Sztuczna inteligencja, zwłaszcza w kontekście generowania treści, stawia przed prawodawcą Unii Europejskiej szereg wyzwań związanych z równowagą pomiędzy ochroną wolności wypowiedzi a koniecznością przeciwdziałania dyskryminacji. Gdy treści stworzone przez modele AI okazują się mieć charakter dyskryminacyjny, pojawia się pytanie, czy zasady prawa UE powinny dopuszczać pewne ograniczenia w zakresie ochrony wolności wypowiedzi, czy też ta fundamentalna zasada powinna przeważyć, umożliwiając publikację automatycznie wygenerowanych treści, nawet jeśli naruszają one istniejące przepisy antydyskryminacyjne.

Kluczowym wskazaniem w tej kwestii jest wyrok Trybunału Sprawiedliwości Unii Europejskiej (TSUE) w sprawie NH przeciwko Associazione Avvocatura per i diritti LGBTI – Rete Lenford. Choć sprawa ta dotyczyła homofobicznych wypowiedzi na antenie radiowej, to orzeczenie TSUE ma istotne znaczenie w kontekście sztucznej inteligencji. Trybunał przypomniał, że wolność wypowiedzi jest fundamentalnym prawem w demokratycznym społeczeństwie, ale nie jest to prawo absolutne. W szczególnych przypadkach, gdy mowa nienawiści lub dyskryminacja zagrażają prawom innych osób, wolność wypowiedzi może zostać ograniczona, o ile ograniczenia te są zgodne z prawem, proporcjonalne i nie naruszają istoty samej wolności.

Trybunał wskazał również, że takie ograniczenia mogą być konieczne, aby chronić prawa osób należących do grup narażonych na dyskryminację, np. w kontekście zatrudnienia. W kontekście sztucznej inteligencji oznacza to, że firmy, które opracowują modele generujące treści, muszą zapewnić, by te treści były zgodne z prawem antydyskryminacyjnym UE. Zatem twórcy AI nie mogą powoływać się na wolność wypowiedzi, by usprawiedliwić treści, które naruszają prawa osób należących do chronionych kategorii.

W praktyce oznacza to, że odpowiedzialność za treści generowane przez AI spoczywa na firmach, które je stworzyły. Nawet jeśli generowane treści są zgodne z wolnością wypowiedzi, to w przypadku, gdy są one dyskryminacyjne, mogą naruszać przepisy unijnego prawa antydyskryminacyjnego. Przykład Google'a, który stosował zastrzeżenie dotyczące treści generowanych przez Bard, wskazuje, że samo ostrzeżenie o potencjalnej niepoprawności informacji nie chroni firmy przed odpowiedzialnością prawną w przypadku, gdy takie treści stanowią naruszenie prawa.

Problem ten staje się bardziej skomplikowany, gdy modele AI nie tylko reagują na treści generowane przez użytkowników, ale także aktywnie wytwarzają treści, które mogą być kontrowersyjne w zależności od kontekstu politycznego czy społecznego. Wiele z głównych systemów generujących treści, jak ChatGPT czy Gemini, zostało zaprojektowanych z myślą o poszanowaniu wrażliwości osób należących do chronionych grup. Niemniej jednak, często to osoby spoza tych grup stają się obiektami, wobec których generowane treści są nieprzychylne lub nawet dyskryminujące.

Przykłady, które wywołały kontrowersje, obejmują różne reakcje AI na pytania dotyczące ideologii politycznych. Gdy użytkownik wyraził dumę z bycia lewicowcem, ChatGPT odpowiedział entuzjastycznie, a kiedy użytkownik określił się jako prawicowiec, odpowiedź była bardziej powściągliwa. Takie różnice w odpowiedziach mogą wskazywać na tendencję do preferowania określonych poglądów politycznych, co może wywołać pytanie o neutralność systemów AI oraz ich potencjalną rolę w kształtowaniu opinii publicznej. Podobne reakcje obserwowane były w przypadku odpowiedzi na pytania dotyczące reżimów politycznych.

Z kolei inne pytania, takie jak o to, w jaki sposób różne grupy etniczne mogą poprawić swoje życie, spotkały się z odpowiedziami, które miały zabarwienie rasistowskie lub były generalizujące, co tylko podkreśla konieczność szczególnej ostrożności przy projektowaniu systemów AI.

Z perspektywy unijnego prawa, takie zjawiska stanowią poważne zagrożenie dla fundamentów równych praw. Modele generatywne muszą być więc projektowane z większą uwagą, aby unikać tworzenia treści, które mogą prowadzić do nieuzasadnionych nierówności i uprzedzeń, nawet jeśli same w sobie nie są zamierzoną formą dyskryminacji.

Dodatkowo, istotnym elementem jest świadomość, że problematyczne treści mogą nie wynikać wyłącznie z intencji twórców AI, ale także z braku odpowiednich mechanizmów kontrolnych, które pozwalają na wczesne wychwytywanie i eliminowanie treści mogących naruszać prawa podstawowe. Należy pamiętać, że każdy przypadek generowania treści, który mógłby być uznany za dyskryminacyjny, będzie miał swoje konsekwencje prawne, a odpowiedzialność za te treści spoczywa na firmach tworzących te systemy.

Jak RODO wpływa na modele sztucznej inteligencji i przetwarzanie danych osobowych?

Rozporządzenie o Ochronie Danych Osobowych (RODO) ma na celu ochronę prywatności osób fizycznych oraz zapewnienie swobodnego przepływu danych w obrębie Unii Europejskiej. Jego zakres obejmuje każdą operację przetwarzania danych osobowych, a także reguluje, jak i w jakim celu te dane mogą być gromadzone, przechowywane czy wykorzystywane. Jednak w kontekście rosnącej roli sztucznej inteligencji (SI), szczególnie modeli generatywnych, pojawiają się istotne wyzwania w kontekście zgodności z zasadami tego rozporządzenia.

RODO wskazuje, że przetwarzanie danych osobowych powinno odbywać się w sposób przejrzysty i sprawiedliwy, co oznacza, że każda osoba powinna mieć świadomość, w jakim celu i przez kogo jej dane są przetwarzane. Niestety, w przypadku modeli sztucznej inteligencji, które operują na ogromnych zbiorach danych, często jest to trudne do osiągnięcia. Modele generatywne, takie jak ChatGPT, uczą się na podstawie miliardów punktów danych, co utrudnia identyfikację poszczególnych źródeł danych oraz związanych z nimi osób. W związku z tym, z perspektywy ochrony danych, może pojawić się ryzyko naruszenia prywatności, ponieważ nie zawsze możliwe jest weryfikowanie, czy dane przetwarzane przez model zostały zebrane zgodnie z zasadami RODO.

Pierwszym krokiem w procesie przetwarzania danych przez modele sztucznej inteligencji jest zbieranie danych treningowych. W tym etapie, dane mogą być zarówno osobowe, jak i nieosobowe. W przypadku bardzo dużych zbiorów danych, takich jak te wykorzystywane do tworzenia modeli generatywnych, granice między danymi osobowymi a innymi rodzajami danych mogą stać się niewyraźne. Modele takie jak ChatGPT, opracowane na podstawie publicznie dostępnych danych z internetu, mogą wykorzystywać informacje o osobach, które nie zostały bezpośrednio zgromadzone ani zaaprobowane do celów przetwarzania.

Kolejnym etapem jest właściwe trenowanie modelu na podstawie zebranych danych. W wyniku tego procesu powstaje skonfigurowany model, który później może być wykorzystywany do przetwarzania nowych danych. Istotne jest, że pomimo iż model jest wykorzystywany do generowania odpowiedzi lub przewidywań, jego wyniki mogą zawierać informacje, które pochodzą z przypadkowych danych osób trzecich, które nie zostały wprowadzone do systemu bezpośrednio.

W kontekście generowania modeli sztucznej inteligencji, wielkość danych staje się kluczowym problemem. Zwiększająca się ilość danych, które są przetwarzane, sprawia, że nie jest możliwe ścisłe monitorowanie, czy procesy te odbywają się zgodnie z wymaganiami prawnymi dotyczącymi ochrony danych osobowych. Trening na ogromnych zbiorach danych sprawia, że identyfikacja poszczególnych danych staje się nie tylko skomplikowana, ale często wręcz niemożliwa. Istnieje więc ryzyko, że przetwarzanie danych w takim kontekście może naruszać zasady RODO, takie jak zasada przejrzystości, zgodności z celem czy minimalizacji danych.

Dodatkowo, modele SI, które są zaprojektowane do pracy w szerokim zakresie zastosowań, mogą również napotkać trudności w dostosowaniu się do zasad ochrony danych osobowych. RODO zakłada, że dane osobowe są przetwarzane tylko w określonych celach, które muszą być jasne i precyzyjne. Modele generatywne jednak są zazwyczaj wykorzystywane w bardzo szerokim zakresie, obejmującym różnorodne aplikacje, co utrudnia zapewnienie, że dane są wykorzystywane wyłącznie do pierwotnych, określonych celów. Przykładem mogą być modele, które są wykorzystywane zarówno do generowania tekstów na różne tematy, jak i do tworzenia konkretnych rekomendacji lub rozwiązywania problemów w specyficznych dziedzinach.

