विभेदक गोपनीयताः आमच्या डेटा आणि मशीन शिक्षणाच्या भविष्यासाठी याचा अर्थ काय आहे

भिन्नता गोपनीयता

आपल्या प्रतिस्पर्ध्यांशी स्पर्धा करण्यासाठी Appleपलने कृत्रिम बुद्धिमत्तेवर अधिक पैज लावण्यास सुरुवात केली आहे. Google किंवा फेसबुकला वापरकर्ता डेटा संकलित करण्यात आणि त्यांची कृत्रिम बुद्धिमत्ता आणि मशीन लर्निंग (मशीन लर्निंग) सिस्टम सुधारण्यासाठी हे करतात हे समजून घेण्यात कोणतीही अडचण नाही, परंतु Appleपलला असे वाटत नाही; कपर्टीनो आमच्या गोपनीयतेची काळजी घेतात. त्या कारणास्तव, शेवटच्या डब्ल्यूडब्ल्यूडीसी मध्ये त्यांनी आम्हाला याबद्दल सांगितले भिन्नता गोपनीयता, आपली डेटा डेटा संकलित करण्यासाठी, आपल्या एआयमध्ये सुधारणा करण्यासाठी आणि त्याच वेळी आमच्या गोपनीयतेचे रक्षण करण्यासाठी तुमची सिस्टम.

उर्वरित कंपन्यांना आपण कुठे आहोत, आपण काय विकत घेतो किंवा कीबोर्ड कसा वापरतो यासारख्या गोष्टी आपल्याला सतत जाणून घ्यायच्या असतात, ज्यामध्ये आपण शोधत असलेल्या गोष्टींचा समावेश असतो, परंतु असे वाटत नाही की Appleपल या कंपनीला याची काळजी वाटत आहे. सिद्धांताचा यासह काही संबंध नाही आपल्या ग्राहकांच्या डेटासह करा: ते जाहिराती विकत नाहीत, केवळ त्यांची उत्पादने. टीम कूक आणि कंपनी सुरक्षित डिव्हाइस ऑफर करा जेणेकरून वापरकर्त्यांना देखील सुरक्षित वाटेल आणि ते असे आहे जे Appleपलला बदलू इच्छित नाही.

भिन्नता गोपनीयता सामान्य अध्ययन करते, व्यक्तीचे रक्षण करते

भिन्नता गोपनीयता

काही विशेषज्ञ म्हणून मशीन लर्निंग आणि एआय, Appleपलची समस्या अशी आहे की जर ते काही करत नसेल तर व्हर्च्युअल सहाय्यकांचा विचार केला तर स्पर्धेच्या तुलनेत ती हलकी वर्षे असेल. भूतकाळातील आमच्याबद्दल पूर्वी सांगितले गेलेले भिन्न गोपनीयता आता येथे येते. WWDC. क्रेग फेडरिगी यांनी असे स्पष्ट केलेः

विभेदक गोपनीयता ही प्रत्येक वापरकर्त्याची माहिती पूर्णपणे खाजगी ठेवत असताना अनेक स्त्रोतांकडून शिकण्याच्या प्रकारास अनुमती देण्यासाठी हॅशिंग अल्गोरिदम, उपसामग्री आणि आवाज इंजेक्शन वापरणारे आकडेवारी आणि डेटा विश्लेषणाच्या क्षेत्रामधील संशोधन विषय आहे.

भिन्नता गोपनीयता एक सफरचंद शोध नाही. विद्वानांनी कित्येक वर्षांपासून या संकल्पनेचा अभ्यास केला आहे, परंतु आयओएस 10 च्या रिलीझसह Appleपल कीबोर्ड, स्पॉटलाइट आणि नोट्स वापरकर्त्यांकडून डेटा संकलित आणि विश्लेषित करण्यासाठी या संकल्पनेचा वापर करण्यास सुरवात करेल.

भिन्न गोपनीयता काम करते स्वतंत्र डेटाचे अल्गोरिदम कोडिंग, जेणेकरून मोठ्या प्रमाणात ट्रेन्ड नमुने गोळा करण्यासाठी हजारो वापरकर्त्यांच्या डेटाचे विश्लेषण केले गेले की एकदा त्या व्यक्तीवर नियंत्रण ठेवले जाऊ शकत नाही. मशीन शिक्षण सुधारण्यास मदत करेल अशी सामान्य माहिती मिळवताना वापरकर्त्याची ओळख आणि त्यांच्या डेटाचे तपशील यांचे संरक्षण करणे हा आहे

iOS 10 Appleपलला मोठ्या प्रमाणात पाठविण्यापूर्वी हा डेटा आमच्या डिव्हाइसमध्ये सहजगत्या बदलतो, म्हणून डेटा कधीही असुरक्षितपणे पाठविला जाणार नाही. दुसरीकडे, theपल कीबोर्ड किंवा आम्ही केलेल्या शोधांसह टाइप केलेला प्रत्येक शब्द संग्रहित करणार नाही कारण मी आधी सांगितल्याप्रमाणे, त्यास याची आवश्यकता नाही. कपर्टीनोचे लोक म्हणतात की ते प्रत्येक वापरकर्त्याकडून संकलित करू शकतील अशा डेटाची मर्यादा घालतील.

Appleपलने प्रोफेसरला डिफरन्सियल प्रायव्हसीच्या अंमलबजावणीची कागदपत्रे दिली आरोन रॉथ पेन्सिल्व्हेनिया विद्यापीठातील आणि प्राध्यापक, ज्यांनी वादग्रस्तपणे डिफेन्सिएटल प्रायव्हसी (अल्गोरिथमिक फाऊंडेशन ऑफ डिफरेंशियल प्रायव्हसी) वर बायबल लिहिले आहे आणि या क्षेत्रातील Appleपलच्या कार्याचे वर्णन "अग्रगण्य" किंवा "पायाभूत" आहे.

