Privacy and data protection regulations for AI using publicly available data: Clearview AI case
Notice bibliographique
Résumé
Data are pivotal resources in artificial intelligence (AI) research and development. Acquiring enormous quantities of high-quality data is essential for improving AI performance. However, obtaining such data poses significant challenges, including high costs and accessibility barriers. A critical question arises: does using publicly available data from the Internet lead to violations of privacy and/or data protection laws? This paper examines privacy rights and data protection laws concerning the use of publicly accessible online data in AI research across the United States, Canada, Europe, and Australia. Focusing on recent controversies, particularly the Clearview AI case, it compares the legal and regulatory frameworks in these jurisdictions. The analysis highlights how digital governance in privacy and data protection must evolve in response to the growing demand for publicly available data in AI development. The central finding of this paper is that significant privacy and data protection risks and debates arise when publicly available data are used without adequate consent or legitimate purposes. The enforcement of these legal principles varies across countries, with substantial dependency on specific circumstances. The Clearview AI case, in particular, has exposed several ironies and unresolved issues surrounding data protection, privacy rights, and enforcement practices. These include disputes over the extraterritorial application of laws, inconsistent and impracticable legal enforcement, and settlements reached without judicial rulings. To foster a fair and trustworthy environment for AI development, compliance with privacy and data protection laws is critical. Achieving this requires more consistent, practical, and cooperative legal frameworks across nations to ensure safe and practical protection of personal data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,067 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,034 |
| Communication savante | 0,016 | 0,017 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,012 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».