האם הבינה המלאכותית הגזימה?

האם הבינה המלאכותית הגזימה?

תשובה קצרה: בינה מלאכותית הגזימה כשהיא נפרסת בהחלטות בעלות סיכון גבוה, מעקב או שכנוע ללא מגבלות מוצקות, הסכמה מדעת וזכות אמיתית לערער. היא שוב חוצה את הגבול כאשר זיופים עמוקים והונאות ניתנות להרחבה גורמים לאמון להרגיש כמו הימור. אם אנשים לא יכולים להבחין שבינה מלאכותית מילאה תפקיד, לא יכולים להבין מדוע החלטה התקבלה כפי שהתקבלה, או לא יכולים לבחור שלא, זה כבר רחוק מדי.

נקודות מפתח:

גבולות: הגדירו מה המערכת אינה יכולה לעשות, במיוחד כאשר אי הוודאות גבוהה.

אחריות: יש לוודא שבני אדם יכולים לעקוף תוצאות ללא עונש או מלכודות לחץ זמן.

שקיפות: ספרו לאנשים מתי מעורבת בינה מלאכותית ומדוע היא הגיעה להחלטותיה.

תחרותיות: ספקו דרכי ערעור מהירות וישימות ודרכים ברורות לתיקון נתונים שגויים.

עמידות בפני שימוש לרעה: הוסיפו מקור, מגבלות שיעור ובקרות כדי לרסן הונאות וניצול לרעה.

"האם הבינה המלאכותית הגזימה?"

החלק המוזר הוא שחציית הקווים לא תמיד ברורה מאליה. לפעמים זה רועש וראוותני, כמו הונאת דיפפייק. ( FTC , FBI ). פעמים אחרות זה שקט - החלטה אוטומטית שדוחפת את חייך הצידה ללא שום הסבר, ואתה אפילו לא מבין ש"קיבלת ציון". ( UK ICO , GDPR סעיף 22 )

אז... האם הבינה המלאכותית הגזימה? במקומות מסוימים, כן. במקומות אחרים, היא לא התקדמה מספיק - כי היא נמצאת בשימוש ללא מעקות הבטיחות הלא סקסיים אך החיוניים שגורמים לכלים להתנהג כמו כלים במקום כמו גלגלי רולטה עם ממשק משתמש ידידותי. 🎰🙂 ( NIST AI RMF 1.0 , חוק הבינה המלאכותית של האיחוד האירופי )

מאמרים שאולי תרצו לקרוא אחרי זה:

🔗 מדוע בינה מלאכותית יכולה להזיק לחברה
סיכונים חברתיים מרכזיים: הטיה, מקומות עבודה, פרטיות וריכוז כוח.

🔗 האם בינה מלאכותית מזיקה לסביבה? השפעות נסתרות
כיצד הכשרה, מרכזי נתונים וצריכת אנרגיה מעלים את הפליטות.

🔗 האם בינה מלאכותית טובה או רעה? יתרונות וחסרונות
סקירה מאוזנת של יתרונות, סיכונים ופשרות בעולם האמיתי.

🔗 למה בינה מלאכותית נחשבת רעה: הצד האפל
בוחן שימוש לרעה, מניפולציה, איומי אבטחה ודאגות אתיות.

למה אנשים מתכוונים כשהם אומרים "האם הבינה המלאכותית הגזימה?" 😬

רוב האנשים לא שואלים האם בינה מלאכותית היא "בעלת תבונה" או "משתלטת". הם מצביעים על אחד מאלה:

זה לב ליבו של "האם הבינה המלאכותית הגזימה?". זה לא רגע אחד. זוהי ערימת תמריצים, קיצורי דרך וחשיבה של "נתקן את זה אחר כך" - מה, בואו נהיה כנים, נוטה להתבטא ב"נתקן את זה אחרי שמישהו ייפגע". 😑

האם הבינה המלאכותית הגזימה באינפוגרפיקה

האמת הלא כל כך סודית: בינה מלאכותית היא מכפיל, לא שחקן מוסרי 🔧✨

בינה מלאכותית לא מתעוררת ומחליטה להיות מזיקה. אנשים וארגונים מכוונים אותה. אבל היא מכפילה את כל מה שאתה מאכיל אותה:

  • כוונה מועילה הופכת למועילה באופן מאסיבי (תרגום, נגישות, סיכום, זיהוי דפוסים רפואיים).

