A Happy New Year 2016
•
0 likes•859 views
おけましておめでとうございます。今年もよろしくお願いいたします。
Report
Share
Report
Share
Download to read offline
Recommended
データ利用における個人情報の保護
2015年3月13日に開催されたJIPDEC主催のID連携トラストフレームワーク・シンポジウムの講演で使ったスライドです。講演では39枚目までで時間切れになってしまい、VRMやPdBとトラストフレームワークの関係をお話できなくて残念でした。ただし、この部分は客観的な教科書的な内容です。興味がある方はお読みいただければありがたいです。
2014人工知能学会大会および情報処理学会EIP研究会発表資料
2014人工知能学会大会および情報処理学会EIP研究会で発表した内容を統合してちょい足ししたもの。
実は「匿名化したデータ消してもらえるの？」の改訂版です。
重要な改訂ポイントは、パーソナルデータのデータベースの特定の個人データが格納されているかどうかが知られているかどうかというこれまで見過ごされてきた感がある部分の分析です。とくに、格納の有無が（１）完全に知られない場合、（２）確率的に知られる場合、(3)確定的に知られる場合、の場合分けとそれらの場合の分析です。
k-匿名化が誘発する濡れ衣：解決編
以前にアップロードした「k-匿名化と濡れ衣」で示した問題の解決編です。 内容は以下のようになります。
k-匿名化
テーブル形式のデータのk-匿名化
位置情報のk-匿名化
k-匿名化が誘発する濡れ衣
匿名化領域を工夫して濡れ衣を起こりにくくする方法
実験結果
Privacy Protectin Models and Defamation caused by k-anonymity
Introduction of Privacy Protection Mathematical Models are the topics of this slide. The Models explained are 1) Private Information Retrieval , 2) IR with Homomorphic Encryption, 3) k-anonymity, 4) l-diversity, and finally 5) Defamation caused by k-Anonymity
匿名加工情報を使えないものか？(改訂版）
改正された個人情報保護法で導入された匿名加工情報は、個人データの利活用を狙っている仕組みです。しかし、いろいろ制約が多く使いにくいという評判です。せっかくできた概念だし、次の改正までの５年間くらいはお付き合いしなければならないものなので、使える方法をなんとか工夫できないものだろうかと考えてみました。（情報ネットワーク法学会研究大会の議論を経て改訂しました）
未出現事象の出現確率
事象の存在は知られているが、観測データの中に出現しない事象が別の観測データを得たとき何回出現するかという期待値の計算は重要である。特に言語の場合、語彙＝事象 となるので、語彙数が10万～100万と膨大なので相当数のテキストを集めての出現しないことが多い。そこで、実際得られた観測データ集合の各語彙の出現回数を用いて、未出現の語彙の出現回数の期待値を計算する方法について述べる。このためにはいろいろな方法があるが、古典的なGood-Turingの推定、および自然言語処理で用いられる各種のスムージング手法について説明する。
数式を使わないプライバシー保護技術
数式を使わずにプライバシー保護の数理モデルと技術を説明するという難題に挑戦してみました。
プライバシー保護入門という本を書きました。平易に書いたつもりだったのですが、後半の章には数式が出ており、数理的なことが苦手な方や、文系の方には、とりつきにくい内容になっていたようです。
そこで、プライバシー保護技術の数理モデルを数式を使わずに直感的に理解できるスライドを作ろうと思い立って、まとめたスライドです。法律、制度に関係する仕事をされている方にもエッセンスを理解していただけるとありがたいです。
Privacy Protection Technologies: Introductory Overview
In order to protect privacy, many technologies are used for various purposes. This slide is an introductory overview of these technologies for each purpose, including private information retrieval, secure computation, pseudonymization, anonymization and differential privacy.
Recommended
データ利用における個人情報の保護
2015年3月13日に開催されたJIPDEC主催のID連携トラストフレームワーク・シンポジウムの講演で使ったスライドです。講演では39枚目までで時間切れになってしまい、VRMやPdBとトラストフレームワークの関係をお話できなくて残念でした。ただし、この部分は客観的な教科書的な内容です。興味がある方はお読みいただければありがたいです。
2014人工知能学会大会および情報処理学会EIP研究会発表資料
2014人工知能学会大会および情報処理学会EIP研究会で発表した内容を統合してちょい足ししたもの。
実は「匿名化したデータ消してもらえるの？」の改訂版です。
重要な改訂ポイントは、パーソナルデータのデータベースの特定の個人データが格納されているかどうかが知られているかどうかというこれまで見過ごされてきた感がある部分の分析です。とくに、格納の有無が（１）完全に知られない場合、（２）確率的に知られる場合、(3)確定的に知られる場合、の場合分けとそれらの場合の分析です。
k-匿名化が誘発する濡れ衣：解決編
以前にアップロードした「k-匿名化と濡れ衣」で示した問題の解決編です。 内容は以下のようになります。
k-匿名化
テーブル形式のデータのk-匿名化
位置情報のk-匿名化
k-匿名化が誘発する濡れ衣
匿名化領域を工夫して濡れ衣を起こりにくくする方法
実験結果
Privacy Protectin Models and Defamation caused by k-anonymity
Introduction of Privacy Protection Mathematical Models are the topics of this slide. The Models explained are 1) Private Information Retrieval , 2) IR with Homomorphic Encryption, 3) k-anonymity, 4) l-diversity, and finally 5) Defamation caused by k-Anonymity
匿名加工情報を使えないものか？(改訂版）
改正された個人情報保護法で導入された匿名加工情報は、個人データの利活用を狙っている仕組みです。しかし、いろいろ制約が多く使いにくいという評判です。せっかくできた概念だし、次の改正までの５年間くらいはお付き合いしなければならないものなので、使える方法をなんとか工夫できないものだろうかと考えてみました。（情報ネットワーク法学会研究大会の議論を経て改訂しました）
未出現事象の出現確率
事象の存在は知られているが、観測データの中に出現しない事象が別の観測データを得たとき何回出現するかという期待値の計算は重要である。特に言語の場合、語彙＝事象 となるので、語彙数が10万～100万と膨大なので相当数のテキストを集めての出現しないことが多い。そこで、実際得られた観測データ集合の各語彙の出現回数を用いて、未出現の語彙の出現回数の期待値を計算する方法について述べる。このためにはいろいろな方法があるが、古典的なGood-Turingの推定、および自然言語処理で用いられる各種のスムージング手法について説明する。
数式を使わないプライバシー保護技術
数式を使わずにプライバシー保護の数理モデルと技術を説明するという難題に挑戦してみました。
プライバシー保護入門という本を書きました。平易に書いたつもりだったのですが、後半の章には数式が出ており、数理的なことが苦手な方や、文系の方には、とりつきにくい内容になっていたようです。
そこで、プライバシー保護技術の数理モデルを数式を使わずに直感的に理解できるスライドを作ろうと思い立って、まとめたスライドです。法律、制度に関係する仕事をされている方にもエッセンスを理解していただけるとありがたいです。
Privacy Protection Technologies: Introductory Overview
In order to protect privacy, many technologies are used for various purposes. This slide is an introductory overview of these technologies for each purpose, including private information retrieval, secure computation, pseudonymization, anonymization and differential privacy.
Boundary Between Pseudonymity and Anonymity
Japanese Personal Information Protection Act (PIPA) was passed the diet in Sep.2015. De-identified Information is introduced. It is the data anonymized enough not to de-anonymized easily. It is permitted to freely use without the consent of data subject. Notice that pseudonymized is not regarded as De-identified Information. Boarder line between pseudonymized and anonymized is a critical issue. I discuss this topic in this slide.
Problems in Technology to Use Anonymized Personal Data
Privacy is a big issue these days. Legally, EU data protection directive will be revised, Google was defeated in EU court and forced to erase data link uopn user's request.
However, we are facing various technical problems to be solved even if limiting to anonyumisation or k-anonymity. In this slide, we describe three of these problmes.
