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:

• Cara respons acak dapat membantu mengumpulkan informasi sensitif secara bertanggung jawab
• Cara Federated Learning Melindungi Privasi
• Alasan Beberapa Model Bocor Data