บันทึกย่อความโปร่งใสสําหรับ Microsoft Copilot

บันทึกย่อความโปร่งใสคืออะไร

ระบบ AI รวมถึงเทคโนโลยีไม่เพียง แต่ยังรวมถึงคนที่จะใช้มันคนที่ได้รับผลกระทบจากมันและสภาพแวดล้อมในการที่จะปรับใช้ บันทึกย่อความโปร่งใสของ Microsoft มีจุดประสงค์เพื่อช่วยให้คุณเข้าใจว่าเทคโนโลยี AI ที่อยู่เบื้องหลังการทํางานของ Copilot ทํางานอย่างไร ตัวเลือกที่เราทํามีผลต่อประสิทธิภาพและลักษณะการทํางานของระบบ และความสําคัญของการคิดเกี่ยวกับทั้งระบบ เพื่อให้ผู้ใช้ของ Copilot สามารถควบคุมประสบการณ์การใช้งานของตนเองและเข้าใจขั้นตอนที่เรากําลังดําเนินการเพื่อมอบผลิตภัณฑ์ที่ปลอดภัยและปลอดภัย

บันทึกย่อความโปร่งใสของ Microsoft เป็นส่วนหนึ่งของความพยายามที่กว้างขึ้นที่ Microsoft เพื่อนําหลักการ AI ของเรามาปฏิบัติ เมื่อต้องการค้นหาข้อมูลเพิ่มเติม ดูที่ หลักการ Microsoft AI 

พื้นฐานของ Microsoft Copilot

ความสามารถ

ข้อจำกัด

ภาษา ภาพ และโมเดลเสียงที่อยู่ภายใต้ประสบการณ์ Copilot อาจรวมถึงข้อมูลการฝึกอบรมที่สามารถสะท้อนอคติทางสังคม ซึ่งอาจทําให้ Copilot ทํางานในลักษณะที่มองว่าไม่เป็นธรรม ไม่น่าเชื่อถือ หรือไม่เหมาะสม แม้จะมีการฝึกอบรมโมเดลที่เข้มข้นและการปรับแต่งความปลอดภัยแบบละเอียด รวมถึงการดําเนินการควบคุม AI อย่างมีความรับผิดชอบและระบบความปลอดภัยที่เราวางไว้ในข้อมูลการฝึกอบรม พร้อมท์ผู้ใช้ และเอาต์พุตโมเดล บริการที่ขับเคลื่อนด้วย AI จะลดลงและมีความน่าจะเป็น สิ่งนี้ทําให้เป็นเรื่องยากที่จะบล็อกเนื้อหาที่ไม่เหมาะสมทั้งหมดซึ่งนําไปสู่ความเสี่ยงที่อคติที่อาจเกิดขึ้นการเหมารวมความไม่แน่นอนหรืออันตรายประเภทอื่น ๆ ที่อาจปรากฏในเนื้อหาที่สร้างขึ้นโดย AI บางวิธีข้อจํากัดเหล่านั้นอาจแสดงขึ้นในประสบการณ์ Copilot แสดงอยู่ที่นี่ 

• การเหมารวม: ประสบการณ์ Copilot อาจช่วยเสริมสร้างการเหมารวม ตัวอย่างเช่น เมื่อแปล "He is a nurse" และ "She is a doctor" เป็นภาษาที่ไม่มีเพศ เช่น ตุรกี จากนั้นกลับเป็นภาษาอังกฤษ Copilot อาจให้ผลลัพธ์แบบสมมุติ (และไม่ถูกต้อง) ของ "เธอเป็นพยาบาล" โดยไม่ได้ตั้งใจ และ "เขาเป็นแพทย์" อีกตัวอย่างหนึ่งคือเมื่อสร้างภาพตามพร้อมท์ "เด็กไร้พ่อ" ระบบสามารถสร้างภาพของเด็กจากการแข่งขันหรือชาติพันธุ์เพียงหนึ่งเดียวเสริมสร้างแบบแผนอันตรายที่อาจมีอยู่ในภาพที่เผยแพร่ต่อสาธารณะที่ใช้ในการฝึกอบรมโมเดลพื้นฐาน นอกจากนี้ Copilot ยังอาจเสริมการเหมารวมโดยยึดตามเนื้อหาในภาพที่ป้อนเข้าของผู้ใช้โดยอาศัยองค์ประกอบต่างๆ ของรูปภาพและสมมติฐานว่าอาจไม่เป็นจริง เราได้ดําเนินการบรรเทาเพื่อลดความเสี่ยงของเนื้อหาที่มีแบบแผนที่ไม่เหมาะสม รวมถึงตัวจัดประเภทอินพุตและเอาต์พุต โมเดลที่ปรับแต่งแล้ว และข้อความของระบบ

