活动介绍

区块链助力AI:从治理到用户界面设计

立即解锁
发布时间: 2025-08-30 00:05:23 阅读量: 10 订阅数: 15 AIGC
# 区块链助力AI:从治理到用户界面设计 ## 1. 区块链对AI的治理控制 ### 1.1 可查看来源的真实性展示 区块链能够提供系统中所有重要事件的可追溯性。在使用具有分布式市场底层组件的品牌AI时,展示可查看来源的真实性这一控制尤为重要。以下是消费者触点的相关信息: | 功能 | 参与者 | 资产 | 示例交易 | 区块链控制 | 消费者触点 | | --- | --- | --- | --- | --- | --- | | 托管和/或存储 | 不同;使用各种设备或脚本的个人或代理;AI可能嵌入产品中 | B2B或B2C消费者、AI代理、项目利益相关者 | 评论和评级、帮助咨询、报告、投诉 | 1. 工作流和身份;2. 防篡改验证;3. 治理、指示和抑制;4. 查看来源 | 使用前检查嵌入式AI是否安全,对最终产品中的不当行为进行投诉 | ### 1.2 决定是否信任AI 在规划AI消费者决定是否信任AI的方式时,可以类比访问使用https的安全网站时浏览器上的锁图标。不同消费者需要不同程度的证明,以下是不同类型AI消费者所需的信任类型及示例证明: | AI消费者类型 | 所需信任类型 | 示例证明 | | --- | --- | --- | | 终端用户 | 通过关联组织进行的整体保证,该组织汇总了参与AI创建、组装、训练和部署的所有信任组织 | 检查证明标志是否完好,表明贡献者得到信任组织的认可 | | 经纪人或市场 | 所有成员组织及其依赖组织的信任标志 | 检查证明标志是否完好,AI在特定条件和情况下是否工作,组件是否相互兼容 | | 架构师 | 为AI架构选择的所有品牌的信任 | 确保提供组件的品牌资料符合公司政策 | | 开发者 | 算法库和开发环境的信任,数据科学家的信任标志,以及架构的信任 | 确保所有供应商符合政策,任何漏洞或问题都能浮出水面,出现问题时能获得支持 | | 数据科学家 | 数据库和数据测试的信任 | 检查数据是否符合准备就绪的政策,是否已消除偏差 | | 首席技术官 | 对AI输出的信任,对来源的信任,对AI持续控制的信任 | 检查是否进行了充分的测试,以确保模型在学习和演变过程中符合其意图 | | IoT设备 | 对安全性和兼容性的信任 | 检查兼容性和召回情况 | | 智能代理 | 对其他智能代理以及智能代理和数据市场的信任 | 在接受其他代理的输入进行递归学习之前,检查其声誉和可信度 | ### 1.3 区块链控制总结 区块链有助于将AI置于人类控制之下。尽管由于AI的广泛性,应用区块链控制一开始可能让人不知所措,但确保系统的基础锁定在单一事实来源可能是解决未来问题的关键。在规划自己的用例和事实流系统时,可参考以下四个控制来系统地思考区块链如何影响AI生命周期的各个部分: 1. 预先建立身份和工作流 2. 分发防篡改验证 3. 治理、指示和抑制智能代理 4. 通过用户可查看的来源展示真实性 ## 2. AI用户界面设计 ### 2.1 用户界面的重要性 在创建结合区块链控制的区块链绑定AI(BTA)之前,需要考虑BTA的用户界面(UI)对系统采用的影响。一个好的UI能让用户在深入了解功能之前就感到满意,而难用或脱节的界面会给用户留下糟糕的第一印象。例如,Hyperledger Fabric的示例代码生成的应用UI非常基础,大多数用户会拒绝这种界面,也无法在企业中部署。 ### 2.2 设计思维 #### 2.2.1 确定用户 在规划BTA的UI之前,需要先确定谁会使用它。BTA项目的主要用户是希望在基于区块链的系统中编写、训练、测试和/或部署AI模型的组织,他们关心AI模型的训练者、审查者、数据集等信息。每个用户会使用两种界面,即训练AI模型的界面(如基于Oracle Cloud的Jupyter Notebook)和上传或审查AI模型的BTA应用界面。 #### 2.2.2 需求收集 在开始设计UI之前,需要进行需求收集。设计思维是一种通过一系列技术从用户群体中获取每个用户对系统的需求、他们使用的设备以及他们希望系统的外观和感觉的过程,从而得到详细的需求。可以通过以下方式进行: - 举办设计思维研讨会。 - 鼓励项目发起人在编码开始前与团队分享设计模型、流程流程图、用例图和流程图,并获取反馈。可以通过录制视频并放入共享文件夹的方式让团队成员在不同时间响应。 设计思维的好处是使用新系统的人会因为参与设计而更有认同感。完成对设计思维研讨会信息的分析后,就可以准备编码了。 #### 2.2.3 企业设计思维 企业需求通常不明显,产品经理需要超越对解决业务问题的实际需求的常规理解。企业设计思维包括观察、反思和团队协作,整个团队都要与客户接触。通过多次询问“为什么”来找到问题的解决方案,并且工作完成后要与最终用户进行审查和调整。还可以使用领域专家作为赞助用
corwn 最低0.47元/天 解锁专栏
赠100次下载
继续阅读 点击查看下一篇
profit 400次 会员资源下载次数
profit 300万+ 优质博客文章
profit 1000万+ 优质下载资源
profit 1000万+ 优质文库回答
复制全文

相关推荐

物联网_赵伟杰

物联网专家
12年毕业于人民大学计算机专业,有超过7年工作经验的物联网及硬件开发专家,曾就职于多家知名科技公司,并在其中担任重要技术职位。有丰富的物联网及硬件开发经验,擅长于嵌入式系统设计、传感器技术、无线通信以及智能硬件开发等领域。
最低0.47元/天 解锁专栏
赠100次下载
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
千万级 优质文库回答免费看
立即解锁

专栏目录

最新推荐

Tableau基础图表的创建与理解

### Tableau基础图表的创建与理解 在数据可视化领域,Tableau是一款功能强大的工具,它提供了多种类型的图表来帮助我们更好地理解和展示数据。下面将详细介绍如何在Tableau中创建几种常见的基础图表。 #### 1. 交叉表(文本表) 很多人在查看数据时,更倾向于使用熟悉的表格形式。Tableau提供了创建交叉表或文本表的功能,操作步骤如下: - 保存之前创建图表的进度。 - 若要从现有图表创建新的交叉表,在工作表标签处右键单击,选择“Duplicate as Crosstab”,即可生成一个新的文本表。 创建完成后,会发现Tableau做了一些有趣的改变: - “Regio

Tableau高级功能:地图与仪表盘操作指南

### Tableau高级功能:地图与仪表盘操作指南 #### 1. 高级地图功能 在使用Tableau进行数据可视化时,地图是一种非常强大的工具。从2018年起,Tableau引入了一些高级地图技术,极大地提升了地图可视化的能力。不过,在使用这些高级功能时,要确保地图能合理反映数据比例,避免数据的错误呈现。下面将详细介绍几种高级地图功能。 ##### 1.1 密度标记(Density Marks) 密度标记类型可用于查看特定区域内数据的集中程度。以查看美国大陆机场集中情况为例: - 操作步骤: 1. 双击“Origin Latitude”和“Origin Longitude”,并

概率注释模型:特征添加与序列标注任务建模

### 概率注释模型:特征添加与序列标注任务建模 在数据标注领域,不同的模型有着各自的特点和适用场景。部分汇集模型在稀疏数据条件下展现出更好的适应性,它通过信息共享机制,让标注者的注释行为相互影响,从而使模型在数据有限时也能有效工作。当有足够的注释时,部分汇集模型和非汇集模型的性能可能相近,但整体而言,部分汇集模型更为通用。 #### 1. 添加特征以增强模型能力 传统的裁决模型主要依赖编码者提供的注释,但研究表明,让模型具备数据感知能力,即除了注释外,使用特征来刻画项目,能够提升模型的裁决能力。 ##### 1.1 Raykar 等人的判别模型 Raykar 等人(2010)利用特征丰

数据故事创作:从理论到实践的全面指南

# 数据故事创作:从理论到实践的全面指南 ## 1. SWD工作坊:实践与提升 在工作中,我们可以组织 SWD 工作坊来提升数据故事讲述的能力。首先是前期准备工作: - 给团队发送三小时的日程邀请,并预订一个有充足桌面空间和白板的会议室。 - 准备好物资,如彩色马克笔、活动挂图和多种尺寸的便利贴(6x8 英寸的便利贴很棒,因为它们与标准幻灯片尺寸相同,可用于以低技术方式模拟整个演示文稿;同时准备一些较小的便利贴,供那些想在深入细节之前进行更高级故事板制作并关注总体主题和流程的人使用)。 为实际的工作坊指定一名计时员。在项目工作时间,计时员要留意时间,在进行到一半和还剩 20 分钟时提醒参与

利用MicrosoftFairlearn实现AI系统的公平性

# 利用 Microsoft Fairlearn 实现 AI 系统的公平性 ## 1. 公平机会的概念 在美国,“公平机会”指的是每个人都应拥有平等的成功机会,不论其种族、性别或其他个人特征如何。这一概念在教育、就业和住房等多个领域都有应用,其核心信念是所有人都应得到公平对待,不应因种族或性别等因素受到歧视。 为确保所有美国人享有公平机会,人们采取了一系列举措。例如,平权行动旨在帮助那些历史上遭受歧视的群体获得教育和就业机会;禁止在教育和就业中进行歧视的法律,也有助于营造公平竞争的环境。 然而,实现公平机会并非易事。在判断某人是否拥有平等的成功机会时,对于应考虑哪些因素可能存在分歧。此外

预训练模型的十大关键问题探索

# 预训练模型的十大关键问题探索 ## 1. 模型安全与认知学习 ### 1.1 模型安全 在模型安全方面,具备语音知识的模型不会被“U r stupid!”这类表述所误导。因此,构建具有丰富知识的大模型是保障模型安全的可靠途径。 ### 1.2 认知学习 当前大模型的学习范式仍以数据驱动为主,无法充分反映现实世界中的潜在风险。人类能够主动与世界交互并持续获取知识,还能从“试错”过程中学习避免错误。所以,对于构建安全模型而言,从认知和交互中学习至关重要。 ### 1.3 安全与伦理挑战 安全和伦理是人工智能领域长期存在的话题,在文学和艺术作品中也有广泛讨论。面对强大机器失控的担忧,我们需

优化PowerBI体验与DAX代码的实用指南

### 优化 Power BI 体验与 DAX 代码的实用指南 在当今的数据驱动时代,Power BI 作为一款强大的商业智能工具,在数据分析和可视化方面发挥着重要作用。同时,DAX(Data Analysis Expressions)语言作为 Power BI 中进行高级计算和查询的关键,其优化对于提升整体性能至关重要。本文将详细介绍如何在 Power BI 中使用 Power Automate Visual、集成 Dynamics 365 进行数据分析,以及优化 DAX 代码的十种方法。 #### 1. 使用 Power Automate Visual 在 Power BI 中,你可以

电子商务中的聊天机器人:开发、测试与未来趋势

# 电子商务中的聊天机器人:开发、测试与未来趋势 ## 1. Rasa助力电商聊天机器人开发 Rasa为电子商务提供了“零售入门包”,这本质上是一个专门用于客户服务的基础示例聊天机器人。该机器人预装了训练数据,具备多种零售客户服务技能,如查询订单状态。零售虚拟助手开发者可利用此项目创建适合在线零售的定制聊天机器人。 Rasa拥有高度可定制的开发系统,开发者能选择将关键组件(如特定语言模型)集成到项目中。此外,Rasa拥有庞大的社区,便于开发者融入其生态系统。它为电商聊天机器人开发提供了众多功能和优势,是一款出色的工具。一些选择Rasa开发虚拟助手的企业包括食品配送公司HelloFresh和

问答与对话系统技术探索

### 问答与对话系统技术探索 #### 1. 领域阅读资源概述 问答系统是一个活跃且广泛的领域。有一些关于问答系统和问题类型的简要但实用的综述。对于受限领域和开放领域问答的更全面介绍也有相关资料。常用的问答方法包括利用结构化知识源(如知识图谱和本体)的系统、基于检索的系统、交互式问答、视觉问答以及基于深度学习的方法等。 对话系统近年来受到了很多关注,这主要得益于语音识别和自然语言理解的进步。关于对话系统有很好的入门资料,广泛接受的对话言语行为理论也有相应的发展。马尔可夫决策过程框架的基础以及部分可观测马尔可夫决策过程的讨论都有相关文献。强化学习、时间差分学习和Q学习也都有不错的讨论资料。

Snowflake数据平台全方位解析

# Snowflake数据平台全方位解析 ## 1. Snowflake的发布计划 Snowflake每周会进行两次计划内发布,包含以下类型: - 完整发布:除周五外的任意一天进行部署,涵盖新功能、功能增强或更新以及问题修复。 - 补丁发布 此外,每月还会进行一次行为变更发布。 ## 2. Snowpark支持的语言 Snowpark支持多种客户端开放API语言,为开发者提供了丰富的选择: - Node.js - .NET - Go - Java - Python - SQL Snowflake数据平台对开发者十分友好,允许应用开发者在多种编程语言中进行选择。 ## 3. 查询性能测