ความเป็นส่วนตัว
แนวทางปฏิบัติด้านความเป็นส่วนตัวใน AI อย่างมีความรับผิดชอบเกี่ยวข้องกับการพิจารณาผลกระทบที่อาจเกิดขึ้นจากการใช้ข้อมูลที่ละเอียดอ่อน ซึ่งไม่เพียงหมายถึงการเคารพข้อกำหนดทางกฎหมายและกฎระเบียบเท่านั้น แต่ยังรวมถึงการพิจารณาบรรทัดฐานทางสังคมและความคาดหวังทั่วไปของแต่ละบุคคลด้วย ตัวอย่างเช่น ต้องใช้มาตรการป้องกันใดบ้างเพื่อรักษาความเป็นส่วนตัวของบุคคล เนื่องจากโมเดล ML อาจจดจำหรือเปิดเผยแง่มุมของข้อมูลที่ได้ ขั้นตอนใดบ้างที่ต้องทำเพื่อให้ผู้ใช้ได้รับความโปร่งใสและการควบคุมข้อมูลของตนเองอย่างเพียงพอ
ดูข้อมูลเพิ่มเติมเกี่ยวกับความเป็นส่วนตัวของ ML ผ่านบทแนะนำแบบอินเทอร์แอกทีฟของ PAIR Explorables
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2025-02-25 UTC
[null,null,["อัปเดตล่าสุด 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."]]],[]]
