AI 안전을 보장하는 방법은 무엇입니까? OpenAI는 자세한 답변을 제공하며, 각국 정부와 적극적으로 접촉할 예정입니다.
4월 6일 뉴스, OpenAI는 미국 현지 시간 수요일에 보안 평가 수행, 출시 후 보호 조치 개선, 어린이 보호, 개인 정보 존중 등 AI의 안전을 보장하는 방법을 자세히 설명하는 게시물을 게시했습니다. 회사는 AI 시스템이 안전하게 구축, 배포 및 사용되도록 보장하는 것이 사명을 달성하는 데 중요하다고 말했습니다.
OpenAI 게시물 전문은 다음과 같습니다.
OpenAI는 가능한 한 많은 사람들에게 혜택을 줄 수 있는 강력한 AI 보안을 보장하기 위해 최선을 다하고 있습니다. 우리는 AI 도구가 오늘날 사람들에게 많은 도움을 제공한다는 것을 알고 있습니다. 전 세계 사용자들은 ChatGPT가 생산성을 향상하고 창의성을 향상하며 맞춤형 학습 경험을 제공하는 데 도움이 된다고 보고했습니다. 그러나 우리는 다른 기술과 마찬가지로 이러한 도구와 관련된 실제 위험도 있다는 것을 알고 있습니다. 따라서 우리는 모든 시스템 수준에서 보안을 보장하기 위해 열심히 노력하고 있습니다.
더 안전한 인공지능 시스템 구축
새로운 인공지능 시스템을 출시하기 전에 엄격한 테스트를 실시하고, 외부 전문가의 의견을 수렴하며, 인간 피드백을 통한 강화 학습과 같은 기술을 통해 모델의 성능을 향상할 것입니다. 동시에 우리는 광범위한 보안 및 모니터링 시스템도 구축했습니다.
최신 모델인 GPT-4를 예로 들어보겠습니다. 교육을 마친 후 공개 출시 전에 더욱 안전하고 신뢰할 수 있는지 확인하기 위해 최대 6개월 동안 전사적 테스트를 실시했습니다.
우리는 강력한 인공 지능 시스템이 엄격한 보안 평가를 거쳐야 한다고 믿습니다. 이러한 관행이 널리 채택되도록 하려면 규제가 필요합니다. 따라서 우리는 최선의 규제 형태를 논의하기 위해 정부와 적극적으로 협력하고 있습니다.
실제 사용 사례를 통해 배우고 안전 장치를 개선하세요
시스템 배포 전에 예측 가능한 위험을 방지하기 위해 최선을 다하지만 실험실에서의 학습은 항상 제한됩니다. 우리는 광범위하게 연구하고 테스트하지만 사람들이 우리 기술을 어떻게 사용하거나 오용할지 예측할 수 없습니다. 따라서 우리는 실제 사용을 통해 학습하는 것이 점점 더 안전한 AI 시스템을 만들고 출시하는 데 중요한 구성 요소라고 믿습니다.
우리는 실질적인 보호 장치를 갖춘 새로운 AI 시스템을 점진적으로 대중에게 신중하게 출시하고, 배운 교훈을 바탕으로 지속적으로 개선하고 있습니다.
우리는 개발자가 기술을 자신의 애플리케이션에 직접 통합할 수 있도록 자체 서비스와 API에서 가장 강력한 모델을 제공합니다. 이를 통해 우리는 학대를 모니터링하고 이에 대한 조치를 취하고 대응책을 개발할 수 있습니다. 이런 식으로 우리는 이론적으로 무엇을 해야 할지 상상만 하는 것이 아니라 실제적인 행동을 취할 수 있습니다.
실제 사용 경험을 통해 우리는 사람들에게 실제 위험을 초래하는 행동을 해결하는 동시에 기술을 보다 유익한 방식으로 사용할 수 있도록 점점 더 세분화된 정책을 개발하게 되었습니다.
우리는 사회가 점점 더 강력해지는 인공 지능에 적응하려면 더 많은 시간이 필요하며, 이에 영향을 받는 모든 사람이 인공 지능의 발전에 발언권을 가져야 한다고 믿습니다. 반복적 배포는 다양한 이해관계자가 AI 기술에 대한 대화에 보다 효과적으로 참여하는 데 도움이 되며 이러한 도구를 직접 사용하는 경험을 갖는 것이 중요합니다.
어린이 보호
우리 안전 작업의 초점 중 하나는 어린이를 보호하는 것입니다. 인공 지능 도구를 사용하는 사람은 18세 이상이거나 부모의 동의가 있는 13세 이상이어야 합니다. 현재 검증 기능을 개발 중입니다.
우리는 증오, 괴롭힘, 폭력 또는 성인용 콘텐츠를 생성하는 데 우리의 기술을 사용하는 것을 허용하지 않습니다. 최신 GPT-4는 GPT-3.5에 비해 제한된 콘텐츠 요청에 응답할 가능성이 82% 낮습니다. 우리는 남용을 모니터링하기 위한 강력한 시스템을 갖추고 있습니다. GPT-4는 이제 ChatGPT Plus 구독자에게 제공되며 시간이 지남에 따라 더 많은 사람들이 이를 경험할 수 있기를 바랍니다.
우리는 모델이 어린이에게 유해한 콘텐츠를 제작할 가능성을 최소화하기 위해 중요한 조치를 취했습니다. 예를 들어, 사용자가 이미지 생성 도구에 아동에게 안전한 학대 자료를 업로드하려고 하면 당사는 이를 차단하고 해당 문제를 미국 국립실종착취아동센터에 신고합니다.
