Rumah Peranti teknologi AI 'Keperluan Keselamatan Asas untuk Perkhidmatan Kepintaran Buatan Generatif' adalah meminta pendapat secara terbuka Penggunaan korpora yang mengandungi maklumat peribadi mesti dibenarkan oleh entiti yang sepadan.

'Keperluan Keselamatan Asas untuk Perkhidmatan Kepintaran Buatan Generatif' adalah meminta pendapat secara terbuka Penggunaan korpora yang mengandungi maklumat peribadi mesti dibenarkan oleh entiti yang sepadan.

Oct 12, 2023 pm 05:13 PM
AI

Keperluan Keselamatan Asas untuk Perkhidmatan Kepintaran Buatan Generatif adalah meminta pendapat secara terbuka Penggunaan korpora yang mengandungi maklumat peribadi mesti dibenarkan oleh entiti yang sepadan.

Berita pada 12 Oktober, menurut laman web rasmi Jawatankuasa Teknikal Penyeragaman Keselamatan Maklumat Kebangsaan, jawatankuasa itu telah merumuskan draf dokumen teknikal "Keperluan Keselamatan Asas untuk Perkhidmatan Kepintaran Buatan Generatif". Dokumen teknikal kini dibuka kepada orang ramai untuk komen Jika anda mempunyai sebarang komen atau cadangan, sila berikan maklum balas sebelum 24:00 pada 25 Oktober

Keperluan Keselamatan Asas untuk Perkhidmatan Kepintaran Buatan Generatif adalah meminta pendapat secara terbuka Penggunaan korpora yang mengandungi maklumat peribadi mesti dibenarkan oleh entiti yang sepadan.

"Keperluan" memberikan aspek keselamatan asas bagi perkhidmatan kecerdasan buatan generatif Keperluan. , termasuk keselamatan korpus, keselamatan model, langkah keselamatan, penilaian keselamatan, dsb., terpakai kepada penyedia perkhidmatan kecerdasan buatan generatif kepada orang ramai di negara saya untuk meningkatkan tahap keselamatan perkhidmatan, atau penyedia untuk menjalankan penilaian keselamatan sendiri atau dengan mempercayakan pihak ketiga untuk menjalankan penilaian keselamatan, dan juga boleh memberikan rujukan kepada pihak berkuasa yang berkaitan untuk menilai tahap keselamatan perkhidmatan kecerdasan buatan generatif. Keperluan untuk menganjurkan laman web ini adalah seperti berikut:

Tubuhkan senarai hitam sumber korpus, dan data daripada sumber senarai hitam tidak boleh digunakan untuk latihan.
  • Penilaian keselamatan hendaklah dijalankan ke atas setiap sumber korpus Jika kandungan satu sumber korpus mengandungi lebih daripada 5% maklumat yang menyalahi undang-undang dan berbahaya, ia harus dimasukkan ke dalam senarai hitam.
  • Apabila menggunakan korpus yang mengandungi maklumat peribadi, anda harus mendapatkan kebenaran dan persetujuan subjek maklumat peribadi yang sepadan, atau memenuhi syarat lain untuk penggunaan sah maklumat peribadi tersebut
  • . Apabila menggunakan korpus yang mengandungi maklumat biometrik seperti muka, anda harus mendapatkan kebenaran bertulis dan persetujuan subjek maklumat peribadi yang sepadan, atau memenuhi syarat lain untuk penggunaan sah maklumat biometrik tersebut.
  • Para anotasi harus dinilai sendiri, mereka yang lulus peperiksaan harus diberi kelayakan anotasi, dan perlu ada mekanisme untuk latihan semula dan penilaian biasa, serta mekanisme untuk menggantung atau membatalkan kelayakan anotasi apabila perlu.
  • Semasa proses latihan,
  • keselamatan kandungan yang dihasilkan harus menjadi salah satu pertimbangan utama untuk menilai kualiti hasil yang dihasilkan
  • . Jika perkhidmatan disediakan melalui antara muka interaktif, maklumat berikut hendaklah didedahkan kepada orang ramai dalam kedudukan yang menonjol seperti laman utama laman web:
  • Kandungan yang perlu ditulis semula ialah: - Maklumat tentang orang ramai, majlis, tujuan, dsb. yang perkhidmatan itu terpakai Kandungan yang ditulis semula: - Maklumat perkhidmatan yang sesuai untuk kumpulan orang, acara dan tujuan yang berbeza