  • כוונה רשלנית הופכת לרשלנית באופן מסיבי (הטיה בקנה מידה גדול, אוטומציה של שגיאות).

  • כוונה רעה הופכת לרעה בצורה מסיבית (הונאה, הטרדה, תעמולה, התחזות).

זה כמו לתת מגפון לפעוט. לפעמים הפעוט שר... לפעמים הפעוט צורח ישר לתוך הנשמה שלך. לא מטאפורה מושלמת - קצת טיפשית - אבל הנקודה נוגעת 😅📢.

מה הופך גרסה טובה של בינה מלאכותית למציאות יומיומית? ✅🤝

"גרסה טובה" של בינה מלאכותית אינה מוגדרת לפי מידת חכמה. היא מוגדרת לפי עד כמה היא מתנהגת תחת לחץ, חוסר ודאות ופיתוי (ובני אדם מתפתים מאוד לאוטומציה זולה). ( NIST AI RMF 1.0 , OECD )

הנה מה שאני מחפש כשמישהו טוען שהשימוש שלו בבינה מלאכותית הוא אחראי:

1) גבולות ברורים

  • מה מותר למערכת לעשות?

  • מה אסור לעשות במפורש?

  • מה קורה כשזה לא בטוח?

2) אחריות אנושית אמיתית, לא דקורטיבית

"סקירת" תוצאות אנושית חשובה רק אם:

  • הם מבינים מה הם בודקים, ו

  • הם יכולים לעקוף זאת מבלי להיענש על האטת הדברים.

3) הסבר ברמה הנכונה

לא כולם צריכים את המתמטיקה. אנשים כן צריכים:

  • הסיבות העיקריות מאחורי החלטה,

  • אילו נתונים נעשה בהם שימוש,

  • כיצד לערער, ​​לתקן או לבטל את הסכמתך. ( UK ICO )

4) ביצועים מדידים - כולל אופני כשל

לא רק "דיוק", אלא:

  • על מי זה נכשל,

  • באיזו תדירות זה נכשל בשקט,

  • מה קורה כשהעולם משתנה. ( NIST AI RMF 1.0 )

5) פרטיות והסכמה שאינן "קבורות בהגדרות"

אם הסכמה דורשת חיפוש אוצרות דרך תפריטים... זו לא הסכמה. זוהי פרצה עם שלבים נוספים 😐🧾. ( סעיף 5 לתקנת ה-GDPR , UK ICO )

טבלת השוואה: דרכים מעשיות למנוע מהבינה המלאכותית ללכת רחוק מדי 🧰📊

להלן "האפשרויות המובילות" במובן שהן מעקות בטיחות נפוצים או כלים תפעוליים שמשנים תוצאות (לא רק ויברים).

כלי / אפשרות קהל מְחִיר למה זה עובד
סקירת "אנוש-בת-הלולאה" ( חוק הבינה המלאכותית של האיחוד האירופי ) צוותים שמקבלים החלטות בעלות סיכון גבוה פאונד פאונד (עלות זמן) מאט אוטומציה גרועה. כמו כן, בני אדם יכולים להבחין במקרי קצה מוזרים, לפעמים..
תהליך ערעור על החלטה ( סעיף 22 לתקנות ה-GDPR ) משתמשים מושפעים מהחלטות בינה מלאכותית חינמי-יש מוסיף הליך תקין. אנשים יכולים לתקן נתונים שגויים - נשמע בסיסי כי זה בסיסי
יומני ביקורת + עקיבות ( NIST SP 800-53 ) תאימות, תפעול, אבטחה £-££ מאפשר לך לענות על "מה קרה?" אחרי כישלון, במקום למשוך בכתפיים
הערכת מודל + בדיקת הטיה ( NIST AI RMF 1.0 ) צוותי מוצר + סיכון משתנה מאוד מזהה נזק צפוי מוקדם. לא מושלם, אבל עדיף מניחוש
בדיקות צוות אדום ( פרופיל NIST GenAI ) אבטחה + בטיחות אנשים £££ מדמה שימוש לרעה לפני שתוקפים אמיתיים עושים זאת. לא נעים, אבל שווה את זה 😬
מזעור נתונים ( ICO בבריטניה ) כולם, בכנות £ פחות נתונים = פחות בלגן. גם פחות פרצות, פחות שיחות מביכות
אותות מקור תוכן ( C2PA ) פלטפורמות, מדיה, משתמשים £-££ עוזר לאמת "האם בן אדם יצר את זה?" - לא חסין תקלות אבל מפחית כאוס
מגבלות קצב + בקרות גישה ( OWASP ) ספקי בינה מלאכותית + ארגונים £ מונע התרחבות מיידית של שימוש לרעה. כמו פסי האטה עבור גורמים רעים

