从 AWS 首席技术官 Stephan Hadinger 在 Adopt AI 峰会上的主题演讲中获得的主要启示 by Artefact - 2024 年 6 月 5 日
关于斯蒂芬-哈丁格 他是著名的巴黎综合理工学院的校友。在加入 AWS 之前，他曾担任 cloud 计算的首席架构师，并领导过 B2B 和 B2C 组织在应用程序接口、安全解决方案和 IT 基础设施方面的各种计划。他以解决复杂技术挑战的战略眼光和实用方法而闻名，使 AWS 成为许多企业值得信赖的合作伙伴。.
人工智能与安全
Hadinger 讨论了 AWS 在人工智能方面的丰富经验、生成式人工智能带来的具体挑战，以及 AWS 为确保安全和合乎道德地使用人工智能而实施的措施。.
AWS 在人工智能方面的经验
他强调，亚马逊利用人工智能已有 20 多年的历史，全球使用 AWS 人工智能服务的客户超过 10 万家。这种广泛的使用为 AWS 提供了宝贵的见解和不断改进其人工智能产品的能力。他强调了生成式人工智能的概率性质，即相同的输入可能产生不同的输出，这对确保模型的准确性和安全性提出了独特的挑战。.
解决关键问题：准确性、安全性和成本
他解释说，生成式人工智能的概率行为可能会导致幻觉，在人力资源和法律等领域尤其如此。AWS 通过提供一系列人工智能模型来解决这个问题，确保客户可以选择最适合其特定用例的模型。.
Data 保护和机密计算
他向客户保证，他们的 data 仍然是私密和加密的，AWS 采用了先进的安全措施来防止未经授权的访问。这一系统不仅增强了安全性，而且还确保 AWS 在未经客户同意的情况下不能向外部提供有意义的 data ，从而保护客户免受域外法律的侵害。.
合乎伦理的人工智能与减少幻觉
减少幻觉的一种方法是检索增强生成（RAG），它将生成式人工智能与实际 data 结合起来，以产生可靠的输出。通过将人工智能的响应建立在特定文件的基础上，RAG 降低了出现幻觉的风险，并确保结果更准确、更可验证。.
确保产出无毒且符合道德规范
为防止人工智能模型生成有毒或攻击性内容，AWS 在输入和输出阶段都实施了保障措施。这些保障措施确保人工智能模型不会产生不恰当或有害的回应。Hadinger 举例说明了这些措施是如何发挥作用的，例如过滤可能导致不道德或攻击性回答的问题，同时允许在特定业务场景中根据上下文进行适当的查询。.
知识产权和人工智能侵权
AWS 的模型旨在避免此类侵权行为，公司还在出现知识产权问题时向客户提供赔偿。这种保护客户的承诺凸显了 AWS 专注于提供值得信赖和可靠的人工智能服务。.
“您的 data 是保密的。它每次都经过加密，我们从不使用它。我们建立了一个系统，防止任何 AWS 员工访问您的 data 或连接到服务器。这种技术上的不可能性确保了您的 data 的安全性，并防止域外法律的侵入。”亚马逊网络服务（AWS）首席技术官 Stephan Hadinger
用于安全应用的生成式人工智能
Hadinger 通过 Amazon One 分享了一个将生成式人工智能用于安全领域的令人信服的例子，Amazon One 是一种通过手掌识别用户的身份验证服务。为了实现高准确性，AWS 使用生成式人工智能创建了 300 多万张人工手掌图像，然后用于训练安全模型。这一创新方法凸显了生成式人工智能和传统人工智能在增强安全系统方面的互补作用。.
