Гайд по FRIA от Датского института прав человека

Напомню, что Fundamental Rights Impact Assessment (FRIA) помогает выявлять и снижать риски нарушения прав человека при использовании ИИ в продуктах и сервисах.
Подробный пост был здесь.

👀 Гайд включает в себя:
▪️Критерии для содержательной оценки FRIA;
▪️Пошаговое руководство, структурированное в 5 отдельных этапов.
▪️Планирование и определение масштаба проекта;
▪️Оценка и смягчение негативных последствий для основных прав человека.
▪️Решение о развертывании и публичная отчетность;
▪️Мониторинг и анализ.
И самое главное, шаблон в виде Excel таблицы.

📌 Чем отличаются инструменты оценки воздействия AIIA, FRIA и DPIA

#LawAndDisorder #AIShelf
————
@pattern_ai

Нью‑Йорк заставляет раскрывать персонализированные цены, установленные алгоритмами

С ноября 2025 года компании в Нью‑Йорке обязаны сообщать ( Law 349-A) , когда цена товара или услуги формируется алгоритмом на основе личных данных потребителя. Точная фраза на сайте или в приложении:

“THIS PRICE WAS SET BY AN ALGORITHM USING YOUR PERSONAL DATA.”

Речь идёт о динамическом ценообразовании: алгоритм учитывает историю покупок, устройство (Android vs iOS) или другие данные. Даже «оптимизация CX» может превратиться в скрытую дискриминацию, если, например, устройство становится косвенным индикатором дохода.

С точки зрения AI assurance (проверки и контроля ИИ на этичность, безопасность и законность) важно убедиться, что:
▪️ личные данные используются корректно;
▪️логика алгоритма объяснима;
▪️уведомление показывается каждый раз.

Пример: персонализация не должна «наказывать» лояльных клиентов или тех, кто менее чувствителен к цене.
Штрафы до $1,000 за нарушение.

Нью‑Йорк стал одной из первых юрисдикций, вводящих такие требования, и на фоне роста интереса регуляторов к алгоритмическим системам это важно помнить при расширении проектов.

📌 Подборка изменений:
Законы в США, регулирующие ИИ-компаньонов
ИИ в рекламе: новые законы Нью-Йорка


#LawAndDisorder
————
@pattern_ai

Можно ли обучать ИИ на чужих работах? Ответ немецкого суда

10 декабря 2025 года Высший земельный суд Гамбурга (OLG Hamburg, 5 U 104/24) вынес по делу Robert Kneschke v. LAION e.V первое в Германии апелляционное решение о применении исключений для интеллектуального анализа текста и данных (TDM) при обучении ИИ.

Фотограф Роберт Кнешке оспаривал включение его работ в датасет LAION 5B, использовавшийся для обучения моделей вроде Stable Diffusion. Суд подтвердил решение первой инстанции: деятельность LAION подпадает под исключения §§44b и 60d UrhG. Заявленный автором запрет на TDM был признан недействительным, поскольку не был выражен в машиночитаемой форме.

Позиция суда:
▪️ загрузка, анализ и валидация изображений для проверки image-text-пар относятся к TDM;
▪️ такие действия охватывают и этапы, предшествующие обучению модели;
▪️ исключение для научных исследований (§60d UrhG) применяется к некоммерческой исследовательской деятельности, включая создание открытых датасетов;
▪️ внутреннее использование данных не нарушает обычную коммерческую эксплуатацию произведений.

Что защищено от претензий о нарушении авторского права:
▪️ временное воспроизведение работ для автоматизированного анализа (например, сопоставление изображения и текста, фильтрация, проверка);
▪️фильтрация, проверка и подготовка датасетов для обучения ИИ;
▪️ создание и хранение датасетов в исследовательских целях;
▪️ иные внутренние технические операции без публикации контента.

Что не защищено:
▪️ публикация или распространение самих охраняемых произведений;
▪️ использование данных за пределами TDM;
▪️ результаты ИИ, воспроизводящие конкретные охраняемые работы;
▪️ интеллектуальный анализ данных при наличии действующего машиночитаемого запрета со стороны правообладателя.

Суд подчеркнул: исключения для TDM не создают общего разрешения на использование чужих работ. Они защищают только строго определённые технические стадии обучения ИИ. Дальнейшая кассация в BGH допущена, а значит спор о границах TDM в Европе продолжается.

Для правообладателей:
▪️Внедрите машиночитаемые формы отказа от участия (robots.txt, протокол резервирования TDM, метаданные).
▪️Документируйте развертывание системы с возможностью отказа от участия и храните подтверждающие документы в течение соответствующего периода времени.
▪️Постарайтесь включить в соглашения с агентствами и платформами положения, обеспечивающие соблюдение технических требований.

Для разработчиков ИИ и исследовательских организаций:
▪️Обеспечьте соблюдение обязательств по выявлению угроз с возможностью отказа от участия (ст. 53 AI Act).
▪️Поддерживайте прозрачность в отношении некоммерческого назначения, чтобы не потерять защиту, предоставляемую разделом 60d.
▪️Документируйте исследовательскую деятельность и публикуйте результаты проверки для повышения научной ценности работы.

📌 Требования защиты авторских прав для поставщиков и развертывателей по EU AI Act;

Как владельцам контента в ЕС отказаться от использования их данных для обучения ИИ?

Проект Code of Practice по прозрачности AI-контента

#LawAndDisorder
————
@pattern_ai

Канада запустила бета‑версию реестра ИИ

Федеральное правительство Канады опубликовало первую бета‑версию AI Register - публичного реестра ИИ‑систем, используемых в государственных структурах. Реестр доступен на портале открытых данных и показывает, какие инструменты с ИИ применяются в различных департаментах, для чего они созданы, кто их использует и откуда они взяты.

