Jadual Kandungan
Apakah itu kecerdasan buatan umum?
Berikut ialah 5 pertimbangan untuk membimbing pengawalseliaan kecerdasan buatan am
Kecerdasan Buatan Umum ialah kategori besar
AI am harus ditadbir sepanjang kitaran hayat produk
Penafian undang-undang standard tidak mencukupi
Libatkan pelakon bukan industri, masyarakat dan penyelidik dalam perundingan yang lebih luas
Rumah Peranti teknologi AI Apa yang anda perlu tahu tentang kecerdasan buatan am

Apa yang anda perlu tahu tentang kecerdasan buatan am

May 09, 2023 pm 02:25 PM
AI Sejagat standard

Baru-baru ini, semakin banyak perbincangan mengenai alat kecerdasan buatan generatif, terutamanya selepas keluaran beberapa model bahasa berskala besar dan penjana imej seperti DALL-E atau Midjourney.

Penciptaan ini sekali lagi meletakkan kecerdasan buatan am (GPAI) di bawah perhatian dan sekali lagi menimbulkan persoalan hipotetikal seperti sama ada GPAI perlu dikawal.

Sebelum seseorang meneroka kemungkinan lebih lanjut, fahami dahulu konsep GPAI, maksudnya, bila ia diperkenalkan, dsb.

Apakah itu kecerdasan buatan umum?

Dua tahun lalu, pada April 2021, Suruhanjaya Eropah melancarkan kecerdasan buatan am. Cadangan bil AI asal mengecualikan pencipta kecerdasan buatan am daripada mematuhi beberapa instrumen undang-undang dan piawaian liabiliti lain.

Alasannya ialah ia hanya terpakai kepada AI berisiko tinggi, yang dinyatakan dengan jelas dan dijelaskan dalam rang undang-undang berdasarkan tujuan dan konteksnya.

Peraturan lain, Artikel 28, menyokong pernyataan ini dan mengesyorkan bahawa pembangun AGI hanya membuat pelarasan atau pembangunan yang ketara kepada sistem AI untuk kegunaan berisiko tinggi.

Tetapi menurut laporan baru-baru ini, Parlimen Eropah juga sedang mempertimbangkan "kewajipan" tertentu untuk penyedia AGI asal.

Tujuan asas Akta Kepintaran Buatan EU adalah untuk mengklasifikasikan dan mengklasifikasikan pelbagai rantaian aktor yang terlibat dalam membangunkan dan menggunakan sistem menggunakan kecerdasan buatan.

Berikut ialah 5 pertimbangan untuk membimbing pengawalseliaan kecerdasan buatan am

Pendekatan Akta Kecerdasan Buatan terhadap kecerdasan buatan am adalah sesuai untuk mewujudkan nada kawal selia bagi menangani bahaya kecerdasan buatan global. Dengan peningkatan minat awam baru-baru ini dalam AI generatif, terdapat juga risiko bahawa pendirian kawal selia mungkin terlalu disesuaikan dengan isu semasa.

Anehnya, inovasi baharu seperti ChatGPT, dall-e2 dan Bard sebenarnya tidak menjadi masalah;

Disyorkan: AI Bertanggungjawab - Cara mengguna pakai model etika dalam persekitaran kawal selia

Kecerdasan Buatan Umum ialah kategori besar

Perkara pertama yang perlu difahami ialah Kepintaran Kepintaran Buatan Am ialah kategori yang besar, jadi adalah logik untuk menerapkannya pada pelbagai bidang teknologi, dan bukannya mengehadkannya kepada chatbots dan LL.M.s.

Untuk memastikan Rang Undang-undang Kepintaran Buatan EU bersifat futuristik, ia mesti menangani skala yang lebih besar. Pertama, penerangan yang betul tentang GPAI harus merangkumi banyak teknik ("tugas") yang boleh berfungsi sebagai asas untuk sistem kecerdasan buatan yang lain.

Majlis Eropah mentakrifkan ini sebagai:

“Pembekal berhasrat untuk melaksanakan fungsi yang terpakai secara umum seperti pengecaman imej dan pertuturan, penjanaan audio dan video, pengesanan corak, menjawab soalan, terjemahan, dsb. ; Sistem kecerdasan buatan am boleh digunakan dalam berbilang senario dan boleh diintegrasikan ke dalam berbilang sistem AI lain ”

Kecerdasan buatan umum boleh menyebabkan pelbagai bahaya

Walaupun risiko ini tidak boleh digunakan. . lapisan diatasi sepenuhnya, tetapi kita boleh menafikan fakta bahawa ia boleh memberi kesan kepada pelbagai aplikasi dan pelakon. Kita harus mempertimbangkan keadaan semasa teknologi AI, aplikasinya, dan cara ia berfungsi sambil membangunkan pendekatan umum kepada peraturan AI.

