ข้ามไปยังเนื้อหา
EN
บทความความรู้

Privacy & Responsible AI

Responsible AI ต้องกำกับวัตถุประสงค์ ข้อมูล และผลกระทบตลอดวงจร Privacy ใช้หลักเก็บเท่าที่จำเป็น จำกัดสิทธิ์และอายุข้อมูล แม้กล้องถ่ายเกจ ภาพอาจติดใบหน้า ป้ายชื่อ หรือเอกสารในฉาก

Privacy & Responsible AI

แผนภาพอธิบายหลักการ ไม่ใช่หน้าจอผลิตภัณฑ์หรือผลทดสอบจริง

ระดับเนื้อหา: Overview / Implementation considerations

หลักการและการเลือกใช้

Responsible AI ต้องกำกับวัตถุประสงค์ ข้อมูล และผลกระทบตลอดวงจร Privacy ใช้หลักเก็บเท่าที่จำเป็น จำกัดสิทธิ์และอายุข้อมูล แม้กล้องถ่ายเกจ ภาพอาจติดใบหน้า ป้ายชื่อ หรือเอกสารในฉาก

การใช้ AI อย่างรับผิดชอบเริ่มจากรู้ว่าเก็บข้อมูลเพื่ออะไรและใครได้รับผลกระทบ ไม่ใช่เพิ่มข้อความแจ้งเมื่อระบบเสร็จแล้ว Privacy คือการดูแลข้อมูลที่เกี่ยวกับบุคคลตลอดการรับ ใช้ เก็บ และส่ง ภาพเกจอาจมีคนในพื้นหลังหรือข้อความที่ระบุผู้ทำงาน ต้องพิจารณาสิ่งที่ติดมาจริง ไม่ถือว่าวัตถุประสงค์ถ่ายเครื่องมือทำให้ข้อมูลบุคคลในภาพหมดความสำคัญ

วิศวกรทำ data inventory หรือรายการข้อมูลกับ data-flow ที่รวมภาพดิบ ภาพตัด ค่าที่อ่าน บันทึก และสำเนาสำหรับพัฒนา ระบุผู้ควบคุมข้อมูลกับผู้ประมวลผลตามบทบาทจริง และให้ผู้รับผิดชอบด้านกฎหมายประเมินฐานที่ใช้ ต้องกำหนดสิทธิ์และ retention แยกตามวัตถุประสงค์ ไม่ใช้การอนุมัติเก็บเพื่อดูเหตุครั้งหนึ่งเป็นเหตุใช้ฝึกหรือส่งภายนอกโดยอัตโนมัติ

เลื่อนแผนภาพซ้าย–ขวาเพื่อดูรายละเอียดครบทุกส่วน

Privacy & Responsible AI
Privacy & Responsible AIแผนภาพอธิบายหลักการ ไม่ใช่หน้าจอผลิตภัณฑ์หรือผลทดสอบจริง

ตัวอย่างในบริบทอุตสาหกรรม

ตัวอย่างเชิงออกแบบ: ครอปเฉพาะหน้าปัดก่อนจัดเก็บ แยกภาพสำหรับ debug ที่มีสิทธิ์เข้มงวดจากค่าตัวเลข และให้ผู้รับผิดชอบประเมินฐานกฎหมายกับการแจ้งผู้เกี่ยวข้อง

สมมติภาพเต็มมีป้ายชื่อเจ้าหน้าที่ แต่บริเวณเกจที่ใช้คำนวณไม่ต้องใช้ชื่อ ควรพิจารณาตัดส่วนเกินก่อนเก็บตามที่งานยอมรับได้ อย่างไรก็ตาม debug หรือการวินิจฉัยอาจต้องภาพเต็มบางกรณี จึงต้องมีเหตุผล สิทธิ์ และอายุแยก ไม่ให้ภาพนั้นไหลไปคลังฝึกโดยไม่มีการอนุมัติ ผู้เกี่ยวข้องควรมีช่องทางสอบถามหรือขอทบทวนตามนโยบายและกฎหมายที่ใช้

วิศวกรตรวจการตัดภาพและบันทึกว่าไม่มีสำเนาเต็มค้างใน log คิว หรือแฟ้มส่งต่อที่ไม่ได้กำหนด ทดสอบบัญชีหลายบทบาทและการลบตามอายุ รวมสำเนากู้คืนตามขอบเขตที่ประกาศ หากส่งไปผู้ให้บริการ ต้องประเมินเส้นทางและเงื่อนไขก่อน ไม่เปิดเผยข้อมูลจริงเพื่อทดลองบริการที่ยังไม่อนุมัติ และต้องแยกผลภาพที่กระทบคนจากคำสั่งตัดสินโดยอัตโนมัติ

ขั้นตอนศึกษาและทดลอง

ขั้นตอนศึกษาและทดลอง
  1. 1 ทำ data inventory และแผนภาพเส้นทางข้อมูลรวมผู้ให้บริการภายนอก
  2. 2 กำหนดวัตถุประสงค์ retention การลบ และบทบาทเข้าถึง
  3. 3 ประเมินผลกระทบและจัดช่องทางขอตรวจแก้หรือทบทวนผล

