微软被曝解散整个AI风险评估团队
科技周边小白一枚,正在不断学习积累知识,现将学习到的知识记录一下,也是将我的所得分享给大家!而今天这篇文章《微软被曝解散整个AI风险评估团队》带大家来了解一下##content_title##,希望对大家的知识积累有所帮助,从而弥补自己的不足,助力实战开发!

3月14日消息,美国当地时间周一,微软被曝解散了其整个AI风险评估团队。据悉,这个团队正式名称为AI道德与社会团队,其主要职能在于指导微软在AI方面的创新,从而产生符合道德标准、负责任以及可持续的结果。最近,该团队始终在努力评估微软将OpenAI技术整合到其产品中可能存在的风险。
多位微软离职和在职员工表示,此举导致微软将再也没有专门的团队来确保其AI原则与产品设计紧密结合,而目前该公司正在引领潮流,努力让AI工具成为主流。不过,微软仍然保留着名为负责任AI办公室(ORA)的团队,其任务是制定规则来管理公司的AI计划。微软表示,尽管最近进行了裁员,但其在责任工作方面的整体投资始终在增加。
微软在一份声明中表示:“微软致力于以安全、负责任的态度开发AI产品和体验,并通过投资于优先考虑这些因素的人员、流程和合作伙伴来实现该目标。在过去的六年里,我们增加了产品团队和ORA的人员数量,他们与微软的所有人一起,负责确保我们将AI原则付诸实践。我们感谢道德与社会团队所做的开创性工作,帮助我们继续完成负责任AI之旅。”
微软员工透露,在确保公司产品和服务符合负责任AI原则方面,道德和社会团队发挥了关键作用。一位离职员工表示:“人们看到ORA提出的原则却不知道如何运用,而我们的工作就是向他们展示,并在缺乏规则的领域制定规则。”
近年来,该团队设计了名为《Judgment Call》的角色扮演游戏,帮助设计师设想AI可能带来的潜在危害,并在产品开发过程中进行讨论。道德和社会团队在2020年达到了最大规模,当时有大约30名员工,包括工程师、设计师和哲学家。但在去年的重组过程中,该团队被削减至只剩7人。
在重组后的一次团队会议上,微软AI业务副总裁约翰·蒙哥马利(John Montgomery)表示,公司管理层已经指示他们迅速行动。据悉,蒙哥马利当时说:“来自首席技术官凯文·斯科特(Kevin Scott)和首席执行官萨蒂亚·纳德拉(Satya Nadella)的压力非常大,他们都要求加速将OpenAI模型和后续模型送到客户手中。”
蒙哥马利说,由于这种压力,道德和社会团队中的许多人将被转移到公司的其他业务。当时,蒙哥马利称该团队不会被淘汰,而是需要将“更多精力放在构建服务和软件的单个产品团队上”。随后,该团队多数成员都被调到其他部门,剩余人员则因为人员不足,促使许多雄心勃勃的计划再也难以实施。
大约五个月后,剩下的员工被告知整个团队最终被解散。一名员工表示,此举在AI产品的用户体验和整体设计方面留下了巨大漏洞。他们解释说:“最糟糕的是,我们这样做让企业面临风险,人类陷入风险之中。”
道德与社会团队的成员表示,他们通常会努力支持产品开发。但随着微软开始专注于比竞争对手更快地推出AI工具,公司管理层对该团队所专注的那种长期考虑不再那么感兴趣。
就在道德与社会团队被解散之际,其他人正将注意力放在预测微软向全球观众发布OpenAI支持的AI工具时产生的影响。在去年的备忘录中,道德与社会团队详细说明了与必应图像创建器相关的风险,该工具使用OpenAI的Dall-E系统根据文本提示创建图像。这款图像工具于10月份在几个国家推出,使其成为微软与OpenAI的首批公开合作之一。
虽然文字转图像的技术已经被证明非常受欢迎,但微软的研究人员准确地预测到,它也可能威胁到艺术家的生计,因为它允许任何人轻松复制艺术家的创作风格。此外,OpenAI更新了其服务条款,赋予用户“使用Dall-E创建图像的完全所有权”,这让微软道德和社会团队感到担忧。 (小小)
本篇关于《微软被曝解散整个AI风险评估团队》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于科技周边的相关知识,请关注golang学习网公众号!
折腾ChatGLM的几个避坑小技巧
- 上一篇
- 折腾ChatGLM的几个避坑小技巧
- 下一篇
- ChatGPT为首席信息官提供的三个好处
-
- 痴情的宝贝
- 这篇文章内容真是及时雨啊,博主加油!
- 2023-05-24 22:06:57
-
- 危机的猫咪
- 很好,一直没懂这个问题,但其实工作中常常有遇到...不过今天到这,帮助很大,总算是懂了,感谢楼主分享文章!
- 2023-05-17 23:57:52
-
- 文艺的乐曲
- 太详细了,收藏了,感谢大佬的这篇文章内容,我会继续支持!
- 2023-05-07 13:53:51
-
- 潇洒的寒风
- 这篇技术文章真是及时雨啊,太详细了,感谢大佬分享,mark,关注作者大大了!希望作者大大能多写科技周边相关的文章。
- 2023-05-03 12:19:01
-
- 科技周边 · 人工智能 | 34分钟前 | 人工智能 · rag · 语义检索重排器 第二阶段重排 Cross-Encoder Retrieve and Re-Rank Recall@K
- 语义检索重排器何时值得加入第二阶段
- 449浏览 收藏
-
- 科技周边 · 人工智能 | 4小时前 | 缓存 · 人工智能 · 提示词工程 · 提示词缓存 cache_control Prompt Caching 静态前缀 cache_read_input_tokens
- 提示词缓存命中率低应如何划分静态前缀
- 453浏览 收藏
-
- 科技周边 · 人工智能 | 7小时前 |
- 模型路由怎样按任务难度分配不同推理预算
- 232浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 |
- 结构化输出遇到递归字段时怎样约束模式
- 215浏览 收藏
-
- 科技周边 · 人工智能 | 11小时前 | 人工智能 · 工具调用 ·
- 智能体工具调用失败后怎样设计可控重试
- 236浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 |
- 多模态模型输入图片过大时如何控制视觉令牌
- 196浏览 收藏
-
- 科技周边 · 人工智能 | 15小时前 |
- 推理服务连续批处理怎样减少 GPU 空转
- 404浏览 收藏
-
- 科技周边 · 人工智能 | 20小时前 | 人工智能 · LoRa PEFT merge_and_unload 量化推理 模型合并
- LoRA 合并权重后输出变化过大应检查什么
- 404浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 |
- RAG 分块重叠过大为什么会降低检索多样性
- 409浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 ·
- 合成数据能否替代真实样本:覆盖率与偏差检查方法
- 128浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- 提示词版本怎么管理:样例、变量与回归集一起提交
- 111浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 395次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 474次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 479次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 425次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 251次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

