核心观点
Google Cloud 的生成式 AI 方案强调负责任的创新，优先考虑数据治理、隐私控制、知识产权赔偿和 Responsible AI 实践。方案旨在帮助企业以安全、可靠的方式实现 AI 落地，同时降低风险。
关键数据和研究结论
- 负责任的创新： Google Cloud 通过风险评估、数据治理、隐私权、安全性、合规性、可移植性和环境影响等方面，采用负责任的方式来构建 AI 技术。
- 风险评估： Google Cloud 采用微调和基于人类反馈的强化学习等技术方法，并在用户输入提示以及模型提供输出时，启用其他分层保护措施，以降低风险。
- 数据治理： Google Cloud 绝不会使用客户数据来训练自己的模型，并为客户提供赔偿保障，以减轻因训练数据或生成内容而产生的版权问题。
- 依托企业真实数据： 利用企业真实数据为基础模型接地，可以显著提高回答的准确性和完整性，并解锁独特的应用场景。
- 隐私权： Google Cloud 在自身架构中构建了隐私保护机制，并在数据使用方面提供真正的透明度，确保用户的信息安全、系统安全和隐私权。
- 安全性： Google Cloud 通过纵深防御、保护软件供应链、加密和匿名化处理等措施，不断改进安全生态系统，并帮助客户利用 AI 强化安全功能。
- 合规性： Google Cloud 提供合规性文档、认证、控制措施证明和独立审计报告，以满足区域性要求及行业特有要求，并支持客户对 Google Cloud 平台的合规性进行验证。
- 开放式云平台和可移植性： Google Cloud 在 Vertex AI Model Garden 中同时提供第一方和第三方 AI 模型，并支持客户将自定义代码、OSS 代码和容器部署到任何地方。
- 对环境的影响： Google Cloud 通过选择高效的机器学习模型架构、使用专为机器学习训练而优化的处理器和系统、选择采用清洁能源的位置以及在云端进行计算等措施，降低能耗和碳排放量。
共进退
Google Cloud 致力于帮助企业制定有效的 AI 风险管理策略，并提供端到端治理工具、专业指导和最佳实践，以帮助客户保障其数据和 AI 模型的安全。
最佳实践
组织可以通过遵循最佳实践来成功实施 AI，例如确定利益相关方、制定原则、利用框架、记录政策、阐述应用场景、利用数据治理、与相关部门协作、建立上报机制、提供状态可见性，以及实施 AI 培训计划。
