Zināšanu bāze
Mākslīgā intelekta ētika un pārvaldība, paskaidrota
Neatkarīgi, uz pierādījumiem balstīti norādījumi par atbildīgu mākslīgā intelekta veidošanu un izmantošanu — bez pārdevēju spina, bez žargona. Praktiski skaidrojumi, salīdzinājumi un kontrolsaraksti, kas atjaunināti atbilstoši patiešām piemērojamiem noteikumiem.
AI Security
2 guides
Securing AI Systems and Agents
"AI security" covers four unrelated problems, and the one most people mean depends on which kind of AI they actually run. Predictive models and generative models are attacked in genuinely different ways — NIST maintains two separate taxonomies for exactly that reason.
Lasīt ceļvedi · 6 min. guidePrompt Injection: Why It Happens and What Actually Stops It
Prompt injection is the top vulnerability in the OWASP Top 10 for LLM Applications, and the most misunderstood. It is not a bug that gets patched — it follows from how language models work. Here is what that means for anything you deploy.
Lasīt ceļvedi · 7 min.Skatiet, kuri mākslīgā intelekta uzņēmumi patiešām dara to, ko sludina
Mēs vērtējam mākslīgā intelekta uzņēmumus pēc to apņemšanās ievērot ētiku, caurspīdīgumu un atbildību.