Välkommen till en digital lunch om hur vi arbetar säkert med "AI som minns för mycket"!

Stora språkmodeller (LLMs) kräver enorma mängder data för att bli effektiva, men forskning visar på en kritisk sårbarhet: modellerna tenderar att "komma ihåg" detaljer från sin träning. För företag innebär detta en konkret risk att allt från personnummer till affärshemligheter kan läckas genom så kallade extraktionsattacker.

Denna onsdag bjuder vi in dig till en teknisk session där vi tillsammans med Dr. Thomas Vakili, forskare vid Stockholms universitet, går på djupet i mekanismerna bakom dataläckage. Thomas har genomfört omfattande experiment på klinisk data för att undersöka hur väl AI-modeller kan dölja känslig information.

Vi fokuserar på:

• Memorering vs. Generalisering: Varför modeller minns känslig information och hur vi kan mäta riskerna för dataläckage.
• Tekniska motåtgärder: En genomgång av metoder som pseudonymisering och syntetisering för att skydda integriteten utan att förlora modellens analytiska förmåga.
• Från klinisk data till företagsdata: Hur lärdomar från den strikt reglerade hälso- och sjukvården kan appliceras på strategiska teknikval inom andra sektorer.

Vi ser teknisk expertis som en förutsättning för ansvarsfullt beslutsfattande. Att förstå sårbarheterna i de modeller vi implementerar är grundläggande för att bibehålla det förtroende som våra kunder och användare ger oss.

Anslut digitalt för en timme av teknisk fördjupning och diskussion kring hur vi säkrar integriteten i en värld av generativ AI.

Varmt välkommen!

Eventet riktar sig till dig som är egenföretagare eller beställare av konsulttjänster.