовано на https://xpresso.ai 13 декабря 2021 г.