วิธีประเมินและนิยามผล

ตรวจสิทธิ์ด้วยบัญชีหลายบทบาท ทดสอบการลบตามอายุและการกู้คืน พร้อม audit ว่าข้อมูล debug ไม่หลุดไปชุดฝึกโดยไม่มีอนุมัติ

การตรวจต้องดูการเข้าถึงที่อนุญาตและที่ไม่ควรได้ พร้อมบันทึกการเปิดภาพ ดาวน์โหลด และเปลี่ยนสิทธิ์ตามความจำเป็น การลบควรระบุว่าครอบคลุมข้อมูลชนิดใดและสำเนาใด ไม่กล่าวว่าลบทั้งหมดหากยังมีสำรองตามระยะที่กำหนด การกู้คืนต้องไม่ทำให้ข้อมูลหมดอายุกลับมาใช้โดยไม่มีนโยบาย และควรมีผู้รับผิดชอบตรวจข้อร้องเรียนหรือการทบทวนผลที่กระทบบุคคล

วิศวกรใช้ข้อมูลทดสอบที่ไม่เปิดเผยบุคคลจริงเพื่อยืนยันสิทธิ์ การตัดภาพ และวงจรลบ ตรวจเส้นทางฝึกกับ debug แยกจากข้อมูลปฏิบัติงาน พร้อมหลักฐานอนุมัติแต่ละวัตถุประสงค์ กรอบ NIST ช่วยจัดความเสี่ยง ส่วนเอกสาร PDPA ช่วยอ้างแนวทางที่เกี่ยวข้อง ต้องให้ผู้รับผิดชอบประเมินตามบริบท ไม่ใช้รายชื่อเอกสารหรือการทดสอบเทคนิคเป็นใบรับรองการปฏิบัติตามครบทุกข้อ

ข้อจำกัดและกรณีผิดพลาด

การ blur หรือเก็บ embedding ไม่รับรองว่าระบุตัวไม่ได้ การอ้างกรอบ NIST หรือ PDPA ไม่ใช่ใบรับรองว่าระบบปฏิบัติตามครบ

Blur คือการทำภาพพร่า ส่วน embedding คือการแทนข้อมูลด้วยตัวเลขที่อาจยังใช้เชื่อมภาพหรือกิจกรรมได้ การเปลี่ยนรูปข้อมูลไม่รับรองว่าไม่เกี่ยวกับบุคคล ต้องประเมินความสามารถเชื่อมกลับและข้อมูลประกอบร่วม ไม่ใช้ชื่อแฟ้มไร้ชื่อหรือ ID ตัวเลขเป็นเหตุเก็บได้ไม่จำกัด หากหลักฐานทางกฎหมายหรือวัตถุประสงค์ยังไม่ชัด ต้องจำกัดการใช้และส่งให้ผู้รับผิดชอบทบทวน

การเก็บน้อยลดความเสี่ยงบางส่วนแต่จำกัดหลักฐานตรวจปัญหา ส่วนการเก็บมากช่วยย้อนดูแต่เพิ่มภาระสิทธิ์และการลบ ต้องเลือกตามความจำเป็นจริงและสื่อสารขอบเขต ไม่ยืนยันว่าผลิตภัณฑ์มีการปิดบัง ลบ หรือควบคุมบทบาทครบตามตัวอย่างแล้ว บทความนี้เป็นแนวพิจารณาที่ต้องนำไปประเมินกับบริบท ไม่ใช่คำปรึกษากฎหมายเฉพาะกรณีหรือการรับรองการปฏิบัติตามกฎหมายของระบบ

รายการตรวจสอบก่อนนำไปใช้

  • มีผู้ควบคุมและผู้ประมวลผลชัดหรือไม่
  • เก็บข้อมูลคนเกินจำเป็นหรือไม่
  • มีคนทบทวนผลที่กระทบบุคคลหรือไม่

เอกสารอ้างอิงและอ่านต่อ

เชื่อมแนวคิด

หัวข้อความรู้ที่เกี่ยวข้อง

เนื้อหาที่เกี่ยวข้อง

ศึกษาในบริบทงาน

หัวข้อและแนวทางประยุกต์ที่เกี่ยวข้อง

แยกสิ่งที่เรียนรู้จากสิ่งที่ต้องตรวจรับ

หากต้องการประเมินงานจริง ควรระบุภาพตัวอย่าง ข้อจำกัดหน้างาน และเกณฑ์ยอมรับ แล้วสอบถามขอบเขตที่ยืนยันได้

อ่านบทความเทคโนโลยีและแนวทางใช้งาน AI

เรียนรู้หลักการ ข้อจำกัด และวิธีประเมินระบบจากบทความที่เผยแพร่บนเว็บไซต์

ข่าวสาร