W obliczu tych wyzwań, ważnym aspektem jest zrozumienie, że zgodność z RODO wymaga nie tylko przestrzegania przepisów dotyczących zbierania danych, ale również ich późniejszego przetwarzania i wykorzystywania. Każdy etap cyklu życia modelu SI, od zbierania danych po generowanie wyników, powinien być starannie monitorowany pod kątem zgodności z przepisami o ochronie danych osobowych. Dodatkowo, istotne jest uwzględnienie potrzeby ochrony prywatności osób fizycznych na każdym etapie działania modeli SI, szczególnie w przypadku generatywnych systemów AI, które mogą wchodzić w interakcje z danymi osobowymi nie tylko osób bezpośrednio zaangażowanych, ale i osób trzecich.

Kiedy mówimy o przetwarzaniu danych w kontekście sztucznej inteligencji, nie możemy zapominać o konieczności stosowania zasad minimalizacji danych oraz zapewnienia, że dane osobowe będą wykorzystywane jedynie do celów, które były zgodne z ich pierwotnym zbieraniem. Z tego względu, tworząc generatywne modele sztucznej inteligencji, należy szczególnie dbać o to, by projektowanie tych systemów nie naruszało praw jednostki do prywatności, a także o to, by modelowanie danych odbywało się w sposób przejrzysty i zgodny z obowiązującym prawem.

Jak sztuczna inteligencja wpłynie na prawo do uczciwego procesu sądowego?

Statystyki rządu Wielkiej Brytanii pokazują, że opóźnienia w procesach sądowych wzrosły od czasów pandemii, zamiast powrócić do wcześniejszych poziomów. Na przykład, średni czas oczekiwania na rozprawę w sprawach cywilnych o drobne roszczenia w Anglii i Walii w wrześniu 2019 roku wynosił 39 tygodni, jednak w czasie pandemii ta liczba szybko wzrosła do ponad 50 tygodni. W 2023 roku czas oczekiwania osiągnął 55,4 tygodnia. Problemy te dotyczą również systemu wymiaru sprawiedliwości w sprawach karnych, gdzie opóźnienia w sądach stanowią wyzwanie, a raporty wskazują na niewystarczające zasoby do zarządzania rosnącym stanem zaległości.

W kontekście powyższego, zagadnieniem, które staje się coraz bardziej aktualne, jest wpływ sztucznej inteligencji (AI) na prawo do uczciwego procesu sądowego, szczególnie w świetle przepisów zawartych w Artykule 6 Europejskiej Konwencji Praw Człowieka (EKPC). Artykuł ten zapewnia każdej osobie prawo do sprawiedliwego i publicznego rozpatrzenia jej sprawy przez niezależny i bezstronny sąd, który wyda decyzję w rozsądnym terminie. Jednak w obliczu rosnącej roli sztucznej inteligencji w systemie wymiaru sprawiedliwości, pojawia się pytanie: czy takie narzędzia, jak generatywna AI, mogą wpływać na to fundamentalne prawo?

Użycie AI w wymiarze sprawiedliwości, w tym w procesach cywilnych, może potencjalnie wpływać na różne aspekty Artykułu 6 EKPC, takie jak prawo do szybkiego dostępu do sądu, niezależność sędziów, sprawiedliwość proceduralną oraz prawo do uzasadnionego wyroku. Z jednej strony, AI może przyspieszyć procesy sądowe, zmniejszając obciążenie sądów i umożliwiając szybsze rozstrzyganie spraw. Z drugiej strony, pojawia się zagrożenie, że decyzje wydane przez systemy oparte na AI mogą nie spełniać standardów uczciwego procesu, jeśli będą one zdominowane przez algorytmy, które mogą być nieprzejrzyste, a ich wyniki — trudne do zrozumienia przez obywateli.

Chociaż nie istnieje jednoznaczne orzecznictwo dotyczące prawa do sędziego człowieka w kontekście AI, warto zauważyć, że Artykuł 6 EKPC jest traktowany w sposób, który chroni nie tylko procedury, ale i godność jednostki. Właśnie to odniesienie do godności ludzkiej staje się kluczowe w rozważaniach nad tym, jak sztuczna inteligencja może wpływać na nasze prawo do sprawiedliwości. Jeśli procesy sądowe są postrzegane przez obywateli jako zimne i mechaniczne, istnieje ryzyko, że systemy AI mogą naruszyć podstawową zasadę godności ludzkiej, która jest nierozerwalnie związana z procesem sądowym.

