一种新的数学模子增强了对东谈主工智能识别风险的评估，提供了一种可彭胀的处罚决策，以均衡时代效益和阴事保护。

东谈主工智能用具越来越多地用于在线和靠近面追踪和监控东谈主们，但它们的灵验性存在首要风险。为了处罚这个问题，牛津互联网探求所、伦敦帝国理工学院和UCLouvain的贪图机科学家开采了一个新的数学模子，旨在匡助东谈主们更好地了解东谈主工智能的危境，并维持监管机构保护阴事。他们的探求效力发表在《当然通信》杂志上。

该模子初度为评估识别治安提供了坚实的科学框架，很是是在处理大范畴数据时。它不错评估告白代码和隐形追踪器等时代的准确性，这些时代基于最小的信息（如时区或浏览器确立）来识别在线用户，这仍是过被称为“浏览器指纹”。

该探求的主要作家、牛津大学互联网探求所高档探求员Luc Rocher博士说： “咱们觉得咱们的治安是一种新的治安，不错匡助评估数据发布中再行识别的风险，同期也不错评估关节、高风险环境中的当代识别时代。在病院、东谈主谈意见拯救运载或边境截止等场地，风险十分高，瞄准确、可靠的身份识别的需求至关迫切。”

行使贝叶斯统计进步准确性

该治安行使贝叶斯统计范畴来学习如安在小范围内识别个体，并将识别的准确性外推到更大的群体，比当年的启发式和教会轨则好10倍。这使得该治安在评估不同的数据识别时代在不同的应用花式和步履确立中怎么大范畴扩充时具有独到的智商。这可能有助于解释为什么一些东谈主工智能识别时代在小案例探求中测试时发达十分准确，但在推行天下中却会识别子虚。

鉴于基于东谈主工智能的身份识别时代的飞速崛起对匿名和阴事组成的挑战，这些发现十分实时。 举例，东谈主工智能用具正在进行磨砺，以自动识别网上银行中的东谈主的声息，东谈主谈意见拯救委用中的东谈主的眼睛，或司法中的东谈主的脸。

据探求东谈主员称，这种新治安不错匡助组织在东谈主工智能时代的平正和保护东谈主们个东谈主信息的需求之间获取更好的均衡，使平淡与时代的互动更安全、更有保险。他们的测试治安允许在全面实施之前识别潜在的时弊和需要改良的范畴，这关于保捏安全性和准确性至关迫切。

数据保护的迫切用具

合著者Yves-Alexandre de Montjoye副诠释注解（伦敦帝国理工学院数据科学探求所）说：“咱们的新缩放定律初度提供了一个有原则的数学模子来评估识别时代在范畴上的发达。了解识别的可彭胀性关于评估这些再行识别时代带来的风险至关迫切，包括确保遵守公共当代数据保护立法。”

Luc Rocher博士归来谈：“咱们确信，这项责任是朝着开采有原则的治安迈出的关节一步，这些治安不错评估更先进的东谈主工智能时代带来的风险，以及在线东谈主类萍踪的可识别性。咱们但愿这项责任将对探求东谈主员、数据保护官员、伦理委员会和其他旨在在分享探求数据和保护患者、参与者和公民阴事之间找到均衡的从业者有很大的匡助。”