Sebagai contoh, model AI umum menghadapi risiko menghasilkan wacana anti-demokrasi, seperti ucapan kebencian yang menyasarkan minoriti seksual, kaum dan agama. Risiko dengan model ini ialah mereka memasukkan pandangan yang terhalang atau diputarbelitkan ke dalam data yang mendasarinya.

AI am harus ditadbir sepanjang kitaran hayat produk

Untuk AI am mengambil kira kepelbagaian pihak berkepentingan, ia mesti ditadbir sepanjang kitaran hayat produk, bukan hanya pada lapisan aplikasi. Peringkat pertama pembangunan adalah kritikal, dan perniagaan yang mencipta model ini mesti bertanggungjawab ke atas maklumat yang mereka manfaatkan dan keputusan seni bina yang mereka buat. Seni bina rangkaian bekalan AI sedia ada secara berkesan membolehkan peserta mendapat keuntungan daripada aplikasi hiliran jauh sambil mengelakkan sebarang liabiliti berbangkit kerana kekurangan pengawasan pada lapisan pembangunan. Ini termasuk proses mengumpul, membersihkan dan menganotasi data, serta proses mencipta, menguji dan menilai model.

Penafian undang-undang standard tidak mencukupi

Adalah mustahil bagi pencipta AGI untuk menggunakan penafian undang-undang asas untuk membebaskan diri mereka daripada liabiliti. Pendekatan ini boleh membawa kepada kerentanan berbahaya yang melepaskan semua tanggungjawab daripada pemaju asal dan meletakkan tanggungjawab kepada pelaku hiliran yang tidak mempunyai keupayaan untuk menguruskan semua risiko. Majlis ini mempunyai pengecualian kepada pendekatan umum, yang akan membolehkan pemaju AGI membebaskan diri mereka daripada sebarang liabiliti selagi mereka mengecualikan semua penggunaan berisiko tinggi dalam arahan mereka dan memastikan sistem tidak boleh disalahgunakan.

Disyorkan: Temui, atasi dan hapuskan bias AI yang tersembunyi

Libatkan pelakon bukan industri, masyarakat dan penyelidik dalam perundingan yang lebih luas

Dokumentasi amalan asas yang bersatu untuk menilai umum Model AI, dan model AI generatif khususnya, merentasi pelbagai bahaya adalah bidang penyelidikan yang berterusan. Untuk mengelakkan latihan kotak semak cetek, peraturan harus menghalang kaedah penilaian sempit.

Sistem kecerdasan buatan am mesti menjalani kewaspadaan, pengesahan dan pemeriksaan yang teliti sebelum ia dilaksanakan atau disediakan kepada orang ramai. Cadangan terkini untuk membawa model kecerdasan buatan am dalam skop Rang Undang-undang AI sama ada menangguhkan pembangunan piawaian khusus masa hadapan (yang akan diputuskan oleh Suruhanjaya) atau cuba berbuat demikian dalam perkataan Rang Undang-undang AI.

Sebagai contoh, dalam masyarakat konsensus, pengagihan kesan yang mungkin mungkin berbeza bergantung pada sama ada prototaip dibina dan digunakan oleh seluruh komuniti atau oleh komuniti kecil.

Rang Undang-undang Kecerdasan Buatan EU akan menjadi undang-undang AI luas yang pertama, dan suatu hari nanti, ia akan menjadi piawaian bersatu untuk semua negara. Itulah sebabnya penting untuk mengambil bidang kecerdasan buatan dan menterjemahkannya ke dalam templat global yang boleh diikuti oleh semua orang.

Atas ialah kandungan terperinci Apa yang anda perlu tahu tentang kecerdasan buatan am. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Meletakkan pasaran seperti AI, GlobalFoundries memperoleh teknologi gallium nitrida Tagore Technology dan pasukan berkaitan Meletakkan pasaran seperti AI, GlobalFoundries memperoleh teknologi gallium nitrida Tagore Technology dan pasukan berkaitan Jul 15, 2024 pm 12:21 PM

Menurut berita dari laman web ini pada 5 Julai, GlobalFoundries mengeluarkan kenyataan akhbar pada 1 Julai tahun ini, mengumumkan pemerolehan teknologi power gallium nitride (GaN) Tagore Technology dan portfolio harta intelek, dengan harapan dapat mengembangkan bahagian pasarannya dalam kereta dan Internet of Things dan kawasan aplikasi pusat data kecerdasan buatan untuk meneroka kecekapan yang lebih tinggi dan prestasi yang lebih baik. Memandangkan teknologi seperti AI generatif terus berkembang dalam dunia digital, galium nitrida (GaN) telah menjadi penyelesaian utama untuk pengurusan kuasa yang mampan dan cekap, terutamanya dalam pusat data. Laman web ini memetik pengumuman rasmi bahawa semasa pengambilalihan ini, pasukan kejuruteraan Tagore Technology akan menyertai GLOBALFOUNDRIES untuk membangunkan lagi teknologi gallium nitride. G

See all articles