Пока это минимально жизнеспособный продукт (MVP) с базовой информацией. В реестр включено более 400 систем, от исследований и прототипов до полностью развёрнутых инструментов, включая данные о том, используются ли персональные данные и получают ли пользователи уведомления об ИИ.
Планируется, что реестр поможет анализировать, какие системы требуют оценки воздействия, где нужны механизмы контроля и как избежать скрытых проблем и тем самым способствовать прозрачности и созданию основу для AI governance в государственном секторе.

📌 Каталог Tools & Metrics for Trustworthy AI от OECD;
Список трекеров ИИ здесь.


#AIShelf
————
@pattern_ai

В Китае запустили первый в стране AI-суд по трудовым спорам

Как пример внедрения, в Шэньчжэне официально запустили интеллектуальную вспомогательную систему обработки дел в рамках арбитража трудовых споров ( 111 типов трудовых споров на всех этапах процесса от подачи жалобы до вынесения решения).

👀 Система интегрирует ИИ в ключевые этапы арбитражного разбирательства, используя комбинацию знаний, стандартов и логики судебного процесса, что позволяет повысить эффективность и снизить ручной труд:
▪️Автоматическая предварительная экспертиза заявлений анализирует запросы по 11 критериям и формирует рекомендации по допуску к рассмотрению.
▪️Умная медиция выявляет ключевые спорные моменты, подбирает релевантные нормы и аналогичные дела, оценивает планируемые соглашения на соответствие правовым требованиям.
▪️Автоматизированный анализ материалов дела структурирует суть споров, ключевые факты и генерирует обзорные выводы, повышая скорость обзора материалов до +50 %.
▪️Помощь в судебном разбирательстве формирует план слушания, напоминает по ключевым вопросам и предлагает дополнительные вопросы для уточнения фактов.
▪️Генерация решений помогает формировать окончательные решения и сокращает время подготовки документации практически вдвое.
▪️Сравнительный анализ осуществляет глубокую сверку арбитражных решений и судебных вердиктов по фактам, применимым нормам и итоговым последствиям, выявляя закономерности и различия.

Эффекты от внедрения:
▪️Время подготовки уменьшилось приблизительно на 50 %.
▪️Эффективность обзора материалов дела выросла примерно на 50 %.
▪️Общий цикл арбитража стал заметно короче.
#AIShelf
————
@pattern_ai

Курсы от Google по AI

1️⃣ Introduction to Generative AI. Что такое генеративный ИИ и как он работает, как создавать простые приложения ИИ с помощью инструментов Google.
2️⃣Introduction to Large Language Models. Узнаете, где используются большие языковые модели, почему они важны и как их можно улучшить, без сложных технических терминов.
3️⃣Introduction to Responsible AI. Как создавать ИИ этично, 7 основных принципов Google для создания справедливых, безопасных и ответственных систем ИИ.
4️⃣Prompt Design in Vertex AI. Как писать более качественные подсказки для получения лучших результатов от ИИ, создание текста и изображений с помощью инструментов ИИ Google, практические упражнения.
5️⃣Introduction to Image Generation. Как ИИ создает изображения с нуля.
6️⃣Encoder-Decoder Architecture. Как ИИ переводит языки, резюмирует контент и генерирует текст.
7️⃣Attention Mechanism. Как ИИ учится фокусироваться на важной информации в тексте и изображениях.
8️⃣Transformer Models and BERT Model. Модели, которые изменили современный ИИ.
9️⃣Create Image Captioning Models. Создание моделей для создания подписей к изображениям.
1️⃣0️⃣Introduction to Vertex AI Studio. Демонстрации, показывающие, как идеи превращаются в работающие инструменты ИИ.
#AIShelf
————
@pattern_ai

Курсы от Hugging Face
1️⃣ AI Agents -курс по проектированию автономных ИИ-агентов: планирование, инструменты, память, взаимодействие с внешними средами и API
2️⃣LLM Course - как устроены большие языковые модели: токенизация, архитектура Transformer, обучение, экосистема библиотек Hugging Face.
3️⃣ Smol-course - сжатый и практичный курс для тех, у кого мало времени: быстрая ориентация в fine-tuning, адаптации моделей и работе с небольшими LLM.
4️⃣ MCP Course - создан совместно с Anthropic. Посвящён подключению LLM к внешним данным, инструментам и контекстам через MCP — ключевая тема для enterprise- и agent-решений.
5️⃣Deep RL - полный курс по обучению с подкреплением: от базовых алгоритмов до deep RL. То, на чём обучаются роботы, игровые агенты и исследовательские модели (включая подходы уровня OpenAI).
6️⃣ ML для игр - практика применения ML и RL в геймдеве: интеллектуальные NPC, адаптивное поведение, симуляции и обучение агентов в игровых средах.
7️⃣ Robotics - курс на стыке классической робототехники и нейросетей: управление, восприятие, обучение агентов и интеграция ML-моделей в физические системы.
8️⃣ Computer Vision- всё про зрение для ИИ: классификация, детекция, сегментация, multimodal-подходы и работа с изображениями в экосистеме Transformers.
9️⃣ Audio Course-работа со звуком и речью: ASR, TTS, аудиоклассификация и speech-модели на базе Transformers.
1️⃣🔤 Diffusion Course - подробный гайд по диффузионным моделям: генерация изображений, кастомизация, fine-tuning и практическая работа с библиотекой Diffusers.
1️⃣1️⃣Open-Source AI Cookbook - отдельно стоящая «тяжёлая артиллерия»: сборник готовых рецептов, архитектурных паттернов и кода для решения прикладных ИИ-задач.
#AIShelf
————
@pattern_ai