기본 보안 보호 외에도 비영리 조직인 Khan Academy와 같은 개발 조직과 협력하여 보안 조치를 맞춤화합니다. 칸아카데미(Khan Academy)는 학생을 위한 가상 교사, 교사를 위한 교실 조교 역할을 할 수 있는 인공지능 조수를 개발했습니다. 또한 개발자가 모델 출력에 대해 더 엄격한 표준을 설정하여 이러한 기능이 필요한 개발자와 사용자를 더 효과적으로 지원할 수 있는 기능을 개발 중입니다.
개인 정보 보호
당사의 대규모 언어 모델은 공개적으로 사용 가능한 콘텐츠, 라이선스가 부여된 콘텐츠, 검토자가 생성한 콘텐츠를 포함한 광범위한 텍스트 모음에 대해 훈련되었습니다. 우리는 이 데이터를 서비스나 광고 판매에 사용하지 않으며 프로필 작성에도 사용하지 않습니다. 우리는 사람들과 더 많은 대화를 함으로써 ChatGPT를 더욱 지능적으로 만드는 등 사람들을 돕는 모델을 개선하기 위해 이 데이터를 사용합니다.
교육 데이터의 대부분에는 공개 웹에서 사용할 수 있는 개인 정보가 포함되어 있지만, 우리는 모델이 개인이 아닌 세계 전체에 대해 학습하기를 원합니다. 따라서 당사는 가능한 경우 교육 데이터 세트에서 개인 정보를 제거하고 모델을 미세 조정하여 개인 정보에 대한 쿼리 요청을 거부하고 당사 시스템에서 개인 정보를 삭제하려는 개인의 요청에 응답하기 위해 최선을 다하고 있습니다. 이러한 조치는 우리 모델이 개인 정보가 포함된 응답을 생성할 가능성을 최소화합니다.
사실적 정확성 향상
오늘날의 대규모 언어 모델은 이전 패턴과 사용자가 입력한 텍스트를 기반으로 다음에 사용될 가능성이 높은 단어를 예측할 수 있습니다. 그러나 어떤 경우에는 다음으로 가능성이 가장 높은 단어가 실제로는 사실이 아닐 수도 있습니다.
사실적 정확성을 높이는 것은 OpenAI 및 기타 여러 AI 연구 조직의 초점 중 하나이며 우리는 진전을 이루고 있습니다. 기본 데이터 소스로 잘못된 것으로 표시된 ChatGPT 출력에 대한 사용자 피드백을 활용하여 GPT-4의 사실적 정확성을 향상했습니다. GPT-3.5와 비교하여 GPT-4는 40% 향상된 사실적 콘텐츠를 생성할 가능성이 더 높습니다.
ChatGPT에서 발생할 수 있는 잘못된 응답을 피하기 위해 사용자가 도구를 사용하기 위해 가입할 때 최대한 투명하게 하기 위해 노력합니다. 그러나 우리는 오해 가능성을 더욱 줄이고 이러한 AI 도구의 현재 한계에 대해 대중에게 교육하기 위해 수행해야 할 작업이 더 많다는 것을 인식했습니다.
지속적인 연구 및 참여
AI 보안 문제를 해결하는 실용적인 방법은 효과적인 완화 및 보정 기술에 더 많은 시간과 자원을 투자하고 이러한 기술이 오용될 수 있는 실제 상황을 대상으로 테스트를 수행하는 것이라고 믿습니다. .
중요하게, 우리는 AI의 안전성과 역량 향상이 동시에 이루어져야 한다고 믿습니다. 현재까지 우리의 최고의 보안 작업은 가장 유능한 모델을 사용하여 작업한 결과입니다. 사용자의 지침을 더 잘 따르고 이를 활용하거나 "안내"하기가 더 쉽기 때문입니다.
우리는 더 많은 주의를 기울여 더 많은 유능한 모델을 만들고 배포할 것이며 AI 시스템이 발전함에 따라 안전 예방 조치를 계속 강화할 것입니다.
GPT-4의 기능, 이점 및 위험을 더 잘 이해하기 위해 배포하는 데 6개월 이상을 기다렸지만 때로는 AI 시스템의 보안을 개선하는 데 더 오랜 시간이 걸릴 수 있습니다. 따라서 정책 입안자와 AI 개발자는 누구도 앞서가기 위해 지름길을 택하지 않도록 AI의 개발 및 배포가 전 세계적으로 효과적으로 규제되도록 해야 합니다. 이는 기술적, 제도적 혁신이 필요한 어려운 도전이지만, 우리는 기꺼이 기여하고 싶습니다.
AI 안전 문제를 해결하려면 AI 시스템의 동작에 대한 경계 설정을 포함하여 광범위한 토론, 실험 및 참여가 필요합니다. 우리는 보다 안전한 AI 생태계를 만들기 위해 이해관계자 간의 협력과 열린 대화를 지속적으로 장려해 왔으며 앞으로도 그럴 것입니다. (샤오샤오)
위 내용은 AI 안전을 보장하는 방법은 무엇입니까? OpenAI는 자세한 답변을 제공하며, 각국 정부와 적극적으로 접촉할 예정입니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











