Hur kan CC Signals ge bättre kontroll över hur AI-modeller tränas på publicerade datamängder och digitala arkivsamlingar?
Vad händer när AI-modeller tränas på offentliga data? Och hur kan CC Signals-ramverket ge offentliga aktörer bättre kontroll? Välkommen till ett samtal om publicerade datamängder, digitala arkivsamlingar och hur de kan delas med tydligare villkor.
AI-modeller tränas i allt större utsträckning på material som finns tillgängligt på nätet. Det innebär att offentliga aktörer som förvaltar publicerade datamängder och digitala arkivsamlingar behöver kunna hålla materialet tillgängligt för forskning, utbildning och allmännytta, samtidigt som det skyddas mot otydlig eller oönskad AI-skrapning (läs mer under AI för offentlig förvaltning hos DIGG.
I den här aktiviteten utgår vi från CC Signals-ramverket som ett sätt att uttrycka villkor, förväntningar och gränser för AI-användning. Fokus ligger på praktiska frågor för offentlig sektor, till exempel vad dataförvaltare behöver kunna signalera, vilken kontroll som är rimlig att eftersträva och hur öppenhet kan kombineras med ansvar.
Samtalet byggs upp kring tre diskussionspunkter:
- När AI-modeller tränas på publicerade data: Vad innebär det för offentliga dataförvaltare när öppet tillgängligt material kan samlas in, bearbetas och användas i AI-system?
- Kontroll utan att stänga dörren: Hur kan offentliga aktörer fortsätta dela datamängder och arkivsamlingar, men samtidigt ange tydligare villkor för AI-träning, vidareanvändning och källhänvisning?
- CC Signals som praktiskt ramverk: Hur kan CC Signals hjälpa dataförvaltare att uttrycka preferenser, krav och förväntningar på ett sätt som AI-utvecklare och andra användare kan förstå?
Målet är inte att ge färdiga svar, utan att samla perspektiv på hur offentlig sektor kan hantera balansen mellan tillgänglighet, kontroll och ansvar i en tid där AI förändrar förutsättningarna för delning.