• การแสดงออกมากเกินไปและการด้อยค่า: Copilot อาจเป็นกลุ่มบุคคลที่เหนือกว่าหรือต่ํากว่าตัวแทนหรือแม้แต่ไม่ได้เป็นตัวแทนพวกเขาเลยในการตอบสนอง ตัวอย่างเช่นหากข้อความพร้อมท์ที่มีคําว่า "เกย์" ถูกตรวจพบว่าอาจเป็นอันตรายหรือไม่เหมาะสมสิ่งนี้อาจนําไปสู่การด้อยค่าของรุ่นที่ถูกต้องตามกฎหมายเกี่ยวกับชุมชน LGBTQIA + นอกเหนือจากการรวมตัวจัดประเภทอินพุตและเอาท์พุท โมเดลที่ปรับแต่งแล้ว รวมถึงข้อความของระบบ เรายังใช้การเพิ่มพร้อมท์ใน Designer เป็นหนึ่งในการลดปัญหาหลายอย่างเพื่อลดความเสี่ยงของเนื้อหาที่เกินหรือต่ํากว่าตัวแทนกลุ่มบุคคล

• เนื้อหาที่ไม่เหมาะสมหรือไม่เหมาะสม: ประสบการณ์ Copilot อาจทําให้เกิดเนื้อหาที่ไม่เหมาะสมหรือไม่เหมาะสมประเภทอื่น ตัวอย่างเช่น ความสามารถในการสร้างเนื้อหาในโมดอลลิตี้หนึ่ง (เช่น เสียง) ที่ไม่เหมาะสมในบริบทของพร้อมท์หรือเมื่อเปรียบเทียบกับเอาต์พุตเดียวกันในรูปแบบอื่น (เช่น ข้อความ) ตัวอย่างอื่นๆ ได้แก่ รูปภาพที่สร้างขึ้นโดย AI ที่อาจมีสิ่งประดิษฐ์ที่เป็นอันตราย เช่น สัญลักษณ์ความเกลียดชัง เนื้อหาที่เกี่ยวข้องกับหัวข้อการโต้เถียง การโต้เถียง หรือการเผยแพร่อย่างมีอุดมการณ์ และเนื้อหาที่มีค่าใช้จ่ายทางเพศซึ่งหลบเลี่ยงตัวกรองเนื้อหาที่เกี่ยวข้องกับเพศ เราได้ลดความเสี่ยงของคนรุ่นต่อๆ ไปที่มีเนื้อหาที่ไม่เหมาะสมหรือไม่เหมาะสม เช่น ตัวจัดประเภทอินพุตและเอาท์พุท โมเดลที่ปรับให้เหมาะสม และข้อความของระบบ

• ความน่าเชื่อถือของข้อมูล: ในขณะที่ Copilot มีจุดมุ่งหมายเพื่อตอบสนองกับแหล่งข้อมูลที่เชื่อถือได้เมื่อจําเป็น AI สามารถทําผิดพลาดได้ มันอาจสร้างเนื้อหาที่ไร้สารภาพหรือเนื้อหาที่อาจฟังดูสมเหตุสมผล แต่ไม่ถูกต้องจริง ๆ แม้ว่าการวาดคําตอบจากข้อมูลเว็บที่มีอํานาจสูงการตอบกลับอาจแสดงเนื้อหาผิดในลักษณะที่อาจไม่ถูกต้องหรือเชื่อถือไม่ได้อย่างสมบูรณ์ เราเตือนผู้ใช้ผ่านส่วนติดต่อผู้ใช้และในเอกสารประกอบเช่นนี้ Copilot สามารถทําผิดพลาดได้ นอกจากนี้ เรายังให้ความรู้กับผู้ใช้เกี่ยวกับข้อจํากัดของ AI ต่อไป เช่น ส่งเสริมให้พวกเขาตรวจสอบข้อเท็จจริงอีกครั้งก่อนที่จะตัดสินใจหรือดําเนินการตามการตอบสนองของ Copilot เมื่อผู้ใช้โต้ตอบกับ Copilot ผ่านข้อความมันจะพยายามลงมือในข้อมูลเว็บคุณภาพสูงเพื่อลดความเสี่ยงที่คนรุ่นนั้นไม่ได้อยู่เบื้องหลัง

