Det er et rigtig godt spørgsmål, for man vil jo gerne have en klog AI uden at afsløre følsomme personoplysninger. Der findes heldigvis flere smarte måder at gøre dette på, som forsøger at ramme den perfekte balance mellem sikkerhed og nøjagtighed.
En af de mest kendte metoder er differential privacy. Her tilføjer man en lille smule matematisk støj til dataene. Støjen er så præcis udregnet, at man stadig kan se de store mønstre i dataene, som AI'en skal lære, men man kan ikke længere identificere det enkelte individ i mængden. Det fungerer lidt ligesom at kigge på et billede, der er en smule sløret: Du kan stadig se, hvad det forestiller, men du kan ikke se de mindste detaljer.
En anden metode kaldes federated learning. Her sender man ikke rå data til en central server. I stedet træner man modellen lokalt på brugerens enhed, og kun de lærte erfaringer sendes videre. På den måde forlader dine private data aldrig din egen telefon eller computer. Ved at kombinere disse teknologier kan man skabe meget præcise modeller, der samtidig passer godt på brugernes privatliv.
