凭借其为全球组织带来竞争优势的承诺，Generative AI（Genai）是每个业务领导者的主题。这对他们的组织意味着什么？使用什么计划？他们可以迅速制定？
迄今为止，这项技术呈指数级升高的许多特定于数据的对话都集中在收集物流上 。因此 ，它主要涉及计算能力 ，基础架构，存储 ，技能等问题 。
但是 ，Genai of of of the主流也提出了有关数据使用伦理的更多基本问题。从我们的做法中，应该发展到我们应该的对话 。
你可能喜欢
利用生成AI：负责任的五个基本步骤
AI放松管制：当规则脱离轨道时 ，智能领导者会做什么
关于Genai安全的真相：您的业务无力“拭目以待”
在本文中 ，我们将研究围绕数据和Genai的新兴伦理困境的三个例子，并考虑他们对公司的长期AI方法的影响 。MartynDitchburnsocial Links导航
ZScaler首席技术官。
数据困境1：您应该使用哪些数据？即公开与私人辩论
尽管如此 ，Genai只与您提供的数据源一样好；因此 ，诱惑是公司使用尽可能多的数据 。但是，这并不那么简单 ，这引发了有关隐私 ，偏见和不平等问题的问题 。
在最基本的层面上，您可以将数据分为两个一般类别＆ndash;公共和私人，前者比后者更加客观和容易受到偏见（一个人可以描述为您希望世界所看到的 ，另一个是事实）。但是 ，尽管私人数据可能更有价值，但它也更加敏感和机密 。
在理论上 ，诸如AI法案之类的法规应开始限制私人数据的使用＆ndash;因此 ，将公司做出决定 。手＆ndash;但实际上，一些国家赢得了两种类型的区分。因此 ，太紧的法规很可能具有有限的效力 ，并且不利的是关注他们的人；潜在地领导其Genai模型提供劣等或偏见的结论 。
你是专业人士吗？订阅我们的新闻通讯
注册techradar Pro新闻通讯，以获取您的业务成功所需的所有首选 ，意见 ，功能和指导！取得成功！请与我联系我们的其他未来品牌的新闻，并代表我们值得信赖的合作伙伴或Sponsorsby提交您的信息 ，您同意您同意的条款和隐私政策 ，并年龄在16岁或超过16岁之间 。
知识产权领域（IP）是类似监管情况的一个很好的例子；西方市场倾向于遵守IP法律，而东部市场则不遵守IP法律，这意味着东部市场可以比西方同行更快地创新。不仅可以利用这种数据使用不平等的其他公司；网络罪犯在攻击方面不会遵守道德AI的使用和观察隐私法 ，这会使那些确实与一只手臂绑在背后的手臂作战的人。
那么这样做的动机是什么呢？
数据困境2：您应该保留数据多长时间？即GDPR与Genai
Genai模型对数据集进行了训练 ，并且集合越大，模型越好 ，结论的准确性就越准确 。但是这些数据集也需要稳定；删除数据 ，您正在有效地删除学习材料，这可能会改变算法可能得出的结论 。
不幸的是 ，这正是GDPR指定公司必须做的事情；将数据保留仅需处理该数据即可处理。那么 ，如果GDPR告诉您删除旧数据怎么办？还是有人要求被遗忘？
除了自动驾驶汽车的示例，删除数据可能具有非常真实的安全含义 ，除了必须重新培训您的Genai模型的财务和可持续性含义外 。
那么 ，您如何平衡两者？
数据困境3：您如何培训Genai以避免使用机密数据？即安全与分类
法律公司必须确保其数据＆ndash;或因不这样做而面临重大罚款 。但是，为了保护他们的数据 ，他们首先需要对其进行分类或分类；了解他们正在与之合作的事情以及如何对其进行处理。
So far so simple, but given the huge volumes of data companies now create on a daily basis more and more are turning to GenAI to accelerate the categorization process.这就是设置困难的地方 。机密数据应获得最高的安全性分类＆ndash;因此 ，从任何Genai发动机中保持清晰 。
