自动化方法(例如电子邮件、短信、即时通讯应用程序(如聊天机器人等))和非自动化方法(例如普通邮件、接线员电话等)。 SERGIO CORETTI SRL 可能会向您发送与 SERGIO CORETTI SRL 和/或合作伙伴(属于以下类别:软件公司、培训公司、研发公司、旅游促进协会)提供的类似服务和产品有关的信息和促销信息。
我们分析了 DMA 和相关欧盟法案对四个关键领域的人工智能模型和基础数据的影响:披露要求;人工智能训练数据的监管;访问规则;以及公平排名制度。我们证明,在 DMA 下,公平性超越了人工智能和法律交叉领域的学术研究所关注的传统受保护的反歧视法类别。相反,我们借鉴竞争法和知识产权法中已知的 FRAND 标准来解释和完善 DMA 关于公平排名的规定。此外,我们展示了如何基于 CJEU 判例法,在传统反歧视法和竞争法中找到对非歧视概念的连贯解释。最后一部分概述了在 DMA 下及以后的透明度、访问和公平性的全面框架的建议。
由于人工智能具有识别数据集中概率的强大能力,它已被用于解决一些最复杂的健康挑战。这项技术可以彻底改变老年人的家庭护理,降低疗养院成本,并改善这些患者的生活质量。它还可以改善农村、全科或资源匮乏的医生的诊断过程,这些医生的患者可能无法接触到专家。它还允许低风险医疗任务的自动化,让医生将更多精力放在复杂的病例上。也就是说,人工智能可以通过将患者与医生分开来提供更好的生活质量,这些任务涉及慢性、耗时和低依从性的任务,例如糖尿病控制——数据由可穿戴设备(如智能手表)和可通过智能手机监控的设备捕获。
摘要 对技术的依赖性不断增加,使国家安全成为 21 世纪关注的焦点。它给发展中国家和发达国家在应对网络威胁方面带来了许多挑战,并增加了与技术相关的固有风险因素。无法安全地保护数据可能会带来深远的灾难性后果。因此,制定国家、地区和全球数据保护政策和法规以惩罚那些不道德地使用技术和滥用技术系统漏洞的人至关重要。本研究论文旨在分析南亚地区受 GDPR 启发的法案,并确定它们是否适合开发全球层面的数据保护机制,因为亚洲国家比欧洲国家更加多样化。在此背景下,本文的目标是确定南亚地区受 GDPR 启发的法案,找出相似之处和差异,以及开发区域级数据保护机制的障碍,从而满足开发全球级机制的需要。这项研究本质上是定性的,考虑到这一点,研究人员对上述内容的先前研究论文、期刊文章、先前的调查报告和政府出版物进行了广泛的文献调查。考虑到调查结果,研究人员批判性地分析了文献综述中确定的重要参数。这项研究的主要发现表明,南亚地区的许多国家正在根据 GDPR 审查其当前的数据保护机制。最后,研究人员强调需要制定适当的数据保护机制,并认为,今后建立基于共识的区域机制将是适当且实用的方法,最终将能够制定持久的全球数据保护机制。
摘要:欧盟的《通用数据保护条例》(“GDPR”)和数据监管对人工智能初创企业有何影响?数据对人工智能产品开发有多重要?我们使用商业人工智能初创企业的独特调查数据来研究这些问题。人工智能初创企业依靠数据进行产品开发。鉴于其商业模式的规模和范围,这些初创企业特别容易受到影响数据收集、存储和使用的政策变化的影响。我们发现,对于依赖神经网络和集成学习算法的人工智能初创企业来说,训练数据和频繁的模型更新尤为重要。我们还发现,在欧洲拥有客户的公司更有可能设立新职位来处理与 GDPR 相关的问题或由于 GDPR 重新分配公司资源。
现代网站依靠个人数据来设计更好的内容并进行自我营销。欧盟的《通用数据保护条例》(GDPR)旨在使访问此类个人数据变得更加困难,目的是保护用户隐私。我们使用来自 Adobe 网站分析平台的数据,研究了 GDPR 对 1,084 家不同在线公司的网站页面浏览量和收入的影响。使用面板差异方法,我们发现在 GDPR 的执行期限之后,该平台记录的欧盟用户网站页面浏览量和网站电子商务收入均减少了约 12%。要了解该政策的影响,我们必须将 GDPR 对实际结果的影响与其对数据记录的影响区分开来。我们首先检查我们在 GDPR 之后继续观察的选定用户的网站使用模式,从而得出这两个组成部分的信息界限。我们将数据记录的变化(归因于用户选择退出数据收集)限制在 4% 到 15% 之间。这意味着,我们的 GDPR 估计值中至少有 7%(占总数的 0.8%)来自同意对数据记录的影响。然后,我们发现电子邮件和展示广告营销渠道(GDPR 的特定目标)对流量的影响更大。我们得出的结论是,我们的 GDPR 估计值中至少有 8%(占总数的 0.4%)来自 GDPR 对营销的实际影响。然而,我们没有发现证据表明同意界面会阻止用户浏览网站。JEL 代码:L51、L86、M31、M38
本资料由英国信息系统学院 AIS 电子图书馆 (AISeL) 提供。该资料已被 AIS 电子图书馆 (AISeL) 的授权管理员接受,将收录于 2020 年英国信息系统学院会议论文集。如需更多信息,请联系 elibrary@aisnet.org 。
自 2018 年 5 月生效以来,欧盟通用数据保护条例 (GDPR) 适用于欧洲经济区 (EEA) 内的所有实体,并且由于地域范围扩大,在很大程度上也适用于 EEA 以外的实体。GDPR 导致数据保护合规义务大幅增加。如有违规,公司可能面临高达整个公司集团全球年营业额 4% 的罚款。监管机构似乎并不怕突破这些限制。2019 年,欧洲监管机构宣布并发出了创纪录的罚款,分别为 1.83 亿英镑(英国)和 5000 万欧元(法国)。现在,即使是公司集团中较小和不太重要的办事处的数据保护不合规也可能导致严重后果。由于 GDPR 的准备工作需要重组各种内部程序,因此强烈建议在启动 GDPR 合规项目时遵循结构化的路径。
自从人工智能开始专注于将机器学习应用于海量数据以来,它取得了令人瞩目的飞跃。机器学习系统发现数据之间的相关性并建立相应的模型,将可能的输入与可能正确的响应(预测)联系起来。在机器学习应用中,人工智能系统在经过大量示例的训练后学会做出预测。因此,人工智能对数据如饥似渴,这种渴求刺激了数据收集,形成了一个自我强化的螺旋:基于机器学习的人工智能系统的发展以创建庞大的数据集(即大数据)为前提,并促进了大数据的创建。人工智能和大数据的融合可以为经济、科学和社会进步带来诸多好处。然而,它也给个人和整个社会带来了风险,例如无处不在的监视和对公民行为的影响,公共领域的两极分化和分裂。
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.