Китай предлагает более строгие правила для данных обучения генеративного ИИ: опасения по поводу этичного развития ИИ
ИИ
- Предлагаемые Китаем правила в области ИИ отдают приоритет этически корректным данным для обучения больших языковых моделей.
- Глобальные стандарты в сфере искусственного интеллекта могут быть скорректированы с учётом китайских нормативов.
- Прозрачность данных, используемых для обучения больших языковых моделей, имеет решающее значение для снижения алгоритмической предвзятости.
В недавнем объявлении Киберпространственное управление Китая (CAC) предложило комплексный набор правил, направленных на надзор за данными обучения, используемыми при разработке инструментов генеративного ИИ, особенно больших языковых моделей (LLM). Эти предлагаемые правила были введены с целью содействия безопасному и ответственному развитию технологий ИИ в бизнес-сфере.
Строгий контроль содержания данных обучения
Согласно руководящим принципам, установленным CAC, любые данные обучения, используемые для LLM, должны строго соответствовать набору предопределенных параметров. Данные, содержащие элементы насилия, терроризма или любую информацию, которая может потенциально нарушить национальное единство, должны быть строго запрещены к использованию при обучении LLM. Акцент на обеспечении этических стандартов в развитии ИИ проистекает из опасений относительно безопасности данных и нарушения авторских прав.
Главный аналитик GlobalData Лора Петрони прокомментировала более широкие последствия этих потенциальных правил, подчеркнув обширный охват политики Китая в области ИИ. Петрони подчеркнула, что высоко рисковый подход Китая к регулированию ИИ проистекает из необходимости тщательно контролировать контент, используемый для обучения LLM, обеспечивая, чтобы сгенерированные ответы соответствовали идеологии Коммунистической партии Китая, одновременно защищая национальную стабильность и безопасность.
Установление глобальных стандартов в регулировании ИИ
Петрони также подчеркнула значительную роль Китая как стратегического игрока на глобальной арене ИИ. Несмотря на различия в политических системах, развертывание и регулирование ИИ в Китае могут установить прецедент для других наций. Проводя параллели с Европой, Петрони указала, что подход Китая к регулированию ИИ может значительно повлиять на глобальные стандарты в этой области.
Подчеркивание прозрачности данных для смягчения алгоритмической предвзятости
По мере роста опасений относительно прозрачности данных обучения, используемых в LLM, эксперты подчеркивают важность прозрачности данных для смягчения алгоритмических предвзятостей в системах ИИ. Рид Блэкман и Бина Амманат, пишущие для Harvard Business Review, подчеркнули ключевую роль, которую прозрачность играет в улучшении этичного развития технологий ИИ.
Приоритет прозрачности и контроля контента в развитии ИИ
Для разработчиков ИИ, работающих в Китае, обеспечение прозрачности при сохранении строгого контроля над контентом будет ключевым фокусом. По мере усиления дискуссии об этичном развитии ИИ, необходимость в прозрачных и тщательно курируемых данных обучения emerged как центральная тема как для регуляторов, так и для отраслевых экспертов.
С проактивной позицией Китая в регулировании ИИ и развивающимся глобальным разговором об этичном развитии ИИ, контуры ландшафта ИИ, вероятно, испытают значительные преобразования, эхом отразившиеся за международными границами.
Не просто читайте новости о криптовалютах. Понимайте их. Подпишитесь на нашу рассылку. Это бесплатно.
Отказ от ответственности. Предоставленная информация не является торговой рекомендацией. Cryptopolitan.com не несет ответственности за любые инвестиции, сделанные на основе информации, представленной на этой странице. Мы настоятельно рекомендуем провести независимое исследование и/или проконсультироваться с квалифицированным специалистом перед принятием любого инвестиционного решения.
Деррик Клинтон
Деррик — фрилансер, интересующийся блокчейном и криптовалютой. Он специализируется на проблемах и решениях криптопроектов, предоставляя аналитический обзор рынка для инвесторов. Деррек применяет свои аналитические способности к тезисам.
