尽管IT领导者对软件即服务(SaaS)的安全性持续自信,但他们仍然对生成式人工智能(AI)的风险感到焦虑。
调查公司Snow Software对1,000名IT领导者进行的最新数据显示,96%的受访者表示他们对组织的SaaS安全措施“有信心或非常有信心”,然而,“管理SaaS应用程序的安全性”是IT领导者面临的最大挑战。
当被问及哪些应用类型在安全角度上令人担忧时,23%的人提到了生成式AI应用程序,其次是开源应用程序(19%)和文件共享应用程序(17%)。
如果SaaS供应商在未经他们知情的情况下使用生成式AI,超过一半的人(57%)表示他们会感到惊慌,并会向供应商寻求更多信息。
Snow首席技术官史蒂夫·泰特表示:“IT领导者必须在最小化风险和提高效率之间取得平衡,同时在经济动荡期间推动业务增长。SaaS的日益复杂性以及围绕生成式AI的安全担忧使IT可见性的需求更加迫切。IT领导者需要像管理批准的供应商一样有效地管理未知领域。”
数据表明,IT团队对其集体应用可能带来的潜在风险存在犹豫。事实上,40%的受访者对数据保护或隐私表示担忧,尽管61%的人表示他们拥有广泛的数据治理和安全工具来管理与SaaS应用程序共享的数据。
在安全性之后,管理SaaS应用程序的第二个最重要方面是控制SaaS应用程序投资的总成本(39%)。但尽管存在这种担忧,90%的受访者对能够快速高效地找到节省或优化的领域表示非常有信心。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。