但是，如何训练AI对机密数据进行分类并因此避免，而无需显示其机密数据示例？Zscaler的最新研究表明 ，全球受调查的组织中只有46％的组织根据批评性对数据进行了分类 ，这对于大多数人来说仍然是一个紧迫的问题。
考虑到这些困境，接近Genai
这是很多要考虑的＆ndash;这些只是公司在确定其Genai方法时面临的许多问题中的三个 。因此 ，是否有一个论点只是坐下来等待别人制定规则？或更糟糕的是 ，忽略它们是以能够使用Genai实施更快移动的牺牲？
在回答这个问题时，我相信我们可以从公司发展其碳足迹方法的方式中学习很多东西 。尽管围绕这一立法越来越多 ，但到达这一点已经花了很多年。我想象 ，Genai也是如此 。
就碳足迹而言，公司最终成为确定和管理其方法的公司；但主要基于客户的压力 。与客户开始改变购买习惯的方式相同 ，以反映品牌的“绿色凭证 ”。我们可以期望他们对公司不道德使用人工智能进行处罚。
鉴于此 ，公司应该如何开始负责其Genai方法？
1 。诱惑，将公共数据和私人数据严格分开 ，并尽可能保护您对私人数据的使用 。竞争性的这可能是对您的损害 ，但是从道德上讲，这太危险了。
2 。将数据类型的分离扩展到您的AI发动机＆ndash;考虑私人AI用于内部私人数据源，并且不会向公共AI发动机展示私人数据 。
3。牢记偏见＆ndash;限制AIS根据有偏见的公共信息得出结论 ，并且不验证其内容 。验证您自己的结果 。
4。现有法规必须优先考虑＆ndash;确保观察GDPR规则和“被遗忘的权利 ”实践 。这将意味着考虑多久重新申请您的AI处理引擎并将其考虑到计划和预算中 。
5。考虑使用预训练的AI模型或合成数据集以稳定您的模型并避免机密分类培训的问题 。
6.不惜一切代价保护您的私人数据源；不要让人类的任务简化（例如数据分类）是通往AI数据泄漏的不知情途径 。有时答案不是genai。
7。将您的私人数据保护扩展到员工＆ndash;建立Genai的准则 ，包括围绕该数据将数据上传到工具的培训和安全使用 。
现在需要采取行动
压力在组织＆ndash；或更准确地他们的IT和安全部门＆ndash;尽快锁定方法，以便他们可以利用Genai发挥自己的优势 。
的确 ，我们的研究表明 ，有95％的组织已经在某种伪装中使用了Genai工具；尽管如此，如上所述的安全问题；51％的人期望他们对Genai的使用将大幅度增加 ，从现在到圣诞节。
但是他们需要找到这样做的方法 ，而不会损害上面介绍的困境 。要回到我们的碳足迹比较，您不必拥有所有答案才能开始进行动作＆ndash;但是 ，您确实需要表明您至少要从一开始就尝试做正确的事情 。
我们拥有最好的业务VPN。
本文是Techradarpro的专家见解频道的一部分 ，在该频道中，我们以当今技术行业的最佳和最聪明的头脑为特色 。这里表达的观点是作者的观点 ，不一定是Techradarpro或Future Plc的观点 。如果您有兴趣在此处了解更多信息：https：//www.techradar.com/news/submit-your-story-story-totor-to-to-techradar-pro
本文来自作者[巨娇仪]投稿，不代表卓思号立场，如若转载，请注明出处：https://nc-sczs.cn/cshi/202506-3201.html
评论列表（4条）
我是卓思号的签约作者“巨娇仪”！
希望本篇文章《Genai核心的数据困境》能对你有所帮助！
本站[卓思号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览： 凭借其为全球组织带来竞争优势的承诺，Generative AI（Genai）是每个业务领导者的主题。这对他们的组织意味着什么？使用什么计划？他们可以迅速制定？ 迄...