이 사이트는 6월 27일에 Jianying이 ByteDance의 자회사인 FaceMeng Technology에서 개발한 비디오 편집 소프트웨어라고 보도했습니다. 이 소프트웨어는 Douyin 플랫폼을 기반으로 하며 기본적으로 플랫폼 사용자를 위한 짧은 비디오 콘텐츠를 제작합니다. Windows, MacOS 및 기타 운영 체제. Jianying은 멤버십 시스템 업그레이드를 공식 발표하고 지능형 번역, 지능형 하이라이트, 지능형 패키징, 디지털 인간 합성 등 다양한 AI 블랙 기술을 포함하는 새로운 SVIP를 출시했습니다. 가격면에서 SVIP 클리핑 월 요금은 79위안, 연간 요금은 599위안(본 사이트 참고: 월 49.9위안에 해당), 월간 연속 구독료는 월 59위안, 연간 연속 구독료는 59위안입니다. 연간 499위안(월 41.6위안)입니다. 또한, 컷 관계자는 "사용자 경험 향상을 위해 기존 VIP에 가입하신 분들도

검색 강화 생성 및 의미론적 메모리를 AI 코딩 도우미에 통합하여 개발자 생산성, 효율성 및 정확성을 향상시킵니다. EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG에서 번역됨, 저자 JanakiramMSV. 기본 AI 프로그래밍 도우미는 자연스럽게 도움이 되지만, 소프트웨어 언어에 대한 일반적인 이해와 소프트웨어 작성의 가장 일반적인 패턴에 의존하기 때문에 가장 관련성이 높고 정확한 코드 제안을 제공하지 못하는 경우가 많습니다. 이러한 코딩 도우미가 생성한 코드는 자신이 해결해야 할 문제를 해결하는 데 적합하지만 개별 팀의 코딩 표준, 규칙 및 스타일을 따르지 않는 경우가 많습니다. 이로 인해 코드가 애플리케이션에 승인되기 위해 수정되거나 개선되어야 하는 제안이 나타나는 경우가 많습니다.

LLM(대형 언어 모델)은 대규모 텍스트 데이터베이스에서 훈련되어 대량의 실제 지식을 습득합니다. 이 지식은 매개변수에 내장되어 필요할 때 사용할 수 있습니다. 이러한 모델에 대한 지식은 훈련이 끝나면 "구체화"됩니다. 사전 훈련이 끝나면 모델은 실제로 학습을 중단합니다. 모델을 정렬하거나 미세 조정하여 이 지식을 활용하고 사용자 질문에 보다 자연스럽게 응답하는 방법을 알아보세요. 그러나 때로는 모델 지식만으로는 충분하지 않을 때도 있으며, 모델이 RAG를 통해 외부 콘텐츠에 접근할 수 있더라도 미세 조정을 통해 모델을 새로운 도메인에 적응시키는 것이 유익한 것으로 간주됩니다. 이러한 미세 조정은 인간 주석 작성자 또는 기타 LLM 생성자의 입력을 사용하여 수행됩니다. 여기서 모델은 추가적인 실제 지식을 접하고 이를 통합합니다.

