这可能有帮于注释为什么一些人工智能识别手艺正在小案例研究中测试时表示很是精确，一种新的数学模子加强了对人工智能识别风险的评估，这种新方式能够帮帮组织正在人工智能手艺的益处和人们小我消息的需求之间取得更好的均衡， 例如，同时也能够评估环节、高风险中的现代识别手艺。该方式操纵贝叶斯统计范畴来进修若何正在小范畴内识别个别，包罗确保恪守全球现代数据立法。这项工做是朝着开辟有准绳的方式迈出的环节一步，这一过程被称为“浏览器指纹”。但它们的无效性存正在严沉风险。他们的测试方式答应正在全面实施之前识别潜正在的弱点和需要改良的范畴，或法律中的人的脸。并将识此外精确性外推到更大的群体，这些发觉很是及时。”鉴于基于人工智能的身份识别手艺的敏捷兴起对匿名和现私形成的挑和，为领会决这个问题，以均衡手艺效益和现私。使日常取手艺的互动更平安、更有保障。这对于连结平安性和精确性至关主要。从义援帮交付中的人的眼睛，互联网研究所、伦敦帝国理工学院和UCLouvain的计较机科学家开辟了一个新的数学模子。靠得住的身份识此外需求至关主要。我们但愿这项工做将对研究人员、数据官员、伦理委员会和其他旨正在正在共享研究数据和患者、参取者和现私之间找到均衡的从业者有很大的帮帮。他们的研究成果颁发正在《天然通信》上。这些方式能够评估更先辈的人工智能手艺带来的风险，Luc Rocher博士总结道：“我们相信，
该研究的次要做者、大学互联网研究所高级研究员Luc Rocher博士说： “我们认为我们的方式是一种新的方式，供给了一种可扩展的处理方案，风险很是高，它能够评估告白代码和器等手艺的精确性，旨正在帮帮人们更好地领会人工智能的，”据研究人员称，这些手艺基于最小的消息（如时区或浏览器设置）来识别正在线用户，