როგორ არის რეგულირებული მონაცემთა გამოყენება ხელოვნური ინტელექტის სწავლებისთვის საქართველოში
ხელოვნური ინტელექტის სისტემების სწავლება მოითხოვს უდიდესი მოცულობის ჩანაწერებს, ტექსტებს, სურათებს და სხვა მონაცემებს, რომლებიც ხშირად სხვა ადამიანებზეა შეგროვებული. აქ წარმოიქმნება ფუნდამენტური სამართლებრივი კითხვა: შეიძლება თუ არა ამ მონაცემების გამოყენება მოდელის სასწავლებლად. საქართველოს სამართალში ამ კითხვას პასუხი ზოგადი ნორმებით ეძლევა: „პერსონალურ მონაცემთა დაცვის შესახებ“ საქართველოს კანონი არ შეიცავს ხელოვნური ინტელექტისთვის სპეციალურად მიძღვნილ მუხლს. ეს პირდაპირ უნდა ითქვას: სწავლების მონაცემების გამოყენება წინააღმდეგობაში არ არის კანონთან — ის მარტივად ექვემდებარება იმავე ზოგად რეჟიმს, რომელიც ნებისმიერ სხვა დამუშავებას აწესრიგებს: დამუშავების პრინციპებს, საფუძვლებს, განსაკუთრებული კატეგორიის მონაცემების წესებს და დაპროექტების მოთხოვნებს.
ეს ნიშნავს, რომ სასწავლო მონაცემების შეგროვებისას და მათი მოდელისთვის გამოყენებისას ორგანიზაცია ვალდებულია იმავე კითხვებს უპასუხოს, რომლებიც ნებისმიერ სხვა დამუშავებას ახლავს: რა არის დამუშავების მიზანი, რა საფუძველზე ხდება ის, რამდენად თავსებადია ეს მიზანი მონაცემების შეგროვების თავდაპირველ მიზანთან და რა ზომებით იმცირება რისკი სუბიექტის უფლებებისთვის. ქართული კანონი ევროპულ მიდგომას მიჰყვება, ამიტომ საერთაშორისო პრაქტიკა შედარების ჩარჩოდ რჩება, ხოლო გადამწყვეტი არგუმენტი ყოველთვის ქართული ნორმაა.
შემდგომი დამუშავების თავსებადობის ტესტი
ხელოვნური ინტელექტის სწავლებისთვის მონაცემების გამოყენება თითქმის ყოველთვის შემდგომი დამუშავებაა: მონაცემები ერთი მიზნითაა შეგროვებული და სხვა — სასწავლო — მიზნით გამოიყენება. კანონის მე-4 მუხლის მიხედვით, დაუშვებელია მონაცემთა შემდგომი დამუშავება თავდაპირველ მიზანთან შეუთავსებელი მიზნით. იმისთვის, რომ დადგინდეს თავსებადობა, მე-4 მუხლის მე-2 პუნქტი ექვს ფაქტორს აწესებს, რომლებიც სწავლების პროექტის შეფასების საფუძველია.
პირველი: არსებობს თუ არა შეგროვების თავდაპირველ მიზანსა და სასწავლო მიზანს შორის კავშირი. მეორე: როგორია დამუშავებისთვის პასუხისმგებელ პირსა და მონაცემთა სუბიექტს შორის ურთიერთობის ხასიათი შეგროვების მომენტში. მესამე: აქვს თუ არა სუბიექტს მის შესახებ მონაცემთა ასეთი შემდგომი დამუშავების გონივრული მოლოდინი. მეოთხე: ხორციელდება თუ არა განსაკუთრებული კატეგორიის მონაცემთა დამუშავება. მეხუთე: რომელია სუბიექტისთვის შესაძლო შედეგები, რომლებიც შეიძლება ახლდეს ამ დამუშავებას. მეექვსე: არსებობს თუ არა ტექნიკური და ორგანიზაციული უსაფრთხოების ზომები.
