Publisher

IAPAIAPA

Journal Policy & Governance ReviewPolicy & Governance Review Abstract

Innovasi dalam pelayanan publik dapat membantu transformasi cepat masyarakat menuju era pasca-COVID. Selain meminimalkan hambatan administratif, penggunaan AI yang efisien dapat melindungi warga dari perilaku yang tidak diinginkan. AI secara luas mengacu pada efisiensi komputer dalam meniru kecerdasan manusia, seperti mengidentifikasi pola yang berbeda dan membuat prediksi serta keputusan. AI mencakup berbagai teknik, dan machine learning adalah salah satu yang paling banyak digunakan. Machine learning adalah metode yang menggunakan dataset besar untuk membuat prediksi yang semakin membaik seiring dengan data yang lebih banyak. Pada tahun 2030, Kanada bertujuan memiliki salah satu ekosistem AI nasional yang paling kuat di dunia, yang didirikan berdasarkan keunggulan ilmiah, pelatihan berkualitas tinggi, kolam bakat yang dalam, kolaborasi publik-swasta, dan komitmen kuat untuk maju teknologi AI untuk membawa manfaat sosial, ekonomi, dan lingkungan yang positif bagi manusia dan planet.

Conclusion

Perkembangan cepat teknologi pengenalan wajah (FRT) menawarkan peluang dan tantangan bagi tata kelola, khususnya di Kanada di mana kerangka tata kelola yang komprehensif belum ada.Studi ini bertujuan untuk mengatasi pertanyaan penelitian utama.Bagaimana Kanada dapat meningkatkan tata kelola FRT untuk menyeimbangkan inovasi teknologi dengan perlindungan privasi, kesetaraan, dan hak asasi manusia.Melalui analisis dimensi hukum, teknis, dan sosial, studi ini mengidentifikasi kesenjangan kritis dalam pendekatan Kanada terhadap FRT dan mengusulkan solusi yang dapat diterapkan untuk mengurangi risiko sambil memanfaatkan manfaat potensialnya.Salah satu masalah mendesak adalah kurangnya kerangka tata kelola yang seragam.Saat ini, regulasi FRT Kanada tersebar di yurisdiksi federal dan provinsi, yang menyebabkan standar dan penegakan yang tidak konsisten.Misalnya, sementara Quebec telah memperkenalkan perlindungan data biometrik, provinsi lain tertinggal, menciptakan celah yang dimanfaatkan oleh perusahaan seperti Clearview AI.Sistem ini melemahkan kepercayaan publik dan membuat warga rentan terhadap pengawasan tanpa pengawasan.Selain itu, undang-undang privasi yang ada seperti PIPEDA dan Undang-Undang Privasi gagal secara eksplisit membahas perlindungan data biometrik, mengandalkan interpretasi luas informasi pribadi.Ketidakjelasan ini memungkinkan penyalahgunaan, terutama ketika data pengenalan wajah yang sensitif dibagikan antara lembaga pemerintah dan kontraktor swasta tanpa mekanisme persetujuan yang kuat.

Future Research

Untuk mengatasi tantangan dan memanfaatkan peluang FRT, studi ini mengusulkan strategi tata kelola yang komprehensif. Pertama, reformasi legislatif diperlukan secara mendesak untuk menutup kesenjangan regulasi. Undang-Undang Tata Kelola Digital yang diusulkan dapat menyelaraskan undang-undang federal dan provinsi, mendefinisikan secara eksplisit perlindungan data biometrik, dan memberlakukan persyaratan transparansi yang ketat untuk penggunaan FRT. Kedua, mitigasi bias harus menjadi prioritas melalui dataset pelatihan yang standar dan beragam serta audit pihak ketiga yang wajib terhadap sistem FRT. Ini memastikan kesetaraan algoritma dan mengurangi hasil diskriminatif. Ketiga, mekanisme pengawasan harus diperkuat dengan mendirikan badan pengawas independen yang memiliki wewenang untuk menyelidiki keluhan, memberlakukan hukuman, dan melakukan penilaian dampak hak asasi manusia. Badan ini akan menjembatani kesenjangan penegakan saat ini, di mana lembaga seperti Kantor Komisaris Privasi hanya dapat mengeluarkan rekomendasi yang tidak mengikat.

References

1. DOI Name 10.3390 Values. name values index type timestamp data serv crossref desc prefix mdpi email admin... doi.org/10.3390DOI Name 10 3390 Values name values index type timestamp data serv crossref desc prefix mdpi email admin doi 10 3390
2. DOI Name 10.2139 Values. name values index type timestamp data serv crossref desc prefix social science... doi.org/10.2139DOI Name 10 2139 Values name values index type timestamp data serv crossref desc prefix social science doi 10 2139
3. DOI Name 10.1051 Values. doi name values index type timestamp data hs serv 24z crossref email 38z doiadmin... doi.org/10.1051DOI Name 10 1051 Values doi name values index type timestamp data hs serv 24z crossref email 38z doiadmin doi 10 1051

Metadata

File size	809.13 KB
Pages	16
DMCA	Report