NERDMANForschung will KI das Vergessen beibringen
Ein neues Paper auf arXiv stellt eine Methode vor, mit der KI-Modelle gezielt vergessen sollen — ohne komplettes Neutraining.
Was ist Machine Unlearning?
Machine Unlearning soll das "Recht auf Vergessenwerden" technisch umsetzen. Heißt: Ein Modell soll bestimmte Daten loswerden, ohne von Null neu zu lernen. Bisherige Ansätze tricksen mit Labels oder kehren Gradienten um — und scheitern oft.
Der neue Ansatz: ManiF-SMC
Die Forscher nennen ihre Methode Manifold Forgetting with Self Mode Connectivity. Statt grob am Label zu schrauben, arbeitet sie auf der internen Repräsentationsebene des Modells.
- Ziel:** Vergessen ohne Schaden am Restmodell
- Methode:** Manipulation der Manifold-Repräsentation
- Anspruch:** Äquivalent zum kompletten Retraining
- Status:** Reines Paper, kein Code-Release erwähnt
✅ Pro
- Adressiert echtes DSGVO-Problem
- Verspricht weniger Kollateralschaden als bisherige Methoden
- Theoretisch fundierter als Label-Tricks
❌ Con
- Nur Paper, keine Demo, keine Benchmarks öffentlich
- "Äquivalent zum Retraining" ist eine starke Behauptung ohne Beweis hier
- Praxistauglichkeit für große Modelle völlig offen
💡 Was das bedeutet
Wenn Machine Unlearning wirklich funktioniert, müssen OpenAI, Google und Co. nicht mehr bei jeder Löschanfrage Milliarden für Retraining verbrennen. Die rechtliche Sprengkraft ist enorm — bislang ignorieren die Labs das Thema weitgehend, weil es technisch zu teuer wäre.