პრაქტიკულად, თუ მომხმარებლისგან მომსახურების მიზნით შეგროვებული მონაცემები მოულოდნელად აღმოჩნდება სასწავლო კორპუსის ნაწილი, გონივრული მოლოდინის ფაქტორი ყველაზე სუსტი რგოლია: სუბიექტი ვერ მოელოდება ასეთ გამოყენებას, და ეს შეუთავსებლობის დასკვნისკენ მიუთითებს. ამიტომ სასწავლო პროექტების დოკუმენტირება ამ ექვსი ფაქტორზე ანალიზით უნდა იწყებოდეს.
დამუშავების საფუძვლები სასწავლო მიზნისთვის
კანონის მე-5 მუხლი აწესრიგებს საფუძვლებს, რომლებზედაც შეიძლება დაეყრდნოს სასწავლო დამუშავება. მონაცემთა სუბიექტის თანხმობა ერთი ან რამდენიმე კონკრეტული მიზნით დამუშავებაზე ყველაზე სანდო საფუძველია, თუ ის თანხმობის მოთხოვნებს აკმაყოფილებს. დამუშავება ასევე დასაშვებია, თუ ის აუცილებელია გარიგებით ნაკისრი ვალდებულების შესასრულებლად ან სუბიექტის მოთხოვნით გარიგების დასადებად; თუ ის გათვალისწინებულია კანონით; თუ საჭიროა კანონმდებლობით დაკისრებული მოვალეობების შესასრულებლად; თუ მონაცემი კანონის თანახმად საჯაროდ ხელმისაწვდომია ან სუბიექტმა ის საჯაროდ ხელმისაწვდომი გახადა; ასევე სასიცოცხლო ინტერესების, მნიშვნელოვანი საჯარო ინტერესის, საჯარო ინტერესის სფეროს ამოცანების, ლეგიტიმური ინტერესებისა და სუბიექტის განცხადების განსახილველად საჭირო შემთხვევებში.
ლეგიტიმური ინტერესების საფუძველი ტექნოლოგიურ პროექტებში ხშირად გამოიყენება, მაგრამ მას აქვს მკაფიო ზღვარი: ის არ მოქმედებს, თუ არსებობს მონაცემთა სუბიექტის, მათ შორის არასრულწლოვანის, უფლებების დაცვის აღმატებული ინტერესი. ამავე მუხლის მე-2 პუნქტი კი პასუხისმგებლობის განაწილებას ადგენს: დამუშავების სამართლებრივი საფუძვლის დასაბუთების ვალდებულება ეკისრება დამუშავებისთვის პასუხისმგებელ პირს. სასწავლო პროექტის დოკუმენტაცია სწორედ ამ დასაბუთების ჩარჩოა.
განსაკუთრებული კატეგორიის მონაცემები სასწავლო კორპუსებში
განსაკუთრებული კატეგორიის მონაცემები — ჯანმრთელობასთან, რწმენასთან, პოლიტიკურ შეხედულებებთან და სხვა მსგავს სფეროებთან დაკავშირებული — განსაკუთრებულ დაცვას საჭიროებს. კანონის მე-6 მუხლის პირველი პუნქტის თანახმად, ასეთი მონაცემების დამუშავება დასაშვებია მხოლოდ იმ შემთხვევაში, თუ დამუშავებისთვის პასუხისმგებელი პირის მიერ უზრუნველყოფილია სუბიექტის უფლებებისა და ინტერესების დაცვის კანონით გათვალისწინებული გარანტიები და არსებობს ერთ-ერთი ჩამოთვლილი საფუძველი. ამ საფუძვლებს შორის პირველია სუბიექტის წერილობითი თანხმობა ერთი ან რამდენიმე კონკრეტული მიზნით.
სასწავლო მიზნებისთვის განსაკუთრებით რელევანტურია საფუძველი, რომელიც შეეხება კანონის შესაბამისად საჯარო ინტერესებისთვის არქივირების, სამეცნიერო ან ისტორიული კვლევის ან სტატისტიკური მიზნებისთვის საჭირო დამუშავებას. ეს საფუძველი მოქმედებს, თუ კანონი ითვალისწინებს სათანადო და კონკრეტული ღონისძიებების განხორციელებას სუბიექტის უფლებებისა და ინტერესების დასაცავად, და ის არ გამოიყენება, თუ სპეციალური კანონით ასეთი მონაცემების დამუშავება დამატებითი პირობებით არის შეზღუდული. ასევე არსებობს საფუძველი ინფორმაციული უსაფრთხოებისა და კიბერუსაფრთხოების უზრუნველსაყოფად. მე-6 მუხლის მე-3 პუნქტი კი იმავე წესს იმეორებს: საფუძვლის დასაბუთება პასუხისმგებელ პირს ეკისრება.
დაპროექტება და მინიმიზაცია სასწავლო სისტემებში
კანონის მე-26 მუხლი ახალი ტექნოლოგიების შემუშავებისას დაცვის ჩაშენებას მოითხოვს, და ხელოვნური ინტელექტის სისტემა ამ მოთხოვნის ერთ-ერთი ყველაზე ნათელი მაგალითია. მისი პირველი პუნქტის თანახმად, ახალი ტექნოლოგიების, განხორციელების ხარჯების, დამუშავების ხასიათის, მასშტაბის, კონტექსტისა და მიზნების, აგრეთვე სუბიექტის უფლებებისთვის მოსალოდნელი რისკების გათვალისწინებით, დამუშავებისთვის პასუხისმგებელმა პირმა, როგორც საშუალებების განსაზღვრისას, ისე თავად პროცესში, უნდა მიიღოს შესაბამისი ტექნიკური და ორგანიზაციული ზომები, მათ შორის ფსევდონიმიზაცია.
მეორე პუნქტი მონაცემთა მეტად დაფარვის პრიორიტეტს აწესრიგებს: მონაცემთა რაოდენობის, დამუშავების მასშტაბის, შენახვის ვადებისა და წვდომის განსაზღვრისას უზრუნველყოფილი უნდა იყოს, რომ ავტომატურად დამუშავდეს მხოლოდ ის მოცულობა, რომელიც აუცილებელია კონკრეტული მიზნისთვის. სასწავლო კორპუსების შემთხვევაში ეს პრაქტიკულად ნიშნავს: მოდელის დავალებიდან გამომდინარე, არასაჭირო ველების, იდენტიფიკატორების და განსაკუთრებული კატეგორიის მონაცემების კორპუსში არ მოხვედრას და ფსევდონიმიზაციის ჩართვას მონაცემების მიმდინარეობის ადრეულ ეტაპზე.
რა უნდა გააკეთოს ორგანიზაციამ სასწავლო პროექტამდე
სწორი მიმდევრობა შემდეგია. პირველი: დოკუმენტირებულია თითოეული მონაცემთა ნაკადის თავდაპირველი შეგროვების მიზანი. მეორე: სასწავლო მიზანი გაანალიზებულია მე-4 მუხლის მე-2 პუნქტის ექვსი ფაქტორით. მესამე: შერჩეულია საფუძველი მე-5 მუხლიდან, ხოლო განსაკუთრებული კატეგორიის მონაცემებისთვის — მე-6 მუხლის შესაბამისი საფუძველი, წერილობითი თანხმობის ჩათვლით. მეოთხე: დაპროექტებულია მინიმიზაცია და ფსევდონიმიზაცია მე-26 მუხლის შესაბამისად. მეხუთე: საფუძვლის დასაბუთება და ანალიზი დოკუმენტირებულია ისე, რომ ორგანიზაციამ შეძლოს მათი წარდგენა შესაბამის მომენტში.
Legal.ge-ს გუნდი დაგეხმარებათ სასწავლო მონაცემების სამართლებრივ შეფასებაში: ნაკადების აღწერიდან და თავსებადობის ანალიზიდან დაწყებული, საფუძვლების შერჩევითა და პროექტული ზომების დოკუმენტირებით დამთავრებული, რათა თქვენი ხელოვნური ინტელექტის პროექტი ეყრდნობოდეს ქართული კანონმდებლობის ზუსტ მოთხოვნებს.