Ugrás a tartalomhoz
  • MAGAZIN
  • BLOGTÉR
  • PODCAST
  • TV
  • GYŰJTEMÉNY
  • WEBSHOP
  • FOLYÓIRATOK
  • KIADÓ
Menü
  • MAGAZIN
  • BLOGTÉR
  • PODCAST
  • TV
  • GYŰJTEMÉNY
  • WEBSHOP
  • FOLYÓIRATOK
  • KIADÓ
  • MAGAZIN
  • BLOGTÉR
  • PODCAST
  • TV
  • GYŰJTEMÉNY
  • WEBSHOP
  • FOLYÓIRATOK
  • KIADÓ
Menü
  • MAGAZIN
  • BLOGTÉR
  • PODCAST
  • TV
  • GYŰJTEMÉNY
  • WEBSHOP
  • FOLYÓIRATOK
  • KIADÓ
Ludovika.hu

Úttörő szerepben a NAIH a bizalomra épülő mesterséges intelligencia alkalmazások kiépítésében?

A bírság, és az ügy más jelentőségei.

Ludovika.hu 2022.07.15.
Kugler Péter

A szentimentelemzés alapjai I.: áttekintés és szövegelemzés

A gépi tanulás kihívásai és lehetőségei

Kugler Péter 2022.06.22.
Kugler Péter

A szentimentelemzés alapjai II.: multimodális elemzés

A gépi tanulás kihívásai és lehetőségei

Kugler Péter 2022.06.22.
Kugler Péter

A szentimentelemzés alapjai III.: kihívások és dilemmák

A gépi tanulás kihívásai és lehetőségei

Kugler Péter 2022.06.22.
Ződi Zsolt

A mesterséges intelligencia (jogi) fogalma

Az EU mesterséges intelligencia kódex-tervezete (1. rész).

Ződi Zsolt 2021.06.18.
ITKI BLOG
Szemle
Szemle
  • 2021.09.24.
  • 2021.09.24.

Prediktív magánszféra: az adatelemzés alkalmazott etikája felé

Blogunkban rendszeresen szemlézünk ezentúl érdekes és fontos dilemmákat felvető szakcikkeket, köteteket. Rainer Mühlhoff 2021 júliusában megjelent cikkében a prediktív magánszféra kihívását járja körül. 

Az adatelemzések és az adatvezérelt megközelítések a gépi tanulásban (ML) ma már az egyes gazdasági ágak területén a gyakran alkalmazott eljárások közé tartoznak. Az egyik fő alkalmazás az emberi viselkedés algoritmikus előrejelzése. A prediktív adatelemzés (Predictive Analytics – PA) során viselkedési jellemzők nagy adathalmazait használják arra, hogy az adatkorrelációk alapján egyéneket osztályozzanak a jövőbeli kockázatok, gazdasági fejlemények, vagy a várható költségek és hasznosság szerint. Közismert példái közé tartoznak az online célzott hirdetések, a differenciált biztosítási árképzések, a munkaerő felvételénél alkalmazott algoritmusok, vagy az Egyesült Államokban a bűncselekmények ismételt elkövetésének veszélyére figyelmeztető „COMPAS” rendszer.

Ugyanakkor etikai természetű aggályok fogalmazódnak meg ezeknek az alkalmazásoknak kapcsán. Ezeket a kérdéseket az algoritmus etika és az MI etikája tárgyalja. Problémát okozhat például az algoritmikus elfogultság és megkülönböztetés: az algoritmusok tükrözhetik és megerősíthetik a meglévő társadalmi problémákat, vagy újakat hozhatnak létre. Problémák lehetnek továbbá az algoritmikus döntések átláthatóságával, azaz nem lehet kielégítően megindokolni az ilyen döntéseket. Úgy tűnik továbbá, hogy a prediktív adatelemzés adatvédelmi problémáinak kezelése nehézséget jelent az adatvédelem (például az EU általános adatvédelmi rendelete) számára is.

