- 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
21710编辑于 2026-01-20AI版权全球治理观察
通过梳理欧盟、美国、日本等域外主要国家和地区关于AI版权治理的路径选择、规则倾向和背后考量，可以为我国未来相关探索提供有益的借鉴经验。 （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。 （二）整体观察：产业实践下的“被迫应对”与治理逻辑上的“顺势而为”虽然表面看来多少有些“被迫应对”的意味，但美国作为本轮AIGC技术变革的缘起地，对于AI版权问题的治理回应存在强烈的现实基础。 （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。
89510编辑于 2025-04-22AI+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- 来自专栏深度学习与python
是时候好好治理 AI 模型了！
实现了一个用于监控所有模型的页面，借助鸟瞰图，企业可以通过与 SageMaker Model Monitor 和 SageMaker Clarify 的集成，查看生产中使用的模型、查看 Model Cards、可视化模型世系 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。 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 - 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
换句话说，建立健全AI治理，是迈向负责任AI、保障AI未来发展的必由之路。希冀本文对未来AI治理的持续开展和落地有所助益。 对于AI领域而言，AI标准不仅是支持、促进AI发展进步和广泛应用的重要手段(如技术标准)，而且是推进落实AI治理的有效方式(如治理标准、伦理标准)，因为AI治理标准可以起到“承接立法和监管、对接技术实践 全球AI治理合作与竞争并存 全球AI竞争，既是技术与产业的竞争，也是治理规则与标准的竞争。全球数字经济发展正在形成AI、数据等方面新的国际规则，如数据流动、AI治理框架等。 通过这些技术众包方式培育、壮大AI伦理社群，将在AI治理中扮演重要角色。 全球AI治理合作需持续深化 如前所述，全球AI治理呈现竞争态势，这并不符合以人为本、技术开放共享、普惠发展等理念。 中国深度参与全球科技治理，需要抓住AI、数据等领域的新一轮国际规则制定机遇，不断提出符合全球共识的AI治理方案，持续为全球数字治理和AI治理注入中国智慧。
84720编辑于 2023-11-16 - 来自专栏资讯分享
迈向负责任 AI：中国 AI 治理趋势与展望
换句话说，建立健全AI治理，是迈向负责任AI、保障AI未来发展的必由之路。希冀本文对未来AI治理的持续开展和落地有所助益。 对于AI领域而言，AI标准不仅是支持、促进AI发展进步和广泛应用的重要手段(如技术标准)，而且是推进落实AI治理的有效方式(如治理标准、伦理标准)，因为AI治理标准可以起到“承接立法和监管、对接技术实践 全球AI治理合作与竞争并存 全球AI竞争，既是技术与产业的竞争，也是治理规则与标准的竞争。全球数字经济发展正在形成AI、数据等方面新的国际规则，如数据流动、AI治理框架等。 通过这些技术众包方式培育、壮大AI伦理社群，将在AI治理中扮演重要角色。 全球AI治理合作需持续深化 如前所述，全球AI治理呈现竞争态势，这并不符合以人为本、技术开放共享、普惠发展等理念。 中国深度参与全球科技治理，需要抓住AI、数据等领域的新一轮国际规则制定机遇，不断提出符合全球共识的AI治理方案，持续为全球数字治理和AI治理注入中国智慧。
70020编辑于 2023-08-03 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？
12210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”。 AI 主导的软件工程正在整体转向系统治理范式。 关于多 Agent 工作流、版本化、guardrails、评估与可视化编排基础设施产品化相关。
13810编辑于 2026-03-30- 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。 可视化覆盖率界面： 有了这些信息可以很方便的得到标注运行的代码。用于线上无用代码。 2、日志打点上报 客户端、服务端都可以通过日志打点上报判断。
80611编辑于 2024-12-19 ### 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。 - 流程追踪：支持“已接收-处理中-完成”全流程可视化，管理者可实时掌握处置进度。 - 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”。
27210编辑于 2024-03-28 - 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. 数据分析报表：自动生成四乱问题分布热力图、问题频次统计、处置效率分析等可视化报表，为河湖管理决策提供数据支撑。 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。
8600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
无论用户是调阅通过BI工具发布的仪表板，还是读取R或Python高级可视化的结果，如果忽略数据可视化的过程，良好的数据治理就不可能真正实现。 典型的情况，是应用ETL流程从数据库中抽取元数据，整合到数据治理工具中，并在其中添加额外的治理信息，然后利用一些BI工具将其可视化。 数据治理工具还允许分析人员采用数据集标记定性问题，并通过解决方案跟踪这些问题。 认证 数据治理工具可以识别哪些数据集和可视化已通过认证，并跟踪其所有权和认证随时间的变化信息。 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。 研究方向：大数据行业前沿相关技术和产品，数据管理，数据可视化。
1.5K40编辑于 2023-03-24 - 来自专栏HT
园区元宇宙：打造智慧园区综合治理可视化管理平台
前言 智慧园区是指融合应用云计算、物联网、大数据等新一代信息与通信技术，通过监测、分析、智慧响应等方式整合园区内外资源，实现基础设施智能化、规划管理信息化、公共服务便捷化、社会治理精细化和产业发展现代化 整个园区的能耗情况、环保监测、照明情况、安防情况等，都可以通过图扑软件智慧一体化平台展示，实现园区运行安全“一屏通览”、园区综合治理“一网统管”。 场景初始化后，通过 HT 可视化打造园区全景空间切换，浏览园区不同场景。 水位监控 HT 三维可视化技术采用 B/S 架构，用户可通过 PC 、 PAD 或是智能手机，只要打开浏览器可随时随地访问三维可视化系统，实现远程监查和管控。 通过 HT 可视化了解园区内人员访客、职员、VIP 等信息。
4.3K20编辑于 2022-05-10 - 来自专栏橙子架构杂谈
【服务治理】服务治理漫谈
【服务治理】服务治理漫谈 0. 这能给我们后续无论是业务应用还是基础技术领域的服务治理提供一些参考。 1. 什么是服务治理 在一切的最开始，我们先来问自己一个问题，什么叫做服务治理？ 我们需要什么样的服务治理 我们了解了什么是服务治理、服务治理是怎么演变发展的，这时候，我们不禁会想，我也要做服务治理！但是，请先停一下，请先问一下自己，我们需要什么样的服务治理？ 但，服务治理上，如何才能实现更高效的自动化呢？我认为： 自动化是治理的高级形态，而标准化是规模化治理的前提。 结语与展望 我们来回顾一下，在第一章，我们讲述了什么是服务治理，认为服务治理即治理三要素和服务环，第二章，介绍了服务治理的发展演变，简单介绍了三个阶段的思潮和演变的逻辑，让我们对于目前服务治理大发展方向和未来的发展趋势可以有一个初步的预测
3.9K31编辑于 2021-12-06 - 来自专栏AI科技评论
「发展」的AI伦理治理观：既要「扬善」，也要「除恶」
比方说，据联合国统计，全球目前一共出台了超过150份有关AI治理的报告方案，学术界也掀起了「可信AI」、「负责任AI」与「AI向善」等多个新兴话题的研究热潮。 通过AI伦理治理，既是规避AI技术的负面影响，引导技术的正向发展，推动公司与行业的可持续发展；同时，这也是业内领先公司、以及所有AI从业者们所应当承担的社会责任。」 多维目标的权衡，意味着AI治理的难度在增加。为此，商汤伦理委员会整理国际主流的治理观点、以及产业一线的实践经验，提出了AI治理的三大核心：技术可控、以人为本与可持续发展。 2020年1月，商汤成立了人工智能伦理委员会，从企业的组织架构上渗透「AI治理」的观念。 「无论是技术本身、还是技术治理上，商汤都是开放而坚定的长期主义者。AI伦理治理是一个需要持续关注与投入的话题。人工智能伦理的发展，需要多方合作、共同探索。」
50120编辑于 2023-04-12 - 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-首个「AI+API」的产品化探索【Eolink AI 新功能三大能力高清视频】：https://cloud.tencent.com/developer/video/777631. 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
74420编辑于 2023-08-22 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
58610编辑于 2025-12-22- 来自专栏云云众生s
为数据民主化实施稳健的AI治理
生成式 AI 的快速兴起让更多人能够释放数据的力量，获得新的见解并做出更好的决策，但授予更广泛的数据访问权限需要制定数据治理策略。 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
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