人工智能专题:2024亚太地区生成式人工智能应用与监管报告

今天分享的是人工智能系列深度研究报告:《人工智能专题:2024亚太地区生成式人工智能应用与监管报告》。

(报告出品方:德勤)

报告共计:20

来源:人工智能学派

知识更新:了解传统AI与生成式AI

传统AI是指可以自动处理预定义输入的系统。此类AI系统 能够从训练数据中获取知识,并利用这些知识做出决策或 预测。例如,许多企业利用AI聊天机器人提供精简高效的客 户支持。传统AI聊天机器人在处理常见问题方面尤其有效。 凭借内部搭建的知识库,其可针对常见问题提供准确一致 的回复并进行用户意图预测。

生成式AI可以编写文本、生成代码、制作音频和图像,其水 平与人类不相上下,甚至超越人类。例如,生成式AI工具包 括可用于生成书面文本(如营销文案、软件代码等)和图像 等内容的LLM。生成式AI模型具有生成连贯文本和超逼真 图像的能力,其可采用以前只能通过人类的思维、努力和创 造力才能实现的方式生成数据。 传统AI和生成式AI的不同功能驱动了不同用例。就金融服 务业而言,传统AI可以用于开展预测分析或检测可疑交易, 而生成式AI可以加速完成从交易和研究到通过生成相关报 告为合规职能提供关键支持等任务,本报告将对此作进一 步阐述。

传统AI是指根据预定义指令或策略执行特定任务的系统。生成式AI是一种能够根据用户提示创建新内容的人工智能。

生成式人工智能相关风险

2022年发布的《人工智能在金融服务业的可靠应用》报告中, 探讨了亚太地区监管机构希望通过AI监管原则解决的常见风险 要素:透明度、问责制、公平性、稳健性、隐私和数据安全。目前 此类风险和担忧依然存在,而生成式AI的兴起又给市场带来了 新的风险:

• 缺乏透明度:考虑到生成式AI模型的复杂性及其所涉信息 的专有性,人们普遍认为生成式AI缺乏透明度。此外,在衡量 或评估生成式AI模型的透明度方面缺乏标准化的工具和方法, 这可能导致在比较不同模型和追踪长期进展时变得困难。

• 歧视和偏见:生成式AI可能会将一些偏见与训练数据中的模 式形成关联,从而生成歧视性或误导性内容。

• 缺乏准确性和产生错误观念:生成式A I可能会利用不完 整、不准确或有偏见的数据生成不准确或有误导性内容,或 者干脆生成虚构事实。生成式AI模型没有固有的“客观真理 (objective truth)”,可能会生成错误甚至有害的内容和观点。

• 知识产权和版权问题:生成式AI模型可能会以受版权保护的 材料为基础进行训练,从而生成与受版权保护的材料非常相 似的内容。生成式AI模型还可能用于制造假冒或盗版商品,侵 犯知识产权。

• 欺诈:生成式AI可能生成深度伪造和合成数据,这些数据可以 用于实施欺诈、传播错误信息或造成系统漏洞。

亚太地区人工智能监管措施

生成式AI的出现迫使亚太地区政策制定机构和监管机构重新评 估之前实施的AI框架是否同样适用于降低新兴技术风险。某些 监管机构已经实施AI指引和计划,为企业和行业提供最佳实践 建议。下表(图2)列举了亚太司法管辖区在开展AI监管或为AI风 险管理提供建议方面所采取的措施,包括制定AI原则、提供指 导和工具、出台立法以及将AI应用纳入国家战略:

• AI原则:AI原则为有效管理与各行业使用AI相关风险提供了指 引。例如,欧盟以AI原则为入手点开展AI监管以及出台立法。值 得注意的是,某些选择针对AI风险出台立法或开展监管的司法 管辖区也推出了AI原则。举例而言,中国大陆在对AI应用进行 立法的同时,国家新一代人工智能治理专业委员会发布了《新 一代人工智能治理原则——发展负责任的人工智能》。

• 指导和工具:指导和工具通常用于支持AI原则的实施。以新加 坡为例,由新加坡金融管理局领导的Veritas联盟发布了五份 白皮书,阐述了公平、道德、负责和透明(FEAT)原则的评估 方法。为推动金融机构加快采用FEAT方法和原则,联盟开发了 Veritas Toolkit 2.0版。与1.0版相比,2.0版改进了公平原则评 估方法,并纳入了道德、负责和透明原则评估方法。2022年5 月,资讯通信媒体发展局和个人数据保护委员会推出全球首 个AI治理测试框架和工具包——A.I. Verify,适用于旨在以客 观和可验证的方式展示负责任的AI的企业。

• 立法:韩国、中国大陆、菲律宾和越南等司法管辖区采取了针 对保险业出台AI专项立法的措施,其中中国大陆和越南已通过 AI专项立法。

• 国家战略:泰国、印度尼西亚、日本、中国大陆和马来西亚等许 多亚太司法管辖区已将AI确定为战略重点,并制定了促进可信 AI应用的国家战略,但是某些司法管辖区尚未在实施战略或向 业界提供结构化框架方面取得进展。

报告共计:20

来源:人工智能学派

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/686946.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

代码随想录算法训练营第32天| 122.买卖股票的最佳时机 II、55. 跳跃游戏、45.跳跃游戏 II

文章目录 Leetcode 122.买卖股票的最佳时机 IILeetcode 55. 跳跃游戏Leetcode 45.跳跃游戏 II Leetcode 122.买卖股票的最佳时机 II 题目链接:Leetcode 122.买卖股票的最佳时机 II 题目描述: 给定一个数组,它的第 i个元素是一支给定股票第i天…

【笔记】Helm-5 Chart模板指南-13 调试模板

调试模板 调试模板可能很棘手,因为渲染后的模板发送了kubernetes API server,可能会以格式化以外的原因拒绝YAML文件。 以下命令有助于调试: 1、helm lint 是验证chart是否遵循最佳实践的首选工具。 2、helm template --debug在本地测试渲…

IP地址+子网掩码+CIDR学习笔记

目录 一、IP地址 1、表示方法: 2、特殊IP地址 二、子网掩码 1、判断网络位和主机位 2、子网划分 三、无分类编址CIDR 1、CIDR路由汇聚 汇聚规则: 汇聚ID: 2、最佳路由匹配原则 一、IP地址 1、表示方法: 机器中存放的…

(免费领源码)java#springboot#mysql医院自助服务系统74853-计算机毕业设计项目选题推荐

目 录 摘要 1 绪论 1.1研究意义 1.2研究背景 1.3springboot框架介绍 1.3论文结构与章节安排 2 医院自助服务系统系统分析 2.1 可行性分析 2.2 系统流程分析 2.2.1 数据流程 3.3.2 业务流程 2.3 系统功能分析 2.3.1 功能性分析 2.3.2 非功能性分析 2.4 系统用例分…

JWT登录验证前后端设计与实现笔记

设计内容 前端 配置全局前置路由守卫axios拦截器登录页面和主页 后端 JWT的封装登录接口中间件放行mysql数据库的连接 详细设计 路由设计 配置全局前置守卫,如果访问的是登录页面则放行,不是则进入判断是否有token,没有则拦截回到登录…

《Go 简易速速上手小册》第10章:微服务与云原生应用(2024 最新版)

文章目录 10.1 构建微服务架构 - 探索 Go 语言的微观世界10.1.1 基础知识讲解10.1.2 重点案例:订单处理系统订单服务测试服务 10.1.3 拓展案例 1:用户认证服务安装所需的包实现用户模型和存储实现 JWT 生成和验证实现认证服务测试服务 10.1.4 拓展案例 2…

使用函数实现数组操作

使用函数实现数组操作 创建一个整形数组,完成对数组的操作 实现函数init() 初始化数组为全0 实现print() 打印数组的每个元素 实现reverse() 函数完成数组元素的逆置。 要求:自己设计以上函数的参数,返回值。 void Init(int arr[], int sz…

HarmonyOS—@State装饰器:组件内状态

State装饰的变量,或称为状态变量,一旦变量拥有了状态属性,就和自定义组件的渲染绑定起来。当状态改变时,UI会发生对应的渲染改变。 在状态变量相关装饰器中,State是最基础的,使变量拥有状态属性的装饰器&a…

基于python+django+mysql的小区物业管理系统

该系统是基于pythondjango开发的小区物业管理系统。适用场景:大学生、课程作业、毕业设计。学习过程中,如遇问题可以在github给作者留言。主要功能有:业主管理、报修管理、停车管理、资产管理、小区管理、用户管理、日志管理、系统信息。 演示…

mybatis整合plugin处理

1、注入SqlSessionFatory时候会初始化所有拦截器,2、发生在handle时期,将plugin加入到org.apache.ibatis.plugin.InterceptorChain的链路当中,3、method invoke方法执行拦截器中的拦截方法 (比如myabatis plus 里面的分库分表&…

SpringBoot RabbitMQ收发消息、配置及原理

今天分析SpringBoot通过自动配置集成RabbitMQ的原理以及使用。 AMQP概念 RabbitMQ是基于AMQP协议的message broker,所以我们首先要对AMQP做一个简单的了解。 AMQP (Advanced Message Queuing Protocol) is a messaging protocol that enables conforming client a…

深入理解Selenium:常用方法和操作详解

前言 大家好,我是chowley,今天来复习一下Selenium的常用方法,并结合实战演练来加深记忆。 Selenium Selenium 是软件测试领域中最受欢迎的自动化测试工具之一,它提供了丰富的方法和操作来模拟用户在 Web 应用程序中的交互行为。…

OpenAI发布首个视频生成模型Sora:输文字即可出视频现实还存在吗?

就在刚刚,openai发布了全新的视频生成人工智能模型Sora。用户只要通过文字输入一些提示语,就可以得到一个高清视频。同时Sora还可以根据静态图像生成相关的视频剪辑,效果相当炸裂。 这下又要干倒一大片创业公司了 Sora官方网址 Sora 目前…

codeforces round 926 div2(A-D)

1.A a题 ∑ i 2 n ( a i − a i − 1 ) \sum_{i2}^{n}(a_{i}-a_{i-1}) ∑i2n​(ai​−ai−1​) a n − a 1 a_{n}-a_{1} an​−a1​所以我们排一下序输出 a n − a 1 a_{n}-a_{1} an​−a1​即可,当然直接累加也可以 #include<bits/stdc.h> using namespace std; #def…

【矩阵】重塑矩阵

每日一道算法题之重塑矩阵 一、题目描述二、思路三、C代码 一、题目描述 题目来源&#xff1a;LeetCode 在 MATLAB 中&#xff0c;有一个非常有用的函数 reshape &#xff0c;它可以将一个 m x n 矩阵重塑为另一个大小不同&#xff08;p x q&#xff09;的新矩阵&#xff0c;但…

(三十九)大数据实战——Prometheus监控平台的部署搭建

前言 Prometheus监控&#xff08;Prometheus Monitoring&#xff09;是一种开源的系统监控和警报工具。它最初由SoundCloud开发并于2012年发布&#xff0c;并在2016年加入了云原生计算基金会&#xff08;CNCF&#xff09;。Prometheus监控旨在收集、存储和查询各种指标数据&am…

17.3.2.7 二值化(内存处理)

版权声明&#xff1a;本文为博主原创文章&#xff0c;转载请在显著位置标明本文出处以及作者网名&#xff0c;未经作者允许不得用于商业目的。 二值化的算法请参看第17.3.1.5节。17.3.1.5 二值化&#xff08;黑白&#xff09;-CSDN博客 【例 17.48】二值化算法一。 //黑白1pr…

GEE使用 Sentinel-1 SAR影像 和 Otsu 方法绘制洪水地图

洪水是世界上最常见、破坏性最大的自然灾害之一,造成了巨大的生命和财产损失。此外,随着气候变化的影响,近年来,洪灾变得更加频繁和不可预测。为了最大限度地减少生命和财产损失,必须迅速发现洪水蔓延的情况,并及时采取必要的干预措施。洪水蔓延探测大多使用光学传感器或…

C++参悟:内存管理 shared_ptr

内存管理 shared_ptr 一、概述二、成员函数1. 构造函数2. 析构函数3. 修改器1. reset2. swap 4. 观察器1. get2. use_count3. operator bool 一、概述 std::shared_ptr 是通过指针保持对象共享所有权的智能指针。多个 shared_ptr 对象可占有同一对象。下列情况之一出现时销毁对…

大模型基础架构入门

大模型架构 Prefix Decoder 和 Causal Decoder 和 Encoder-Decoder 区别 在于 attention mask不同&#xff1a; https://zhuanlan.zhihu.com/p/626310493 为何现在的大模型大部分是Decoder only结构&#xff1f; https://www.zhihu.com/question/588325646/answer/335725261…