機器學(xué)習(xí)研究者們已經(jīng)開始探索在AI中誘發(fā)“選擇性失憶”的方法，其目標(biāo)是在不影響模型性能的前提下，從機器學(xué)習(xí)中刪除特定人員或點的敏感數(shù)據(jù)。
目前，機器學(xué)習(xí)被視作最具智能特征的研究領(lǐng)域，但科學(xué)家提出了新的問題：機器會學(xué)習(xí)，但它會遺忘嗎?
機器學(xué)習(xí)研究者們已經(jīng)開始探索在AI中誘發(fā)“選擇性失憶”的方法，其目標(biāo)是在不影響模型性能的前提下，從機器學(xué)習(xí)中刪除特定人員或點的敏感數(shù)據(jù)。
如果未來能夠?qū)崿F(xiàn)，那么這一概念將幫助人們更好地控制數(shù)據(jù)。
機器學(xué)習(xí)的“遺忘”，對于有需求的用戶，也就是那些對他們在網(wǎng)上分享的內(nèi)容感到后悔的人來說，其實很直觀。
但從技術(shù)層面來講，消除特定數(shù)據(jù)點影響的傳統(tǒng)方法，是“從零開始”重建系統(tǒng)，這是一項代價可能相當(dāng)高昂的工作，令企業(yè)幾乎難以承受。
具體來說，某些地區(qū)的用戶如果他們對披露的內(nèi)容改變了主意，其實是有權(quán)要求公司刪除他們的數(shù)據(jù)的。但徹底抹除這件事很難實現(xiàn)，因為一旦經(jīng)過訓(xùn)練，機器學(xué)習(xí)系統(tǒng)就不會輕易改變，甚至就連訓(xùn)練者們自己，也不清楚系統(tǒng)是如何掌握這些能力的，因為他們并不能完全理解自己調(diào)試或訓(xùn)練出的算法。
人們對人工智能系統(tǒng)侵犯個人隱私的擔(dān)憂日益嚴(yán)重。如何讓AI學(xué)會“選擇性失憶”，從而可以在無需“從零開始”對系統(tǒng)進(jìn)行再培訓(xùn)的情況下刪除敏感數(shù)據(jù)，成為時下研究的熱點問題。
賓夕法尼亞大學(xué)機器學(xué)習(xí)教授亞倫·羅斯表示，他們目前進(jìn)行的研究就是希望能找到一些“中間地帶”?；蛟S在不久的將來，有望找出一條既可以控制數(shù)據(jù)也可以保護(hù)由數(shù)據(jù)產(chǎn)生的價值的發(fā)展道路。
網(wǎng)站客服
粵公網(wǎng)安備 44030402000946號