Künstliche Daten sind im letzten Jahrzehnt als neue Lösung für Privatsphäre-Bedenken aufgetaucht. Während die Erhebung persönlicher Informationen aus Aufzeichnungen und Online-Aktivitäten weiterhin ein ernstes Anliegen ist, können diese Daten als nützliches Werkzeug zur Verringerung des Risikos der Identifizierung von Personen dienen.
Künstliche Daten: Eine Gelegenheit zur Verringerung von Bedenken
Künstliche Daten werden computerbasiert erzeugt und imitieren die statistischen Muster echter Daten, um nützliche Informationen bereitzustellen, ohne dass die Identität von Personen gefährdet wird. Zum Beispiel können Forscher in Großbritannien künstliche Krebsdaten, die aus NHS-Registrierungsinformationen erstellt wurden, verwenden, ohne auf die tatsächlichen Aufzeichnungen der Patienten zugreifen zu müssen. Dennoch ist das Vorhandensein echter Daten zur Schulung von Modellen zur Erzeugung künstlicher Daten unerlässlich, was wiederum mit neuen Herausforderungen in Bezug auf die Privatsphäre verbunden ist.
Mehr erfahren: Marie Gadaran, Pionieranwältin und Vorbild für Frauenrechte, hinterließ ein großes Erbe
Governance Herausforderungen und Verantwortlichkeiten
Schlüsselfragen zur Governance von künstlichen Daten umfassen, wer diese Daten entworfen hat und welche Bevölkerungsgruppen und Verhaltensweisen als „normal“ betrachtet werden. Diese Themen gewinnen insbesondere in den Bereichen Gesundheit, Wohlfahrt, Polizei und Finanzen an Bedeutung, wo künstliche Daten die Definition von Krankheit, Verwundbarkeit und verdächtigem Verhalten beeinflussen können. Beispielsweise werden künstliche Transaktionsdaten verwendet, um Systeme zu entwickeln und zu testen, die möglicherweise Betrug und Geldwäsche erkennen.
Ein Bericht der britischen Finanzaufsichtsbehörde betont, dass Unternehmen die mit künstlichen Daten verbundenen Risiken bewerten und verringern müssen, einschließlich der Risiken von Diskriminierung. Während die sozialen Risiken, die aus künstlichen Daten resultieren, nicht einfach ein Verstoß gegen die Privatsphäre sein können, können sie auch zu einer Illusion von Objektivität führen.
Diese Art von Daten kann aufgrund ihrer wissenschaftlichen und systematischen Erscheinung durch menschliche Entscheidungen geformt werden, die diskriminierend sein könnten. Wenn das Modell zur Datenerzeugung nicht ausreichend genau ist, könnte es die Erfahrungen von Minderheiten oder Ausnahmen ignorieren.
Schließlich erfordert die Governance von künstlichen Daten nicht nur Transparenz, sondern sollte auch die Fähigkeit der Institutionen betreffen, zu erklären, warum künstliche Daten verwendet wurden, was möglicherweise verzerrt wird und wie sie validiert wurden. Dieses Thema wird besonders wichtig, wenn Daten zur Entscheidungsfindung über Rechte und Chancen oder zur Verwendung öffentlicher Gelder eingesetzt werden.
Die Erfahrungen aus den Testergebnissen von 2020 in Großbritannien zeigen, wie ein System mit nicht realen Daten schwerwiegende Fehler verursachen kann. In diesem Fall führte der Algorithmus, der zur Anpassung der Prüfungsergebnisse verwendet wurde, zu einer Senkung der Noten von leistungsstarken Schülern in einkommensschwachen Gebieten, und letztendlich musste die Regierung diesen Algorithmus zurückziehen.
Schließlich sollten künstliche Daten nicht als eine Technologie der Privatsphäre betrachtet werden, sondern als Teil moderner Wissenspolitik. Diese Daten können sowohl Versprechen als auch Risiken mit sich bringen, und es ist entscheidend, dass ihre Governance angemessen erfolgt, um negative Folgen zu vermeiden.
Mehr erfahren: Trump und Xi sollten ihre Herangehensweise an die Verwaltung des Wettbewerbs um künstliche Intelligenz überdenken · Analyse von Robert Malley: Trump hat nur 3 Wege, um mit Iran umzugehen
