Search Results 報告書

ジェネレーティブAIツールを使用する際にプライバシーを保護するための6つの手順

イントロダクション生成型AIツールの出現は、興奮と懸念を引き起こしました。これらのツールは私たちの生活と仕事を革新する可能性がありますが、AIのプライバシーとセキュリティに関する重要な問題も提起しています。この記事では、個人情報を保護しながら生成型AIの世界を探索する方法について探求します。リスクを理解し、効果的なプライバシー対策を実施することで、これらの強力なツールを自信を持って活用することができます。生成型AIツールを使用する際のプライバシー保護方法 1. 注意深い利用とプライバシー保護生成型AIツールを責任を持って活用するための最初のステップは、プライバシーの影響を注意深く考えることです。多くのアプリケーションは、データやコンテンツへのアクセスを提供する必要があり、これがプライバシーを損なう可能性があります。積極的なアプローチを取ることで、これらのツールの利点を損なうことなく、個人情報を保護することができます。 2. 利用規約の理解プライバシーを保護するための重要な側面の1つは、使用するAIツールの利用規約を注意深く調べることです。面倒に感じるかもしれませんが、このステップはデータの収集と処理方法を理解するために重要です。同意する内容を知ることで、情報に基づいた意思決定を行い、潜在的なプライバシーのリスクを緩和することができます。 3. データの利用とAIの学習 ChatGPTやDALL-Eなどの生成型AIツールは、パフォーマンス向上のために広範なデータを利用しています。これらのツールは、個人情報を悪意のある目的に使用しないことを保証していますが、データがどのように利用されるかを知ることは重要です。情報がAIの学習にどのように貢献するかを理解することで、共有する内容についての情報を正しく選択し、潜在的なデータ漏洩に対して警戒心を持つことができます。 4. プライバシーポリシーとユーザーの信頼 OpenAIやGoogleなどのAI開発者は、サービスを向上させるためにユーザーデータを収集しています。しかし、これらのAIツールを通じて収集されるデータが広告の個人化に使用される可能性があることを認識することが重要です。これらのプラットフォームのプライバシーポリシーに精通することで、情報が適切に扱われ、信頼が置かれていることを確認することができます。 5. 個人情報の慎重な扱いプライバシーを保護するためには、生成型AIツールとの間で個人的な情報、プライベートな情報、または機密情報を共有しないことが望ましいです。財務報告書や機密のやりとりなどの機密事項に関する支援を求めることは誘惑されるかもしれませんが、このような情報はこれらのエンジンからは切り離して保持することが最善です。AIのプロンプトは時折スタッフによってレビューされるため、不適切な行動や意図しないデータの露出を防ぐために慎重さが重要です。 6. 機密性とセキュリティのコントロール生成型AIツールに関連するプライバシーポリシーや潜在的なリスクを評価した後は、これらのプラットフォームが提供するプライバシーとセキュリティのコントロールを探索する時です。多くの企業は、これらのコントロールをアクセスしやすく使いやすくすることを目指しており、ユーザーがデータとプライバシーに対してコントロールを維持することができます。 Google Bardとデータ管理 Google…

「OECDレポート：AIによる高いリスクを持つ仕事は27％」

「経済協力開発機構（OECD）の新しい報告書によると、最大27％の仕事がAIの労働市場への影響により高いリスクにさらされていますこの報告書は、仕事の自動化やその他のAIの可能性に焦点を当てたロイターからのものですによると...」

「AIがALS患者の声を保存するのに役立っています」

ALS患者はAIを利用して、声と話す能力を保護するために使用していますCBSの報告書では、ブライアン・ジャンソンが自分の病気と、まだ話すことができる間に声を録音するプロセスについて語りましたこの音声保存と呼ばれるプロセスは、ジャンソンにAIを使用して...