時系列パーソナル・データの プライバシー
個人の購買履歴や行動履歴のような時系列データのプライバシーの保護の方向性と技術について説明している。従来焦点を当ててきたK-匿名化は時系列データには不適切で、むしろ仮名化、仮名変更、データ分割、シャッフル、サンプリングなど多様は技術を考慮すべき。
また、データベースにおける自己データの存在否定可能性(Plausible Deniability)を視野に入れるべきであることを主張。
（
差分プライベート最小二乗密度比推定
２０１６年６月６日に人工知能学会大会で発表する予定です。個人情報を含むデータベースからデータマイニングするときプライバシー漏洩の危険があるので、それを防ぐ方法です。構造が同じの別のデータベースをもってきて、これが元のデータベースと類似の性質を持つように重み付けを学習します（最小二乗密度比推定：杉山先生のチームが提案したものです）。その上で重み付け関数を基底関数の線形和で表わし、その関数あるいは線形和に重みに差分プライバシーで雑音加算します。この結果にＳＶＭを適用して分類器を作ったところ、ＵＣＩAdultデータベースで差分プライバシーを適用しない場合と遜色ない正解率を得ることができました。
プライバシー保護のためのサンプリング、k-匿名化、そして差分プライバシー
データベース中の個人情報、プライバシー保護のために使うサンプリングやk-匿名化は分かったけど、 差分プライバシーはどうも難しくて分からんと思っているみなさん、 なんとかこれらをまとめてつないで説明しようとする話です。この元論文は2012年ですが、実は差分プライバシーが提案された2006年に、元データベースからサンプリングされたデータベースのプライバシー保護能力を評価する方法がすでに提案されています。後半では、この評価についても記載しています。事情により、分かり易く書き直した最新版はこちらです。http://www.r.dl.itc.u-tokyo.ac.jp/~nakagawa/Privacy/Samplimg-K-anon-DP.pdf
シンギュラリティ以後
2045年にシンギュラリティが本当に起こってしまったら、いったいどういう世界が訪れるのか？シンギュラリティ時に人間からの移行して出現するポスト・ヒューマンの能力、人間との関係などは想像が難しく、ほとんどＳＦホラーだが、あえてマジメに考えてみました。
シンギュラリティ以前
カーツワイルは人工知能が人間の能力を追い抜き、その後は差が開くばかりになるというシンギュラリティが起こるのが2045年と予測しています。しかし、それ以前でも人工知能の能力の増大は続き、様々な問題が生じることが予測されています。ここでは、シンギュラリティが起こる前の世界において予想される問題、解決の方向性や可能性についてまとめてみました。
プライバシー保護の法制と技術課題（2014年時点）
2014年はプライバシー保護の法制においてはEUの個人データ保護規則のEU議会可決、日本では個人情報保護法改正への大綱の決定などいろいろな動きがありました。一方、ビズネスの世界でも個人情報やプライバシーを巡って、Googleを相手取った訴訟と裁判結果によるリンク削除要請が出される、あるいはベネッセから大量の個人情報が名簿屋に流出するなどいろいろな出来事がありました。個人情報やプライバシーを巡る法制度については法律家の方からいろいろな情報が発信されています。ここでは、法律的な視点を見つつ、こういった出来事に対応するIT技術に関する問題点を提示し、法律と技術のリンクになれればと思い、拙策をアップロードすることにしました。
パーソナル履歴データに対する匿名化と再識別:SCIS2017
SCIS2017での発表スライド（＋α）です。個人の購買履歴データの匿名化と再識別コンテスト：PWSCUP2016の参加者としての立場からの発表です。ちなみに当チームは参加15チーム中の1位です。
クラシックな機械学習の入門 ２．ベイズ統計に基づく推論
機械学習の基礎理論のひとつであるベイズ統計と、ベイズ統計を用いた確率分布のパラメタ－推定の話です。データから確率分布を推定するという機械学習のメイントピックの基礎知識になります。
クラシックな機械学習の入門 3. 線形回帰および識別
データから母集団の分布を学習する基礎になる線形回帰と線形識別について説明します。特に重要な概念は正規方程式です。発展的な話としては正則化ですが、スパースなモデル学習に効果があるL1正則化について説明します。
人工知能学会大会2020ーAI倫理とガバナンス
人工知能学会大会２０２０のチュートリアル：AI倫理とガバナンス のプレゼン資料です。前半のUSAとEUのAI倫理の比較を行い、後半では現実のAI利用の問題点、ガバナンスのための個人ツールとなるパーソナルAIエージェントの説明をしています。
信頼できるAI評価リスト パーソナルAIエージェントへの適用例
「信頼できるAI評価リスト」が提案されたが、63項目のリストがあり、熟読するのは骨が折れる。そこで、私が提案するパーソナルAIエージェントについて説明し、それが「信頼できるAI評価リスト」の各項目に該当するかどうかをチェックする方法で「信頼できるAI評価リスト」の役立ち感を調べてみた。第1部では、簡単にパーソナルAIエージェントを説明し、第2部ではパーソナルAIエージェントに「信頼できるAI評価リスト」を適応した結果を示す。
最近のAI倫理指針からの考察
人工知能学会全国大会（2019年6月4日：朱鷺メッセ）で行われた倫理委員会の企画セッション「AI研究に自由はあるのか？」で発表した資料です。内容は、最近、世界で数多く公開されている人工知能倫理指針のうちから重要なものを選んで、人工知能倫理が何を目指しているのかを分析した結果です。
AI and Accountability
This slide shows (1) AI and Accountability , (2) AI Ethics, (2) Privacy Protection. Several AI ethics documents such as IEEE EAD, EC-HELG Ethics Guideline for Trustworthy AI, Social Principles of Human-Centric AI(Japan), focus on AI's transparency, accountability and trust. We follow the discussions of these documents around the above (1),(2) and (3) topics.
