רגולטור הפרטיות הספרדי, ה-AEPD, פרסם הנחיה חדשה ומעניינת בנוגע לעקרון דיוק הנתונים (Data Accuracy), אחד מעקרונות היסוד של ה-GDPR, ולהחלתו על עיבוד מידע אישי באמצעות מודלים של בינה מלאכותית.

בבסיסו, העקרון קובע כי מידע אישי צריך להיות מדויק, ובמידת הצורך גם מעודכן, וכי יש לנקוט צעדים סבירים כדי להבטיח שנתונים אישיים שאינם מדויקים, בהתחשב במטרות שלשמן הם מעובדים, יימחקו או יתוקנו ללא דיחוי.

לפי ההנחיה של ה-AEPD, מטרת העיבוד היא שקובעת אם הנתונים "מדויקים" מבחינה משפטית. הרשות הספרדית מיישמת את הגישה הזו גם ביחס לשימוש בבינה מלאכותית ובמודלי שפה גדולים (LLM).

זהו יישום שמזמין לחשוב מחדש על עקרון דיוק הנתונים. אם מקובל לחשוב על העיקרון במונחים פשוטים שלפיהם המידע המעובד חייב להיות מדויק, נכון ונאמן למציאות, הרי שבהקשר של בינה מלאכותית התמונה מורכבת יותר. לעיתים, אי-דיוק טכני או נקודתי ברמת הרשומה הבודדת אינו כשל, אלא דווקא אמצעי לשיפור התוצאה הכוללת ברמת המערכת או מאגר הנתונים, באופן שעשוי להיות הוגן יותר ותואם יותר לדרישות ה-GDPR.

כך, למשל, נתונים שהם "שגויים" מבחינה טכנית עשויים דווקא להיות עדיפים. אם מאגר המידע שעליו מאומן המודל כולל שדות ריקים, השלמתם באמצעות ממוצעים סטטיסטיים (אימפוטציה) יוצרת ערכים שאינם נכונים ביחס לאותם אינדיבידואלים. עם זאת, היא עשויה לשמר טוב יותר את האיזון הסטטיסטי של המאגר ולסייע בעמידה בדרישות הדין.

בתחום למידת המכונה, מאגר הנתונים עצמו הוא לעיתים יחידת הניתוח, ולא רק הרשומות הבודדות המרכיבות אותו. לכן, ייתכנו מאגרי מידע שבהם כל רשומה בודדת נכונה לחלוטין, אך המאגר בכללותו עלול להיות נגוע בהטיה (bias) ולכן אינו מעבד מידע באופן הוגן. דוגמה לכך היא מאגר שבו 90% מנושאי המידע הם גברים, גם אם המידע בכל אחת מן הרשומות מדויק.

בסופו של דבר, ההנחיה הספרדית מציעה קריאה מורכבת יותר של עקרון דיוק הנתונים בעידן הבינה המלאכותית: לא די לשאול אם כל פריט מידע "נכון", אלא אם השימוש במידע, ובמאגר הנתונים בכללותו, מתאים למטרת העיבוד, הוגן, ומוביל לתוצאה שעומדת בדרישות הדין.

קישור להנחיה: Accuracy, suitability and quality of data in processing personal data with Artificial Intelligence.