AIGC에 대해 자세히 알아보려면 다음을 방문하세요. 51CTOAI.x 커뮤니티 https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou는 인터넷 어디에서나 볼 수 있는 전통적인 문제 은행과 다릅니다. 고정관념에서 벗어나 생각해야 합니다. LLM(대형 언어 모델)은 데이터 과학, 생성 인공 지능(GenAI) 및 인공 지능 분야에서 점점 더 중요해지고 있습니다. 이러한 복잡한 알고리즘은 인간의 기술을 향상시키고 많은 산업 분야에서 효율성과 혁신을 촉진하여 기업이 경쟁력을 유지하는 데 핵심이 됩니다. LLM은 자연어 처리, 텍스트 생성, 음성 인식 및 추천 시스템과 같은 분야에서 광범위하게 사용될 수 있습니다. LLM은 대량의 데이터로부터 학습하여 텍스트를 생성할 수 있습니다.

편집자 |ScienceAI 질문 응답(QA) 데이터 세트는 자연어 처리(NLP) 연구를 촉진하는 데 중요한 역할을 합니다. 고품질 QA 데이터 세트는 모델을 미세 조정하는 데 사용될 수 있을 뿐만 아니라 LLM(대형 언어 모델)의 기능, 특히 과학적 지식을 이해하고 추론하는 능력을 효과적으로 평가하는 데에도 사용할 수 있습니다. 현재 의학, 화학, 생물학 및 기타 분야를 포괄하는 과학적인 QA 데이터 세트가 많이 있지만 이러한 데이터 세트에는 여전히 몇 가지 단점이 있습니다. 첫째, 데이터 형식이 비교적 단순하고 대부분이 객관식 질문이므로 평가하기 쉽지만 모델의 답변 선택 범위가 제한되고 모델의 과학적 질문 답변 능력을 완전히 테스트할 수 없습니다. 이에 비해 개방형 Q&A는

머신 러닝은 명시적으로 프로그래밍하지 않고도 컴퓨터가 데이터로부터 학습하고 능력을 향상시킬 수 있는 능력을 제공하는 인공 지능의 중요한 분야입니다. 머신러닝은 이미지 인식, 자연어 처리, 추천 시스템, 사기 탐지 등 다양한 분야에서 폭넓게 활용되며 우리의 삶의 방식을 변화시키고 있습니다. 기계 학습 분야에는 다양한 방법과 이론이 있으며, 그 중 가장 영향력 있는 5가지 방법을 "기계 학습의 5개 학교"라고 합니다. 5개 주요 학파는 상징학파, 연결주의 학파, 진화학파, 베이지안 학파, 유추학파이다. 1. 상징주의라고도 알려진 상징주의는 논리적 추론과 지식 표현을 위해 상징을 사용하는 것을 강조합니다. 이 사고 학교는 학습이 기존을 통한 역연역 과정이라고 믿습니다.

Editor | KX 약물 연구 및 개발 분야에서 단백질과 리간드의 결합 친화도를 정확하고 효과적으로 예측하는 것은 약물 스크리닝 및 최적화에 매우 중요합니다. 그러나 현재 연구에서는 단백질-리간드 상호작용에서 분자 표면 정보의 중요한 역할을 고려하지 않습니다. 이를 기반으로 Xiamen University의 연구자들은 처음으로 단백질 표면, 3D 구조 및 서열에 대한 정보를 결합하고 교차 주의 메커니즘을 사용하여 다양한 양식 특징을 비교하는 새로운 다중 모드 특징 추출(MFE) 프레임워크를 제안했습니다. 조정. 실험 결과는 이 방법이 단백질-리간드 결합 친화도를 예측하는 데 있어 최첨단 성능을 달성한다는 것을 보여줍니다. 또한 절제 연구는 이 프레임워크 내에서 단백질 표면 정보와 다중 모드 기능 정렬의 효율성과 필요성을 보여줍니다. 관련 연구는 "S"로 시작된다

1일 본 사이트 소식에 따르면 SK하이닉스는 오늘(1일) 블로그 게시물을 통해 8월 6일부터 8일까지 미국 캘리포니아주 산타클라라에서 열리는 글로벌 반도체 메모리 서밋 FMS2024에 참가한다고 밝혔다. 많은 새로운 세대의 제품. 인공지능 기술에 대한 관심이 높아지고 있는 가운데, 이전에는 주로 NAND 공급업체를 대상으로 한 플래시 메모리 서밋(FlashMemorySummit)이었던 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage) 소개를 올해는 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage)으로 명칭을 변경했습니다. DRAM 및 스토리지 공급업체와 더 많은 플레이어를 초대하세요. SK하이닉스가 지난해 출시한 신제품
