Ученые из MIT и Гарвардского университета работают над улучшением надежности искусственного интеллекта: неотложная необходимость в стандартизированных фреймворках происхождения данных

 Researchers from MIT and Harvard University Work on Enhancing AI Integrity: The Urgent Need for Standardized Data Provenance Frameworks






Искусственный интеллект и данные

Значение и практические решения для искусственного интеллекта

Искусственный интеллект оперирует большими массивами данных из глобальных интернет-ресурсов, таких как социальные сети, новостные источники и другие, чтобы обеспечивать алгоритмы, оказывающие влияние на множество аспектов современной жизни.

Тренировка и проблема данных

Тренировка генеративных моделей, таких как GPT-4, Gemini, Cluade и других, зависит от часто недостаточно задокументированных и проверенных данных. Наличие неструктурированных и малоописанных данных создает серьезные проблемы в поддержании целостности данных и этических стандартов.

Решение проблемы

Ученые из Медиа-лаборатории Массачусетского технологического института, Центра конструктивного общения МИТ и Гарвардского университета предлагают новый, стандартизированный подход к доказательствам происхождения данных. Эта система направлена на создание прозрачной среды, где разработчики искусственного интеллекта могут ответственно использовать данные, поддерживаемые четкими и проверяемыми механизмами согласия.

Эта работа доступна в формате PDF

Мы также доступны в социальных сетях: Твиттер, Телеграм, Дискорд, LinkedIn.

Подпишитесь на нашу рассылку, чтобы быть в курсе новостей.


Полезные ссылки: