数据安全

AI模型的开发需要高质量的数据进行训练,如果数据的质量无法保证,那么AI模型很可能就会出错。不完整的用户数据、错误填充的数据以及未更新的过期数据都可能会让AI模型产生错误的结果,难以实现对数据的深入理解,无法捕捉到数据的潜在属性,进而导致糟糕的用户体验和潜在的应用风险。
近年来,生成式人工智能技术快速发展,为经济社会发展带来新机遇的同时,也产生了传播虚假信息、侵害个人信息权益、数据安全和偏见歧视等问题,如何统筹生成式人工智能发展和安全引起各方关注。
随着数据素养和数字技能的不断提升,数据使用者培养了主动消费意识和能力,以数据资产目录为载体、以自助式数据服务为手段、以全流程安全防护为保障的数据主动消费和管控模式正在形成,在提升数据服务水平的同时,进一步提升数据应用的广度和深度。
近年来,生成式人工智能技术快速发展,为经济社会发展带来新机遇的同时,也产生了传播虚假信息、侵害个人信息权益、数据安全和偏见歧视等问题,如何统筹生成式人工智能发展和安全引起各方关注。出台《办法》,既是促进生成式人工智能健康发展的重要要求,也是防范生成式人工智能服务风险的现实需要。

本站热榜

日排行
周排行
月排行
热点资讯