「研究によると、一部の文章作成タスクにおいてChatGPTは労働者の生産性を向上させることがわかりました」

MITの研究者による新しいレポートは、生成型AIが特定のライティング課題に取り組む労働者を支援する可能性を強調しています

AIによる生産性向上生成AIが様々な産業において効率の新たな時代を開く

2022年11月22日、ほとんど仮想的な瞬間が訪れ、それは地球上のほぼすべての産業の基盤を揺るがしました。その日、OpenAIは史上最も高度な人工知能チャットボットであるChatGPTをリリースしました。これにより、消費者の質問に答えるための生成型AIアプリケーションから科学的なブレークスルーを追求する研究者の作業を加速するまで、ビジネスがより効率的になるための需要が生まれました。以前はAIに手を出していた企業も、最新のアプリケーションを採用・展開するために急ぎます。アルゴリズムが新しいテキスト、画像、音声、アニメーション、3Dモデル、さらにはコンピュータコードを生成することができる生成型AIは、人々が働く・遊ぶ方法を変革しています。大規模な言語モデル（LLM）を用いてクエリを処理することにより、この技術は情報の検索や編集などの手作業に費やす時間を劇的に短縮することができます。その賭けは大きいです。PwCによると、AIは2030年までに世界経済に1兆5千億ドル以上をもたらす可能性があります。そして、AIの導入の影響はインターネット、モバイルブロードバンド、スマートフォンの発明以上に大きいかもしれません。生成型AIを推進するエンジンは、高速計算です。これは、科学、分析、エンジニアリング、消費者およびエンタープライズのユースケース全般にわたり、GPU、DPU、ネットワーキング、およびCPUを使用してアプリケーションを高速化します。早期の採用企業は、薬剤探索、金融サービス、小売、通信、エネルギー、高等教育、公共部門など、さまざまな業界で、高速計算と生成型AIを組み合わせてビジネスのオペレーション、サービス提供、生産性の向上を実現しています。インフォグラフィックを表示するにはクリックしてください：次世代のAI変革を生み出す薬剤探索のための生成型AI 今日、放射線科医はAIを使用して医療画像の異常を検出し、医師は電子健康記録をスキャンして患者の洞察を明らかにし、研究者は新しい薬剤の発見を加速するためにそれを使用しています。従来の薬剤探索は、5000以上の化学物質の合成を必要とし、平均的な成功率はわずか10%です。そして、ほとんどの新薬候補が市場に出るまでに10年以上かかります。研究者は、生成型AIモデルを使用してタンパク質のアミノ酸配列を読み取り、ターゲットタンパク質の構造を秒単位で正確に予測することができます。これには数週間または数か月かかることがあります。 NVIDIAのBioNeMoモデルを使用して、バイオテクノロジーの世界的リーダーであるアムジェンは、分子スクリーニングと最適化のためのモデルのカスタマイズにかかる時間を3か月からわずか数週間に短縮しました。このタイプのトレーニング可能な基礎モデルにより、科学者は特定の疾患の研究のためのバリアントを作成し、希少な状態の治療法を開発することができます。タンパク質構造の予測や大規模な実世界および合成データセットでのアルゴリズムの安全なトレーニングなど、生成型AIと高速計算は、疾病の拡散を緩和し、個別の医療治療を可能にし、患者の生存率を向上させるための新たな研究領域を開拓しています。金融サービスのための生成型AI NVIDIAの最新の調査によると、金融サービス業界での主要なAIの活用事例は、カスタマーサービスとディープアナリティクスです。ここでは、自然言語処理とLLMが使用され、顧客の問い合わせにより良い対応をするためや投資の洞察を明らかにするために使用されています。別の一般的な応用は、パーソナライズされた銀行体験、マーケティング最適化、投資ガイダンスを提供する推薦システムです。先進的なAIアプリケーションは、この業界が不正行為をより防止し、ポートフォリオ計画やリスク管理からコンプライアンスや自動化まで、銀行業務のあらゆる側面を変革する可能性があります。ビジネスに関連する情報の80%は構造化されていない形式、主にテキスト形式ですが、これは生成型AIの主要な対象となります。Bloomberg Newsは、金融および投資コミュニティに関連するニュースを1日に5,000本も発行しています。これらの記事は、タイムリーな投資の決定をするために使用できる膨大な非構造化市場データの宝庫です。 NVIDIA、ドイツ銀行、ブルームバーグなどは、ドメイン固有のデータや独自のデータをトレーニングおよび微調整するために訓練されたLLMを作成して、金融アプリケーションに使用しています。金融トランスフォーマー、または「FinFormers」は、非構造化の金融データの文脈を学び、意味を理解することができます。これらはQ&Aチャットボットのパワーを供給し、金融テキストを要約・翻訳し、取引先リスクの早期警告サインを提供し、データを迅速に取得し、データ品質の問題を特定することができます。これらの生成型AIツールは、プロプライエタリデータをモデルトレーニングおよび微調整に統合し、バイアスを防ぐためのデータキュレーションを統合し、会話を金融に特化させるためのガードレールを使用するフレームワークに依存しています。フィンテックスタートアップや大手国際銀行がLLMと生成型AIの使用を拡大し、内部および外部の利害関係者に対して洗練されたバーチャルアシスタントを提供し、ハイパーカスタマー向けのコンテンツを作成し、マニュアル作業を削減するために文書要約を自動化し、テラバイトの公共および非公開データを分析して投資の洞察を生成することを期待してください。小売業における生成AI…

「金融機関は責任あるAIを活用して金融犯罪に対処しなければならない方法」

「詐欺は金融サービス業界で確かに新しいものではありませんが、最近はさらに詳細に分析する価値がある加速が見られます技術が急速に発展し進化する中、犯罪者はコンプライアンスの障壁を突破するさらなる経路を見つけ出し、消費者を保護しようとする者たちとの技術的な軍拡競争を引き起こしています...」

「3億の仕事が本当にAIによる代替でさらされるか失われるのか？」

ゴールドマン・サックスの報告書の著者たちは、AIによる置き換えによって3億人の仕事が影響を受ける可能性があると示唆していますなぜなら、慎重であるべき理由と希望を持つ理由があるからです

