Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Практика конфиденциальности в рамках ответственного ИИ предполагает рассмотрение потенциальных последствий использования конфиденциальных данных. Это включает в себя не только соблюдение законодательных и нормативных требований, но также учет социальных норм и типичных индивидуальных ожиданий. Например, какие меры защиты необходимо принять для обеспечения конфиденциальности отдельных лиц, учитывая, что модели ОД могут запоминать или раскрывать аспекты данных, которым они подверглись? Какие шаги необходимо предпринять, чтобы обеспечить пользователям адекватную прозрачность и контроль над их данными?
Узнайте больше о конфиденциальности машинного обучения с помощью интерактивных пошаговых руководств PAIR Explorables:
[[["Прост для понимания","easyToUnderstand","thumb-up"],["Помог мне решить мою проблему","solvedMyProblem","thumb-up"],["Другое","otherUp","thumb-up"]],[["Отсутствует нужная мне информация","missingTheInformationINeed","thumb-down"],["Слишком сложен/слишком много шагов","tooComplicatedTooManySteps","thumb-down"],["Устарел","outOfDate","thumb-down"],["Проблема с переводом текста","translationIssue","thumb-down"],["Проблемы образцов/кода","samplesCodeIssue","thumb-down"],["Другое","otherDown","thumb-down"]],["Последнее обновление: 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."]]],[]]
