GKE安全框架加入了日益增多的云人工智能框架行列之中。
谷歌云发布了一份新的指南，详细说明了各类组织应如何保护在谷歌Kubernetes Engine上运行的人工智能应用程序。该指南指出，从原型开发阶段到生产环境的过渡速度远远超过了传统安全模型的发展速度。这份文档提出了一种三层防护体系，涵盖了基础设施安全、模型数据完整性以及应用程序安全等方面。 作者：马特·桑德斯
谷歌云发布了一份新的指南，详细说明了各类组织应如何保护在谷歌Kubernetes Engine上运行的人工智能应用程序。该指南指出，从原型开发阶段到生产环境的过渡速度远远超过了传统安全模型的发展速度。这份文档提出了一种三层防护体系，涵盖了基础设施安全、模型数据完整性以及应用程序安全等方面。
作者：马特·桑德斯相关文章
如何利用Gemini构建人工智能功能：面向开发者的提示工程实用指南
大多数关于提示工程的教学教程都遵循相同的流程：安装SDK，输入API密钥，调用 generateContent 函数，然后打印输出结果。模型会生成一些看似合理的内容，之后教学教程也就结束了。 但当你真正尝试将这个系统投入实际使用时，才会发现其实真正的准备工作根本还没有开始。 “API返回的文本”与“让用户感到可信的实际功能”之间的差距，正是需要耗费大量精力去解决的地方。 这个差距中充满了各种棘手的问题：模型生成的内容听起来和其他聊天机器人没什么两样；它会编造用户从未说过的话；它返回的数据会被用Markdown格式包裹起来；系统会在凌晨2点出现故障；而对于那些只是想得到答案的用户来说，系统展示的
阅读全文
如何使用MONAI在超声数据上训练肿瘤分割模型
大多数分割教程都是从选择一个模型开始，将图像输入该模型中，然后调整超参数直到相关指标得到改善。但这种方法忽略了通常最为关键的一步：理解数据本身。 在本教程中，我们首先会对数据集进行详细分析，随后会根据这些分析结果来决定MONAI分割流程中的每一个设计细节。 我们将涵盖以下内容： 本教程适合谁？ 关于数据集 什么是MONAI，为什么使用它？ 什么是Dice评分？ 第1部分——建模前的数据分析 类别平衡对分割结果的影响 患者数量对数据划分的影响 第2部分——构建分割流程 单一配置对象 按患者分组的数据划分方式 由快照自动选择的转换操作 模型、损失函数与评估指标 结果解读 预测结果可视化 失败模式比
阅读全文
如何使用LangSmith来追踪和监控人工智能代理的行为
在本教程中，我将向您展示如何使用LangSmith来追踪和监控本地的AI代理。我们会构建一个简单的本地AI代理，然后为其启用LangSmith追踪功能，这样我们就能通过Web界面查看模型调用情况、工具使用情况以及请求处理延迟等信息。 我们将使用LangChain v1、Ollama、Qwen以及Python这些工具。除了用于实现观测功能的组件外，所有操作都在您的本地机器上完成，因此代理本身不会产生任何与模型API相关的费用。 目录 背景知识 什么是可观测性与监控？ 什么是LangSmith？ 开发动机与架构设计 步骤1：安装Ollama并下载模型 步骤2：安装Python相关依赖库 步骤3：启
阅读全文
演讲主题：运用人工智能技术激发移动设备用户的创造力与探索欲
Bhavuk Jain探讨了如何将基础人工智能技术转化为可扩展的移动产品。他详细介绍了开发“AI壁纸”功能以及“Circle to Search”工具过程中所遇到的工程挑战，说明了如何建立可靠的运行时防护机制、进行模型微调以及实现与操作系统的无缝集成。对于工程领域的领导者来说，他指出了在确保用户体验的同时，如何平衡模型响应延迟与基础设施成本问题，从而推出安全、可靠的人工智能产品。 作者：Bhavuk Jain
阅读全文