Xóa bằng máy học là công nghệ loại bỏ ảnh hưởng của dữ liệu cá nhân cụ thể hoặc dữ liệu không cần thiết khỏi mô hình AI được đào tạo mà không cần học lại toàn bộ mô hình.
Xóa bằng máy học (loại bỏ máy học) đề cập đến một nhóm công nghệ loại bỏ ảnh hưởng của dữ liệu người dùng cụ thể và nội dung vi phạm bản quyền khỏi các mô hình AI đã được đào tạo mà không cần học lại toàn bộ mô hình từ đầu, dựa trên các quy định về quyền riêng tư của mỗi quốc gia như "quyền được lãng quên" của GDPR và CCPA. Có những phương pháp nghiêm ngặt đảm bảo về mặt toán học các tác động và các phương pháp nhẹ nhàng chỉ làm giảm tác động một cách gần đúng, và phương pháp sau được cho là có sự đánh đổi giữa việc đảm bảo chất lượng kém hơn và chi phí thấp hơn. Trong hoạt động thực tế tính đến năm 2026, những cạm bẫy lớn trong lĩnh vực này là “quên quá mức”, trong đó kiến thức ngoại vi liên quan sẽ xấu đi ngay cả khi chủ đề bị lãng quên được chỉ định trong phạm vi hẹp và “xóa không hoàn toàn”, không thể xóa được và được phát hiện trong một cuộc kiểm tra. Mặc dù chi phí tính toán thấp hơn so với việc đào tạo lại toàn bộ nhưng lại có thêm chi phí cho việc xác minh và kiểm tra, do đó, người ta nói rằng ngay cả việc xóa một phần mô hình nhỏ cũng cần một lượng nhân công đáng kể. Người ta nói rằng nó đang trở thành thông lệ tiêu chuẩn khi lựa chọn các phương pháp trong hiện trường, chẳng hạn như chọn phương pháp đảm bảo có nhật ký kiểm tra nếu mục đích chính là tuân thủ các quy định và chọn phương pháp gần đúng nhẹ nếu mục đích chính là quản lý vệ sinh dữ liệu nội bộ.