一代人工智能将重塑未来的科技景观
在过去的10年里,科技领域出现了新的创新,从传统系统到云计算服务,再到勒索软件的保护。世界各地的技术团队正在将重点转向简化多云运营,目的是在不增加成本的情况下进行创新。快速采用生成人工智能(GenAI)工具对于保持竞争力至关重要。
然而,对于人工智能的行为,谁来负责呢?如何确保负责任的人工智能发展和道德创新?我们如何在不损害安全性、合规性、数据主权或尊重他人隐私的道德义务的情况下,最大限度地发挥技术的全部能力?
大企业在做什么?
GenAI是创新的明确催化剂,而责任则是当代最大的技术先驱的主题前沿和中心话题。
在今年的VMware Explore大会上,VMware总裁Sumit Dhawan和Aon首席技术官Rajeev Khanna探讨了三个关键话题之一:负责任的GenAI。这家全球专业服务企业在120个国家拥有约5万名员工,是VMware解决方案的忠实用户。根据Khanna的说法,GenAI“打开了一系列全新的机会。”其表示,Aon从事的是风险咨询业务,这意味着在对未来的兴奋与稳定、谨慎的做法之间保持平衡是谨慎的。
确实如此。人们很容易对科技领域下一个闪亮的目标产生热情,但要想实现创新并获得全企业的认可,还需要克服许多障碍。Khanna强调建立和维护负责任的人工智能使用和治理的文化,并且永远不要忽视人类监督对道德和负责任的人工智能使用的基础性作用。
将GenAI应用于所有企业在VMware Explore 2023大会上,发布了重大进展。与Nvidia的合作产生了VMware私有AI基金会,将Nvidia企业AI集成到一个多功能平台中。这允许IT在各种AI/ML工作负载中有效地管理具有隐私、安全性和性能的大型语言模型。
VMware Tanzu产品组合简化了基于容器的应用程序管理并增强了安全性,同时Edge Cloud Orchestrator支持快速配置边缘站点。其他增强功能包括云控制平面、更强大的勒索软件保护和VMware cloud Foundation的性能提升,最终实现了跨云和边缘的传统、现代和AI/ML工作负载的强大平台
我们正处于一个变革阶段,使各组织能够优化业务、减少浪费和促进创新。在VMware Explore大会上,该企业再次成为关键参与者,为技术部门提供装备,以提高生产力,加速创新并推动可持续的成功。
当涉及到GenAI时,我们能做什么?
VMware Explore小组讨论的主题是“负责任的人工智能:人类应该扮演什么角色?”强调我们对于人类在GenAI和多云技术的动态融合中所扮演的角色也没有明确的答案。该小组的主持人是首席技术官办公室负责人Richard Munro,他在探索指导人工智能系统开发和人类参与的道德原则方面取得了很好的成果
首先,数据记者、纽约大学阿瑟·l·卡特新闻研究所副教授Meredith Broussard将AI定义为“复杂而美丽的数学”。其表示,当谈到人工智能时,很多人会想到《终结者》、《星际迷航》或《星球大战》,但我们需要区分真实和想象。人工智能是一种“模式复制”,将数据输入计算机,计算机建立模型,模型显示数学模式,从而做出决策,生成新的文本、图像或音频,并预测结果。
然而,引起共鸣的是围绕人工智能将如何改变文化的讨论。布鲁萨德也认同在人工智能系统中对抗偏见和误解的重要性,同时也假设,将会出现由人工智能偏见所表现出来的社会问题
专家小组进一步讨论了私有人工智能的问题。私有人工智能是指使用易于训练的小型模型。较少的资源意味着更低的碳足迹和更高的准确性。私有人工智能使得组织能够更快地进行迭代循环,而不会对环境产生巨大的影响。它不仅涉及到人工智能,还包括云计算、客户、内容和环境等方面
人工智能是一场漫长的游戏,总之。我们应该避免为了追求早期成功而急于取胜的诱惑。更重要的是,将选择能力视为人工智能的一部分
为道德智能的未来铺平道路
该小组强调,人们应该放心地提出问题,以指导人工智能产生预期的结果。我们的责任是定义人工智能应该做什么和不应该做什么,并提高人们对人工智能的认识,这样人们就能理解人工智能是如何放大现有的偏见和虚假信息的
- 可靠:人工智能的可靠性取决于高质量的数据和模型中偏差的减少。还记得Apple在2014年推出的健康应用吗?其不包括月经追踪功能。减少偏见并在模型中建立充分的代表性,可以提高可靠性和问责制。
- 道德:人工智能部署的目的必须与社会的改善保持一致,遵守法规。在人工智能模型中嵌入道德准则可以确保负责任的使用。
- 安全:保护人工智能的学习模型至关重要,因为其可能会落入意外之手。保护敏感数据、员工信息和客户数据是必要的,知道人工智能模型是开源的还是私有的对安全至关重要。
- 隐私:数据的性质决定了其隐私要求。确定数据是否高度敏感、关键任务或受监管,对于确定人工智能模型中应该或不应该包含什么至关重要。
- 透明:与员工、客户和供应链合作伙伴就人工智能的作用进行公开透明的沟通,以培养信任,并确保每个人都了解人工智能的目的和潜在影响。
- 非伪装:解决人工智能不透明的挑战,了解算法的内部工作原理,其如何驱动结果,以及改变模型内变量以提高透明度的级联效应是至关重要的。
- 标准:实施护栏是确保负责任和道德的人工智能发展的关键方面。护栏有助于设定界限和指导方针,以防止人工智能系统造成伤害或做出不道德的决定。
然而,最重要的是,以人为本。GenAI的真正潜力在于其对所有年龄和职业的人的可访问性,使其成为每个人都可以提问的工具。技术为人类服务
负责任的人工智能意味着什么?
人工智能的责任归属于谁?简而言之,是所有人。克里斯·沃尔夫指出,我们对此还有很多未知,也没有行业标准
组织、专家和政策制定者在塑造人工智能轨迹方面共同承担集体责任。当我们期待GenAI做出决策并提供洞察力时,像VMWare平台这样的解决方案使我们能够自信地转向和适应。我们生活在快速变化的情景和不断变化的经济中,使用的模型必须是弹性和动态的。智能云中的GenAI允许灵活性。参与促进合乎道德的人工智能开发和部署的讨论。先为人工智能建立基础设施,然后再扩展。最重要的是,就像Wolf建议的那样,不断提出问题,保持好奇心。
想象一下,GenAI在商业中的可能性……如果做得深思熟虑和负责任的话。
以上是一代人工智能将重塑未来的科技景观的详细内容。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
