คู่มือบริษัท

สแตนฟอร์ด ไฮ

Stanford HAI (สถาบัน Stanford Institute for Human-Centered Artificial Intelligence) เป็นสถาบันวิจัยของมหาวิทยาลัยที่ศึกษาผลกระทบของ AI ที่มีต่อผู้คนและสังคม

ภาพรวม

Stanford HAI (สถาบัน Stanford Institute for Human-Centered Artificial Intelligence) เป็นสถาบันวิจัยของมหาวิทยาลัยที่ศึกษาผลกระทบของ AI ที่มีต่อผู้คนและสังคม เป็นเรื่องสำคัญเนื่องจากเป็นการเชื่อมโยงการวิจัยทางเทคนิค นโยบาย และจริยธรรม เพื่อให้มนุษย์เป็นศูนย์กลางของการพัฒนา AI

Stanford HAI เป็นที่เข้าใจดีที่สุดในบริบทของกลยุทธ์ การเข้าถึงโมเดล การตัดสินใจเกี่ยวกับแพลตฟอร์ม และความร่วมมือในระบบนิเวศ

เจาะลึก

Stanford HAI ก่อตั้งขึ้นในปี 2019 และร่วมกำกับโดย Fei-Fei Li ผู้บุกเบิก AI และนักปรัชญา John Etchemendy โดยตั้งอยู่ในมหาวิทยาลัยสแตนฟอร์ดมากกว่าเป็นบริษัท หลักฐานก็คือ AI ควรเพิ่มพูนมนุษยชาติ ไม่ใช่แทนที่มัน และการพัฒนา AI ที่ก้าวหน้านั้นต้องการข้อมูลเชิงลึกจากหลายสาขาวิชา รวมถึงมนุษยศาสตร์ สังคมศาสตร์ การแพทย์ กฎหมาย และวิศวกรรมศาสตร์ HAI เป็นที่รู้จักเป็นอย่างดีจากรายงานดัชนี AI ประจำปี ซึ่งเป็นรายงานความคืบหน้าของ AI ทั่วโลก การลงทุน การศึกษา และนโยบายที่มีการอ้างอิงจำนวนมากและมีข้อมูลมากมาย นอกจากนี้ ยังดำเนินการบรรยายสรุปนโยบายสำหรับรัฐบาล ให้ทุนสนับสนุนการวิจัยแบบสหวิทยาการ และดำเนินโครงการต่างๆ เช่น Digital Economy Lab และ Center for Research on Foundation Models (CRFM) ซึ่งบัญญัติคำว่า 'foundation model'

ข้อมูลเชิงลึกทางเทคนิค

HAI ไม่ได้ฝึกโมเดลชายแดนเป็นหลัก การมีส่วนร่วมของมันคือการวัดและการวางกรอบอย่างเข้มงวด AI Index จะรวบรวมผลลัพธ์เกณฑ์มาตรฐาน แนวโน้มในการคำนวณ กระแสเงินทุน และข้อมูลการสำรวจเป็นตัวชี้วัดมาตรฐานที่ช่วยให้ผู้กำหนดนโยบายและนักวิจัยติดตามความคืบหน้าปีต่อปี นักวิจัยของ HAI จะวิเคราะห์พฤติกรรม ความเสี่ยง และผลกระทบทางสังคมของ 'แบบจำลองพื้นฐาน' ขนาดใหญ่ผ่าน CRFM ซึ่งช่วยสร้างคำศัพท์ที่ใช้ร่วมกันและบรรทัดฐานในการประเมินสำหรับทั้งสาขา

การเรียนรู้ Stanford HAI

Stanford HAI (สถาบัน Stanford Institute for Human-Centered Artificial Intelligence) เป็นสถาบันวิจัยของมหาวิทยาลัยที่ศึกษาผลกระทบของ AI ที่มีต่อผู้คนและสังคม เป็นเรื่องสำคัญเนื่องจากเป็นการเชื่อมโยงการวิจัยทางเทคนิค นโยบาย และจริยธรรม เพื่อให้มนุษย์เป็นศูนย์กลางของการพัฒนา AI Stanford HAI เป็นที่เข้าใจดีที่สุดในบริบทของกลยุทธ์ การเข้าถึงโมเดล การตัดสินใจเกี่ยวกับแพลตฟอร์ม และความร่วมมือในระบบนิเวศ เพื่อสร้างความเข้าใจอย่างลึกซึ้ง ให้ปฏิบัติต่อ Stanford HAI เสมือนเป็นโมเดลการดำเนินงาน ไม่ใช่คุณลักษณะเดียว: กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ

ในทางปฏิบัติ ทีมที่แข็งแกร่งที่ใช้ Stanford HAI จะประเมินกลยุทธ์ของผู้จำหน่าย ความน่าเชื่อถือของแผนงาน และความเสี่ยงในการล็อคอินก่อนตัดสินใจ โดยจะบันทึกเกณฑ์ความสำเร็จที่ชัดเจน ทดสอบกับข้อมูลและขั้นตอนการทำงานที่สมจริง และทำซ้ำตามรูปแบบความล้มเหลวที่สังเกตได้ แทนที่จะชนะการวัดประสิทธิภาพเพียงครั้งเดียว นี่คือจุดที่ความเข้าใจทางทฤษฎีกลายเป็นความสามารถที่คงทนของผลิตภัณฑ์ นโยบาย และการดำเนินงาน

โรดแมปของผู้จำหน่ายมีอิทธิพลต่อฟีเจอร์ที่ทีมของคุณสามารถสร้างได้ต่อไป ในขณะเดียวกัน การประกาศเปิดตัวอาจแซงหน้าความเสถียรในขั้นตอนการทำงานจริง แนวทางที่ยืดหยุ่นที่สุดคือการรวมความเร็วของการทดลองเข้ากับวินัยในการกำกับดูแล: ดำเนินการนำร่อง จับหลักฐาน เผยแพร่บันทึกการตัดสินใจ และอัปเดตการป้องกันอย่างต่อเนื่องเมื่อพฤติกรรมของโมเดล ความคาดหวังของผู้ใช้ และข้อกำหนดด้านกฎระเบียบมีการเปลี่ยนแปลง

ผลกระทบเชิงกลยุทธ์

โรดแมปของผู้จำหน่ายมีอิทธิพลต่อฟีเจอร์ที่ทีมของคุณสามารถสร้างได้ต่อไป

โรดแมปของผู้จำหน่ายมีอิทธิพลต่อฟีเจอร์ที่ทีมของคุณสามารถสร้างได้ต่อไป ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

ข้อกำหนดทางการค้าและตัวเลือกการใช้งานส่งผลต่อต้นทุนและความเสี่ยงในระยะยาว

ข้อกำหนดทางการค้าและตัวเลือกการใช้งานส่งผลต่อต้นทุนและความเสี่ยงในระยะยาว ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

สิ่งจูงใจของบริษัทจะกำหนดค่าเริ่มต้นของผลิตภัณฑ์ ท่าทางที่ปลอดภัย และความเปิดกว้าง

สิ่งจูงใจของบริษัทจะกำหนดค่าเริ่มต้นของผลิตภัณฑ์ ท่าทางที่ปลอดภัย และความเปิดกว้าง ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

อนาคตของ Stanford HAI

Stanford HAI กำลังขยายบทบาทของตนในฐานะเสียงที่เป็นกลางและมีหลักฐานเชิงประจักษ์ ในขณะที่รัฐบาลร่างกฎระเบียบด้าน AI ทั่วโลก คาดหวังการทำงานเชิงลึกยิ่งขึ้นเกี่ยวกับดัชนีความโปร่งใสสำหรับแบบจำลองพื้นฐาน ผลกระทบของ AI ต่อแรงงานและเศรษฐกิจ แอปพลิเคชันด้านการดูแลสุขภาพและการศึกษา และการกำกับดูแลทั่วโลก ในขณะที่ความสามารถของ AI เร่งตัวขึ้น ภารกิจของ HAI ในการรักษาการพัฒนาแบบ "มนุษย์เป็นศูนย์กลาง" จะวางตำแหน่งไว้เพื่อกำหนดมาตรฐาน การฝึกอบรมผู้กำหนดนโยบาย และความเข้าใจของสาธารณชน แทนที่จะแข่งขันกับประสิทธิภาพของโมเดลดิบ

การใช้งานจริงในโลกแห่งความเป็นจริง

ผู้กำหนดนโยบายและนักข่าวอ้างอิงรายงานดัชนี AI ประจำปีของ HAI สำหรับข้อมูลเกี่ยวกับการลงทุนด้าน AI เกณฑ์มาตรฐาน และการใช้งาน

ผู้ร่างกฎหมายเข้าร่วมค่ายฝึกปฏิบัตินโยบาย HAI เพื่อทำความเข้าใจ AI ก่อนที่จะร่างกฎหมาย

นักวิจัยใช้ Foundation Model Transparency Index ของ HAI เพื่อเปรียบเทียบวิธีที่นักพัฒนา AI รายใหญ่เปิดเผยแบบจำลองของตนอย่างเปิดเผย

แพทย์และนักวิทยาศาสตร์ร่วมมือกันผ่านทุน HAI โดยนำ AI มาใช้กับการสร้างภาพทางการแพทย์และการสนับสนุนการตัดสินใจทางคลินิก

รูปแบบการดำเนินงาน

Stanford HAI ในทางปฏิบัติ

ผู้กำหนดนโยบายและนักข่าวอ้างอิงรายงานดัชนี AI ประจำปีของ HAI สำหรับข้อมูลเกี่ยวกับการลงทุนด้าน AI เกณฑ์มาตรฐาน และการใช้งาน

ผู้กำหนดนโยบายและนักข่าวอ้างถึงรายงานดัชนี AI ประจำปีของ HAI สำหรับข้อมูลเกี่ยวกับการลงทุนด้าน AI การวัดประสิทธิภาพ และการนำทีมไปใช้มักจะได้รับผลลัพธ์ที่ดีขึ้นเมื่อพวกเขากำหนดเกณฑ์คุณภาพไว้ล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

Stanford HAI ในทางปฏิบัติ

ผู้ร่างกฎหมายเข้าร่วมค่ายฝึกปฏิบัตินโยบาย HAI เพื่อทำความเข้าใจ AI ก่อนที่จะร่างกฎหมาย

ผู้บัญญัติกฎหมายเข้าร่วมการฝึกปฏิบัตินโยบาย HAI เพื่อทำความเข้าใจ AI ก่อนที่จะร่างกฎหมาย ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

Stanford HAI ในทางปฏิบัติ

นักวิจัยใช้ Foundation Model Transparency Index ของ HAI เพื่อเปรียบเทียบวิธีที่นักพัฒนา AI รายใหญ่เปิดเผยแบบจำลองของตนอย่างเปิดเผย

นักวิจัยใช้ Foundation Model Transparency Index ของ HAI เพื่อเปรียบเทียบว่านักพัฒนา AI รายใหญ่อย่างเปิดเผยเปิดเผยโมเดลของตนได้อย่างไร ทีมมักจะได้ผลลัพธ์ที่ดีขึ้นเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับ Edge Cases และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

Stanford HAI ในทางปฏิบัติ

แพทย์และนักวิทยาศาสตร์ร่วมมือกันผ่านทุน HAI โดยนำ AI มาใช้กับการสร้างภาพทางการแพทย์และการสนับสนุนการตัดสินใจทางคลินิก

แพทย์และนักวิทยาศาสตร์ร่วมมือกันผ่านทุน HAI การนำ AI มาใช้กับภาพทางการแพทย์และการสนับสนุนการตัดสินใจทางคลินิก ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพไว้ล่วงหน้า รักษาเส้นทางการยกระดับของมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการผลิตที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

ความเสี่ยงและรั้ว

!

การประกาศเปิดตัวอาจแซงหน้าความเสถียรในขั้นตอนการทำงานจริง

!

การกำหนดราคา API หรือการเปลี่ยนแปลงนโยบายสามารถทำลายสมมติฐานได้ในชั่วข้ามคืน

!

การพึ่งพาผู้ขายรายเดียวจะเพิ่มค่าใช้จ่ายในการล็อคอินและการย้ายข้อมูล

แผนงานการดำเนินงาน

1

ประเมินผู้ให้บริการโดยใช้งานและชุดข้อมูลของคุณเอง

ประเมินผู้ให้บริการโดยใช้งานและชุดข้อมูลของคุณเอง ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

2

ตรวจสอบความเป็นส่วนตัว ความปลอดภัย และข้อกำหนดทางกฎหมายก่อนรวมระบบ

ตรวจสอบความเป็นส่วนตัว ความปลอดภัย และข้อกำหนดทางกฎหมายก่อนรวมระบบ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

3

รักษาแผนสำรองสำหรับรุ่นหรือผู้จำหน่าย

รักษาแผนสำรองสำหรับรุ่นหรือผู้จำหน่าย ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

4

ตรวจสอบบันทึกประจำรุ่นเพื่อให้การเปลี่ยนแปลงแผนงานไม่ทำให้ทีมแปลกใจ

ตรวจสอบบันทึกประจำรุ่นเพื่อให้การเปลี่ยนแปลงแผนงานไม่ทำให้ทีมแปลกใจ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

สำรวจต่อไป