• ประสิทธิภาพหลายภาษา: ประสิทธิภาพการทํางานในภาษาต่างๆ อาจแตกต่างกัน เนื่องจากภาษาอังกฤษมีประสิทธิภาพดีที่สุดเมื่อปล่อย Copilot ที่อัปเดตแล้ว การปรับปรุงประสิทธิภาพในทุกภาษาเป็นพื้นที่การลงทุนที่สําคัญ และรุ่นล่าสุดได้นําไปสู่การปรับปรุงประสิทธิภาพการทํางาน

• ข้อจํากัดด้านเสียง: โมเดลเสียงอาจมีข้อจํากัดอื่นๆ พูดอย่างกว้างขวาง คุณภาพเสียงพูด เสียงรบกวนที่ไม่ใช่คําพูด คําศัพท์ การออกเสียง และการแทรกที่ผิดพลาดอาจส่งผลต่อกระบวนการของ Copilot และตอบสนองต่อการป้อนข้อมูลด้วยเสียงของผู้ใช้อย่างเป็นที่น่าพอใจหรือไม่ นอกจากนี้ เนื่องจากพร้อมท์ผู้ใช้เมื่อใช้ Copilot Voice จะไม่ทริกเกอร์การค้นหาเว็บ Copilot อาจไม่สามารถตอบสนองต่อเหตุการณ์ปัจจุบันในโหมดเสียงได้

• การพึ่งพาการเชื่อมต่ออินเทอร์เน็ต: ประสบการณ์ Copilot ที่ปรับปรุงแล้วจะขึ้นอยู่กับการเชื่อมต่ออินเทอร์เน็ตในการทํางาน การหยุดชะงักในการเชื่อมต่ออาจส่งผลกระทบต่อความพร้อมใช้งานและประสิทธิภาพของบริการ

ประสิทธิภาพของระบบ

ในระบบ AI หลายระบบ ประสิทธิภาพมักจะถูกกําหนดโดยสัมพันธ์กับความแม่นยํา (เช่น ความถี่ที่ระบบ AI ใช้ในการทํานายหรือเอาต์พุตที่ถูกต้อง) Copilot ให้ความสําคัญกับ Copilot ในฐานะผู้ช่วยที่มีความสามารถด้าน AI ซึ่งสะท้อนความต้องการของผู้ใช้ ดังนั้นผู้ใช้สองคนอาจดูผลลัพธ์เดียวกันและมีความคิดเห็นที่แตกต่างกันว่ามีประโยชน์หรือเกี่ยวข้องกับสถานการณ์และความคาดหวังที่ไม่ซ้ํากันซึ่งหมายความว่าประสิทธิภาพสําหรับระบบเหล่านี้จะต้องมีความยืดหยุ่นมากขึ้น เราพิจารณาอย่างกว้างขวางถึงประสิทธิภาพที่หมายความว่าแอปพลิเคชันทํางานตามที่ผู้ใช้คาดหวัง

การแมป การวัด และการจัดการความเสี่ยง

เช่นเดียวกับเทคโนโลยีการเปลี่ยนแปลงอื่นๆ การควบคุมสิทธิประโยชน์ของ AI ไม่ใช่ความเสี่ยง และส่วนหลักของโปรแกรม AI ที่รับผิดชอบของ Microsoft ถูกออกแบบมาเพื่อระบุและแมปความเสี่ยงที่อาจเกิดขึ้น วัดความเสี่ยงเหล่านั้น และจัดการโดยการสร้างการบรรเทาและปรับปรุง Copilot อย่างต่อเนื่องเมื่อเวลาผ่านไป ในส่วนด้านล่างนี้ เราจะอธิบายวิธีการทําแผนที่ วัด และจัดการความเสี่ยงที่อาจเกิดขึ้นซ้ําๆ

แผนที่: การวางแผนอย่างรอบคอบและการทดสอบโฆษณาก่อนการปรับใช้ เช่น การทําทีมสีแดง ช่วยให้เราแมปความเสี่ยงที่อาจเกิดขึ้นได้ โมเดลพื้นฐานที่ขับเคลื่อนประสบการณ์ Copilot ได้ผ่านการทดสอบทีมสีแดงจากผู้ทดสอบที่เป็นตัวแทนของมุมมองแบบหลายมิติในทุกหัวข้อที่เกี่ยวข้อง การทดสอบนี้ออกแบบมาเพื่อประเมินว่าเทคโนโลยีล่าสุดจะทํางานอย่างไรทั้งคู่โดยไม่มีการป้องกันเพิ่มเติม ความตั้งใจของแบบฝึกหัดเหล่านี้ที่ระดับแบบจําลองคือการผลิตการตอบสนองที่เป็นอันตราย, surface avenues ที่อาจเกิดขึ้นสําหรับการใช้ในทางที่ผิด, และระบุความสามารถและข้อจํากัด.

ก่อนที่จะเผยแพร่ประสบการณ์ Copilot สู่สาธารณะในการแสดงตัวอย่างการเผยแพร่แบบจํากัด เรายังจัดทีมสีแดงที่ระดับแอปพลิเคชันเพื่อประเมิน Copilot สําหรับข้อบกพร่องและช่องโหว่ กระบวนการนี้ช่วยให้เราเข้าใจได้ดีขึ้นว่าผู้ใช้ที่หลากหลายสามารถใช้งานระบบได้อย่างไรและช่วยให้เราปรับปรุงการบรรเทาของเรา

การวัด: นอกเหนือจากการประเมิน Copilot กับการประเมินความปลอดภัยที่มีอยู่ของเราแล้วการใช้การทําทีมสีแดงที่อธิบายไว้ข้างต้นช่วยให้เราพัฒนาการประเมินและตัวชี้วัด AI ที่มีความรับผิดชอบซึ่งสอดคล้องกับความเสี่ยงที่อาจเกิดขึ้นเช่นการแหกคุกคามเนื้อหาที่เป็นอันตรายและเนื้อหาที่ไม่เป็นพื้น

เราเก็บรวบรวมข้อมูลการสนทนาที่กําหนดเป้าหมายความเสี่ยงเหล่านี้ โดยใช้การรวมกันของผู้เข้าร่วมที่เป็นมนุษย์และไปป์ไลน์การสร้างการสนทนาอัตโนมัติ การประเมินแต่ละครั้งจะมีคะแนนโดยกลุ่มของคําอธิบายประกอบมนุษย์ที่ผ่านการฝึกอบรมหรือไปป์ไลน์คําอธิบายประกอบอัตโนมัติ ทุกครั้งที่มีการเปลี่ยนแปลงของผลิตภัณฑ์ การแก้ไขที่มีอยู่หรือมีการนําเสนอการแก้ไขใหม่ เราจะอัปเดตไปป์ไลน์การประเมินผลของเราเพื่อประเมินทั้งประสิทธิภาพของผลิตภัณฑ์และเมตริก AI ที่มีความรับผิดชอบ ไปป์ไลน์บริบทการประเมินโดยอัตโนมัติเหล่านี้เป็นการรวมกันของการสนทนาที่รวบรวมกับนักประเมินมนุษย์และการสนทนาสังเคราะห์ที่สร้างขึ้นด้วย LLM ได้รับพร้อมท์ให้ทดสอบนโยบายในลักษณะโฆษณา การประเมินความปลอดภัยแต่ละอย่างเหล่านี้จะทําคะแนนโดยอัตโนมัติด้วย LLM สําหรับการประเมินผลที่พัฒนาขึ้นใหม่ การประเมินแต่ละรายการจะทําคะแนนเริ่มต้นโดยผู้ติดป้ายกํากับของมนุษย์ที่อ่านเนื้อหาข้อความหรือฟังเอาต์พุตเสียง แล้วแปลงเป็นการประเมินผลที่อิงตาม LLM โดยอัตโนมัติ

พฤติกรรมที่ตั้งใจไว้ของโมเดลของเราควบคู่กับไปป์ไลน์การประเมินผลของเรา ทั้งจากมนุษย์และแบบอัตโนมัติ ช่วยให้เราสามารถทําการวัดความเสี่ยงที่อาจเกิดขึ้นได้อย่างรวดเร็วตามขนาด เมื่อเราระบุปัญหาใหม่ๆ เมื่อเวลาผ่านไป เรายังคงขยายชุดการวัดเพื่อประเมินความเสี่ยงเพิ่มเติม 

จัดการ: ดังที่เราระบุถึงความเสี่ยงที่อาจเกิดขึ้นและนําไปใช้ในทางที่ผิดผ่านการทําทีมสีแดงและวัดผลด้วยวิธีการที่อธิบายไว้ข้างต้น เราพัฒนาการแก้ไขเพิ่มเติมที่เฉพาะเจาะจงสําหรับประสบการณ์ Copilot ด้านล่างนี้ เราอธิบายเกี่ยวกับการแก้ไขบางอย่างเหล่านั้น เราจะดําเนินการตรวจสอบประสบการณ์ Copilot เพื่อปรับปรุงประสิทธิภาพของผลิตภัณฑ์และแนวทางการลดความเสี่ยงของเราต่อไป 

• แผนการเผยแพร่แบบกําหนดเป็นระยะและการประเมินผลอย่างต่อเนื่อง    เรามุ่งมั่นที่จะเรียนรู้และปรับปรุงแนวทาง AI ที่มีความรับผิดชอบของเราอย่างต่อเนื่องเมื่อเทคโนโลยีและพฤติกรรมผู้ใช้ของเราพัฒนาขึ้น กลยุทธ์การเผยแพร่ที่เพิ่มขึ้นของเราเป็นส่วนสําคัญของวิธีที่เราย้ายเทคโนโลยีของเราอย่างปลอดภัยจากห้องแล็บไปในโลก และเรามุ่งมั่นที่จะสร้างกระบวนการที่รอบคอบและรอบคอบเพื่อรักษาความปลอดภัยให้กับประโยชน์ของประสบการณ์ใช้งาน Copilot เรากําลังทําการเปลี่ยนแปลง Copilot เป็นประจําเพื่อปรับปรุงประสิทธิภาพของผลิตภัณฑ์และการบรรเทาที่มีอยู่ และใช้การแก้ไขใหม่เพื่อตอบสนองต่อการเรียนรู้ของเรา

• ใช้ประโยชน์จากตัวจัดประเภทและข้อความของระบบเพื่อลดความเสี่ยงที่อาจเกิดขึ้นหรือการใช้งานในทางที่ผิด    ในการตอบสนองต่อพร้อมท์ของผู้ใช้ LLM อาจสร้างเนื้อหาที่เป็นปัญหา เราได้พูดคุยเกี่ยวกับประเภทของเนื้อหาที่เราพยายามจํากัดในส่วนลักษณะการทํางานและข้อจํากัดของระบบด้านบน ตัวจัดประเภทและข้อความของระบบเป็นสองตัวอย่างของการลดปัญหาที่ถูกนํามาใช้ใน Copilot เพื่อช่วยลดความเสี่ยงของเนื้อหาประเภทเหล่านี้ ตัวจัดประเภทจัดประเภทข้อความเพื่อตั้งค่าสถานะเนื้อหาที่อาจเป็นอันตรายในพร้อมท์ผู้ใช้หรือสร้างการตอบกลับ นอกจากนี้ เรายังใช้หลักปฏิบัติที่ดีที่สุดที่มีอยู่สําหรับการใช้ประโยชน์จากข้อความของระบบ ซึ่งเกี่ยวข้องกับการให้คําแนะนํากับโมเดลเพื่อปรับลักษณะการทํางานให้สอดคล้องกับหลักการ AI ของ Microsoft และตามความคาดหวังของผู้ใช้

• การยินยอมให้อัปโหลดรูปภาพ Copilot    ครั้งแรกที่ผู้ใช้อัปโหลดรูปภาพที่มีใบหน้าไปยัง Copilot พวกเขาจะถูกขอให้ให้ความยินยอมในการอัปโหลดข้อมูลชีวมาตรของพวกเขาไปยัง Copilot หากผู้ใช้ไม่เลือกรับ รูปภาพจะไม่ถูกส่งไปยัง Copilot รูปภาพทั้งหมดไม่ว่าจะมีใบหน้าหรือไม่ก็ตามจะถูกลบภายใน 30 วันหลังจากการสนทนาสิ้นสุดลง

• การเปิดเผยข้อมูล AI    Copilot ยังได้รับการออกแบบเพื่อแจ้งให้ผู้คนทราบว่าพวกเขากําลังโต้ตอบกับระบบ AI เมื่อผู้ใช้มีส่วนร่วมกับ Copilot เรานําเสนอจุดสัมผัสต่างๆ ที่ออกแบบมาเพื่อช่วยให้พวกเขาเข้าใจความสามารถของระบบเปิดเผยกับพวกเขาว่า Copilot ขับเคลื่อนโดย AI และข้อจํากัดในการสื่อสาร ประสบการณ์การใช้งานได้รับการออกแบบมาในลักษณะนี้เพื่อช่วยให้ผู้ใช้ได้รับประโยชน์สูงสุดจาก Copilot และลดความเสี่ยงต่อการเกินความอดทน การเปิดเผยข้อมูลยังช่วยให้ผู้ใช้เข้าใจ Copilot และการโต้ตอบกับ Copilot ได้ดียิ่งขึ้น

• การพิสูจน์ของสื่อ    เมื่อ Copilot สร้างรูปภาพ เราได้เปิดใช้งานฟีเจอร์ "ข้อมูลประจําตัวของเนื้อหา" ซึ่งใช้วิธีการเข้ารหัสลับเพื่อทําเครื่องหมายแหล่งที่มา หรือ "การพิสูจน์" ของรูปภาพที่สร้างขึ้นโดย AI ทั้งหมดที่สร้างขึ้นโดยใช้ Copilot เทคโนโลยีนี้ใช้มาตรฐานที่กําหนดโดย Coalition สําหรับเนื้อหาและการรับรองความถูกต้อง (C2PA) เพื่อเพิ่มความเชื่อถือและความโปร่งใสเพิ่มเติมสําหรับรูปภาพที่สร้างขึ้นโดย AI

• การตรวจจับเนื้อหาอัตโนมัติ    เมื่อผู้ใช้อัปโหลดรูปภาพเป็นส่วนหนึ่งของพร้อมท์การแชท Copilot จะใช้เครื่องมือในการตรวจหาการแสวงหาผลประโยชน์ทางเพศของเด็กและภาพในทางที่ผิด (CSEAI) Microsoft รายงาน CSEAI ที่เห็นได้ชัดทั้งหมดไปยังศูนย์คุ้มครองเด็กหายและเด็กถูกเอาเปรียบแห่งชาติ (NCMEC) ตามที่กฎหมายของสหรัฐอเมริกากําหนด เมื่อผู้ใช้อัปโหลดไฟล์เพื่อวิเคราะห์หรือประมวลผล Copilot จะปรับใช้การสแกนอัตโนมัติเพื่อตรวจหาเนื้อหาที่อาจทําให้เกิดความเสี่ยงหรือการใช้งานในทางที่ผิด เช่น ข้อความที่อาจเกี่ยวข้องกับกิจกรรมที่ผิดกฎหมายหรือรหัสที่เป็นอันตราย

• ข้อกําหนดการใช้และจรรยาบรรณ    ผู้ใช้ควรปฏิบัติตามข้อกําหนดการใช้และจรรยาบรรณที่บังคับใช้ของ Copilot ข้อตกลงการใช้บริการของ Microsoft และนโยบายความเป็นส่วนตัวของ Microsoft ซึ่งบอกให้พวกเขาทราบถึงการใช้งานที่ไม่ได้รับอนุญาตและไม่สามารถใช้ได้ และผลที่ตามมาของการละเมิดข้อกําหนด ข้อตกลงการใช้งานยังให้การเปิดเผยเพิ่มเติมสําหรับผู้ใช้และทําหน้าที่เป็นข้อมูลอ้างอิงเพื่อให้ผู้ใช้เรียนรู้เกี่ยวกับ Copilot ผู้ใช้ที่มีการละเมิดที่ร้ายแรงหรือเกิดซ้ําอาจหยุดชั่วคราวหรือถาวรจากบริการ

• คําติชม การตรวจสอบ และการกํากับดูแล    ประสบการณ์ Copilot สร้างขึ้นบนเครื่องมือที่มีอยู่ซึ่งช่วยให้ผู้ใช้สามารถส่งคําติชมซึ่งได้รับการตรวจสอบโดยทีมปฏิบัติการของ Microsoft นอกจากนี้ แนวทางของเราในการจัดทําแผนที่ การวัด และการจัดการความเสี่ยงจะยังคงพัฒนาต่อไปเมื่อเราเรียนรู้เพิ่มเติม และเราได้ทําการปรับปรุงตามคําติชมที่รวบรวมมาในช่วงการแสดงตัวอย่าง

เรียนรู้เพิ่มเติมเกี่ยวกับ AI ที่รับผิดชอบ

รายงานความโปร่งใส AI ที่มีความรับผิดชอบของ Microsoft

หลักการ Microsoft AI

ทรัพยากร AI ที่มีความรับผิดชอบของ Microsoft

หลักสูตร Microsoft Azure Learning เกี่ยวกับ AI ที่รับผิดชอบ

เรียนรู้เพิ่มเติมเกี่ยวกับ Microsoft Copilot

Microsoft Copilot คําถามที่ถามบ่อย

เกี่ยวกับเอกสารนี้

© 2024 Microsoft Corporation สงวนลิขสิทธิ์ เอกสารนี้มีให้ "ตามที่เป็น" และเพื่อวัตถุประสงค์ในการให้ข้อมูลเท่านั้น ข้อมูลและมุมมองที่แสดงในเอกสารนี้ รวมถึง URL และการอ้างอิงเว็บไซต์อินเทอร์เน็ตอื่นๆ อาจเปลี่ยนแปลงได้โดยไม่ต้องแจ้งให้ทราบ คุณต้องยอมรับความเสี่ยงในการใช้งาน บางตัวอย่างมีไว้สําหรับภาพประกอบเท่านั้นและสมมุติ ไม่มีการเชื่อมโยงจริงที่มีเจตนาหรืออนุมาน

เอกสารนี้ไม่ได้มีวัตถุประสงค์เพื่อเป็นและไม่ควรตีความว่าเป็นการให้คําแนะนําทางกฎหมาย เขตอํานาจศาลที่คุณกําลังดําเนินการอาจมีข้อกําหนดด้านกฎข้อบังคับหรือกฎหมายต่างๆ ที่ใช้กับระบบ AI ของคุณ ปรึกษาผู้เชี่ยวชาญด้านกฎหมายหากคุณไม่แน่ใจเกี่ยวกับกฎหมายหรือข้อบังคับที่อาจนําไปใช้กับระบบของคุณโดยเฉพาะอย่างยิ่งหากคุณคิดว่าอาจส่งผลกระทบต่อคําแนะนําเหล่านี้ โปรดทราบว่าคําแนะนําและทรัพยากรเหล่านี้ไม่เหมาะสมกับทุกสถานการณ์ และในทางกลับกัน คําแนะนําและทรัพยากรเหล่านี้อาจไม่เพียงพอสําหรับบางสถานการณ์

เผยแพร่เมื่อ: 10/01/2024

อัปเดตล่าสุด: 10/01/2024