Персональные данные в системах   искусственного интеллекта:   технология обработки естественного языка

Аннотация

The report focuses on the research results aimed at conceptualizing the development of natural language processing (NLP) from the perspective of data protection law. As a result of the research, it was identified that the existing legal regime does not fully meet the technical features of the development of NLP, which can lead to excessive regulation or, on the contrary, leave critical areas that require protection unattended. The following lecture notes aim to briefly describe the problems identified during the research and indicate the directions for further analysis. Keywords: law, digital technologies, personal data, artificial intelligence, data mining, natural language processing technology, biometric data Технология обработки естественного языка (англ. Natural language processing, NLP) активно используется в цифровых товарах и услугах (цифровых продуктах) для построения коммуникации между человеком и компьютером [2]. Голосовые помощники, сервисы перевода и озвучки текстов, системы интерактивного 163 Специальные вопросы регулирования и охраны цифровых технологий Специальные вопросы регулирования и охраны цифровых технологий Special issues of regulation and protection of digital technologies Special issues of regulation and protection of digital technologies ответа – все это примеры продуктов данной отрасли. В основе рассматриваемой технологии находятся генеративные нейросети, для обучения которых использу- ются электронные лингвистические корпуса – базы данных, содержащие в себе множество текстов (книг, текстовых транскрипций, переводов и т. д.) и аудиофай- лов (аудиок ниг, записей трансляций, подкастов, другого аудиоконтента) [3, 8]. Создание лингвистических корпусов предполагает последовательное прохож- дение нескольких этапов: оцифровка языка – сбор, обработка и перевод данных в машиночитаемый формат, разметка корпуса и его последующий интеллектуаль- ный анализ (англ. Text and data mining, TDM) [3–6]. В контексте создания лингвистических корпусов и развития технологии от- дельную и важную роль приобретает вопрос использования данных, требующих особого режима правовой и технической защиты – персональных данных. В связи с этим принципиальными для разрешения становятся проблемы разграничения и категоризации персональных данных, пределов, до которых режим персональ- ных данных будет влиять на процесс создания и развития названной технологии, а также частные случаи использования персональных данных, применительно к последующему ее распространению (прим. оплата цифровых услуг персональ- ными данными). Проблемы, связанные с разграничением и категоризацией персональных дан- ных в общем смысле, объясняются необходимостью сначала выделить из объем а всех используемых данных – персональные, а затем соотнести их с соответствую- щей категорией. Вместе с тем на практике это не всегда удается сделать: граница между персональными и другими данными не всегда четкая. Во-первых, возникает проблема в определении самого понятия «данные». Из соотношения существующих норм можно сделать вывод о том, что данные – это данные, т. е. понятие определяется через само себя. Это создает трудности при попытках определить форму, в которой персональные данные могут быть выражены. Во-вторых, действующее законодательство исходит из бинарного подхода к определению понятия персональных данных: данные могут быть либо персо- нальными, либо нет. По мнению автора, такой подход не в полной мере учитывает современное состояние цифровизации общества, уровень технологического раз- вития, а также последние социально-экономические изменения. Например, с точ- ки зрения информатики и компьютерных наук выделяют разные уровни возмож- ной идентифицируемости и относят к каждому из уровней определенный набор рисков [8, 9]. Кроме того, такое определение не учитывает, что данные могут быть идентифицируемыми для одного субъекта, например, в сочетании с другими на- борами данных, но не для других [10]. В-третьих, статус данных в процессе обработки также может находиться в динамике и не быть статичным [11]. Иными словами, в процессе обработки дан- ные могут становиться персональными и, наоборот, терять этот статус. Например, в процессе создания языковой модели на базе лингвистического корпуса, задей- ствованные персональные данные теряют маркеры идентификации и, следова- тельно, теряют статус персональных [7]. 164 Специальные вопросы регулирования и охраны цифровых технологий Специальные вопросы регулирования и охраны цифровых технологий Special issues of regulation and protection of digital technologies Special issues of regulation and protection of digital technologies Таким образом, в практическом смысле, данные в качестве персональных и можно квалифицировать только на определенный момент времени или этапе об- работки, что может затруднить соблюдение законности всего процесса обработки. Другая проблема, требующая решения – это проблема определения преде- ла, до которого обработка данных должна соответствовать требованиям закона. Например, если языковая мо