विभेदक गोपनीयता कशी कार्य करते

गोपनीयता

भिन्नता गोपनीयता एक अद्वितीय तंत्रज्ञान नाही. डेटा प्रोसेसिंगचा हा दृष्टीकोन आहे डेटा वापरकर्त्यांशी संबंधित होण्यापासून प्रतिबंधित करण्यासाठी निर्बंध तयार करा ठोस. हे संपूर्ण डेटाचे विश्लेषण करण्याची अनुमती देते परंतु डेटामध्ये काही आवाज जोडते, ज्याचा अर्थ असा होतो की वैयक्तिक गोपनीयता एकाच वेळी त्रास देत नाही जेव्हा डेटावर प्रक्रिया केली जाते त्याच वेळी. अ‍ॅडम स्मिथ यांनी खालीलप्रमाणे व्याख्या केली आहे:

तांत्रिकदृष्ट्या ही गणिताची व्याख्या आहे. हे केवळ डेटावर प्रक्रिया करण्याच्या विविध मार्गांवर प्रतिबंधित करते. आणि हे त्यांना अशा प्रकारे प्रतिबंधित करते जे डेटा ग्रुपमधील कोणत्याही वैयक्तिक मध्यांतर एक्सट्रॅक्शन बिंदूबद्दल अधिक माहितीला दुवा साधू देत नाही.

दुसरीकडे, तो डिफिनेशनल प्रायव्हसीची तुलना कमी ट्यून केलेल्या रेडिओमधून स्थिर आवाजाच्या थरमागील मूलभूत संगीत निवडण्यास सक्षम असल्याचे आहे.

एकदा आपण काय ऐकत आहात हे समजल्यानंतर स्थिर स्थितीकडे दुर्लक्ष करणे खरोखर सोपे आहे. तर हे प्रत्येक व्यक्तीचे काय होते तेच काहीसे आहे, आपण एका व्यक्तीकडून बरेच काही शिकत नाही, परंतु एकूणच आपण नमुने अगदी स्पष्ट पाहू शकता.

स्मिथचा असा विश्वास आहे Fereपल ही विभेदक गोपनीयता वापरण्याचा प्रयत्न करणारी पहिली मोठी कंपनी आहे मोठ्या प्रमाणात एटी अँड टी सारख्या इतर कंपन्यांनी अभ्यास केला आहे, परंतु अद्याप ते वापरण्याची हिम्मत केली नाही.

आणि कृत्रिम बुद्धिमत्तेचे भविष्य?

सिलिकॉन व्हॅली गोपनीयता वाद बहुतेकदा कायद्याच्या अंमलबजावणीद्वारे पाहिले जाते, जे गोपनीयता आणि राष्ट्रीय सुरक्षा संतुलित करते. कंपन्यांसाठी, द वादविवाद गोपनीयता आणि वैशिष्ट्यांमधील आहे. Appleपलने काय सुरू केले ते चर्चेला आमूलाग्र बदलू शकते.

गूगल आणि फेसबुकने इतरांसमवेत एकाच वेळी खाजगी असलेल्या अनेक वैशिष्ट्यांसह उत्कृष्ट उत्पादने कशी ऑफर करावी या प्रश्नाचे निराकरण करण्याचा प्रयत्न केला आहे. दोन्हीपैकी अलो, Google चे नवीनतम संदेशन अॅप किंवा फेसबुक मेसेंजर डीफॉल्टनुसार एंड-टू-एंड एन्क्रिप्शन ऑफर करत नाही कारण दोन्ही कंपन्यांचे मशीन लर्निंग सुधारण्यासाठी आणि त्यांचे बॉट्स कार्य करण्यासाठी सक्षम करण्यासाठी वापरकर्त्याच्या डेटाची आवश्यकता आहे. Appleपल देखील वापरकर्ता डेटा संकलित करू इच्छित आहे, परंतु तो काढणार नाही iMessage एंड-टू-एंड एन्क्रिप्शन. Smithपलच्या अंमलबजावणीमुळे इतर कंपन्यांचे मत बदलू शकते, असे स्मिथ म्हणतात.

थोडक्यात असे दिसते आहे की privacyपलने आधीपासून अस्तित्त्वात असलेली अशी सिध्दांत वापरण्याची हिंमत केली आहे जी आमच्या गोपनीयतेचे उल्लंघन न करता बर्‍याच लोकांकडून डेटा गोळा करेल. यावर कोणी तुमची कॉपी करेल?


आपल्याला स्वारस्य आहेः
IOS 10 आणि तुरूंगातून निसटल्याशिवाय व्हॉट्सअॅप ++ स्थापित करा
Google News वर आमचे अनुसरण करा

आपली टिप्पणी द्या

आपला ई-मेल पत्ता प्रकाशित केला जाणार नाही. आवश्यक फील्ड चिन्हांकित केले आहेत *

*

*

  1. डेटासाठी जबाबदार: AB इंटरनेट नेटवर्क 2008 SL
  2. डेटाचा उद्देशः नियंत्रण स्पॅम, टिप्पणी व्यवस्थापन.
  3. कायदे: आपली संमती
  4. डेटा संप्रेषण: कायदेशीर बंधन वगळता डेटा तृतीय पक्षास कळविला जाणार नाही.
  5. डेटा संग्रहण: ओकेन्टस नेटवर्क (EU) द्वारा होस्ट केलेला डेटाबेस
  6. अधिकारः कोणत्याही वेळी आपण आपली माहिती मर्यादित, पुनर्प्राप्त आणि हटवू शकता.