Privasi
Praktik Privasi dalam AI yang Bertanggung Jawab
melibatkan pertimbangan potensi implikasi dalam menggunakan data
sensitif. Hal ini tidak hanya mencakup mematuhi persyaratan hukum dan peraturan, tetapi
juga mempertimbangkan norma sosial dan ekspektasi individu yang umum. Misalnya,
pengamanan apa yang perlu diterapkan untuk memastikan privasi individu,
mengingat bahwa model ML dapat mengingat atau mengungkapkan aspek data yang
telah terekspos? Langkah apa yang diperlukan untuk memastikan pengguna memiliki
transparansi dan kontrol yang memadai atas data mereka?
Pelajari lebih lanjut privasi ML melalui panduan interaktif PAIR Explorables:
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2025-02-25 UTC.
[null,null,["Terakhir diperbarui pada 2025-02-25 UTC."],[[["Responsible AI privacy practices involve respecting legal and regulatory requirements, social norms, and individual expectations regarding sensitive data."],["Safeguards are crucial to ensure individual privacy, as ML models can retain and potentially reveal aspects of the data used in training."],["Transparency and user control over their data are essential considerations in responsible AI development."],["Google's PAIR Explorables offer interactive learning experiences to deepen your understanding of ML privacy concepts like randomized response, federated learning, and data leakage."]]],[]]
