استخراج داده‌های شخصی از دیدگاه کاربران تبلیغات توسط هوش مصنوعی

یک مطالعه تازه نشان داده است که هوش مصنوعی می‌تواند بیاموزد که داده‌های شخصی را از دیدگاه کاربران تبلیغات استخراج کند.

به گزارش سیناپرس، مطالعه‌ای که توسط مرکز علوم اجتماعی ARC در دانشگاه نیو ساوت ولز در سیدنی انجام شده است نشان داده است که هوش مصنوعی قادر به بازسازی داده‌های شخصی در مورد یک فرد است. این امر به سادگی با تجزیه و تحلیل تبلیغاتی که آنها به صورت آنلاین مشاهده می‌کنند، حاصل می‌شود.

پیش از این، الگوریتم‌ها پروفایل‌های مشابهی ایجاد می‌کردند، اما آنها عمدتاً بر ویژگی‌های واضح و مدل‌های آماری با تعداد محدودی پارامتر، مانند سابقه جست‌و‌جو، کلیک‌ها یا داده‌های جمعیتی از پیش طبقه‌بندی شده توسط انسان‌ها، متکی بودند.

در مورد مدل‌های مدرن هوش مصنوعی، تجزیه و تحلیل ساده‌تر و عمیق‌تر است. این سیستم می‌تواند بدون نیاز به نشانه‌های صریح یا توضیحات معیار‌های مورد استفاده، ارتباطات ظریفی را از محتوای ناهمگن، مانند مجموعه‌ای از تبلیغات، استخراج کند. این امر باعث می‌شود که فرآیند کمتر قابل کنترل باشد و درک نتیجه‌گیری‌های سیستم و دقت آنها در مورد فرد دشوار باشد.

تبلیغات: منبع پنهان داده‌ها

محققان بیش از ۴۳۵۰۰۰ تبلیغ متنی در پلتفرم‌های رسانه‌های اجتماعی و همچنین رفتار ۸۹۱ کاربر را در پروژه رصدخانه تبلیغات استرالیا مطالعه کردند. نتیجه غیرمنتظره بود: حتی بدون دسترسی به سابقه مرور یا داده‌های شخصی، گرایش‌های سیاسی، سطح تحصیلات و وضعیت شغلی یک فرد را می‌توان با دقت بالایی استنباط کرد.

اساساً، خود تبلیغات، به معنای دقیق کلمه، یک رد اطلاعاتی را تشکیل می‌دهند که می‌توان با استفاده از مدل‌های زبان بزرگ آن را “خواند”.

نحوه کار این روش

محققان از مدل‌های زبان بزرگ مدرن استفاده کردند و دریافتند که آنها قادر به موارد زیر هستند:

• بازیابی ویژگی‌های شخصی بدون نیاز به سابقه مرور.
• ساخت پروفایل یک فرد بر اساس قطعات کوتاه تبلیغات.
• کار با دقت و ثبات بیشتر از انسان‌ها در یک کار مشابه.
• انجام کار ۵۰ برابر سریع‌تر و بیش از ۲۰۰ برابر ارزان‌تر.

همچنین مشخص شد که نظارت طولانی مدت بر کاربر ضروری نیست؛ جلسات مرور کوتاه کافی است.

آنچه محققان می‌گویند

در گزارشی که در کنفرانس وب ACM ۲۰۲۶ ارائه شد، که سالانه متخصصان برجسته در فناوری‌های وب، تجزیه و تحلیل کلان‌داده و سیستم‌های هوش مصنوعی را گرد هم می‌آورد، محققان اظهار داشتند که “نتایج ما نشان می‌دهد که مدل‌های زبانی بزرگ آماده می‌توانند ویژگی‌های پیچیده کاربر را به طور دقیق بازیابی کنند. “

شایان ذکر است که ایجاد داده‌های پروفایل که تصمیم‌گیری آگاهانه را ممکن می‌سازد، اکنون حتی در دوره‌های کوتاه نظارت نیز امکان‌پذیر است، که نشان می‌دهد ردیابی طولانی مدت پیش‌نیاز استخراج موفقیت‌آمیز این داده‌ها نیست.

هوش مصنوعی اکنون می‌تواند موارد زیر را به سادگی با تجزیه و تحلیل تبلیغات نمایش داده شده استنباط کند:

• ترجیحات سیاسی
• گرایش‌های ایدئولوژیک بالقوه.
• سطح تحصیلات.
• وضعیت اشتغال (شاغل/بیکار/نوع کار).
• جنسیت، سن، قومیت.
• وضعیت اجتماعی-اقتصادی عمومی.
• شاخص‌های غیرمستقیم سطح درآمد یا مرحله زندگی.

به گفته نویسنده اصلی، بایو چن، سیستم‌های تبلیغاتی ذاتاً تصادفی نیستند. او اظهار داشت: «نکته کلیدی این است که تبلیغاتی که کاربر می‌بیند تصادفی نیستند.

به نقل از خبرنگاران جوان، الگوی کلی تبلیغات ممکن است حاوی سرنخ‌هایی در مورد ویژگی‌هایی مانند جنسیت، سن، تحصیلات، وضعیت اشتغال، ترجیحات سیاسی و وضعیت اجتماعی-اقتصادی گسترده‌تر باشد.

تحقیقات ما نشان داده است که هوش مصنوعی می‌تواند این الگو‌ها را تجزیه و تحلیل کند و صرفاً بر اساس تبلیغات، در مورد ویژگی‌های شخصی نتیجه‌گیری کند.»