Роспотребнадзор предложил защитить генетические данные россиян

Роспотребнадзор предложил защитить генетические данные россиян

Роспотребнадзор предложил защитить генетические данные россиян

Вопрос сбора и обработки генетических данных россиян в некотором смысле вышел из-под контроля. В Роспотребнадзоре посчитали, что бесконтрольный сбор таких важных данных, да еще и без согласия граждан, противоречит здравому смыслу.

В связи с этим представители Роспотребнадзора разработали документ, согласно которому на обработку генетических данных россиян потребуется их согласие. При этом получить такое согласие должны будут все операторы, включая медучреждения.

На данный момент при сборе генетических данных граждан России операторы руководствуются законом «О персональных данных». Именно поэтому такая личная информация может собираться абсолютно бесконтрольно. Согласие человека также не требуется.

«Законопроект предлагает использовать механизмы защиты персональных данных уже содержащиеся в законе, устраняя пробел в отношении объекта защиты (геномная информация)», — прокомментировали свою инициативу в Роспотребнадзоре (цитата «Парламентской газеты»).

В случае принятия этого документа операторы, занимающиеся сбором или обработкой генетических данных россиян, будут обязаны получать согласие граждан в письменной форме.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

Языковые модели тупеют от мусорных данных из интернета

Группа исследователей из Университета Техаса и Университета Пердью предложила необычную идею: большие языковые модели (LLM), вроде ChatGPT, могут «тупить» от некачественных данных примерно так же, как люди — от бесконечных часов в соцсетях.

В отчёте специалисты выдвигают «гипотезу гниения мозга LLM». Суть проста: если продолжать дообучать языковую модель на «мусорных» текстах из интернета, она со временем начнёт деградировать — хуже запоминать, терять логику и способность к рассуждению.

Авторы понимают, что отличить хороший контент от плохого сложно. Поэтому они решили изучить 100 миллионов твитов с HuggingFace и отобрать те, что подходят под определение «junk».

В первую группу попали короткие твиты с большим количеством лайков и репостов — те самые, которые вызывают максимальное вовлечение, но несут минимум смысла. Во вторую — посты с «низкой семантической ценностью»: поверхностные темы, кликбейт, громкие заявления, конспирология и прочие «триггерные» темы.

 

Чтобы проверить качество отбора, результаты GPT-4o сверили с оценками трёх аспирантов — совпадение составило 76%.

Учёные обучили четыре разные языковые модели, комбинируя «мусорные» и «качественные» данные в разных пропорциях. Потом прогнали их через тесты:

  • ARC — на логическое рассуждение,
  • RULER — на память и работу с длинным контекстом,
  • HH-RLHF и AdvBench — на этические нормы,
  • TRAIT — на анализ «личностного стиля».

Результаты оказались любопытными: чем больше в обучающем наборе было «интернет-мусора», тем хуже модель справлялась с задачами на рассуждение и память. Однако влияние на «этичность» и «черты личности» было неоднозначным: например, модель Llama-8B с 50% «мусора» даже показала лучшие результаты по «открытости» и «низкой тревожности».

Исследователи сделали вывод: переизбыток интернет-контента может привести к деградации моделей и призвали разработчиков тщательнее отбирать данные для обучения. Особенно сейчас, когда всё больше онлайн-текста создаётся уже самими ИИ — и это может ускорить эффект так называемого model collapse, когда модели начинают обучаться на собственных ошибках.

Учёные шутят: если так пойдёт и дальше, возможно, придётся вернуться к книгам — хотя бы ради того, чтобы «накормить» модели чем-то действительно качественным.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru