- 综合排序
- 最热优先
- 最新优先
【全球AI伦理治理】
AI伦理治理框架的全球协同案例 欧盟《人工智能法案》提出基于风险分级的四层治理体系，禁止社会评分等高风险应用。OECD的AI政策观察站已收录全球700余项政策倡议，形成跨国数据库共享机制。 新加坡的Model AI Governance Framework为亚洲企业提供可认证的伦理操作手册。 美国NIST的AI风险管理框架（RMF）采用模块化设计，包含测量标准与测试工具包。 日本社会5.0计划将AI伦理纳入智慧城市基础设施标准，通过区块链技术实现算法审计追踪。 多利益相关方协同机制 联合国教科文组织的《AI伦理建议书》获得193国采纳，建立全球论坛平台。 企业联盟如Partnership on AI推动跨行业协作，发布《负责任的AI实践指南》。蒙特利尔宣言构建了研究人员伦理承诺体系，通过数字签名实现全球联署。 伦理治理效果评估需结合定量与定性指标： 技术指标：算法偏差系数 \Delta = \frac{|P(y|g_1) - P(y|g_2)|}{\max(P(y|g_1), P(y|g_2))} 过程指标
22110编辑于 2026-01-20AI版权全球治理观察
（三）治理特征：通过行政机构“介入式监管”直面版权争议深水区同风险把控相对应的是执法监管，欧盟AI版权治理的强监管特征已经慢慢呈现。 根据“AI法案”的规定，欧盟AI办公室作为法案的执行机构，将会直接参与到AI版权具体治理中。 5月，日本内阁发布的《AI时代知识产权研讨会中期总结》； 2024年7月，日本文化厅著作课发布的《关于人工智能与著作权的事项和指南》。 （二）治理特征：依靠行政机关的细化指导以明确AI版权规则的落地适用应当说，在AI版权治理领域日本相较于其他国家和地区，展示出了极大的规则勇气，是唯一在细化规则和落地执行层面给予明确性回应的国家。 值得注意的是，日本新《著作权法》修正案于2023年5月17日通过参议院表决，但未对AIGC问题作新增回应，一定程度上说明日本对于AI版权治理的逻辑更倾向于依从现行著作权法的“解释论”而非变革现行著作权法的
90110编辑于 2025-04-22- 来自专栏深度学习与python
是时候好好治理 AI 模型了！
企业应该投资治理 还是扩大现有 AI 解决方案？ 对企业来说，现有资金到底应该投入到机器学习治理流程，还是应该继续扩展现有的机器学习解决方案呢？ 机器学习治理的出现便是为了更好地构建负责任的 AI，全面实施负责任的 AI 有助于企业将风险降至最低。 事实上，Gartner 预计，到 2023 年所有为 AI 开发和训练工作而招聘的人员，都需要展示自己拥有负责任的 AI 方面的专业知识。 负责任的 AI 可能看起来令人生畏，因为这其中有许多子领域都需要关注（例如公平性、透明度、问责制、安全性、可靠性、隐私、安全、治理等），要在人工智能生命周期的所有阶段实施，包括设计、开发和部署。 提到 AI，我们最常说的一句话是“落地为王”，现在是时候将部分工作交由“负责任的 AI”来保证了（点击阅读原文轻松开启机器学习治理流程）。 今日好文推荐 想彻底改变云行业！
62920编辑于 2023-03-29 AI+Data：AI时代的企业数据治理
为了解决这些问题，数据治理逐渐成为企业普遍重视的关键环节，尤其是在AI应用日益普及的背景下，高质量的数据治理变得尤为重要。数据的多元化与价值挖掘长期以来，人们习惯将数据理解为以数字形式存储的信息。 随着AI应用对多源异构数据的需求增加，企业对于非结构化数据的价值化需求也在加速释放，而相应的数据治理模块也将获得进一步的关注与优化。 对于部署AI应用的企业来说，数据资源的质量直接决定了AI应用能否成功落地。因此，在推进AI应用的过程中，开展针对性的数据治理工作是首要且必要的步骤。 为了确保AI模型的有效性和准确性，必须保证数据的完备性和准确性。有效的数据治理不仅可以为AI模型提供高质量的数据原料，还能提高模型的拟合效果，进而增强AI应用的实际性能。 在金融、医疗、零售、工业以及互联网等数据基础建设较好的行业中，面向AI时代的数据治理正在逐步显现其优势。
1.1K10编辑于 2025-01-03- 来自专栏并发笔记
手写dubbo 5-服务治理(redis番外篇)
本章是作为服务治理的番外篇讲述，对注册中心的另一种实现方案探讨。也为接下来讲述SPI做好铺垫。 那么本章是基于redis作为存储中间件，实现服务治理，也就是图片中的第1，2，3步，思路跟zookeeper实现方式一致，存储结构也大致相同。使用redis的list类型。 本节涉及博客中代码的module，farpc-registry（服务治理），这章对IRegistrar进行了修改，将init()沉在AbstractRegistrar，在AbstractRegistrar
69051发布于 2019-07-19 - 来自专栏资讯分享
迈向负责任 AI：中国 AI 治理趋势与展望
[5] 科技伦理制度不断完善，成为AI创新的重要保障 在数字时代，AI等新兴数字技术，具有不同于工业时代的技术应用的独特性和复杂性。 在落地方面，IEEE已面向行业推出了AI伦理认证项目；英国希望通过5年时间培育一个世界领先、价值数十亿英镑规模的AI认证行业，通过中立第三方的AI认证服务(包括审计、影响评估、认证)来评估、交流AI系统的可信性和合规性 在提出5项原则的同时，明确了行业主管部门牵头、应用场景导向的分散化监管思路。 ：构建法律、伦理、技术协同的算法治理格局》，https：//mp.weixin.qq.com/s/msw9dRYTKF9Ej20cU5GANQ，2022年11月22日最后访问。 [7]曹建峰：《人工智能治理：从科技中心主义到科技人文协作》，《上海师范大学学报(哲学社会科学版)》2020年第5期。 [8]马长山：《数字法学的理论表达》，《中国法学》2022年第3期。
70120编辑于 2023-08-03 - 来自专栏腾讯研究院的专栏
迈向负责任 AI：中国 AI 治理趋势与展望
[5] 科技伦理制度不断完善，成为AI创新的重要保障 在数字时代，AI等新兴数字技术，具有不同于工业时代的技术应用的独特性和复杂性。 在落地方面，IEEE已面向行业推出了AI伦理认证项目；英国希望通过5年时间培育一个世界领先、价值数十亿英镑规模的AI认证行业，通过中立第三方的AI认证服务(包括审计、影响评估、认证)来评估、交流AI系统的可信性和合规性 在提出5项原则的同时，明确了行业主管部门牵头、应用场景导向的分散化监管思路。 ：构建法律、伦理、技术协同的算法治理格局》，https：//mp.weixin.qq.com/s/msw9dRYTKF9Ej20cU5GANQ，2022年11月22日最后访问。 [7]曹建峰：《人工智能治理：从科技中心主义到科技人文协作》，《上海师范大学学报(哲学社会科学版)》2020年第5期。 [8]马长山：《数字法学的理论表达》，《中国法学》2022年第3期。
85120编辑于 2023-11-16 当AI开始在数据治理中使坏...
现在的AI就像一个黑盒子，我们知道它有问题，但不知道问题出在哪里。 AI时代，数据治理新秩序 面对这些挑战，我们不能再用传统的数据治理思路了。AI需要一套全新的数据治理体系。 只有这样，AI才能真正成为推动社会进步的力量，而不是加剧社会不公的工具。 抓住AI数据治理的红利期 现在整个行业都在谈论AI的下一个风口在哪里。 在我看来，AI数据治理就是最大的机会。 随着监管政策的收紧，那些重视数据治理的AI公司将获得巨大优势。而那些忽视数据治理的公司，随时可能因为数据安全问题被淘汰。 对于个人来说，掌握AI数据治理技能，就是掌握了这个时代的核心竞争力。 对于企业来说，现在投入数据治理，不是成本，是投资。现在治理的成本，远远低于将来出现问题后的损失。 我给团队定了一个目标：每开发一个AI项目，都要同步建立完整的数据治理流程。 AI时代的序幕才刚刚拉开，那些真正理解数据治理价值的人和企业，将在这个时代中获得最大的红利。 而忽视数据治理的，最终会被自己的"聪明"反噬。 现在，问题来了：你的AI项目，数据治理跟上了吗？
12410编辑于 2026-02-02论 AI 工程中的黑箱治理问题
从可理解性到可治理性 在传统工程中，“理解”是控制的前提。 读懂代码 → 推导行为 → 判断正确性 但在 AI 主导的软件工程中，这条路径不可行。 更准确的表达应该是：工程师并不信任 AI 本身，而是信任围绕 AI 构建的治理系统。 状态治理 AI 主导的软件工程往往表现为“隐式有状态”。 可以抽象为： Level 1 → 单元验证 Level 2 → 端到端验证 Level 3 → 不变量校验 Level 4 → 对抗测试 Level 5 → 在线评估 每一层解决不同问题： AI 主导的软件工程正在整体转向系统治理范式。
14910编辑于 2026-03-30- 来自专栏云云众生s
超越提示工程：提示词与AI模型治理
译自 Beyond Prompt Engineering: Governing Prompts and AI Models，作者 Jelani Harper。 基础模型库治理 管治面向任意数量企业应用的各种基础模型的用户提示和模型输出的要点是在模型库中嵌入治理工具的能力。 从架构的角度来看，组织可能有一个由分布式用户基础访问的各种聊天机器人、相似性搜索机制或其他此类文本生成AI部署的数组。 组织仍负责制定有关如何治理数据的政策，但执行取决于治理引擎的自然语言功能来理解这些非结构化文本交换。 过长的延迟可能导致采用不足和生成式AI投资的浪费。根据Loubser的说法，Privacera可以“实时扫描提示、文本摘要和其他模型输出，没有任何系统开销”。
27410编辑于 2024-03-28 - 来自专栏瓜农老梁
Mesh5# Istio服务模型与流量治理要点
通过什么方式进行流量治理 一、Istio服务模型 服务（Service）与版本（Version）：Istio中的服务在kubernetes中以service形式存在，可定义不同的服务版本。 二、Istio流量治理 治理原理 通过Isito中VirtualService、DestinationRule、ServiceEntry等配置实现流量治理，即Istio将流量配置通过xDS下发给Enovy ，通过拦截Inbound和Outbound流量，在流量经过时执行规则，实现流量治理。 通常流量治理有：动态变更负载均衡策略、不同版本灰度发布、服务治理限流熔断和故障注入演练等。 概念说明 1.VirtualService 含义：形式上为虚拟服务，将流量转发到对应的后端服务。
82030发布于 2021-11-10 ### 标题：AI驱动的开源治理——社会综合治理智慧化系统的技术突破 #### 推广文案 AI驱动的开源治理——社会综合治理智慧化系统的技术突破
以AI技术为核心，融合“技防+人防+共治”理念，打造出一套高效、智能、可扩展的城市管理利器。1. AI识别与智能监控：精准锁定不文明行为- 核心功能：实时检测城市中的不文明行为，自动生成证据链并分级预警。 - 实际成效：试点城市事件处置时间从30分钟缩至5分钟，协作效率提升80%。3. 多场景适配：开源灵活，全面覆盖- 核心功能：支持景区、校园、交通枢纽等多种场景，构建智慧治理网络。
25210编辑于 2025-04-09- 来自专栏希里安
微服务治理？容器治理？
可识别英语、俄语、中文等语言，感兴趣的可以看下--[Translumo](https://github.com/Danily07/Translumo) 微服务和容器治理 微服务治理和容器治理都是与分布式应用程序和容器化部署相关的领域 微服务治理（Microservices Governance）： 微服务治理是管理和维护微服务架构中的各个微服务组件的一系列策略、实践和工具。 自动化： 自动化是微服务治理的核心，包括自动部署、自动伸缩和自动化测试等。 容器治理（Container Orchestration）： 容器治理是管理容器化应用程序的一系列策略和工具。 容器治理实例 容器治理是确保容器化应用程序在分布式环境中可靠运行的一组实践和工具。 容器治理： 安全性容器治理可以管理访问控制、证书管理和数据加密，以确保数据的保密性和完整性。
1.1K40编辑于 2023-10-30 - 来自专栏【腾讯云开发者】
腾讯新闻微服务1300+接口治理实践与AI治理技术债探索
这些问题降低了研发效率，存在大量人工沟通成本，因此针对我们业务当中遇到的这些问题进行了治理，取得不错的成果，另外也比较深入思考了如何使用 AI 来治理技术债务，借此机会分享给大家，也希望大家的业务通过我们的经验给大家带来一些帮助和思考 3.4 接口生命周期治理总结 整个新闻微服务共计1300+个接口，经过我们进行全面排查和治理，确认每个接口当前的状态、责任人，共计300多接口待下线、对下线接口执行了删除操作。 04、面向未来-技术债务的 AI 时代 其实技术债务本质都依赖不开我们的代码，我们可以借助AI的手段治理代码，进而来控制包括接口、字段协议、服务技术债务，为什么使用AI治理技术债务，使用AI治理技术债务有什么优势 其实司内的工蜂代码 Copilot 对代码的 CR、辅助词的提示已经做的很不错了,这里我列出了我们的场景可以落地的一些 AI 相关债务治理的探索。 return vector_store.as_retriever( search_type="similarity", search_kwargs={"k": 5}
80911编辑于 2024-12-19 - 来自专栏燧机科技-视频AI智能分析
河道四乱AI视频监控分析系统 AI助力河湖治理
随着生态文明建设深入推进，河湖管理成为城市治理的重要课题。"四乱"问题（乱占、乱采、乱堆、乱建）不仅破坏河道生态环境，更可能引发防洪安全隐患、影响水资源可持续利用。 基于深度学习的河道四乱AI视频监控分析系统为这一领域提供了新的辅助路径，但其应用需建立在对技术能力、管理边界与生态价值的理性认知之上。 一、技术原理：从"目标检测"到"行为分析"的演进河道四乱AI视频监控分析系统需突破通用目标检测，向专业河湖场景分析深化，其技术路径主要包含三个层次：1. 设定"河道保护范围内垃圾堆积面积≥5㎡"作为有效乱堆判定条件。乱建行为识别：结合建筑目标检测与施工活动识别，识别河道内违规建设行为。 结语河道四乱AI视频监控分析系统的技术本质是"辅助工具"，其价值实现取决于三个维度：技术是否真正贴合河湖管理痛点，应用是否恪守生态保护与数据伦理底线，落地是否以赋能一线人员、提升治理效能为出发点。
10500编辑于 2026-04-08 - 来自专栏实时流式计算
【译文】数据治理与BI治理
几十年来，数据治理一直是企业关注的焦点，并随着企业数据量的急剧增长，数据治理的重要性日益凸显。然而，大规模的有效BI治理一直是一个难以实现的目标，因为它需要比传统数据治理更广泛的关注点。 毕竟，如果给用户的交付物不一致，或者缺乏适当的上下文以确保业务用户正确地理解数据，那么所谓高质量、精心治理的数据又有什么价值呢？ 有效的BI治理要求组织为数据和分析的治理建立流程。 BI门户的关键治理角色体现在以下两个场景：独立的BI治理平台，或与数据目录协同工作。 什么是数据治理？ 数据治理是一组确保有效管理和利用数据的过程和技术的集合。 组织中的分析师和数据管理员使用数据治理工具来执行公司治理政策，来促进数据的正确使用。 这些工具提供了基于AI的自动数据分类、PII数据脱敏以及BI门户中治理功能之外的其他功能。
1.5K40编辑于 2023-03-24 前沿安全框架升级：强化AI风险治理新举措
强化前沿安全框架关键框架更新应对有害操控风险本次更新引入了一个专注于有害操控的关键能力等级，具体针对那些具备强大操控能力的AI模型。 调整应对错位风险的方法该框架已扩展，以解决未来可能出现的场景：错位的AI模型可能干扰操作员指导、修改或关闭其操作的能力。 这些等级涉及可能加速AI研发至潜在不稳定水平的模型。除了这些能力带来的滥用风险外，还存在源于模型在这些能力水平下采取无定向行动的潜在错位风险，以及此类模型可能融入AI开发和部署过程的风险。 细化了关键能力等级的定义，特别是为了识别那些需要最严格治理和缓解策略的关键威胁。在达到特定关键能力等级阈值之前以及作为标准模型开发方法的一部分，将继续应用安全和安保缓解措施。 这些是指，若缺乏缓解措施，前沿AI模型或系统可能构成严重伤害加剧风险的能力水平。
10110编辑于 2026-01-15- 来自专栏云云众生s
为数据民主化实施稳健的AI治理
根据 Gartner 的说法，到 2026 年，超过 80% 的企业将使用生成式 AI API 和模型，或部署生成式 AI 驱动的应用程序，高于去年的不到 5%。 在这种情况下，组织应尽可能消除孤岛，并在其数据平台上应用一致的治理框架。 除此之外，一些特定的方法和技术有助于确保组织在通过生成式 AI 扩大数据访问权限的同时，能够保持强有力的治理。 其中一些是适用于任何环境的基本治理实践，但当生成式 AI 进一步实现数据访问民主化 时，它们变得更加重要。 治理是数据民主化的基础 业务用户渴望更广泛地利用其组织的数据，而生成式 AI 终于使这成为可能。 生成式 AI 已为真正的民主化数据打开了大门，而良好的治理是使其成为可能的基础。
36710编辑于 2024-05-15 独家发布｜2025人工智能治理年度报告：迈向“可衡量”的AI治理
2025年的全球AI治理看似呈现出“全方位活跃”的态势：从联合国设立全球对话机制，到七国集团（G7）宣布成立“G7人工智能网络”，再到各国密集的立法行动，治理的声浪从未如此高涨。 中国推出了《人工智能全球治理行动计划》，坚持发展与治理并重；美国则发布了《美国人工智能行动计划》，将AI明确置于大国竞争的核心，倾向于监管松绑以保技术霸权；欧盟则在《人工智能法》与算力追赶之间艰难平衡。 首先是新兴技术的不确定性与治理稳定性要求之间的张力，AI作为一个“移动的治理目标”，让依赖确定性知识的传统监管总是滞后于技术突破。 第三是国家竞争逻辑对治理合作逻辑的压制，当AI被视为国家安全的“竞争资产”而非全球“公共品”时，各国更倾向于构建排他性联盟而非普遍规则。 2025年，是AI技术脱虚向实的一年，也是全球治理面临大考的一年，在一个算力爆炸、智能体涌现的时代，唯有通过可衡量的标尺建立起实质性的治理秩序，人类才能在确保安全的前提下，真正享受到人工智能带来的巨大福祉
59410编辑于 2025-12-22- 来自专栏Apikit
AI 与智能化 API 治理的探索实践
Eolink CEO 刘昊臻，发表了主题为「AI 与智能化 API 治理的探索实践」的演讲，分享 Eolink 在 API 全生命周期中治理实践与 AI 结合的探索。 本次演讲，围绕 API 全生命周期，从 API 治理的价值、治理体系、实践经验等方面，分享了 Eolink 在 API 治理的最佳实践，以及结合「AI+API」技术的革新应用。 图片围绕着 API 的治理工作，其实并不比代码的管理要简单，是一个跨团队长流程的的系统性问题。-API 治理完整体系的理想形态API 要治理，实际上要解决的是四大核心问题：1. 图片5. 发布阶段通过将 API 管理和网关进行结合，可以把 API 配置快速推送到不同环境的网关，减少因为导入导出配置或人工操作失误等原因带来的发布问题。 通过自然语言描述需求，AI 生成 API 文档、API 代码我们从去年开始研究产品和 AI 之间结合的可能性，其中第一个结合点就是通过自然语言来描述需求，然后由 AI 来生成 API 的设计，并通过平台来生成后续的框架代码
74620编辑于 2023-08-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号