論文の概要: FhGenie: A Custom, Confidentiality-preserving Chat AI for Corporate and
Scientific Use
- arxiv url: http://arxiv.org/abs/2403.00039v1
- Date: Thu, 29 Feb 2024 09:43:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-05 19:26:35.421969
- Title: FhGenie: A Custom, Confidentiality-preserving Chat AI for Corporate and
Scientific Use
- Title(参考訳): fhgenie: 企業および科学的な利用のための秘密保持型チャットai
- Authors: Ingo Weber, Hendrik Linka, Daniel Mertens, Tamara Muryshkin, Heinrich
Opgenoorth, Stefan Langer
- Abstract要約: 我々は、FhGenieと呼ばれるカスタマイズされたチャットAIを設計、開発しました。
リリース後数日で、何千人ものFraunhofer社員がこのサービスを使い始めた。
我々は、その生産的利用から学んだ課題、観察、および中核的な教訓について議論する。
- 参考スコア(独自算出の注目度): 2.927166196773183
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Since OpenAI's release of ChatGPT, generative AI has received significant
attention across various domains. These AI-based chat systems have the
potential to enhance the productivity of knowledge workers in diverse tasks.
However, the use of free public services poses a risk of data leakage, as
service providers may exploit user input for additional training and
optimization without clear boundaries. Even subscription-based alternatives
sometimes lack transparency in handling user data. To address these concerns
and enable Fraunhofer staff to leverage this technology while ensuring
confidentiality, we have designed and developed a customized chat AI called
FhGenie (genie being a reference to a helpful spirit). Within few days of its
release, thousands of Fraunhofer employees started using this service. As
pioneers in implementing such a system, many other organizations have followed
suit. Our solution builds upon commercial large language models (LLMs), which
we have carefully integrated into our system to meet our specific requirements
and compliance constraints, including confidentiality and GDPR. In this paper,
we share detailed insights into the architectural considerations, design,
implementation, and subsequent updates of FhGenie. Additionally, we discuss
challenges, observations, and the core lessons learned from its productive
usage.
- Abstract(参考訳): OpenAIがChatGPTをリリースして以来、生成AIはさまざまな領域で注目されている。
これらのAIベースのチャットシステムは、多様なタスクにおける知識労働者の生産性を高める可能性がある。
しかし、無料パブリックサービスの使用はデータ漏洩のリスクを生じさせる。サービスプロバイダは、境界を明確にすることなく、追加のトレーニングと最適化のためにユーザー入力を利用する可能性がある。
サブスクリプションベースの代替サービスでさえ、ユーザデータの処理に透明性がない場合もある。
これらの懸念に対処し、Fraunhoferのスタッフが機密性を確保しながらこの技術を活用できるように、FhGenieというカスタマイズされたチャットAIを設計、開発しました。
リリース後数日で、数千人のfraunhofer社員がこのサービスを使い始めた。
このようなシステムを実装する先駆者として、他の多くの組織もこれに倣っている。
私たちのソリューションは商用の大規模言語モデル(llm)をベースにしており、機密性やgdprといった特定の要件やコンプライアンスの制約を満たすために、システムを慎重に統合しています。
本稿では,FhGenieのアーキテクチャ的考察,設計,実装,その後の更新に関する詳細な知見を紹介する。
さらに,課題や観察,生産的利用から学んだ中核的な教訓についても論じる。
関連論文リスト
- Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning [55.641299901038316]
AI生成コンテンツは、ネットワークエッジで協調的なMobile AIGC Service Providers(MASP)を編成して、リソース制約のあるユーザにユビキタスでカスタマイズされたコンテンツを提供することができる。
