Teknologi deep learning yang menjadi tulang punggung kecerdasan artifisial (AI) telah membawa dampak besar dalam berbagai bidang. Dengan menggunakan neural network di dalam lapisan tersembunyi di antara lapisan input dan lapisan output, dimana ada algoritma yang digunakan dalam lapisan tersembunyi tersebut antara lain: Generative Adversarial Networks (GANs), Recurrent Neural Networks (RNNs), hingga Transformer Model. Teknologi ini telah digunakan untuk berbagai aplikasi, seperti virtual assistant, pewarnaan otomatis gambar hitam-putih, generasi suara dan gambar yang semakin realistis, hingga membuat konten deepfake.

Namun, di balik manfaat besar tersebut, teknologi AI deep learning juga memunculkan tantangan baru, terutama terkait Pelindungan Data Pribadi. Dalam konteks Indonesia, Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi (UU PDP) memberikan kerangka hukum yang harus dipatuhi oleh pengembang dan pengguna teknologi AI deep learning ini.

Keterkaitan AI dan Data Pribadi

AI Deep learning seringkali membutuhkan data dalam jumlah besar untuk melakukan training terhadap AI-nya. Tidak jarang, Data Pribadi digunakan dalam proses ini. Misalnya, untuk menghasilkan sistem pengenalan wajah atau virtual assistant yang responsif, Data Pribadi user sering menjadi bahan pelatihan AI. Oleh karena itu, Pengendali Data Pribadi—entitas yang mengelola Data Pribadi—wajib mematuhi UU PDP, terutama dalam hal persetujuan dari subjek data untuk penggunaan Data Pribadi mereka terkait dengan AI Deep Learning.

Pasal 20 UU PDP menjelaskan bahwa pengendali data pribadi harus memperoleh persetujuan dari Subjek Data Pribadi untuk menggunakan Data Pribadinya, terutama untuk training AI. Selain itu, Subjek Data Pribadi juga memiliki hak untuk menarik persetujuan, membatasi pemrosesan, atau mengajukan keberatan terhadap keputusan otomatis yang dapat berdampak signifikan terhadap dirinya. Hal ini menciptakan tantangan bagi pengembang dan pengguna AI untuk tetap inovatif sekaligus mematuhi regulasi yang ada.

Dampak Risiko dan Penilaian Etis

Pemrosesan Data Pribadi dengan teknologi deep learning seringkali dikategorikan sebagai pemrosesan yang memiliki risiko tinggi. Sebab, teknologi ini tidak hanya baru tetapi juga memiliki potensi dampak signifikan terhadap hak privasi individu. UU PDP mewajibkan Pengendali Data pribadi untuk melakukan Data Protection Impact Assessment (DPIA) dalam situasi semacam ini, guna memastikan risiko-risiko tersebut dapat dikelola dan dimitigasi dengan baik.

Selain itu, prinsip-prinsip Pelindungan Data Pribadi juga harus menjadi panduan utama dalam pengembangan AI. Prinsip seperti purpose specification dan limitation menuntut Pengendali Data Pribadi untuk memproses Data Pribadi secara spesifik sesuai dengan tujuan yang telah ditentukan. Prinsip akuntabilitas dan transparansi mengharuskan Pengendali Data Pribadi bertanggung jawab atas setiap pemrosesan yang dilakukan dan memberitahukan tujuan pemrosesan tersebut kepada Subjek Data Pribadi.

Menciptakan Keseimbangan

Di satu sisi, AI deep learning menawarkan potensi luar biasa untuk inovasi. Di sisi lain, regulasi seperti UU PDP menuntut pelindungan hak-hak individu atas Data Pribadi mereka. Tantangan bagi pengembang teknologi adalah menciptakan keseimbangan antara inovasi dan kepatuhan hukum. Pendekatan yang andal dan etis dalam pengembangan teknologi ini tidak hanya melindungi hak-hak user, tetapi juga memperkuat kepercayaan publik terhadap teknologi AI yang digunakan.

Dengan mematuhi UU PDP, pengembang AI tidak hanya berkontribusi pada kepatuhan hukum, tetapi juga membantu menciptakan ekosistem teknologi yang bertanggung jawab. Ke depannya, kolaborasi antara pengembang, regulator, dan masyarakat akan menjadi kunci dalam memaksimalkan manfaat AI selagi meminimalisir risiko pelanggaran privasi dan Pelindungan Data Pribadi masyarakat.

Penulis:

Adhi Prasetyo Utomo

Privacy Consultant PRIVASIMU

Source:

1. Altexsoft, ‘AI Image Generation Explained: Techniques, Applications, and Limitations’ (AltexSoft10 July 2023) https://www.altexsoft.com/blog/ai-image-generation/ accessed 25 December 2024

2. Barney N, Yasar K and Wigmore I, ‘What Is Deepfake Technology?’ (WhatIs?August 2024) https://www.techtarget.com/whatis/definition/deepfake accessed 18 December 2024

3. Biswal A, ‘Top 10 Deep Learning Applications Used across Industries’ (Simplilearn.com6 December 2024) https://www.simplilearn.com/tutorials/deep-learning-tutorial/deep-learning-applications accessed 22 December 2024

4. Gheisari M and others, ‘Deep Learning: Applications, Architectures, Models, Tools, and Frameworks: A Comprehensive Survey’ (2023) 8 CAAI Transactions on Intelligence Technology https://ietresearch.onlinelibrary.wiley.com/doi/10.1049/cit2.12180 accessed 22 December 2024

5. Holdsworth J, ‘What Is Deep Learning?’ (Ibm.com17 June 2024) https://www.ibm.com/think/topics/deep-learning accessed 23 December 2024

6. University of Virginia Information Security, ‘What the Heck Is a Deepfake?’ (security.virginia.edu) https://security.virginia.edu/deepfakes accessed 18 December 2024

7. Undang-undang Pelindungan Data Pribadi Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi