Descrizione del progetto
Un nuovo approccio bayesiano per un trattamento dei dati equo, legittimo e trasparente
Secondo il regolamento generale sulla protezione dei dati (GDPR), le informazioni personali devono essere trattate in modo legittimo, equo e trasparente. Partendo da questo presupposto, il progetto BayesianGDPR, finanziato dall’UE, si propone di integrare in modo trasparente i principi non discriminatori del GDPR in sistemi di apprendimento automatico automatizzati. A tal fine, si avvarrà di un innovativo approccio bayesiano per modellare tutte le fonti di incertezza e prenderà in considerazione i riscontri forniti dagli esseri umani e le future conseguenze dei loro risultati. BayesianGDPR fornirà alle organizzazioni che si affidano a tecnologie di apprendimento automatico strumenti concreti che consentano loro di allinearsi con i principi non discriminatori del GDPR e con normative analoghe. Gli esiti del progetto avranno un impatto sulla ricerca in materia di diritto informatico e sulla sua integrazione nelle pratiche giuridiche predominanti. Inoltre, BayesianGDPR promuoverà la fiducia del pubblico nei sistemi di apprendimento automatico.
Obiettivo
"EU's GDPR prescribes that ""Personal Data shall be processed lawfully, fairly, and in a transparent manner."" The vision of this BayesianGDPR project is to integrate into automated machine learning systems using a novel Bayesian approach, in a transparent manner, the legal non-discriminatory principles of GDPR, taking into account feedback from humans and future consequences of their outputs. We aim to achieve this ambitious vision by 1) developing a machine learning framework for addressing fairness in classification problems and beyond, and under uncertainty about data, models, and predictions about future data (algorithmic fairness under uncertainty), 2) extending the framework to a setting where data points arrive over time, and models have to be dynamically updated when taking general feedback (feedback-driven setting), and 3) ensuring a human could understand how non-discrimination is defined and achieved by using, among others, uncertainty estimates for building interpretable models and/or explicitly explaining about changes being made to the models to enforce non-discriminatory principles (transparency in fairness). The BayesianGDPR project is ""doubly timely""; not just in terms of the criticality of the fairness and transparency in machine learning at this point in time, but also because recent breakthroughs in scalability have finally made it feasible to explore Bayesian approaches that are uniquely capable of addressing one of the most central aspects of the problem, i.e. uncertainty. BayesianGDPR will, in the short term, ensure that organisations relying on machine learning technologies are provided with concrete tools to comply with the non-discriminatory principles of GDPR and similar laws. In the medium term, it will impact research in computational law, and its integration into mainstream legal practice. In the long term, it will also ensure continued confidence of the general public in the deployment of machine learning systems."
Campo scientifico
Programma(i)
Argomento(i)
Meccanismo di finanziamento
ERC-STG - Starting GrantIstituzione ospitante
BN1 9RH Brighton
Regno Unito