UCR pioneers way to remove private data from AI models

Investigadores de la Universidad de California en Riverside han desarrollado un método de «desaprendizaje certificado sin fuente» que permite a los modelos de inteligencia artificial eliminar datos privados o con derechos de autor específicos sin necesidad de acceder al conjunto de datos original de entrenamiento. Al utilizar un conjunto de datos sustituto estadísticamente similar y ruido calibrado, el sistema obliga eficazmente al modelo a olvidar la información objetivo, manteniendo al mismo tiempo su funcionalidad general. Este avance resuelve una limitación crítica en la gobernanza actual de la IA, ya que permite la eliminación de datos incluso cuando los registros iniciales de entrenamiento se han perdido o son inaccesibles, una situación común en el mundo real. La urgencia de contar con esta tecnología está impulsada por estrictas normativas de privacidad, como el Reglamento General de Protección de Datos (GDPR), y por las continuas batallas legales sobre infracción de derechos de autor en el ámbito de la IA generativa. Los métodos tradicionales de eliminación de datos suelen requerir un nuevo entrenamiento completo desde cero, lo cual es costoso e intensivo en términos de consumo energético. El nuevo enfoque ofrece una alternativa significativamente más eficiente, proporcionando garantías de privacidad comparables a las del entrenamiento completo, pero con un consumo mucho menor de recursos computacionales. Esta eficiencia hace viable que los desarrolladores cumplan con las obligaciones legales y los estándares éticos sin incurrir en costos prohibitivos de recursos. Este desarrollo es altamente relevante para la comunidad de datos abiertos, ya que establece un mecanismo práctico para garantizar la soberanía de los datos y el uso ético de la IA. Empodera a individuos y organizaciones para exigir la eliminación de sus contribuciones de los modelos públicos, fomentando la confianza en los sistemas de IA de código abierto y de acceso público. Al proporcionar una forma demostrable de eliminar información sensible, la técnica apoya la compartición responsable de la tecnología de IA, asegurando que los ecosistemas de datos abiertos respeten los derechos individuales y los límites legales, al tiempo que permanecen escalables para futuros modelos más complejos.

Fuente: pressreleasepoint.com
Publicado el 2025-08-30

UCR pioneers way to remove private data from AI models

Noticias relacionadas