Maschinelles Vergessen ebnet den Weg für den verantwortungsvollen und ethischen Einsatz von KI

In einem entscheidenden Moment für das Feld der künstlichen Intelligenz (KI) beschäftigen sich Forscher mit einem drängenden Problem im Zusammenhang mit der Technologie – dem Beibringen von KI-Systemen, wie man vergisst. Der AI Summit hat dieses Problem in den Vordergrund gerückt und die Bedeutung von „maschinellem Vergessen“ als kritisches Instrument zur Minderung der Risiken, die von KI ausgehen, hervorgehoben. 

Während KI weiterhin in verschiedene Aspekte der Gesellschaft integriert wird, sind ihre Vorteile unbestreitbar, ebenso wie die potenziellen Gefahren. Dieses aufstrebende Forschungsgebiet zielt darauf ab, diese Bedenken zu adressieren, indem es störende Daten aus KI-Modellen, insbesondere aus Deep Neural Networks (DNNs), die eine zentrale Rolle in modernen KI-Anwendungen spielen, effizient und kostengünstig entfernt.

Das Training moderner DNNs, einschließlich bekannter Modelle wie ChatGPT und Bard, ist ein intensiver Prozess, der erhebliche Rechenressourcen und Zeit erfordert. Diese Modelle, bekannt als Large Language Models, benötigen enorme Mengen an Daten und Energie zum Training, was Zehntausenden von Gigawattstunden entspricht – einem Energieverbrauchsniveau, das Tausende von Haushalten ein Jahr lang versorgen könnte. Der Kern des Problems liegt darin, dass das Neutrainieren von KI-Systemen, um bestimmte Daten zu vergessen, eine mühsame und ressourcenintensive Aufgabe ist.

Um dieser Herausforderung zu begegnen, ist ein neues Forschungsgebiet namens „maschinelles Vergessen“ entstanden. Forscher arbeiten an der Entwicklung von Techniken, die es KI-Modellen ermöglichen, Daten, die ein Risiko für die Gesellschaft darstellen, effizient zu vergessen, während gleichzeitig eine hohe Genauigkeit aufrechterhalten wird. An der Spitze dieser Forschung steht die Zusammenarbeit zwischen Experten für Informatik an der University of Warwick und Google DeepMind.

Professor Peter Triantafillou von der Abteilung für Computer Wissenschaft an der University of Warwick hat kürzlich eine Veröffentlichung mit dem Titel „Towards Unbounded Machine Unlearning“ (Hin zu unbegrenztem maschinellen Vergessen) mitverfasst, die auf dem Preprint-Server arXiv verfügbar ist. Er betont die Komplexität von DNNs, die Billionen von Parametern enthalten können, was es schwierig macht zu verstehen, wie und warum diese Modelle ihre Ziele erreichen. Diese Komplexität, kombiniert mit den riesigen Datensätzen, auf denen sie trainiert werden, wirft Bedenken hinsichtlich des potenziellen Schadens auf, den DNNs der Gesellschaft zufügen können.

Adressierung von Vorurteilen und Datenschutzbedenken

Eines der bedeutendsten Risiken im Zusammenhang mit DNNs ist das Vorhandensein voreingenommener Daten. Diese Modelle können negative Stereotype perpetuieren, indem sie aus Datensätzen lernen, die voller Vorurteile sind. Zum Beispiel können KI-Systeme Ärzte fälschlicherweise Männern und Krankenschwestern Frauen zuordnen oder sogar rassistische Vorurteile verstärken. Darüber hinaus können DNNs Daten mit „fehlerhaften Annotationen“ aufnehmen, wie das falsche Kennzeichnen von Gegenständen, was schwerwiegende Folgen haben kann, insbesondere in Anwendungen wie der Bilderkennung.

Darüber hinaus ist die Verletzung der Privatsphäre von Einzelpersonen ein großes Anliegen. Das Recht auf Vergessenwerden, wie es in Vorschriften wie der DSGVO verankert ist, gewährt Einzelpersonen das Recht, die Entfernung ihrer Daten aus jedem Datensatz und jedem KI-Programm zu verlangen. Dies stellt eine erhebliche Herausforderung für Tech-Giganten dar und unterstreicht die Notwendigkeit effektiver Techniken des maschinellen Vergessens.

Das Versprechen des maschinellen Vergessens

Die jüngsten Forschungen von Professor Triantafillou und seinem Team haben einen bahnbrechenden Algorithmus für „maschinelles Vergessen“ hervorgebracht. Dieser Algorithmus ermöglicht es DNNs, problematische Daten selektiv zu vergessen, ohne dass ein vollständiges Neutrainieren des Modells von Grund auf erforderlich ist. Wichtig ist, dass er zwischen drei verschiedenen Arten von Daten unterscheidet, die vergessen werden müssen: Vorurteile, fehlerhafte Annotationen und datenschutzbezogene Probleme. Diese Innovation bietet eine praktische und effiziente Lösung zur Minderung der mit KI verbundenen Risiken.

Maschinelles Vergessen wird nun als ein wichtiges Instrument zum Schutz des verantwortungsvollen Einsatzes von KI-Technologie positioniert. Indem es KI-Systemen ermöglicht, Daten zu vergessen, die Vorurteile perpetuieren, Fehler enthalten oder die Privatsphäre verletzen, kann die Gesellschaft die Vorteile der KI nutzen, ohne ethische und gesellschaftliche Werte zu kompromittieren.