欧盟发布人工智能法规草案
在大多数情况下,有限或最低风险类别的人工智能系统将能够像以前一样运行,欧盟正在立法专门处理可能危及欧盟公民安全或隐私的人工智能系统。
欧盟已经发布了关于人工智能监管的立法草案,该草案将成为人工智能供应商和分销商在欧盟开拓市场的关键框架。
在立法中,欧盟将人工智能系统分为三个风险类别:不可接受的风险、高风险以及有限或最低风险。在大多数情况下,有限或最低风险类别的人工智能系统将能够像以前一样运行,欧盟立法专门处理可能危及欧盟公民安全或隐私的人工智能系统。
欧盟委员会主席乌苏拉·格特鲁德·冯·德莱恩 (Ursula Gertrud von der Leyen) 表示:“人工智能对欧洲来说是一个绝佳的机会,公民应该得到他们可以信任的技术。” “今天,我们提出了值得信赖的 AI 的新规则。他们根据不同的风险水平制定了高标准。”
风险最小或低的人工智能系统包括聊天机器人、垃圾邮件过滤器、视频和电脑游戏、库存管理系统,以及世界上已经部署的大多数其他非个人人工智能系统。
高风险人工智能系统包括大多数具有现实世界影响的人工智能,例如消费者信用评分、招聘和安全关键基础设施。虽然这些没有被禁止,但欧盟立法旨在确保对这些系统有更严格的要求和监督,同时对那些未能妥善保护数据的人处以更昂贵的罚款。
欧盟打算每年审查高风险清单,要么在其中添加新的人工智能系统,要么降级一些高风险但已在社会中正常化或风险因素与往年不同的人工智能系统.
在此 AI 法规通过后,欧盟将不允许存在不可接受风险的 AI 系统。其中包括使用潜意识、操纵或剥削技术的人工智能系统,这不是一个类别,而是对人工智能形式的普遍禁令,如有针对性的政治广告,或通过面部表情解释情感的人工智能。
根据人工智能法规,远程生物特征识别系统也将被禁止,特别是在执法部门用于识别个人身份时。
对于在欧盟内部运营或分发人工智能系统的组织或在经济集团内部开展业务的组织来说,这项立法是即将到来的第一个明确迹象。欧盟将需要 12 到 24 个月的时间就更详细的细节达成一致,但该立法不太可能与初稿相比有太大变化。
这使高风险人工智能系统类别的组织有很短的时间重新调整和雇用,以确保他们的人工智能程序在欧盟是可行的。需要额外的人工监督、透明度和风险管理,以确保 AI 系统通过检查,并且对不合规的处罚目前定为 3000 万欧元或全球收入的 6%,因此对于大型组织而言,成本可能会迫使如果他们不能重新装备他们的人工智能系统,他们就会退出欧盟。
以上是欧盟发布人工智能法规草案的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S

本站7月5日消息,格芯(GlobalFoundries)于今年7月1日发布新闻稿,宣布收购泰戈尔科技(TagoreTechnology)的功率氮化镓(GaN)技术及知识产权组合,希望在汽车、物联网和人工智能数据中心应用领域探索更高的效率和更好的性能。随着生成式人工智能(GenerativeAI)等技术在数字世界的不断发展,氮化镓(GaN)已成为可持续高效电源管理(尤其是在数据中心)的关键解决方案。本站援引官方公告内容,在本次收购过程中,泰戈尔科技公司工程师团队将加入格芯,进一步开发氮化镓技术。G