AI Forum-2019_Nakagawa
This slide is used as a presentation of AI Forum 2019 organized by Taiwan Association for Artificial Intelligence on 26 April 2019 in Taichung, Taiwan
CPDP2019 summary-report
CPDP2019（ブリュッセルで2019/1-30-2/1)の参加レポート。プライバシー保護、民主主義、GDPR, AIの規制などについて議論するパネルから構成される会議。主に、ＡＩ関係のセッションのレポートです。
なお、前回のアップロード版には個人情報が含まれていたので、それを消去したものに訂正しております。
More Related Content
Viewers also liked
Boundary Between Pseudonymity and Anonymity
Japanese Personal Information Protection Act (PIPA) was passed the diet in Sep.2015. De-identified Information is introduced. It is the data anonymized enough not to de-anonymized easily. It is permitted to freely use without the consent of data subject. Notice that pseudonymized is not regarded as De-identified Information. Boarder line between pseudonymized and anonymized is a critical issue. I discuss this topic in this slide.
Problems in Technology to Use Anonymized Personal Data
Privacy is a big issue these days. Legally, EU data protection directive will be revised, Google was defeated in EU court and forced to erase data link uopn user's request.
However, we are facing various technical problems to be solved even if limiting to anonyumisation or k-anonymity. In this slide, we describe three of these problmes.
時系列パーソナル・データの プライバシー
個人の購買履歴や行動履歴のような時系列データのプライバシーの保護の方向性と技術について説明している。従来焦点を当ててきたK-匿名化は時系列データには不適切で、むしろ仮名化、仮名変更、データ分割、シャッフル、サンプリングなど多様は技術を考慮すべき。
また、データベースにおける自己データの存在否定可能性(Plausible Deniability)を視野に入れるべきであることを主張。
（
差分プライベート最小二乗密度比推定
２０１６年６月６日に人工知能学会大会で発表する予定です。個人情報を含むデータベースからデータマイニングするときプライバシー漏洩の危険があるので、それを防ぐ方法です。構造が同じの別のデータベースをもってきて、これが元のデータベースと類似の性質を持つように重み付けを学習します（最小二乗密度比推定：杉山先生のチームが提案したものです）。その上で重み付け関数を基底関数の線形和で表わし、その関数あるいは線形和に重みに差分プライバシーで雑音加算します。この結果にＳＶＭを適用して分類器を作ったところ、ＵＣＩAdultデータベースで差分プライバシーを適用しない場合と遜色ない正解率を得ることができました。
プライバシー保護のためのサンプリング、k-匿名化、そして差分プライバシー
データベース中の個人情報、プライバシー保護のために使うサンプリングやk-匿名化は分かったけど、 差分プライバシーはどうも難しくて分からんと思っているみなさん、 なんとかこれらをまとめてつないで説明しようとする話です。この元論文は2012年ですが、実は差分プライバシーが提案された2006年に、元データベースからサンプリングされたデータベースのプライバシー保護能力を評価する方法がすでに提案されています。後半では、この評価についても記載しています。事情により、分かり易く書き直した最新版はこちらです。http://www.r.dl.itc.u-tokyo.ac.jp/~nakagawa/Privacy/Samplimg-K-anon-DP.pdf
