解散垄断企业中的用户数据自主权：一种意识数据贡献框架

AI 在消费产品中的部署目前集中于所谓的基础模型，即大型神经网络预训练于大规模数字记录语料库。这种对扩大数据集和预训练计算量的强调可能进一步巩固行业，使垄断（或寡头）行为成为可能。寻求改善市场竞争的法官和监管机构可能采用各种补救措施。本文探讨了解散——将垄断实体拆分为更小企业——作为一种补救措施，特别关注大规模模型和数据集拆分的技术挑战与机遇。我们展示了意识数据贡献框架如何在解散过程中实现用户自主权。通过仿真研究，我们探讨了微调和“灾难性遗忘”现象实际上可作为一种机器遗忘类型，允许用户指定他们希望用于何种目的的数据。