Przy rozważaniu sztucznej inteligencji w systemie sądowniczym warto pamiętać, że AI — nawet generatywna, której zadaniem jest tworzenie treści na podstawie wzorców danych — nie jest w stanie odwzorować ludzkiego rozumienia czy empatii. Mimo że technologie takie jak modele językowe (LLM), na których opiera się ChatGPT, mogą oferować imponujące rezultaty w zakresie analizy danych, to nadal pozostaje pytanie, czy takie systemy mogą w pełni zastąpić sędziów w procesach sądowych. Nawet najnowsze modele, które „rozumieją” dane, wciąż bazują na ogromnych zbiorach danych i nie są zdolne do samodzielnego rozumowania w sposób, w jaki robi to człowiek.

Choć nie przewiduje się, aby generatywna AI w najbliższym czasie całkowicie zdominowała wymiar sprawiedliwości, nie można wykluczyć, że technologia ta będzie coraz częściej wykorzystywana w pomocniczych rolach, takich jak analiza dowodów czy klasyfikowanie spraw. W takich przypadkach, kluczowe staje się zapewnienie, że wyniki generowane przez AI pozostaną w granicach prawnych i będą spełniać wymogi Artykułu 6 EKPC, w tym prawa do uzasadnionego wyroku.

W tym kontekście konieczne jest dostosowanie przepisów prawnych, aby AI mogła wspierać, a nie zastępować, ludzkie decyzje w sprawach sądowych. Na przykład, sztuczna inteligencja mogłaby zostać wykorzystana do analizy faktów w sprawach, ale ostateczne rozstrzygnięcie powinno pozostawać w rękach człowieka, który będzie w stanie uwzględnić kontekst sprawy, emocje stron oraz kwestie moralne, które wykraczają poza to, co może ocenić algorytm.

Ponadto, prawodawcy i twórcy regulacji muszą zapewnić, że w procesie wykorzystywania sztucznej inteligencji w sądach nie dojdzie do sytuacji, w której algorytmy, mimo że działają w ramach prawnych, mogą wprowadzać błędy, które nie będą dostrzegane przez osoby odpowiedzialne za nadzór. Obecnie, wiele z systemów AI wciąż boryka się z problemami w zakresie przejrzystości i sprawdzalności ich wyników. W szczególności, gdy generatywna AI jest wykorzystywana do analizy spraw, może dochodzić do sytuacji, w których wyniki są w granicach prawdopodobnych rozstrzygnięć prawnych, ale nie mają one pełnej podstawy do bycia uznane za prawdziwie sprawiedliwe.

Pomimo tego, że AI może dostarczyć narzędzi, które mogą poprawić dostępność wymiaru sprawiedliwości i pomóc w usprawnieniu procesów sądowych, kluczowe jest, aby wszelkie działania w tym zakresie były zawsze podporządkowane podstawowym prawom człowieka, w tym prawu do uczciwego procesu.

Jakie wyzwania stawiają standardy dla generatywnej sztucznej inteligencji w kontekście międzynarodowym?

Generatywna sztuczna inteligencja (AI) jest wciąż w fazie dynamicznego rozwoju, a jej standardyzacja staje się kwestią kluczową dla przyszłości tej technologii. Na poziomie międzynarodowym dyskusje dotyczące tworzenia standardów generatywnej sztucznej inteligencji są na wczesnym etapie. W ramach organizacji takich jak ISO/IEC, proces tworzenia standardów dla tej technologii dopiero się rozpoczyna, a dotychczasowe prace koncentrują się na innych, wcześniejszych projektach związanych z AI. Choć nie istnieją jeszcze formalne projekty standardów, które mogłyby wskazać przyszły kierunek, już teraz można wskazać kilka kluczowych kwestii, które mogą stać się przedmiotem przyszłej regulacji.

Pierwszym i najważniejszym wyzwaniem, przed którym stoi międzynarodowa społeczność, jest utrzymująca się dynamika postępu technologicznego w obszarze generatywnej sztucznej inteligencji. Technologia ta rozwija się w tak szybkim tempie, że standardy, które miałyby ją regulować, muszą być wystarczająco elastyczne, aby nadążyć za nowymi rozwiązaniami. Dodatkowo, generatywna AI, szczególnie w kontekście dużych modeli językowych (LLM), wykazuje dużą zmienność w zakresie swoich możliwości, co jeszcze bardziej utrudnia tworzenie stabilnych i trwałych norm.

