Machine Learning and EU Data Sharing Practices

به تازگی مقاله تحقیقاتی و بین رشته‌ای دانشکده حقوق دانشگاه استنفورد با نام "یادگیری ماشین و شیوه‌های اشتراک‌گذای داده اتحادیه اروپا" منتشر شده است که در آن، موضوعات مشترک  در حوزه‌های مالکیت معنوی (IP) بر روی داده‌ها، مالکیت داده‌ها و محافظت از داده‌ها (GDPR و FFD)، به روشی قابل درک و ساده، بیان شده‌ است. همچنین بحث AI و سیاست داده ‌و توصیه‌های نظارتی را به قانون‌گذار اتحادیه اروپا ارائه می‌دهد. در عصری که نوآوری رشد نمایی دارد، ضروری و مناسب است که دستورالعمل اسرار تجاری، دستورالعمل حق چاپ و دستورالعمل بانک اطلاعاتی، با در نظر داشتن اقتصاد مبتنی بر داده توسط کمیسیون اتحادیه اروپا اصلاح شود. حق خوانایی در ماشین که دسترسی به داده‌ها را به شدت بهبود می‌بخشد، به رشد اکوسیستم هوش مصنوعی بسیار کمک می‌کند.

اما در مورد مالکیت معنوی (IP) و حفاظت از داده ها چطور؟

مالکیت معنوی (IP): این مقاله سه راهکار ارائه می‌دهد که به مشکل کپی رایت پاک کردن (Cleaning) داده های ورودی (داده‌های آموزشی) می‌پردازد و فضای تنفسی برای توسعه دهندگان هوش مصنوعی ایجاد می‌کند. داده‌های غیر شخصی تولید شده به طور خودکار باید در دامنه عمومی قرار گیرند. این مقاله استدلال می کند که تقویت قوانین ضد انحصاری بیش از توسعه حقوق IP موثر خواهد بود. در عصری که نوآوری رشد نمایی دارد، ضروری و مناسب است که موارد TSD ، CDSM و DD توسط کمیسیون اتحادیه اروپا با در نظر گرفتن اقتصاد مبتنی بر داده اصلاح شوند.

هر دو روش اشتراک داده و مقررات هوش مصنوعی در دستور کار کمیسیون اتحادیه اروپا قرار دارند. این مقاله در مورد ابتکارات مهم اروپا در زمینه داده‌های باز و به اشتراک گذاری داده‌ها بحث می‌کند.

محافظت از داده‌ها: با گذشت زمان بانک اطلاعاتی بیشتر و بیشتری از هر دو داده شخصی و غیر شخصی تولید شده توسط ماشین وجود دارد که مقررات کلی حفاظت از داده ها (GDPR) و مقررات مربوط به جریان آزاد داده‌های غیر شخصی (FFD) در مورد این "مجموعه داده های مخلوط" اعمال می‌شوند. براساس این دو آیین‌نامه، داده‌ها می‌توانند آزادانه در داخل اتحادیه اروپا حرکت کنند. علاوه بر ابعاد قانونی، این مقاله ابعاد فنی داده‌ها در یادگیری ماشین را نیز توصیف می‌کند. بیشتر مدل‌های هوش مصنوعی به داده های متمرکز نیاز دارند. در مقابل، یادگیری Federated به جای آوردن داده به کد، الگوریتم ها را با آوردن کد به داده‌ها آموزش می‌دهد و اشتراک اطلاعات لازم نیست.

برای مطالعه بیشتر:

https://ec.europa.eu/futurium/en/european-ai-alliance/machine-learning-eu-data-sharing-practices