Federeret læring er en træningstilgang, hvor en AI-model lærer på tværs af mange enheder eller lokationer, uden at rådata nogensinde forlader dem. Hver deltager træner lokalt og sender kun modelopdateringer til en central server, som samler dem. Det beskytter privatlivets fred og egner sig f.eks. til hospitaler, der sammen vil forbedre en diagnosemodel, eller til smartphonetastaturer, der lærer ordforslag.
Databeskyttelsesregler er retlige bestemmelser om håndtering af personoplysninger. I EU er den generelle forordning om databeskyttelse (GDPR) den centrale ramme; den kræver bl.a. et behandlingsgrundlag for enhver behandling, dataminimering, gennemsigtighed over for de registrerede og databehandleraftaler med tjenesteudbydere. Ved brug af AI skal organisationer afklare, hvilke data der havner i input, videnskilder og logfiler, og hvor de behandles.
Træningsdata er de eksempler, som en AI-model lærer mønstre af: store tekstsamlinger til sprogmodeller, mærkede billeder til billedmodeller. Deres kvalitet, mangfoldighed og aktualitet er i høj grad afgørende for, hvor pålidelig og fair en model er, og hvor opdateret dens viden bliver. For organisationer er det også vigtigt, om en udbyder bruger de kundedata, der indtastes, til yderligere træning.
Maskinlæring er en gren af kunstig intelligens, hvor computere udleder mønstre af data i stedet for at få hver regel programmeret eksplicit. Afhængigt af opgaven lærer modeller af mærkede eksempler (overvåget), af umærkede data (uovervåget) eller gennem belønninger (reinforcement). Anvendelserne spænder fra spamfiltre og efterspørgselsprognoser til produktanbefalinger. Kvaliteten afhænger i høj grad af mængden og kvaliteten af træningsdataene.
Syntetiske data er skabt kunstigt i stedet for at være indsamlet i den virkelige verden, men efterligner de virkelige datas mønstre og egenskaber. De hjælper, når ægte data er knappe, dyre eller følsomme ud fra et databeskyttelsessynspunkt – f.eks. til test af software, træning af modeller eller afprøvning af en chatbot med realistiske eksempelforespørgsler. Det er vigtigt, at de afspejler virkeligheden tæt nok og ikke tillader slutninger om rigtige personer.
