演讲主题：智能架构中的决策模型：从生产过程到智能体的能力培养
Alex Porcelli指出了企业人工智能领域存在的一个关键问题：在那些高风险决策中，人工智能系统产生的结果往往是非确定性的，同时也缺乏相应的责任机制。他介绍了如何将DMN决策模型与大语言模型、智能代理的功能以及NeMo安全机制相结合，从而构建出可被审计的、具有确定性结果的智能系统架构——这样，企业领导就能真正掌握这些决策逻辑的制定权，而工程师们则能够确保整个系统的架构设计具备高度的稳定性与安全性。 作者：Alex Porcelli
Alex Porcelli指出了企业人工智能领域存在的一个关键问题：在那些高风险决策中，人工智能系统产生的结果往往是非确定性的，同时也缺乏相应的责任机制。他介绍了如何将DMN决策模型与大语言模型、智能代理的功能以及NeMo安全机制相结合，从而构建出可被审计的、具有确定性结果的智能系统架构——这样，企业领导就能真正掌握这些决策逻辑的制定权，而工程师们则能够确保整个系统的架构设计具备高度的稳定性与安全性。
作者：Alex Porcelli相关文章
如何构建能够识别自身知识盲区的AI系统：一份实用指南
大型语言模型从根本上改变了我们构建企业内部应用的方式。它们使开发人员能够创建出能够分析复杂企业数据、回答内部查询以及自动化重复性工作流程的智能软件。 然而，将基于大型语言模型的应用从本地原型阶段部署到生产环境时，往往会暴露出一个关键的可靠性问题： 过度自信 。 标准的语言模型被优化为生成在统计学上最有可能出现的下一个输出结果，而不是用来评估它们自身的准确性。当遇到模糊的输入指令、不完整的检索信息或超出模型适用范围的边缘情况时，这些模型会毫无顾忌地生成看似合理的虚假答案，甚至编造事实，而不会向用户提示任何不确定性。 在那些对业务运行至关重要的企业环境中，一个盲目猜测的人工智能应用无疑会带来严重的
阅读全文
演示：运用eBPF技术让您的人工智能系统及API焕发新的活力 🪄
Dan Finneran探讨了在生产环境中使用未被妥善管理的AI生成代码所带来的风险，并展示了如何利用eBPF技术在Kubernetes中拦截并控制与AI相关的API请求。他解释了如何通过内核级别的套接字钩子来实现对提示信息的过滤、模型切换、令牌限制以及系统调用功能的管控，从而在无需修改应用程序的源代码或重新启动容器的情况下保障AI系统的安全性。 作者：Dan Finneran
阅读全文
播客：保护人工智能代理的安全：身份认证、授权机制以及DPACT框架
在这一集中，Sahil Agarwal讨论了在人工智能代理时代，身份识别、授权机制以及安全性所面临的诸多关键挑战。他介绍了DPACT框架（即委托机制、政策设定、可审计性、上下文信息以及时间因素），并将其视为构建负责任、受到有效监管的人工智能系统的蓝图——这种系统会摒弃基于简单令牌的访问控制方式，转而采用有限授权、委托管理的模式。 作者：Sahil Agarwal
阅读全文
文章：超越相关性：以治理为核心的企业个性化发展架构
本文分析了传统个性化系统的局限性，并强调了采用以治理为核心的设计架构的必要性。文章指出，必须将“相关性”与“治理机制”区分开来，这样才能确保推荐结果具有上下文意识、可被审计，并且符合相关规范。这种设计架构整合了状态存储功能、基于策略的AI协调机制以及可解释的评分系统，从而有效提升了个性化系统的性能。 作者：杰拉尔德·塞尔瓦拉吉
阅读全文