このようなパラダイムは2つの大きな課題に直面している: 1) 生のプロンプトは、ユーザーが特定のAIGCモデルで経験していないために、しばしば生成品質が低下する。
本研究では,Large Language Model (LLM) を利用してカスタマイズしたプロンプトコーパスを生成する対話型プロンプトエンジニアリング機構を開発し,政策模倣に逆強化学習(IRL)を用いる。
論文 参考訳(メタデータ) (2025-02-17T03:05:20Z) - Enhancing Discoverability in Enterprise Conversational Systems with Proactive Question Suggestions [5.356008176627551]
本稿では,対話型エンタープライズAIシステムにおける質問提案を強化する枠組みを提案する。
本手法は,人口レベルでの周期的ユーザ意図分析とチャットセッションに基づく質問生成を併用する。
我々は,Adobe Experience PlatformのAIアシスタントから得られた実世界のデータを用いて,このフレームワークを評価する。
論文 参考訳(メタデータ) (2024-12-14T19:04:16Z) - KnowledgeSG: Privacy-Preserving Synthetic Text Generation with Knowledge Distillation from Server [48.04903443425111]
大規模言語モデル (LLM) は、多くの当事者が自身のプライベートデータでLPMを微調整できるようにする。
置換のために合成データを利用するような既存のソリューションは、同時にパフォーマンスを改善し、プライバシを保存するのに苦労している。
我々は、合成データ品質を高め、プライバシを確保しつつモデル性能を向上させる新しいクライアントサーバフレームワークであるKnowledgeSGを提案する。
論文 参考訳(メタデータ) (2024-10-08T06:42:28Z) - A Qualitative Study on Using ChatGPT for Software Security: Perception vs. Practicality [1.7624347338410744]
ChatGPTは大きな言語モデル(LLM)であり、目覚ましい意味理解と精度で様々なタスクを実行できる。
本研究は,ソフトウェアセキュリティを支える新技術としてChatGPTの可能性を理解することを目的としている。
セキュリティ実践者は、ChatGPTを脆弱性検出、情報検索、侵入テストなど、さまざまなソフトウェアセキュリティタスクに有用であると判断した。
論文 参考訳(メタデータ) (2024-08-01T10:14:05Z) - Large Language Models Meet User Interfaces: The Case of Provisioning Feedback [6.626949691937476]
我々は、GenAIを教育ツールに組み込むためのフレームワークを提案し、我々のツールであるFeedback Copilotにその応用を実証する。
この研究は、教育におけるGenAIの将来についてのコースをグラフ化している。
論文 参考訳(メタデータ) (2024-04-17T05:05:05Z) - CollaFuse: Navigating Limited Resources and Privacy in Collaborative Generative AI [5.331052581441263]
CollaFuseはスプリットラーニングにインスパイアされた新しいフレームワークだ。
共有サーバのトレーニングと推論を可能にし、クライアントの計算負担を軽減する。
エッジコンピューティングソリューションの設計、ヘルスケア研究、自動運転など、さまざまなアプリケーション分野に影響を与える可能性がある。
論文 参考訳(メタデータ) (2024-02-29T12:36:10Z) - The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。
本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。
新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
論文 参考訳(メタデータ) (2024-01-03T07:47:22Z) - Federated Learning-Empowered AI-Generated Content in Wireless Networks [58.48381827268331]
フェデレートドラーニング(FL)は、学習効率を改善し、AIGCのプライバシー保護を達成するために利用することができる。
我々は,AIGCの強化を目的としたFLベースの技術を提案し,ユーザが多様でパーソナライズされた高品質なコンテンツを作成できるようにすることを目的とする。
論文 参考訳(メタデータ) (2023-07-14T04:13:11Z) - Guiding AI-Generated Digital Content with Wireless Perception [69.51950037942518]
本稿では,AIGC(AIGC)と無線認識を統合し,デジタルコンテンツ制作の質を向上させる。
このフレームワークは、単語の正確な記述が難しいユーザの姿勢を読み取るために、新しいマルチスケール認識技術を採用し、それをスケルトン画像としてAIGCモデルに送信する。
生産プロセスはAIGCモデルの制約としてユーザの姿勢を強制するため、生成されたコンテンツはユーザの要求に適合する。
論文 参考訳(メタデータ) (2023-03-26T04:39:03Z) - Trustworthy AI Inference Systems: An Industry Research View [58.000323504158054]
我々は、信頼できるAI推論システムの設計、展開、運用にアプローチするための業界調査ビューを提供する。
信頼された実行環境を用いたAIシステムの機会と課題を強調します。
我々は,産業,アカデミック,政府研究者のグローバルな集団的注意を必要とする,さらなる発展の分野を概説する。
論文 参考訳(メタデータ) (2020-08-10T23:05:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。