シンギュラリティ以後
2045年にシンギュラリティが本当に起こってしまったら、いったいどういう世界が訪れるのか？シンギュラリティ時に人間からの移行して出現するポスト・ヒューマンの能力、人間との関係などは想像が難しく、ほとんどＳＦホラーだが、あえてマジメに考えてみました。
シンギュラリティ以前
カーツワイルは人工知能が人間の能力を追い抜き、その後は差が開くばかりになるというシンギュラリティが起こるのが2045年と予測しています。しかし、それ以前でも人工知能の能力の増大は続き、様々な問題が生じることが予測されています。ここでは、シンギュラリティが起こる前の世界において予想される問題、解決の方向性や可能性についてまとめてみました。
プライバシー保護の法制と技術課題（2014年時点）
2014年はプライバシー保護の法制においてはEUの個人データ保護規則のEU議会可決、日本では個人情報保護法改正への大綱の決定などいろいろな動きがありました。一方、ビズネスの世界でも個人情報やプライバシーを巡って、Googleを相手取った訴訟と裁判結果によるリンク削除要請が出される、あるいはベネッセから大量の個人情報が名簿屋に流出するなどいろいろな出来事がありました。個人情報やプライバシーを巡る法制度については法律家の方からいろいろな情報が発信されています。ここでは、法律的な視点を見つつ、こういった出来事に対応するIT技術に関する問題点を提示し、法律と技術のリンクになれればと思い、拙策をアップロードすることにしました。
パーソナル履歴データに対する匿名化と再識別:SCIS2017
SCIS2017での発表スライド（＋α）です。個人の購買履歴データの匿名化と再識別コンテスト：PWSCUP2016の参加者としての立場からの発表です。ちなみに当チームは参加15チーム中の1位です。
クラシックな機械学習の入門 ２．ベイズ統計に基づく推論
機械学習の基礎理論のひとつであるベイズ統計と、ベイズ統計を用いた確率分布のパラメタ－推定の話です。データから確率分布を推定するという機械学習のメイントピックの基礎知識になります。
クラシックな機械学習の入門 3. 線形回帰および識別
データから母集団の分布を学習する基礎になる線形回帰と線形識別について説明します。特に重要な概念は正規方程式です。発展的な話としては正則化ですが、スパースなモデル学習に効果があるL1正則化について説明します。
Viewers also liked (13)
Problems in Technology to Use Anonymized Personal Data
Problems in Technology to Use Anonymized Personal Data
More from Hiroshi Nakagawa
人工知能学会大会2020ーAI倫理とガバナンス
人工知能学会大会２０２０のチュートリアル：AI倫理とガバナンス のプレゼン資料です。前半のUSAとEUのAI倫理の比較を行い、後半では現実のAI利用の問題点、ガバナンスのための個人ツールとなるパーソナルAIエージェントの説明をしています。
信頼できるAI評価リスト パーソナルAIエージェントへの適用例
「信頼できるAI評価リスト」が提案されたが、63項目のリストがあり、熟読するのは骨が折れる。そこで、私が提案するパーソナルAIエージェントについて説明し、それが「信頼できるAI評価リスト」の各項目に該当するかどうかをチェックする方法で「信頼できるAI評価リスト」の役立ち感を調べてみた。第1部では、簡単にパーソナルAIエージェントを説明し、第2部ではパーソナルAIエージェントに「信頼できるAI評価リスト」を適応した結果を示す。
最近のAI倫理指針からの考察
人工知能学会全国大会（2019年6月4日：朱鷺メッセ）で行われた倫理委員会の企画セッション「AI研究に自由はあるのか？」で発表した資料です。内容は、最近、世界で数多く公開されている人工知能倫理指針のうちから重要なものを選んで、人工知能倫理が何を目指しているのかを分析した結果です。
AI and Accountability
This slide shows (1) AI and Accountability , (2) AI Ethics, (2) Privacy Protection. Several AI ethics documents such as IEEE EAD, EC-HELG Ethics Guideline for Trustworthy AI, Social Principles of Human-Centric AI(Japan), focus on AI's transparency, accountability and trust. We follow the discussions of these documents around the above (1),(2) and (3) topics.
