微软限制对其部分人工智能服务的访问
人工智能掌握着技术的未来,但落入坏人之手,会给许多人带来麻烦。这就是微软宣布对其负责任的 AI 标准进行一些更改的原因,其中引入了新的有限访问政策。该公司在 6 月 21 日的一些帖子中表示,它现在将删除并限制对其使用 AI 的某些服务的访问。特别是,这些政策变化将影响微软的 Azure Face 面部识别服务和自定义神经语音。
这一变化将极大影响的功能之一是备受争议的面部分析技术,旨在推断个人的情绪状态并识别不同的人类属性,如性别、年龄、微笑、面部毛发、头发和化妆。微软表示,此举是在对隐私的一些担忧以及对“情感”概念的定义缺乏科学共识之后做出的。
“我们与内部和外部研究人员合作,了解这项技术的局限性和潜在优势,并进行权衡,”Azure AI 首席集团产品经理 Sarah Bird 说。“特别是在情绪分类的情况下,这些努力提出了关于隐私的重要问题,对“情绪”的定义缺乏共识,以及无法概括用例、地区和人口统计数据之间的面部表情和情绪状态之间的联系. 对预测敏感属性功能的 API 访问也开辟了多种可能被滥用的方式——包括使人们受到刻板印象、歧视或不公平地拒绝服务。”
因此,该公司宣布已于 6 月 21 日为新客户提供属性检测功能,而同月 30 日将停止为现有客户提供属性检测功能。尽管如此,微软表示它“认识到这些功能在用于一组受控的可访问性场景时可能很有价值。” 因此,在为残疾人设计的应用程序中不断提供这些功能是一个例外,例如 Seeing AI。
另一方面,微软将限制申请者访问 Azure Face API、计算机视觉和视频索引器中的面部识别服务。根据微软推出的有限访问政策,客户必须通过用例和客户资格要求才能访问操作。当前客户将有一年的时间(直到 2023 年 6 月 30 日)申请并获准继续使用面部识别服务。同时,用于检测模糊、曝光、眼镜、头部姿势、地标、噪声、遮挡和面部边界框的其他面部检测功能将保持可用,无需应用。根据伯德的说法,
最后,微软的自定义神经语音功能也将面临一些限制,以防止可能的滥用。“基于我们从自定义神经语音中学到的知识,我们将对我们的面部识别服务应用类似的控制,”首席负责人工智能官 Natasha Crampton 在另一篇博客文章中写道。“在现有客户的过渡期之后,我们将这些服务的访问权限限制为托管客户和合作伙伴,将用例缩小到预先定义的可接受的用例,并利用设计到服务中的技术控制。”
以上是微软限制对其部分人工智能服务的访问的详细内容。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

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|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

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8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在