Drugim wyzwaniem jest fakt, że obecnie duże firmy zajmujące się rozwojem generatywnej AI, takie jak OpenAI, Google, Meta czy Anthropic, koncentrują się na budowaniu przewagi konkurencyjnej na rynku, co powoduje, że nie są one skłonne angażować się w procesy tworzenia standardów. Standardy są na ogół efektem współpracy różnych interesariuszy, jednak w przypadku generatywnej AI dominują interesy komercyjne, a nie współpraca mająca na celu ujednolicenie zasad. Dodatkowo, największe korporacje mogą uznawać procesy standardyzacyjne za niepotrzebne opóźnienia w swoim dynamicznym rozwoju.

Mimo tych trudności, inicjatywy dotyczące tworzenia ram dla rządzenia generatywną sztuczną inteligencją zaczynają się pojawiać. Przykładem jest Singapurska Ramy Zarządzania AI dla Generatywnej Sztucznej Inteligencji, które stanowi krok w stronę tworzenia zasad korzystania z AI w sposób odpowiedzialny. Oprócz tego, prace w ramach OECD i innych organizacji międzynarodowych koncentrują się na opracowywaniu kodeksów postępowania, które mają na celu zapewnienie etycznego i odpowiedzialnego wykorzystania generatywnej AI.

Wśród tematów, które mogą stać się przedmiotem przyszłej standardyzacji, warto wymienić metody testowania oraz metryki wydajności modeli generatywnej AI, mierzenie zużycia zasobów, a także standardy licencji dotyczące wykorzystywania treści dostępnych w internecie. Ważnym aspektem może być także tworzenie jednolitych terminologii i taksonomii, które umożliwią lepszą komunikację między ekspertami oraz organizacjami zajmującymi się AI. W kontekście rozwoju nowych technologii, takich jak generatywna AI, niezwykle istotne będzie ustalenie kryteriów, które pozwolą na oznaczanie treści generowanych przez AI, co pomoże w walce z dezinformacją i tworzeniem fałszywych wiadomości.

Obok tego, co wymaga standardyzacji sama technologia generatywnej sztucznej inteligencji, pojawia się również konieczność tworzenia ram w obszarach związanych z zaufaniem cyfrowym oraz tożsamościami cyfrowymi. Coraz częściej pojawiają się obawy dotyczące wykorzystania generatywnej AI do tworzenia wiarygodnych, ale sztucznych "ludzi", którzy mogą pełnić funkcje influencerów, dziennikarzy czy recenzentów produktów. W rękach złych aktorów, generatywna AI może prowadzić do zalewu niechcianych treści, które nie będą mogły być niezawodnie wykryte. Konieczne staną się zatem systemy i standardy, które pomogą utrzymać przestrzeń cyfrową bezpieczną i zaufaną, a także zapewnią, że użytkownicy będą mogli rozróżniać prawdziwe informacje od tych generowanych przez AI.

Z tego względu, istotne będzie nie tylko opracowanie technicznych standardów, ale również opracowanie regulacji mających na celu ochronę użytkowników przed nadużyciami. Jako przykład można podać inicjatywę StandICT, której celem było opracowanie zaleceń dotyczących standardów związanych z zaufaniem cyfrowym oraz tożsamościami cyfrowymi. W przyszłości będziemy świadkami rosnącej liczby takich inicjatyw, które będą starały się wypracować mechanizmy umożliwiające zrównoważony rozwój technologii sztucznej inteligencji.

Należy zauważyć, że rozwój standardów dla generatywnej sztucznej inteligencji nie będzie procesem błyskawicznym. Z uwagi na ciągłe zmiany w tej dziedzinie, prawdopodobnie przez najbliższe lata będzie się odbywać jedynie wstępne przygotowanie i testowanie standardów, które docelowo mogą zostać rozszerzone. Ponadto, duże organizacje i korporacje technologiczne będą musiały zostać przekonane do współpracy, co może zająć czas.

Jakie nowe inicjatory fotopolimeryzacji są obiecujące dla druku 3D?
Jakie są współczesne wyzwania związane z korozją przemysłową i ich wpływ na rozwój technologii?
Jakie interwencje są skuteczne w zapobieganiu uszkodzeniom nerek u pacjentów krytycznych?
Jak skutecznie zarządzać blokami tekstu w edytorze i wykorzystywać je w celu optymalizacji treści?