כן, השולחן קצת לא אחיד. ככה זה בחיים. 🙂

בינה מלאכותית בהחלטות בעלות סיכון גבוה: כשזה הולך רחוק מדי 🏥🏦⚖️

כאן הדברים נהיים רציניים מהר.

בינה מלאכותית בתחום הבריאות , הפיננסים , הדיור , התעסוקה , החינוך , ההגירה , המשפט הפלילי - אלו הן מערכות בהן: ( נספח III לחוק הבינה המלאכותית של האיחוד האירופי , ה-FDA )

  • טעות יכולה לעלות למישהו בכסף, חופש, כבוד או ביטחון,

  • ולאדם המושפע לעתים קרובות יש כוח מוגבל להילחם בחזרה.

הסיכון הגדול אינו "בינה מלאכותית עושה טעויות". הסיכון הגדול הוא שטעויות של בינה מלאכותית הופכות למדיניות . ( NIST AI RMF 1.0 )

איך נראה כאן "רחוק מדי"

  • החלטות אוטומטיות ללא הסבר: "המחשב אומר לא." ( ICO בבריטניה )

  • "ציוני סיכון" התייחסו אליהם כאל עובדות במקום ניחושים.

  • בני אדם שלא יכולים לעקוף תוצאות כי ההנהלה רוצה מהירות.

  • נתונים לא מסודרים, מוטים, מיושנים או פשוט שגויים.

מה שאמור להיות בלתי נתון למשא ומתן

  • זכות ערעור (מהירה, מובנת, לא מבוך). ( סעיף 22 לתקנת GDPR , UK ICO )

  • הזכות לדעת שבינה מלאכותית הייתה מעורבת. ( הנציבות האירופית )

  • סקירה אנושית לתוצאות תוצאתיות. ( NIST AI RMF 1.0 )

  • בקרת איכות על נתונים - כי "זבל נכנס, זבל יוצא" זה עדיין נכון עד כאב.

אם אתם מנסים לשרטט קו ברור, הנה אחד:
אם מערכת בינה מלאכותית יכולה לשנות באופן מהותי את חייו של מישהו, היא צריכה את אותה רצינות שאנו מצפים מצורות אחרות של סמכות. אין "בדיקות בטא" על אנשים שלא נרשמו. 🚫

זיופים עמוקים, הונאות, והמוות האיטי של "אני סומך על עיניי" 👀🧨

זה החלק שגורם לחיי היומיום להרגיש... חלקלקים.

כאשר בינה מלאכותית יכולה לייצר:

  • הודעה קולית שנשמעת כמו בן משפחה שלך, ( FTC , FBI )

  • סרטון של דמות ציבורית "אומרת" משהו,

  • מבול של ביקורות מזויפות שנראות אותנטיות מספיק, ( FTC )

  • פרופיל לינקדאין מזויף עם היסטוריית עבודה מזויפת וחברים מזויפים..

...זה לא רק מאפשר הונאות. זה מחליש את הדבק החברתי שמאפשר לזרים לתאם. והחברה מתבססת על זרים שמתאמים. 😵💫

"רחוק מדי" אינו רק תוכן מזויף

זוהי האסימטריה :

  • זה זול לייצר שקרים.

  • זה יקר ואיטי לאמת את האמת.

  • ורוב האנשים עסוקים, עייפים וגוללים.

מה עוזר (קצת)

  • סמני מקור עבור מדיה. ( C2PA )

  • חיכוך לוויראליות - האטת שיתוף המוני מיידי.

  • אימות זהות טוב יותר במקומות החשובים (פיננסים, שירותים ממשלתיים).

  • הרגלי "אימות מחוץ לטווח" בסיסיים עבור אנשים פרטיים (התקשרות חוזרת, שימוש במילת קוד, אישור דרך ערוץ אחר). ( FTC )

לא זוהר. אבל גם לא חגורות בטיחות, ואני די קשור אליהן, באופן אישי. 🚗

זחילת מעקב: כאשר בינה מלאכותית הופכת בשקט הכל לחיישן 📷🫥

זה לא מתפוצץ כמו דיפפייק. זה פשוט מתפשט.

בינה מלאכותית מאפשרת לך:

וגם כשהוא לא מדויק, הוא עדיין יכול להזיק משום שהוא יכול להצדיק התערבות. תחזית שגויה עדיין יכולה לגרום לתוצאות של ממש.

החלק הלא נוח

מעקב המופעל על ידי בינה מלאכותית מגיע לעתים קרובות עטוף בסיפור בטיחות:

  • "זה למניעת הונאה."

  • "זה בשביל ביטחון."

  • "זה בשביל חוויית המשתמש."

לפעמים זה נכון. לפעמים זה גם תירוץ נוח לבניית מערכות שקשה מאוד לפרק אותן אחר כך. כמו להתקין דלת חד-סטרית בבית שלך כי זה נראה יעיל באותו זמן. שוב, לא מטאפורה מושלמת - קצת מגוחכת - אבל אתה מרגיש את זה. 🚪😅

איך נראה "טוב" כאן

עבודה, יצירתיות, ובעיית הסרת הכישורים השקטה 🧑💻🎨

כאן הוויכוח הופך לאישי כי הוא נוגע בזהות.

בינה מלאכותית יכולה להפוך אנשים לפרודוקטיביים יותר. היא יכולה גם לגרום לאנשים להרגיש שניתן להחליף אותם. שניהם יכולים להיות נכונים, בו זמנית, באותו שבוע. ( OECD , WEF )

היכן שזה באמת מועיל

  • ניסוח טקסט שגרתי כדי שבני אדם יוכלו להתמקד בחשיבה.

  • סיוע בקידוד עבור דפוסים חוזרים.

  • כלי נגישות (כתוביות, סיכומים, תרגום).

  • סיעור מוחות כשאתה תקוע.

איפה שזה הולך רחוק מדי

  • החלפת תפקידים ללא תוכניות מעבר.

  • שימוש בבינה מלאכותית כדי לדחוק את התפוקה תוך השטחת השכר.

  • להתייחס לעבודה יצירתית כמו לנתוני הדרכה חינמיים אינסופיים, ואז למשוך בכתפיים. ( משרד זכויות היוצרים האמריקאי , UK GOV.UK )

  • העלמת תפקידים זוטרים - מה שנשמע יעיל עד שמבינים שרק שרפתם את הסולם שמומחי העתיד צריכים לטפס עליו.

הסרת כישורים היא דבר עדין. לא שמים לב לזה ביום-יום. ואז יום אחד מגלים שאף אחד בצוות לא זוכר איך הכל עובד בלי העוזר. ואם העוזר טועה, כולכם פשוט טועים בביטחון... וזה סוג של סיוט. 😬

ריכוז כוח: מי רשאי לקבוע את ברירות המחדל? 🏢⚡

אפילו אם בינה מלאכותית היא "נייטרלית" (היא לא), מי ששולט בה יכול לעצב:

  • איזה מידע קל לגישה,

  • מה מקודם או קבור,

  • איזו שפה מותרת,

  • אילו התנהגויות מעודדות.

ומכיוון שמערכות בינה מלאכותית יכולות להיות יקרות לבנייה ותפעול, כוח נוטה להתרכז. זו לא קונספירציה. זו כלכלה עם קפוצ'ון טכנולוגי. ( בריטניה CMA )

הרגע של "רחוק מדי" כאן

כאשר ברירת המחדל הופכת לחוק בלתי נראה:

  • אתה לא יודע מה מסונן,

  • אי אפשר לבחון את ההיגיון,

  • ואי אפשר באופן מציאותי לבטל את זה מבלי לאבד גישה לעבודה, לקהילה או לשירותים בסיסיים.

מערכת אקולוגית בריאה זקוקה לתחרות, שקיפות ובחירה אמיתית של המשתמש. אחרת, אתם בעצם שוכרים את המציאות. 😵♂️

רשימת בדיקה מעשית: איך לדעת אם הבינה המלאכותית הולכת רחוק מדי בעולם שלך 🧾🔍

הנה רשימת בדיקה שאני משתמש בה (וכן, היא לא מושלמת):

אם אתה אדם פרטי

  • אני יכול להבחין מתי אני מתקשר עם בינה מלאכותית. ( הנציבות האירופית )

  • המערכת הזאת דוחפת אותי לחלוק יותר מדי.

  • אני אהיה בסדר עם הפלט אם הוא שגוי בצורה אמינה.

  • אם הייתי מנוה באמצעות זה, הפלטפורמה הייתה עוזרת לי... או שהיא הייתה מושכת בכתפיה.

אם אתם עסק או צוות

  • אנחנו משתמשים בבינה מלאכותית כי היא בעלת ערך, או כי היא אופנתית וההנהלה חסרת מנוחה.

  • אנחנו יודעים באילו נתונים המערכת נוגעת.

  • משתמש שנפגע יכול לערער על התוצאות. ( UK ICO )

  • לבני אדם יש את הכוח לעקוף את המודל.

  • יש לנו תוכניות תגובה לאירועים של כשלים בבינה מלאכותית.

  • אנו עוקבים אחר סחיפה, שימוש לרעה ומקרי קצה חריגים.

אם ענית "לא" על כמה מהדברים האלה, זה לא אומר שאתה רע. זה אומר שאתה במצב אנושי רגיל של "שלחנו את זה וקיווינו". אבל לקוות זו לא אסטרטגיה, למרבה הצער. 😅

הערות סיום 🧠✅

אז... האם הבינה המלאכותית הגזימה?
היא הגזימה בשימוש ללא אחריות , במיוחד בקבלת החלטות בעלות סיכון גבוה, שכנוע המוני ומעקב. היא גם הגזימה בפוגע באמון - כי ברגע שהאמון נשבר, הכל נהיה יקר ועוין יותר, מבחינה חברתית. ( NIST AI RMF 1.0 , חוק הבינה המלאכותית של האיחוד האירופי )

אבל בינה מלאכותית אינה נידונה לכישלון מטבעה או מושלמת מטבעה. היא מכפיל רב עוצמה. השאלה היא האם נבנה את מעקות הבטיחות באותה אגרסיביות שבה נבנה את היכולות.

סיכום קצר:

  • בינה מלאכותית היא בסדר ככלי.

  • זה מסוכן כסמכות בלתי אחראית.

  • אם מישהו לא יכול לערער, ​​להבין או לבחור שלא - כאן מתחיל "רחוק מדי". 🚦 ( סעיף 22 לתקנת ה-GDPR , UK ICO )

שאלות נפוצות

האם בינה מלאכותית הגזימה בחיי היומיום?

במקומות רבים, בינה מלאכותית הגזימה משום שהיא החלה להחליש להחלטות ואינטראקציות ללא גבולות ברורים או אחריות. הבעיה היא לעיתים רחוקות ש"בינה מלאכותית קיימת"; זוהי בינה מלאכותית שמשולבת בשקט בגיוס עובדים, שירותי בריאות, שירות לקוחות ופידים, תוך פיקוח דל. כאשר אנשים לא יכולים להבחין שמדובר בבינה מלאכותית, לא יכולים לערער על תוצאות, או לא יכולים לבחור שלא, היא מפסיקה להרגיש כמו כלי ומתחילה להרגיש כמו מערכת.

איך נראית "בינה מלאכותית הולכת רחוק מדי" בהחלטות בעלות סיכון גבוה?

נראה כאילו בינה מלאכותית נמצאת בשימוש בתחומי הבריאות, הפיננסים, הדיור, התעסוקה, החינוך, ההגירה או המשפט הפלילי ללא מעקות חזקים. הבעיה המרכזית אינה שמודלים עושים טעויות; אלא שהטעויות הללו מתקשות למדיניות וקשה לערער עליהן. החלטות של "מחשב אומר לא" עם הסברים דלים וללא פניות משמעותיות הן המקום שבו הנזק גדל במהירות.

איך אוכל לדעת אם החלטה אוטומטית משפיעה עליי, ומה אוכל לעשות?

סימן נפוץ הוא תוצאה פתאומית שאינך יכול להסביר: דחייה, הגבלה או רושם של "ציון סיכון" ללא סיבה ברורה. מערכות רבות צריכות לחשוף מתי בינה מלאכותית מילאה תפקיד מהותי, ועליך להיות מסוגל לבקש את הסיבות העיקריות מאחורי ההחלטה ואת הצעדים לערעור עליה. בפועל, בקש בדיקה אנושית, תקן כל מידע שגוי ודחף לנתיב ביטול הסכמה פשוט.

האם בינה מלאכותית הגזימה בכל הנוגע לפרטיות, הסכמה ושימוש בנתונים?

זה קורה לעתים קרובות כאשר הסכמה הופכת לציד אוצרות ואיסוף נתונים מתרחב "למקרה הצורך". הנקודה המרכזית של המאמר היא שפרטיות והסכמה לא נושאות משקל רב אם הן קבורות בסביבות או כופות באמצעות מונחים מעורפלים. גישה בריאה יותר היא מזעור נתונים: לאסוף פחות, לשמור פחות, ולהפוך את הבחירות לברורות כדי שאנשים לא יופתעו מאוחר יותר.

כיצד זיופים עמוקים והונאות בינה מלאכותית משנים את משמעות ה"אמון" באינטרנט?

הם גורמים לאמת להרגיש אופציונלית על ידי הפחתת העלות של הפקת קולות, סרטונים, ביקורות וזהויות מזויפים ומשכנעים. האסימטריה היא הבעיה: יצירת שקרים היא זולה, בעוד שאימות האמת הוא איטי ומעייף. הגנות מעשיות כוללות אותות מקור עבור התקשורת, האטת שיתוף ויראלי, בדיקות זהות חזקות יותר היכן שזה חשוב, והרגלי "אימות מחוץ לטווח" כמו התקשרות חזרה או שימוש במילת קוד משותפת.

מהם מעקות הבטיחות המעשיים ביותר כדי למנוע מבינה מלאכותית ללכת רחוק מדי?

אמצעי בטיחות שמשנים תוצאות כוללים סקירה אנושית אמיתית בלולאה עבור שיחות בעלות סיכון גבוה, תהליכי ערעור ברורים ויומני ביקורת שיכולים לענות על "מה קרה?" לאחר כשלים. הערכת מודלים ובדיקות הטיה יכולות לזהות נזקים צפויים מוקדם יותר, בעוד שבדיקות בצוות אדום מדמות שימוש לרעה לפני שהתוקפים עושים זאת. מגבלות קצב ובקרות גישה מסייעות במניעת התרחבות מיידית של שימוש לרעה, ומזעור נתונים מוריד את הסיכון באופן כללי.

מתי מעקב המונע על ידי בינה מלאכותית חוצה את הגבול?

זה חוצה את הגבול כאשר הכל הופך לחיישן כברירת מחדל: זיהוי פנים בקהל, מעקב אחר דפוסי תנועה, או "זיהוי רגשות" בטוח המשמש לענישה או שמירת סף. אפילו מערכות לא מדויקות עלולות לגרום נזק חמור אם הן מצדיקות התערבויות או מניעת שירותים. שיטות עבודה טובות נראות כמו מקרי שימוש צרים, מגבלות שמירה מחמירות, אפשרויות ביטול משמעותיות, פיקוח עצמאי ו"לא" תקיף לשיפוטים רעועים המבוססים על רגש.

האם בינה מלאכותית הופכת אנשים לפרודוקטיביים יותר - או בשקט פוגעת במיומנויות העבודה?

שניהם יכולים להיות נכונים בו זמנית, והמתח הזה הוא העיקר. בינה מלאכותית יכולה לסייע בניסוח שגרתי, דפוסי קידוד חוזרים ונשנים ונגישות, ולשחרר בני אדם להתמקד בחשיבה ברמה גבוהה יותר. זה הולך רחוק מדי כשהוא מחליף תפקידים ללא תוכניות מעבר, מצמצם שכר, מתייחס לעבודה יצירתית כמו לנתוני הדרכה בחינם, או מסיר תפקידים זוטרים שבונים מומחיות עתידית. ירידה בכישורים נותרת עדינה עד שצוותים לא יכולים לתפקד ללא העוזר.

הפניות

  1. המכון הלאומי לתקנים וטכנולוגיה (NIST) - מסגרת ניהול סיכוני בינה מלאכותית (AI RMF 1.0) - nist.gov

  2. האיחוד האירופי - חוק הבינה המלאכותית של האיחוד האירופי (תקנה (EU) 2024/1689) - כתב העת הרשמי (אנגלית) - europa.eu

  3. הנציבות האירופית - מסגרת רגולטורית לבינה מלאכותית (דף מדיניות חוק הבינה המלאכותית של האיחוד האירופי) - europa.eu

  4. דלפק שירות חוק הבינה המלאכותית של האיחוד האירופי - נספח III (מערכות בינה מלאכותית בסיכון גבוה) - europa.eu

  5. האיחוד האירופי - כללים לבינה מלאכותית אמינה באיחוד האירופי (סיכום חוק הבינה המלאכותית של האיחוד האירופי) - europa.eu

  6. משרד נציב המידע של בריטניה (ICO) - מהי קבלת החלטות אוטומטיות ויצירת פרופילים אישיים? - ico.org.uk

  7. משרד נציב המידע של בריטניה (ICO) - מה אומר ה-GDPR של בריטניה על קבלת החלטות אוטומטיות ויצירת פרופילים? - ico.org.uk

  8. משרד נציב המידע של בריטניה (ICO) - קבלת החלטות אוטומטית ויצירת פרופילים (מרכז הנחיות) - ico.org.uk

  9. משרד נציב המידע של בריטניה (ICO) - מזעור נתונים (הנחיות עקרונות ה-GDPR של בריטניה) - ico.org.uk

  10. GDPR-info.eu - סעיף 22 לתקנת ה-GDPR - gdpr-info.eu

  11. GDPR-info.eu - סעיף 5 לתקנת ה-GDPR - gdpr-info.eu

  12. ועדת הסחר הפדרלית של ארה"ב (FTC) - נוכלים משתמשים בבינה מלאכותית כדי לשפר את תוכניות החירום המשפחתיות שלהם - ftc.gov

  13. ועדת הסחר הפדרלית של ארה"ב (FTC) - נוכלים משתמשים במקרי חירום מזויפים כדי לגנוב את כספכם - ftc.gov

  14. ועדת הסחר הפדרלית של ארה"ב (FTC) - כלל סופי האוסר ביקורות והמלצות מזויפות (הודעה לעיתונות) - ftc.gov

  15. הלשכה הפדרלית לחקירות (FBI) - ה-FBI מזהיר מפני איום גובר של פושעי סייבר המשתמשים בבינה מלאכותית - fbi.gov

  16. ארגון לשיתוף פעולה ופיתוח כלכלי (OECD) - עקרונות הבינה המלאכותית של ה-OECD - oecd.ai

  17. OECD - המלצת המועצה לבינה מלאכותית (OECD/LEGAL/0449) - oecd.org

  18. הנציבות האירופית - הנחיות וקוד נוהג למערכות בינה מלאכותית שקופות (שאלות נפוצות) - europa.eu

  19. הקואליציה למקור ואותנטיות של תוכן (C2PA) - מפרטים גרסה 2.3 - c2pa.org

  20. רשות התחרות והשווקים של בריטניה (CMA) - מודלים של יסודות בינה מלאכותית: דוח ראשוני - gov.uk

  21. מנהל המזון והתרופות האמריקאי (FDA) - מכשירים רפואיים מבוססי בינה מלאכותית - fda.gov

  22. NIST - בקרות אבטחה ופרטיות עבור מערכות מידע וארגונים (SP 800-53 Rev. 5) - nist.gov

  23. NIST - פרופיל בינה מלאכותית גנרטיבי (NIST.AI.600-1, ipd) - nist.gov

  24. פרויקט אבטחת יישומים פתוחים ברחבי העולם (OWASP) - צריכת משאבים בלתי מוגבלת (10 המובילים באבטחת API, 2023) - owasp.org

  25. NIST - נתונים דמוגרפיים של מבחן ספקי זיהוי פנים (FRVT) - nist.gov

  26. בארט ואחרים (2019) - מאמר (PMC) - nih.gov

  27. OECD - שימוש בבינה מלאכותית במקום העבודה (PDF) - oecd.org

  28. הפורום הכלכלי העולמי (WEF) - דו"ח עתיד המשרות 2025 - תקציר - weforum.org

  29. משרד זכויות היוצרים האמריקאי - זכויות יוצרים ובינה מלאכותית, חלק 3: דוח הכשרה בבינה מלאכותית גנרטיבית (גרסת טרום פרסום) (PDF) - copyright.gov

  30. ממשלת בריטניה (GOV.UK) - זכויות יוצרים ובינה מלאכותית (התייעצות) - gov.uk

מצאו את הבינה המלאכותית העדכנית ביותר בחנות הרשמית של עוזרי בינה מלאכותית

אודותינו

חזרה לבלוג