Натренированные модели как защита от privacy-регулирования

Facebook может позволить себе усилить защиту приватности и сократить сбор данных, потому что их поведенческие модели машинного обучения уже обучены на огромных массивах данных. Качество этих моделей достаточно высокое, чтобы продолжать эффективно работать долгие годы без дополнительного сбора персональных данных. Это дает компании стратегическое преимущество в условиях растущих требований к приватности.

Связи

• 20240911_0986 Объем данных как конкурентное преимущество в ML — Оба о том, как накопленный массив данных создаёт долгосрочное преимущество
• 20190614_0505 Платформенная ловушка для брендов — Другой пример использования Facebook своего преимущества для изменения правил игры
• 20200703_0949 Privacy как оружие посредников против прямых контактов — Оба показывают использование privacy-аргументов для укрепления рыночной позиции платформы
• 20190830_0525 Регулирование privacy может стимулировать обратный выкуп данных — Оба раскрывают стратегическую ценность владения данными при усилении privacy-регулирования

---

Источник: Telegram, 2019-05-14