Federerad inlärning är ett träningssätt där en AI-modell lär sig över många enheter eller platser utan att rådata någonsin lämnar dem. Varje deltagare tränar lokalt och skickar bara modelluppdateringar till en central server, som sammanför dem. Det skyddar integriteten och passar till exempel sjukhus som tillsammans vill förbättra en diagnosmodell, eller mobiltangentbord som lär sig ordförslag.
Dataskyddsregler är rättsliga bestämmelser om hanteringen av personuppgifter. I EU är dataskyddsförordningen (GDPR) det centrala regelverket; den kräver bland annat rättslig grund för varje behandling, uppgiftsminimering, öppenhet gentemot registrerade och personuppgiftsbiträdesavtal med tjänsteleverantörer. När AI används behöver organisationer klargöra vilka data som hamnar i indata, kunskapskällor och loggar och var de behandlas.
Träningsdata är de exempel som en AI-modell lär sig mönster av: stora textsamlingar för språkmodeller, märkta bilder för bildmodeller. Deras kvalitet, mångfald och aktualitet avgör till stor del hur tillförlitlig och rättvis en modell är och hur aktuell dess kunskap blir. För organisationer spelar det också roll om en leverantör använder de kunddata som de matar in för vidare träning.
Maskininlärning är en gren av artificiell intelligens där datorer härleder mönster ur data i stället för att varje regel programmeras explicit. Beroende på uppgift lär sig modellerna av annoterade exempel (övervakad inlärning), av oannoterade data (oövervakad inlärning) eller genom belöningar (förstärkningsinlärning). Tillämpningarna sträcker sig från skräppostfilter och efterfrågeprognoser till produktrekommendationer. Kvaliteten beror starkt på mängden och kvaliteten på träningsdata.
Syntetiska data genereras på konstgjord väg i stället för att samlas in i verkligheten, men efterliknar verkliga datas mönster och egenskaper. De hjälper när genuina data är knappa, dyra eller känsliga ur dataskyddssynpunkt – till exempel för att testa programvara, träna modeller eller kontrollera en chattbot med realistiska exempelfrågor. Det är viktigt att de speglar verkligheten tillräckligt väl och inte gör det möjligt att dra slutsatser om verkliga personer.
