有关通用人工智能需要知道的事项
最近,关于生成式人工智能工具的讨论越来越多,特别是在多个大型语言模型和图像生成器(如DALL-E或Midjourney)发布之后。
这些发明再次将通用人工智能(GPAI)置于人们的关注的目光下,并再次提出了诸如GPAI是否应该受到监管等假设性问题。
在人们进一步探索可能性之前,首先了解GPAI的概念,它的含义,它是什么时候引入的等等。
什么是通用人工智能?
两年前,也就是2021年4月,欧盟委员会推出了通用人工智能。最初的人工智能法案提案免除了通用人工智能创建者遵守一些法律文书和其他责任标准的责任。
原因是它只适用于高风险的人工智能,在法案中根据它们的用途和背景明确提到和解释了这一点。
另一项规定,即第28条,支持了这一主张,并建议通用人工智能开发人员只有在对人工智能系统进行重大调整或发展以用于高风险用途时才对合规负责。
但根据最近的报道,欧洲议会也在考虑对原始通用人工智能提供商的某些“义务”。
欧盟人工智能法案的基本目的是对使用人工智能开发和部署系统时所涉及的各种行为者链进行分类和分类。
以下是指导通用人工智能监管的5个考虑因素
《人工智能法案》对通用人工智能的做法是为解决全球人工智能危害建立监管基调的理想选择。随着最近公众对生成式人工智能的兴趣增加,监管立场也有可能过度适应当前的问题。
令人惊讶的是,ChatGPT、dall-e2和Bard等较新的创新甚至都不是真正的问题;事实上,它们只是冰山一角。
推荐:负责任的人工智能-如何在监管环境中采用道德模式
通用人工智能是一个庞大的类别
首先要理解的是,通用人工智能是一个巨大的类别,因此,将其应用于广泛的技术领域是合乎逻辑的,而不是将其局限于聊天机器人和法学硕士。
为了确保欧盟人工智能法案具有未来主义的性质,它必须涉及更大的规模。首先,GPAI的正确描述应该包括许多可以作为其他人工智能系统基础的技术(“任务”)。
欧盟理事会将其定义为:
“提供商打算执行一般适用的功能,如图像和语音识别、音频和视频生成、模式检测、问题回答、翻译等;通用人工智能系统可以在多个场景中使用,并且可以集成到多个其他AI系统中。”
通用人工智能可能造成广泛的危害
虽然这些风险不能在应用层中完全克服,但我们可以否认它们可能对各种应用程序和参与者产生影响的事实。我们应该在制定通用人工智能监管方法的同时,考虑人工智能技术的现状、应用及其工作方式。
例如,通用人工智能模型冒着产生反民主话语的风险,例如针对性、种族和宗教少数群体的仇恨言论。这些模型的风险在于,在它们的基础数据中固化了受约束或扭曲的观点。
通用人工智能应在整个产品生命周期内进行调节
为了让通用人工智能考虑到涉众的多样性,它必须在整个产品周期中进行治理,而不仅仅是在应用层。开发的第一个阶段是至关重要的,创建这些模型的业务必须对他们利用的信息和他们做出的体系结构决策负责。人工智能供应网络的现有架构有效地使参与者能够从远程下游应用程序中获利,同时避免因开发层缺乏监管而承担任何相应的责任。这包括数据的收集、清理和注释过程,以及模型的创建、测试和评估过程。
一个标准的法律免责声明是不够的
通用人工智能的创建者不可能使用基本的法律免责声明来免除他们的责任。这种方法可能导致一个危险的漏洞,它将释放原始开发人员的所有责任,而将责任放在下游参与者身上,他们没有能力管理所有风险。理事会的一般方法确实有一个例外,即允许通用人工智能开发人员免除自己的任何责任,只要他们在说明中排除所有高风险用途并确保系统不会被滥用。
推荐:发现、解决和揭穿隐藏的人工智能偏见
使非工业参与者、社会和研究人员参与更广泛的咨询
一个基本的、统一的文档实践来评估通用人工智能模型,特别是生成人工智能模型,跨越各种危害是一个正在进行的研究领域。为了避免肤浅的复选框练习,监管应防止狭隘的评估方法。
在实施或向公众提供通用人工智能系统之前,必须经过细致的警惕、验证和检查。最近的建议将通用人工智能模型纳入人工智能法案的范围,要么推迟制定未来的具体标准(由委员会决定),要么试图在人工智能法案的措辞中这样做。
例如,在一个达成一致的社会中,可能产生的影响的分布可能会有所不同,这取决于一个原型是为整个社区构建和使用的,还是为一个小社区使用的。
欧盟人工智能法案即将成为第一个广泛的人工智能法律,总有一天,它将成为所有国家的统一标准。这就是为什么处理人工智能领域并将其转化为每个人都可以遵循的全球模板至关重要的原因。
以上是有关通用人工智能需要知道的事项的详细内容。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

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

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

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
