


La société OpenAI publie les mesures de sécurité utilisées lors de la création de modèles d'intelligence artificielle tels que GPT-4
OpenAI a récemment annoncé qu'elle intégrerait des mesures de sécurité dans ses outils d'intelligence artificielle. La société est le développeur du puissant modèle d'intelligence artificielle linguistique à grande échelle GPT-4, qui est au cœur de son chatbot ChatGPT et d'autres systèmes d'intelligence artificielle. La divulgation de l'entreprise intervient au milieu d'appels croissants à davantage de contrôles sur le développement de systèmes d'IA génératifs.
Dans un article de blog, la société OpenAI a détaillé les mesures qu'elle prend pour empêcher ses systèmes d'intelligence artificielle de générer du contenu préjudiciable et éviter de violer les réglementations sur la confidentialité des données. Alors que les outils d'IA développés par l'entreprise ont conduit à un boom mondial de l'IA générative, les régulateurs se sont intéressés ces dernières semaines à la sécurité de ces systèmes d'IA, l'Italie citant des violations potentielles de la réglementation GDPR.
Des experts en intelligence artificielle, dont Musk et le co-fondateur d'Apple, Wozniak, ont récemment appelé dans une lettre ouverte à arrêter temporairement le développement de grands modèles de langage (LLM), et le président américain Biden s'est également joint à cette discussion, il a déclaré aux journalistes que les sociétés d'intelligence artificielle doivent donner la priorité à la sécurité.
Comment OpenAI a construit GPT-4 en pensant à la sécurité
OpenAI a déclaré avoir passé six mois à perfectionner le système avant de publier son GPT-4 le plus avancé à ce jour le mois dernier, ce qui rend aussi difficile que possible son utilisation à des fins néfastes.
Des chercheurs en sécurité ont déjà démontré qu'il est possible de contourner les contrôles de sécurité de ChatGPT en « trompant » les chatbots pour qu'ils génèrent des discours de haine ou des codes malveillants qui imitent de mauvais systèmes d'intelligence artificielle. OpenAI dit que cela est moins susceptible de se produire avec GPT-4 qu'avec le modèle GPT-3.5.
Les ingénieurs de l'entreprise ont déclaré : « Par rapport à GPT-3.5, GPT-4 est 82 % moins susceptible de répondre aux demandes de contenu non autorisé, et nous avons construit un système robuste pour surveiller les performances des systèmes d'intelligence artificielle. développant également des fonctionnalités qui permettront aux développeurs d'établir des normes plus strictes pour la sortie des modèles afin de mieux soutenir les développeurs et les utilisateurs qui ont besoin de telles capacités. aux préoccupations des régulateurs des données concernant la manière dont son modèle collecte des données sur Internet à des fins de formation. Après que l'Italie a interdit ChatGPT, le Canada a lancé une enquête sur la sécurité du chatbot et d'autres pays d'Europe envisagent de suivre l'exemple de l'Italie.
La société OpenAI a déclaré : « Nos grands modèles linguistiques sont formés sur un vaste corpus de texte, y compris du contenu accessible au public, du contenu sous licence et du contenu généré par des réviseurs humains. Nous n'utilisons pas les données pour vendre des services, publier des annonces ou créer des utilisateurs. profils. »
La société fournit également des instructions détaillées sur la manière de garantir que les données personnelles ne soient pas divulguées pendant la formation. L'entreprise a déclaré : « Bien que certaines de nos données de formation incluent des informations personnelles disponibles sur l'Internet public, nous souhaitons que nos grands modèles linguistiques apprennent à connaître le monde, et non les individus.
Par conséquent, nous nous efforçons d'apprendre de la formation lorsque cela est possible. la suppression des informations personnelles de l'ensemble de données, l'ajustement du modèle pour refuser les demandes d'informations personnelles et la réponse aux demandes des individus visant à supprimer les informations personnelles du système d'IA minimisent la probabilité que nos modèles génèrent des réponses contenant des informations personnelles. "
Le président américain Biden rejoint les rangs des opposants à l'intelligence artificielle
Avant qu'OpenAI ne publie cette déclaration, le président américain Biden a déclaré aux journalistes que les développeurs d'intelligence artificielle ont la responsabilité de garantir que leurs produits sont sûrs avant de les rendre publics.
Biden a pris la parole après avoir discuté du développement de l'intelligence artificielle avec son Conseil consultatif scientifique et technologique. Il a déclaré que le gouvernement américain s'est engagé à faire progresser la Déclaration des droits sur l'intelligence artificielle introduite en octobre de l'année dernière pour protéger les individus contre les impacts négatifs des systèmes automatisés avancés.
Biden a déclaré : « Nous avons proposé une déclaration des droits en octobre dernier pour garantir que des protections importantes soient intégrées dès le début aux systèmes d’IA afin que nous n’ayons pas à revenir en arrière et à les mettre en œuvre. J’attends avec impatience nos discussions pour garantir une innovation responsable et. des garde-fous appropriés pour protéger les droits et la sécurité des Américains, protéger leur vie privée et lutter contre les éventuels préjugés et désinformation. »
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

Si la réponse donnée par le modèle d’IA est incompréhensible du tout, oseriez-vous l’utiliser ? À mesure que les systèmes d’apprentissage automatique sont utilisés dans des domaines de plus en plus importants, il devient de plus en plus important de démontrer pourquoi nous pouvons faire confiance à leurs résultats, et quand ne pas leur faire confiance. Une façon possible de gagner confiance dans le résultat d'un système complexe est d'exiger que le système produise une interprétation de son résultat qui soit lisible par un humain ou un autre système de confiance, c'est-à-dire entièrement compréhensible au point que toute erreur possible puisse être trouvé. Par exemple, pour renforcer la confiance dans le système judiciaire, nous exigeons que les tribunaux fournissent des avis écrits clairs et lisibles qui expliquent et soutiennent leurs décisions. Pour les grands modèles de langage, nous pouvons également adopter une approche similaire. Cependant, lorsque vous adoptez cette approche, assurez-vous que le modèle de langage génère

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

Selon les informations de ce site Web du 5 juillet, GlobalFoundries a publié un communiqué de presse le 1er juillet de cette année, annonçant l'acquisition de la technologie de nitrure de gallium (GaN) et du portefeuille de propriété intellectuelle de Tagore Technology, dans l'espoir d'élargir sa part de marché dans l'automobile et Internet. des objets et des domaines d'application des centres de données d'intelligence artificielle pour explorer une efficacité plus élevée et de meilleures performances. Alors que des technologies telles que l’intelligence artificielle générative (GenerativeAI) continuent de se développer dans le monde numérique, le nitrure de gallium (GaN) est devenu une solution clé pour une gestion durable et efficace de l’énergie, notamment dans les centres de données. Ce site Web citait l'annonce officielle selon laquelle, lors de cette acquisition, l'équipe d'ingénierie de Tagore Technology rejoindrait GF pour développer davantage la technologie du nitrure de gallium. g

Selon les informations de ce site le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière
