Artikkelit

Artikkelit eivät ole oikeudellisia neuvoja ja niissä on tiettyjä yksinkertaistuksia. Merkurius ei ota vastuuta miltään osin, mikäli artikkelien perusteella tehdään joitakin toimenpiteitä tai jätetään tekemättä joitakin toimenpiteitä. Kirjoittajat antavat mielellään tarkempia tietoja artikkeleissa käsitellyistä asioista

Koneoppiminen ja EU:n yleisen tietosuoja-asetuksen vaatimus lainmukaisesta, kohtuullisesta ja läpinäkyvästä käsittelystä

1 Koneoppimista henkilötiedoilla

Koneoppiminen on tämän hetken trendisana. Se on tekoälyn tutkituin osatekijä.1
Koneoppimisessa luotu algoritmi opetetaan harjoitusdatan avulla. Jatkossa algoritmi taas oppii ja kehittyy itse, eli se saadaan toimimaan ilman, että se nimenomaisesti ohjelmoidaan.2 Koneoppimisen itseoppivasta luonteesta johtuukin, että koneoppimisalgoritmeja kuvataan usein käsitteellä ”black box”. Se viittaa systeemeihin, joiden toimintatapa on piilossa ihmisiltä. Systeemiin menevää ja systeemistä ulos tulevaa dataa voidaan tarkastella, samoin kuin esimerkiksi algoritmin lähdekoodia, mutta sitä, miten algoritmi yksittäisessä tapauksessa päätyy lopputulokseen, ei täysin tiedetä.3

Koneoppimisen soveltamismahdollisuudet ovat laajat. Sitä voidaan käyttää esimerkiksi sairauksien diagnosoimisessa, petosten havaitsemisessa sekä luottopäätösten tekemisessä.4 Tietosuojalainsäädännön kannalta tarkasteltuna koneoppimisessa keskeistä on sen datavetoisuus. Koneoppimisalgoritmi tarvitsee dataa sekä algoritmin opettamisvaiheessa että myöhemmin sovellettaessa algoritmia sille osoitettuun tehtävään.

Lue koko artikkeli ›

1Artificial Intelligence, Robotics, Privacy and Data Protection: Room document for the 38th International Conference of Data Protection and Privacy Commissioners. Marrakech, October 2016, saatavilla: https://edps.europa.eu/sites/edp/files/publication/16-10-19_marrakesh_ai_paper_en.pdf,s. 19 ja The UK’s Information Commissioner’s Office (ICO): Big data, artificial intelligence, machine learning and data protection. Version 2.0. 1.3.2017, saatavilla: https://ico.org.uk/media/fororganisations/documents/2013559/big-data-ai-ml-and-data-protection.pdf,s. 7.

2 Jason Bell: Machine Learning: Hands-On for Developers and Technical Professionals, Wiley 2015, s. 2, Dimitra Kamarinou – Christopher Millard – Jatinder Singh: Machine Learning with Personal Data: Profiling, Decisions and the EU General Data Protection Regulation. Research Paper, NIPS Symposium: Machine Learning and the Law 8.12.2016, s. 3 ja Lee Bell: Machine learning versus AI: what’s the difference? Wired, 1.12.2016, saatavilla: https://www.wired.co.uk/article/machine-learning-aiexplained. Arthur Samuel määritteli koneoppimisen tällä tavalla jo vuonna 1959 (Artificial Intelligence, Robotics, Privacy
and Data Protection 2016, s. 19).

3 Frank Pasquale: The Black Box Society: The secret algorithms that control money and information, Harvard University Press 2015, s. 3 ja Artificial Intelligence, Robotics, Privacy and Data Protection 2016, s. 19.

4 Kamarinou – Millard – Singh 2016, s. 5 ja Christopher Kuner – Dan Jerker B. Svantesson – Fred H. Cate – Orla Lynskey – Christopher Millard: Machine learning with personal data: is data protection law smart enough to meet the challenge? International Data Privacy Law, Vol 7, Issue 1. 2017, s. 1.

ida koskinen

Ida Koskinen, Lawyer

Artikkelit

Artikkelit eivät ole oikeudellisia neuvoja ja niissä on tiettyjä yksinkertaistuksia. Merkurius ei ota vastuuta miltään osin, mikäli artikkelien perusteella tehdään joitakin toimenpiteitä tai jätetään tekemättä joitakin toimenpiteitä. Kirjoittajat antavat mielellään tarkempia tietoja artikkeleissa käsitellyistä asioista

Asianajotoimisto Merkurius Oy | Keskustori 5 | 33100 Tampere

office@merkuriuslaw.fi | 050 571 7327 | www.merkuriuslaw.fi

Y-tunnus: 2875021-7

facebooklinkedin