Debatten over AI en publiekelijk beschikbare data beginnen vaak met een fundamentele realiteit: informatie die online publiekelijk beschikbaar is, kan worden hergebruikt en geanalyseerd op schaal of in contexten die de oorspronkelijke uitgever mogelijk niet had voorzien. Het internet bevat enorme hoeveelheden persoonlijke informatie die individuen, organisaties en overheden publiceren voor specifieke doeleinden – professioneel netwerken, maatschappelijke transparantie, onderzoek of communicatie. Naarmate AI-systemen deze informatie op nieuwe manieren analyseren, moeten beleidsmakers overwegen hoe bestaande verwachtingen over openbare informatie van toepassing zijn in het AI-tijdperk, en hoe privacynormen in de loop der tijd kunnen veranderen.
Een groot deel van het openbare internet bevat persoonsgegevens (PII) – gegevens die een specifiek individu kunnen identificeren. Sociale mediaprofielen kunnen iemands leeftijd, werkgever of woonplaats onthullen. Professionele websites vermelden vaak werkervaring en opleidingsachtergrond. Overheidsdocumenten kunnen informatie bevatten over eigendom, campagnedonaties of bedrijfsregistraties. Omdat deze informatie op openbaar toegankelijke webpagina’s verschijnt, hebben zoekmachines deze al lange tijd gecrawld en geïndexeerd om gebruikers te helpen relevante informatie online te vinden.
AI verandert de schaal en de manier waarop systemen deze informatie kunnen verwerken. Traditionele zoekmachines leiden gebruikers naar bestaande webpagina’s, terwijl AI-systemen grote verzamelingen documenten kunnen analyseren en samenvattingen of antwoorden kunnen genereren die informatie uit meerdere bronnen synthetiseren. Deze mogelijkheid kan de productiviteit en het onderzoek verbeteren, maar roept ook vragen op over hoe gemakkelijk persoonlijke informatie kan worden verzameld of aan het licht kan komen via geautomatiseerde systemen.
Sommige waarnemers wijzen ook op de persistentie van digitale informatie. Menselijke interacties omvatten van oudsher veel vluchtige momenten – informele gesprekken, tijdelijke gegevens of vluchtige communicatie – waarvan de meeste in de loop der tijd vervaagden. Het internet heeft deze dynamiek veranderd door duurzame digitale archieven te creëren. Soortgelijke zorgen rezen al toen eerdere technologieën zich wijdverspreidden, zoals fotografie, opgenomen media en online zoekmachines.<sup>3</sup> In elk geval paste de samenleving zich aan technologieën aan die informatie bewaarden of het gemakkelijker maakten om deze terug te vinden.
AI roept verwante vragen op in een nieuwe technische context. Wanneer ontwikkelaars modellen trainen, verwerken ze patronen uit grote datasets in miljarden of triljoenen interne parameters, bekend als modelgewichten. Omdat deze systemen statistische verbanden leren in plaats van documenten direct op te slaan, kan het lastig zijn om de invloed van specifieke informatie na de training te verwijderen. Onderzoekers blijven technische benaderingen zoals datasetfiltering, modelbewerking en verbeterde trainingsmethoden onderzoeken om deze uitdagingen aan te pakken.
Ten slotte omvatten discussies over openbaar beschikbare data en AI vaak bredere maatschappelijke overwegingen. Grootschalige geautomatiseerde analyses kunnen patronen of verbanden aan het licht brengen die handmatig moeilijk te identificeren zouden zijn. In veel contexten levert deze mogelijkheid duidelijke voordelen op – bijvoorbeeld door onderzoekers te helpen bij de analyse van wetenschappelijke literatuur of door journalisten in staat te stellen grote datasets met openbare documenten te onderzoeken. Tegelijkertijd roept het vragen op over hoe innovatie in evenwicht te brengen is met redelijke verwachtingen over hoe persoonlijke informatie die online wordt gepubliceerd, hergebruikt kan worden.
Deze spanningen zijn niet nieuw, maar AI brengt ze scherper in beeld. Bij het evalueren van de rol van openbaar beschikbare data in de ontwikkeling van AI, moeten beleidsmakers eerst bekijken hoe bestaande juridische en regelgevende kaders van toepassing zijn op het verzamelen en gebruiken van openbaar toegankelijke informatie, en hoe zowel individuele belangen als het publieke belang bij technologische vooruitgang worden behartigd.