A bemutatott tanulmány mindezt nem tartja elfogadhatónak, ezért bevezeti a prediktív magánszféra (predictive privacy) fogalmát, mint a prediktív adatelemzés alkalmazott etikáját, amely tartalmazza az algoritmus etika szokásos témáit, de túl is mutat rajtuk. A prediktív magánszféra elve a szerző szerint megvéd attól, hogy olyan információk felhasználásával, amelyek pusztán mások viselkedésével kapcsolatos statisztikai összefüggések felhasználásával alkotnak előrejelzéseket, megsértsék az egyének tisztességes bánásmódhoz és autonómiához való jogát. Az egyén (vagy csoport) prediktív magánszféráját akkor éri sérelem, ha a rájuk vonatkozó érzékeny információkat akaratuk ellenére vagy tudtuk nélkül statisztikailag becsülik meg sok más személy adatai alapján, feltéve, hogy ezek az előrejelzések eltérő bánásmódhoz vagy olyan döntésekhez vezetnek, amelyek befolyásolják bárki szociális, gazdasági, pszichológiai, fizikai jólétét vagy szabadságát. Ezt a tételt a szerző a tanulmány normatív hozzájárulásának tekinti a vitához. Elemzési szempontból azt a többletet nyújtja, hogy részletesen (alkalmasint formalizáltan) elemzi a prediktív adatelemzés menetét az adatbeviteltől a prediktív rendszerek adatkimenetéig. Így lehetővé válik, hogy az adatfeldolgozási ciklus egyes pontjaihoz kapcsolódó etikai aggályok széles spektrumát lehessen megvitatni.

A szerző szerint az egyes egyént érintő téves előrejelzések a probléma kollektivista megközelítését igénylik, egyéni, individuális alapon nem kezelhetők. A végkövetkeztetésben a prediktív magánszféra fogalmát az emberi méltóság alapvető etikai elvéhez kapcsolja a tanulmány, és arra tesz javaslatot, hogy a prediktív adatelemzést egyáltalán nem lenne szabad alkalmazni, mert meglehetősen korlátozott az etikai szempontból kifogástalan informatikai, technológiai eszközök száma.

Kiemelendő a tanulmány által bevezetett új szempont, nevezetesen az, hogy az adatvédelem itt egy új, különleges kihívással szembesül. Prediktív adatelemzés segítésével lehetséges az egyénekre vagy csoportokra vonatkozó érzékeny információk megjóslása – potenciálisan az érintettek tudta nélkül – a kevésbé érzékeny vagy könnyebben hozzáférhető információkból (proxy adatok), más felhasználók millióinak adataiból. Ez új kihívást jelent az adatetika és az adatvédelmi szabályozás számára, mert itt a magánélet védelmét nem az alany által nyilvánosságra hozott információk veszélyeztetik, hanem a nagyon sok, más, az alanytól és ügyeitől teljesen független embertől származó információ. Ezek segítségével meg lehet becsülni érzékeny információkat egy olyan emberről, akinek az adatai nem is szerepelnek az algoritmikus elemzés alapjául szolgáló adatbázisban.

Témakörök: adatkezelés, gépi tanulás, magánszféra, szakcikk
nke-cimer

LUDOVIKA.hu

KAPCSOLAT

1083 Budapest, Ludovika tér 2.
E-mail:
Kéziratokkal, könyv- és folyóirat-kiadással kapcsolatos ügyek: kiadvanyok@uni-nke.hu
Blogokkal és a magazinnal kapcsolatos ügyek: szerkesztoseg@uni-nke.hu

IMPRESSZUM

Ez a weboldal sütiket használ. Ha Ön ezzel egyetért, kérjük fogadja el az adatkezelési szabályzatunkat. Süti beállításokElfogad
Adatvédemi és süti beállítások

Adatvédelmi áttekintés

This website uses cookies to improve your experience while you navigate through the website. Out of these cookies, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may have an effect on your browsing experience.
Necessary
Always Enabled
Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
Non-necessary
Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.
SAVE & ACCEPT