AI Forum-2019_Nakagawa
This slide is used as a presentation of AI Forum 2019 organized by Taiwan Association for Artificial Intelligence on 26 April 2019 in Taichung, Taiwan
CPDP2019 summary-report
CPDP2019（ブリュッセルで2019/1-30-2/1)の参加レポート。プライバシー保護、民主主義、GDPR, AIの規制などについて議論するパネルから構成される会議。主に、ＡＩ関係のセッションのレポートです。
なお、前回のアップロード版には個人情報が含まれていたので、それを消去したものに訂正しております。
情報法制研究所 第5回情報法セミナー：人工知能倫理と法制度、社会
情報法制研究所 第5回情報法セミナー in 京都にて、人工知能倫理と法制度、社会というタイトルで発表した発表資料。人工知能倫理の例、プライバシーと法制度、人工知能の法制度のおける位置づけの試案をフラッシュクラッシュ、人工知能兵器、自動運転車、著作権などを例にして示している
Ai e-accountability
What is Accountability of AI? We answer to this question by clarifying responsibility, explainability and liability of limited autonomous AI with several bright and dark real examples.
Then we move to the concept of "Trust " which is of not limited to single AI system but group AI ‘s behavior.
自動運転と道路沿い情報インフラ
アメリカで進められている完全独立型の自動運転車と、中国などで進められている道路沿い情報インフラに依存する自動運転車について投資額、法的責任などについて比較検討する。また、自動運転車におけるプライバシー保護についても付録で論じた。
暗号化によるデータマイニングと個人情報保護
加法準同型暗号は暗号化したままで加算ができる公開鍵暗号です。これと用いて、複数サイトにある個人データを第3者移転することなく、暗号化された計算結果の途中結果だけをサイトからサイトに順送りして統計情報を計算する方法の簡単な説明です。おそらく個人情報の第3者移転はおこっていないと思われますが、個人データの秘密計算の合法性、違法性を検討されている方の参考になれば幸いです。
Defamation Caused by Anonymization
K-anonymization has been regarded as a great method to make a bad person indistinguishable among k people whose quasi identifiers are same.
It, unfortunately, has a problematic side effect of defamation. In this case, defamation means the case where other good k-1 people are suspected as a bad person because both of a bad person and good people have the same quasi identifiers because of k-anonymization. This slide shows a mathematical model of defamation and proposes an algorithm which minimizes the probability of defamation.
人工知能と社会
2018年3月1日に行った最終講義の資料です。内容は、以下の通りです。
汎用人工知能、超知能、シンギュラリティ
人工知能のアーキテクチャと意識
AI脅威論の深層
人工知能倫理基準
人工知能が人間の仕事を奪うか？
弱そうに見えるAIの脅威
プライバシー
AI自律兵器
汎用人工知能の倫理
人工知能の個人への影響
法制度とプライバシー保護
人工知能学会合同研究会2017-汎用人工知能研究会(SIG-AGI)招待講演
汎用人工知能（AGI)に関して流布している現実の虚実について、以下の項目について述べる。
（１）特化型AIを組み合わせてもAGIにはなれない
（２）ブルックスの包摂アーキテクチャと脳科学の最新の情報を組み合わせたAGIのアーキテクチャ
（３）単独の超知能 対 複数のAGI どちらが正しいか？
（４）AGIの倫理
情報ネットワーク法学会２０１７大会第8分科会発表資料
情報ネットワーク法学会２０１７大会（at 名古屋大学）第8分科会で発表した資料です。最近各所で提案され公表されている人工知能の倫理指針のうち、総務省AIネットワーク推進会議のAIガイドライン、人工知能学会倫理委員会の倫理指針、FLIのアシロマ２３原則、IEEEのGEAT(倫理指針文書）のち、プライバシーに関連する記述を抜き出して解説しています。
学術会議 ITシンポジウム資料「プライバシー保護技術の概観と展望」
日本学術会議情報学委員会 ITの生む諸課題検討分科会主催で2017年8月9日に学術会議講堂で開催された「ITの進展から派生する諸課題に関する学術シンポジウム」における発表「プライバシー保護技術の概観と展望」の資料です。
Social Effects by the Singularity -Pre-Singularity Era-
Contents:
Stance of scientists community against Pre-Singularity problems
Amplification vs. Replacement
AI takes over jobs
Boarder line between amplification and replacement
Autonomous driver： trolley problem
The right to be forgotten
Towards black box
Responsibility
Vulnerability of financial dealing system made of many AI agent traders connected via internet
AI and weapon
Filter bubble phenomena
Analogy： Selfish gene
AI and privacy
The right to be forgotten, Profiling and Don’t Track
Feeling of friendliness to android
Again self conscious and identity
More from Hiroshi Nakagawa (20)
Social Effects by the Singularity -Pre-Singularity Era-
Social Effects by the Singularity -Pre-Singularity Era-