实现可信赖、有道德的人工智能

利用大型语言模型的力量

作者: 迈克·霍夫曼，杰拉尔德·伯奇和贾娜·伯奇

组织必须了解如何在不产生负面社会影响的情况下使用这些新的大型语言模型.

最近AI发展的激增:是福还是祸?

作者: 贾格迪什Mohite

负责任的人工智能开发实践和对这些挑战的深思熟虑是必要的，以最大限度地发挥人工智能的好处，同时减轻其潜在的负面后果.

保护未来:减轻人工智能模型中的数据安全问题

作者: 这位Verma

部署负责任的人工智能

作者: 约书亚Scarpino

随着欧盟人工智能法案等法规即将通过, 组织必须采用全面负责任的人工智能项目.

新人工智能法规的潜在影响

作者: 浙江梅农

有必要制定有影响力的法规，以及对这些法规如何积极改善人工智能领域的普遍认识.

颠覆人工智能:如何阻止数据中毒

作者: Prithiv Roshan Sudhakar

随着人工智能系统的激增和更广泛的采用, 防止数据中毒攻击和确保反映人类价值观的决策变得更加重要.

填补人工智能网络安全最佳实践空白

作者: 乔·科佐波利和约翰·所罗门

在为任何人工智能实施或部署创建安全和隐私风险管理基线时，需要考虑一些基本因素.

招聘:不断发展的隐私角色和不断扩大的隐私技能差距

作者: Nandita Rao Narla

隐私在组织中日益重要，这导致了更多技术隐私角色的转变, 这些职位在哪里供不应求.

信息安全问题:谁把零置于零信任中?

作者: 史蒂文•罗斯

Zero trust is quite supportive of digital trust; they overlap to a great extent.

实践中的审计:一种评估人工智能风险的协作方法

作者: 辛迪·巴克斯特

道德人工智能发生时，业务, 风险和合规团队不仅会评估人工智能带来的商业机会，还会站在用户的角度仔细考虑其影响, 政策制定者和金融市场管理者.

数字信任势在必行:人工智能对数字信任的影响

作者: K. 布莱恩•凯利

鉴于AI/ML解决方案的扩散, 了解潜在的关注领域是很重要的, 特别是那些影响数字生态系统中组织和个人的声誉和可信度的问题.

流血边缘:强化AI和ML的免费资源

作者: Ed鹤嘴锄

如果你的组织正在探索从人工智能和机器学习中获得商业价值的方法, 甚至只是保持对空间的意识，并对安全进行教育, 保证, risk, 治理暗示是有帮助的.