Artificial Intelligence

「本当に3億の仕事はAIによる置き換えでさらされるか失われるのか？」

ゴールドマン・サックスのレポートの著者たちは、AIの置き換えによって3億の仕事が影響を受ける可能性があると示唆していますここには慎重でありつつも希望がある理由があります

Artificial Intelligence

🐶セーフテンソルは、本当に安全であり、デフォルトの選択肢として採用されました

Hugging Faceは、EleutherAIとStability AIとの緊密な協力のもと、safetensorsライブラリの外部セキュリティ監査を依頼しました。その結果、これらの組織はすべてライブラリを保存モデルのデフォルト形式にするために進むことができます。 Trail of Bitsによって実施されたセキュリティ監査の詳細な結果は、こちらでご覧いただけます: レポート。以下のブログ投稿では、このライブラリの起源、この監査結果の重要性、および次のステップについて説明します。 safetensorsとは何ですか？ 🐶 safetensorsは、最も一般的なフレームワーク（PyTorch、TensorFlow、JAX、PaddlePaddle、NumPyなど）でテンソルを保存およびロードするためのライブラリです。具体的な説明のために、PyTorchを使用します。 import torch from safetensors.torch import load_file, save_file weights = {"embeddings": torch.zeros((10, 100))}…

AIが政府の偽の携帯電話接続を禁止するのを支援します

インドでの未承認の電話番号の問題に取り組む画期的な取り組みとして、通信連邦省は人工知能（AI）を活用して全国の携帯電話接続を分析することを展開しました。調査の結果、偽の文書が87.85億の接続のうち40.87万人（0.47％）の番号を取得していることが明らかになりました。AIの支援を受けて、政府はこのうちの38万人の偽の携帯電話番号を成功裏に禁止しました。 AI技術による不正な接続の実態の明らかになる連邦省は、最初の段階で22のライセンスサービスエリア（LSA）のサークルで87億の携帯電話接続を調査しました。分析の結果、不自然なリンクの存在が明らかになり、テレコムサービスプロバイダーの44,582の販売ポイント（PoS）がこれらの未承認の接続を販売していることが明らかになりました。電気通信省（DoT）はこれらのPoSをブロックし、問題に対処するための取り組みが行われています。 FIRの登録とオフェンダーのブロックリスト化省は、すべての州と連邦直轄地に対して、オフェンダーに対して最初の情報報告書（FIR）を登録するよう呼びかけました。これにより、不正な接続に関連するサイバー犯罪事件の増加に対抗するのに役立ちます。驚くべきことに、インド全体で登録されたFIRはわずか181件で、1,575件の不正なPoSをカバーしています。省は即座の行動を取り、不正な携帯電話接続を販売する人々を起訴することを強調しました。また読む：業界の洞察：アナリティクスでのサイバー詐欺との戦い地域の洞察：ジャム・カシミールとハリヤーナ調査は、特定の地域における問題の規模を明らかにしました。ジャム・カシミールでは1.20億の携帯電話接続を分析し、15,194件の偽造または偽造文書を通じて入手された接続を発見しました。即座にこれらの偽の接続の14,494件を切断し、3,024の販売ポイント（PoS）をブロックしました。同様に、ハリヤーナでは3.08億の接続のうち、偽の文書を使用して5.33万件の接続が行われたことがわかりました。これにより、5.24万件の番号が切断されました。省の緊急の対応要請省は、この問題に対処するための緊急の必要性を強調し、オフェンダーに対してより多くのFIRを登録するよう求めました。さらに、国家犯罪記録局（NCRB）と中央機器識別レジスタ（CEIR）を犯罪および犯罪追跡ネットワークシステム（CCTNSネットワーク）と統合することを提案しました。この統合により、クレームを提出した後、紛失または盗難された携帯電話を自動的にブロックし、盗難された携帯電話の回収を支援することができます。ハリヤーナでの前進 CCTNSをCEIRと統合して紛失または盗難された携帯電話を自動的にブロックするための国内初の取り組みであるハリヤーナは、大きな進展を遂げています。州は積極的にこの施設を活用し、サンチャル・サーティ・ポータルを通じて一般市民に情報を提供しています。市民中心の取り組みの影響今年初めに、連邦省はサンチャル・サーティ・ポータルを立ち上げました。このポータルは、電気通信の加入者に安全なデジタル空間を提供します。TAFCOPポータルを通じて、個人は自分の名前で登録された携帯電話接続の数を確認し、不正なリンクを報告することができます。私たちの意見インド政府がAI技術を利用して不正な電話番号を特定し、ブロックすることで、電気通信システムの完全性を確保する上で重要な一歩を踏み出しました。積極的な対策を取り、システムを統合することで、政府は不正な接続の存在を抑制することを目指しています。すべての州と連邦直轄地が積極的に取り組み、FIRを登録し、安全な電気通信ネットワークの整備に協力することが重要です。これらの取り組みにより、消費者が保護され、インドの電気通信ネットワークの完全性と信頼性に貢献することができます。

Learn more about Search Results 報告書 - Page 17