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
- CollaFuse: Navigating Limited Resources and Privacy in Collaborative
Generative AI [4.062316786853382]
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) - Let AI Entertain You: Increasing User Engagement with Generative AI and
Rejection Sampling [7.715423424826709]
本稿では、ユーザフィードバックを活用して、生成AIによるユーザエンゲージメントを改善するための一般的なフレームワークを提案する。
我々は,オンラインソーシャルネットワークのメール通知対象ライン生成の文脈において,このフレームワークを活用した。
これは、ユーザーエンゲージメントを高めるために生成AIを成功させた業界における、初期のマイルストーンである。
論文 参考訳(メタデータ) (2023-12-16T08:06:12Z) - Experts-in-the-Loop: Establishing an Effective Workflow in Crafting
Privacy Q&A [0.0]
プライバシポリシをプライバシ質問応答(Q&A)ペアに変換する動的ワークフローを提案する。
そこで我々は,法の専門家と会話デザイナーの学際的なコラボレーションを促進する。
提案するワークフローは,プライバシQ&Aの構築を通じて継続的改善と監視の基盤となる。
論文 参考訳(メタデータ) (2023-11-18T20:32:59Z) - Can LLMs Keep a Secret? Testing Privacy Implications of Language Models
via Contextual Integrity Theory [86.8514623654506]
私たちは、最も有能なAIモデルでさえ、人間がそれぞれ39%と57%の確率で、プライベートな情報を公開していることを示しています。
我々の研究は、推論と心の理論に基づいて、新しい推論時プライバシー保護アプローチを即時に探求する必要性を浮き彫りにしている。
論文 参考訳(メタデータ) (2023-10-27T04:15:30Z) - Automating Customer Service using LangChain: Building custom open-source
GPT Chatbot for organizations [0.0]
本稿では,LangChainを用いたカスタマーサービス自動化のための画期的なアプローチを提案する。
このイノベーションの核心は、オープンソースの方法論、Webスクレイピング、微調整、LangChainを顧客サービスプラットフォームにシームレスに統合することにある。
論文 参考訳(メタデータ) (2023-10-09T05:35:10Z) - 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) - Enabling AI-Generated Content (AIGC) Services in Wireless Edge Networks [68.00382171900975]
無線エッジネットワークでは、不正に生成されたコンテンツの送信はネットワークリソースを不要に消費する可能性がある。
我々は、AIGC-as-a-serviceの概念を示し、エッジネットワークにAをデプロイする際の課題について議論する。
最適なASP選択のための深層強化学習可能なアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-01-09T09:30:23Z) - 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) - More Than Privacy: Applying Differential Privacy in Key Areas of
Artificial Intelligence [62.3133247463974]
差分プライバシーは、AIのプライバシー保護以上のことができることを示す。
また、セキュリティを改善し、学習を安定させ、公正なモデルを構築し、AIの選択領域にコンポジションを課すためにも使用できる。
論文 参考訳(メタデータ) (2020-08-05T03:07:36Z)
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。