Status penggunaan model asas pihak ketiga

Harus menunjukkan sepenuhnya keperluan dan kebolehgunaan menggunakan kecerdasan buatan generatif dalam pelbagai bidang dalam skop perkhidmatan dan keselamatan .
  • Menurut laporan terdahulu di laman web ini, tujuh jabatan termasuk Pentadbiran Ruang Siber China, Suruhanjaya Pembangunan dan Pembaharuan Negara, Kementerian Pendidikan, Kementerian Sains dan Teknologi, Kementerian Perindustrian dan Teknologi Maklumat, Kementerian Keselamatan Awam, dan Pentadbiran Radio dan Televisyen Negeri mengeluarkan "Langkah Interim untuk Pengurusan Perkhidmatan Kepintaran Buatan Generatif" pada 10 Julai, berkuat kuasa dari 15 Ogos.

"Langkah-langkah" menetapkan bahawa tiada sesiapa pun boleh menggunakan kelebihan algoritma, data, platform, dsb. untuk melaksanakan monopoli dan persaingan tidak adil; hak reputasi, hak kehormatan, hak privasi dan hak maklumat peribadi hendaklah Mengambil langkah yang berkesan untuk meningkatkan ketelusan perkhidmatan kecerdasan buatan generatif dan meningkatkan ketepatan dan kebolehpercayaan kandungan yang dihasilkan.

Rujukan

    Notis tentang mendapatkan pendapat tentang dokumen teknikal Jawatankuasa Piawaian Keselamatan Maklumat "Keperluan Keselamatan Asas untuk Perkhidmatan Kepintaran Buatan Generatif" (Draf untuk Komen)

Atas ialah kandungan terperinci 'Keperluan Keselamatan Asas untuk Perkhidmatan Kepintaran Buatan Generatif' adalah meminta pendapat secara terbuka Penggunaan korpora yang mengandungi maklumat peribadi mesti dibenarkan oleh entiti yang sepadan.. 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)
2 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Repo: Cara menghidupkan semula rakan sepasukan
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island Adventure: Cara mendapatkan biji gergasi
4 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

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

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

Era baharu pembangunan bahagian hadapan VSCode: 12 pembantu kod AI yang sangat disyorkan Era baharu pembangunan bahagian hadapan VSCode: 12 pembantu kod AI yang sangat disyorkan Jun 11, 2024 pm 07:47 PM

Dalam dunia pembangunan bahagian hadapan, VSCode telah menjadi alat pilihan untuk banyak pembangun dengan fungsi yang berkuasa dan ekosistem pemalam yang kaya. Dalam beberapa tahun kebelakangan ini, dengan perkembangan pesat teknologi kecerdasan buatan, pembantu kod AI pada VSCode telah muncul, meningkatkan kecekapan pengekodan pembangun. Pembantu kod AI pada VSCode telah muncul seperti cendawan selepas hujan, meningkatkan kecekapan pengekodan pembangun. Ia menggunakan teknologi kecerdasan buatan untuk menganalisis kod secara bijak dan menyediakan penyiapan kod yang tepat, pembetulan ralat automatik, semakan tatabahasa dan fungsi lain, yang mengurangkan kesilapan pembangun dan kerja manual yang membosankan semasa proses pengekodan. Hari ini, saya akan mengesyorkan 12 pembantu kod AI pembangunan bahagian hadapan VSCode untuk membantu anda dalam perjalanan pengaturcaraan anda.

See all articles