Périphériques technologiques
IA
Du coup, tout le monde veut parler de la manière de réguler l'intelligence artificielle
Du coup, tout le monde veut parler de la manière de réguler l'intelligence artificielle
Récemment, l’attitude des gens à l’égard de la politique en matière d’intelligence artificielle semble avoir changé. Pendant des années, les législateurs américains et les entreprises technologiques ont été réticents, voire opposés, à l’introduction de réglementations technologiques strictes. Aujourd’hui, tous deux réclament une réglementation.
La semaine dernière, Sam Altman, PDG d'OpenAI, a comparu devant un comité du Sénat américain pour discuter des risques et du potentiel des modèles linguistiques d'intelligence artificielle. Altman et de nombreux sénateurs ont réclamé des normes internationales pour l'intelligence artificielle. Il a appelé les États-Unis à créer une agence similaire à la Food and Drug Administration des États-Unis pour superviser la technologie de l'intelligence artificielle et demander instamment sa réglementation.
Pour quelqu'un comme moi qui est passionné par la politique en matière d'IA, l'audition au Sénat a été à la fois inspirante et décevante. C’est encourageant parce que la conversation semble s’éloigner des vaines retenues personnelles et s’orienter vers l’établissement de réglementations qui pourraient obliger les entreprises à rendre des comptes. Il est frustrant de constater que ce débat semble avoir oublié les cinq dernières années de politique en matière d’IA.
Photo | Sam Altman (Source : AP PHOTO/PATRICK SEMANSKY)
Je ne suis pas le seul à ressentir cela. « Suggérer que le Congrès reparte de zéro ne fait qu'alimenter le discours favori de l'industrie selon lequel le Congrès est si loin derrière et ne comprend pas la technologie : comment peuvent-ils nous réglementer, a déclaré Anna, chercheuse en politiques à l'Institut pour la démocratie et la politique des données de l'Université George Washington ? » » a déclaré Anna Lenhart.
En fait, lors du dernier Congrès de janvier 2021 à janvier 2023, les hommes politiques ont présenté un grand nombre de lois sur l'intelligence artificielle. Lenhardt a compilé toutes les réglementations sur l'IA proposées pendant cette période.
Ils couvrent tout, de l'évaluation des risques à la transparence en passant par la protection des données. Aucun d'entre eux n'a atteint le bureau du président, mais étant donné que ce nouvel outil d'IA générative à la mode (ou pour beaucoup, "effrayant") a attiré l'attention de Washington, Lenhardt espère que certains d'entre eux seront améliorés et réapparaîtront sous de nouvelles formes. Voici quelques problèmes auxquels il faut prêter attention.
Loi sur la responsabilité algorithmique
Le projet de loi a été présenté par les démocrates au Congrès et au Sénat américains en 2022, avant l'existence de ChatGPT, et vise à remédier aux méfaits réels des systèmes de prise de décision automatisés, comme le refus de prescrire des analgésiques ou le refus de leurs demandes de prêt.
Lenhardt a déclaré que le projet de loi oblige les entreprises à procéder à des évaluations algorithmiques de l'impact et des risques. Cela confierait également à la Federal Trade Commission la responsabilité de réglementer et de faire respecter les règles en matière d’intelligence artificielle et augmenterait ses effectifs.
Loi américaine sur la protection de la confidentialité des données
Ce projet de loi bipartite vise à réglementer la manière dont les entreprises collectent et traitent les données. Bien qu'une approche visant à protéger la sécurité des données personnelles sur la santé des femmes ait reçu une large attention à la suite de l'affaire Roe v. Wade, elle n'a pas été adoptée à temps. Le débat autour des risques de l’IA générative pourrait la rendre encore plus urgente que la dernière fois. L’American Data Privacy and Protection Act (ADPPA) interdira aux sociétés d’intelligence artificielle générative de collecter, traiter ou transférer des données de manière discriminatoire. Il vise également à donner aux utilisateurs plus de contrôle sur la manière dont les entreprises utilisent leurs données.
Agence d'Intelligence Artificielle
Altman et plusieurs sénateurs ont suggéré lors de l'audience de créer une nouvelle agence pour réglementer l'intelligence artificielle. Mais je pense que cela pourrait être une fausse piste. Lenhardt a déclaré que le gouvernement américain a besoin de plus d'expertise technique et de ressources pour réglementer la technologie, soit dans une nouvelle agence, soit dans une agence existante réorganisée. Avoir le pouvoir de faire respecter la loi est une condition essentielle pour tout régulateur, jeune ou expérimenté.
Lenhardt a déclaré : « Il est facile de créer une agence et de ne lui donner aucun pouvoir. Les démocrates ont essayé de faire pression sur la loi sur la Commission des plateformes numériques, la loi sur la protection des données et la loi sur la confidentialité en ligne pour créer de nouvelles protections. le parti soutient est voué à l'échec, donc aucune de ces tentatives ne portera ses fruits
.
Suivant ?
Une autre agence axée sur la technologie pourrait se profiler à l'horizon. Les sénateurs Lindsey Graham, républicaine, et Elizabeth Warren, démocrate, travaillent ensemble pour créer un nouveau régulateur numérique qui aurait le pouvoir de réglementer les sociétés de médias sociaux et peut-être d'imposer des pouvoirs aux médias sociaux.
Le démocrate Chuck Schumer convoque également le Sénat pour présenter un nouveau projet de loi visant spécifiquement à lutter contre les dangers de l'intelligence artificielle. Il a reçu le soutien des deux partis pour adopter un projet de loi complet sur l’intelligence artificielle visant à établir des garanties et à promouvoir un développement responsable de l’intelligence artificielle. Par exemple, les entreprises pourraient être obligées de permettre à des experts externes d’auditer leur technologie avant sa sortie et de fournir davantage d’informations sur ses systèmes d’IA aux utilisateurs et aux gouvernements.
Lenhardt a déclaré que même si Altman semble avoir gagné le soutien de la commission judiciaire du Sénat, les dirigeants des commissions commerciales de la Chambre et du Sénat devront se réunir pour soutenir une approche globale de la réglementation de l'IA avant qu'elle ne devienne une loi.
Une réglementation doit être mise en place rapidement avant que les gens ne se désintéressent de l’IA générative. "Cela va être délicat, mais tout est possible", a déclaré Lenhardt.
Soutien : Ren
Texte original :
https://www.technologyreview.com/2023/05/23/1073526/suddenly-everyone-wants-to-talk-about-how-to-regulate-ai/
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)
Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA
Jun 28, 2024 am 03:51 AM
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
Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag
Jun 10, 2024 am 11:08 AM
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.
Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations
Jun 11, 2024 pm 03:57 PM
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.
Sept questions d'entretien technique Cool GenAI et LLM
Jun 07, 2024 am 10:06 AM
Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte
Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.
Jul 25, 2024 am 06:42 AM
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
Cinq écoles d'apprentissage automatique que vous ne connaissez pas
Jun 05, 2024 pm 08:51 PM
L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.
Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire
Jul 17, 2024 pm 06:37 PM
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
Préparant des marchés tels que l'IA, GlobalFoundries acquiert la technologie du nitrure de gallium de Tagore Technology et les équipes associées
Jul 15, 2024 pm 12:21 PM
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
