Четыре вопроса, на которые дол... Заметка

Четыре вопроса, на которые должен отвечать каждый инструмент (даже Figma) об использовании моделей обучения ИИ

Иск по делу Figma касается решений о настройках по умолчанию, а не нарушения авторских прав. В нем утверждается, что Figma по умолчанию разрешила обучение моделей на файлах дизайна клиентов, что противоречит предыдущим обещаниям. Хотя судебное дело еще не решено, Figma оспаривает обвинения и утверждает, что ее обучение сосредоточено на общих закономерностях, а не на контенте клиентов. Основная проблема заключается в том, что было принято решение относительно настроек "включения" или "исключения", которые различались в зависимости от уровня плана. Дизайнеры, как пользователи, понимают, что настройки по умолчанию устанавливаются для них, а компании, подобные Figma, занимающие влиятельные позиции, должны придерживаться более высоких стандартов. Эта модель, когда компании тихо меняют условия, чтобы включить пользовательские данные в обучение ИИ, с механизмами отказа, которые затруднены или требуют конкретных, неочевидных действий, повторялась в Zoom, Slack и Adobe. Эти компании часто сталкиваются с негативной реакцией, выпускают разъяснения и иногда отменяют свои решения, подчеркивая, что доверие строится на проверяемых настройках по умолчанию, а не только на заявленном поведении. Ситуация с Figma уникальна, поскольку ее многоуровневые настройки по умолчанию были четко объявлены и защищены, без отмены. "Тест на нюх" с четырьмя вопросами — согласие, симметрия, раскрытие информации и выход — может оценить подход инструмента. Согласие проверяется тем, была ли настройка по умолчанию отключена при поступлении. Симметрия исследует, применяются ли настройки по умолчанию одинаково или разделяются в зависимости от уровней оплаты, что может выявить предвзятость в отношении того, кто защищен. Раскрытие информации оценивает, обнаружит ли дизайнер, выполняющий свою работу, настройки без внешнего уведомления. Истец по иску утверждает о расхождении между заверениями Figma и ее фактической практикой в отношении пользовательских данных для обучения ИИ.
CdXz5zHNQW_TggEHbVp7J.png