More from timnitGebru (@dair-community.social/bsky.social) | AI News
AI News
timnitGebru (@dair-community.social/bsky.social)
@timnitGebruAuthor: The View from Somewhere Mastodon @timnitGebru@dair-community.
|
Goertzel邮件曝光引发AGI伦理风暴
据@timnitGebru与Coda Story报道,Goertzel涉Epstein邮件引发AGI伦理与治理担忧。 (Source) 04-29-2026 18:49 |
|
Anthropic 源码泄露风波:Claude 安全风险与非洲政府合作影响深度分析
根据 @timnitGebru 的说法,主打“AI安全”的 Anthropic 被曝整套源码外泄;据 The Guardian 报道,Claude 源码泄露引发对模型供应链安全与政府采购合规的严重担忧,尤其是在医疗等关键基础设施场景。根据 The Guardian,该事件凸显公共部门在引入大模型服务时必须落实代码托管、第三方安全审计与明确定级的事故响应SLA,并在与非洲政府合作中重点审视数据驻留、密钥管理与模型治理,以降低知识产权外泄、提示注入与下游系统被攻陷等风险。 (Source) 04-02-2026 20:02 |
|
Anthropic对标OpenAI的“伦理牌”:2026安全叙事、治理与商业影响深度分析
据@timnitGebru称,Anthropic首席执行官Dario Amodei将公司塑造为OpenAI的伦理型替代者,类似OpenAI在2015年以“更安全、更开放”对标谷歌的叙事,并获得舆论关注。根据The Verge在2015年的报道,OpenAI以非营利形式由马斯克、阿特曼、蒂尔等发起,宣称打造“利他AI”,以安全与开放为核心价值。依据Anthropic发布的Claude模型卡与安全文档,Anthropic以“宪章式AI”、红队测试与可扩展监督为差异化要点,推动企业在合规采购中更关注“安全即产品”的指标。金融时报与The Information的报道显示,Anthropic与亚马逊、谷歌云的合作将其安全品牌与算力与分发绑定,影响价格与合规采用,尤其在受监管行业。根据OpenAI的系统卡与博客,OpenAI从非营利转向封顶利润治理并扩展企业安全工具与审计路径,强化了围绕“可信度”的竞合。对企业而言,这种伦理叙事正改变供应商评估标准,侧重模型评测、安全承诺与治理披露。 (Source) 03-20-2026 18:36 |
|
桑德斯聚焦Anthropic Claude:隐私风风险与2026监管走向深度分析
据@timnitGebru称,桑德斯参议员在X平台发布与Anthropic的Claude对话视频,讨论AI对个人数据的大规模收集与隐私侵权,并多次呼应Anthropic首席执行官Dario Amodei的公开论点;依据桑德斯在X上的原帖内容,其将Claude作为AI风险解读的权威声音。根据该线程的报道,这体现了政策制定者与前沿模型厂商的紧密互动,意味着Anthropic在监管话语、企业信任与安全品牌方面的商业利好。同时,依据桑德斯视频所强调的隐私议题,企业可把握的机会包括:合规优先的生成式AI部署、数据最小化与可审计评估、以及优先选型具备隐私保护与安全对齐能力的模型与代理。 (Source) 03-20-2026 18:36 |
|
桑德斯参议员视频聚焦 Anthropic Claude:隐私风险与AI合规最新分析
据@timnitGebru称,伯尼·桑德斯参议员在X发布视频,与Anthropic的Claude讨论AI收集大量个人数据及隐私侵害问题,并强调其警示“令人震惊、应当警醒”,信息来源为@SenSanders在X发布的视频。根据参议员帖文所示,对话关注AI代理如何聚合大规模数据并可能暴露敏感信息,这推动了对数据最小化、用户同意与可审计性的监管需求。依据@timnitGebru的评论,此番高调露出凸显Anthropic在政策层面的影响力,同时为提供隐私保护AI工具、模型治理与企业数据控制的厂商带来商业机会。参考@SenSanders所引视频内容,企业应审查供应商的数据处理策略,部署带严格权限控制的检索方案,并开展隐私泄漏红队测试,以契合不断提升的AI安全与合规预期。 (Source) 03-20-2026 06:42 |
|
Timnit Gebru转发NPR报道:ICE事件折射AI监控风险与合规机会—实务分析与三大商业要点
据@timnitGebru在X平台转发的NPR报道,NPR仅以名为Emily的受访者讲述其在停车场遭遇ICE车辆的事件,引发对执法部门使用AI赋能的监控技术之合规与问责担忧。根据NPR,车牌自动识别、人脸识别与预测分析等工具在缺乏审计与治理时,可能放大偏见并降低透明度。结合NPR信息与@timnitGebru的关注,面向AI供应商的三项落地建议为:开展可验证的偏见测试与红队评估,建立可追溯的数据来源与用户选择机制,提供符合NIST AI风险管理框架的端到端合规文档,以满足政府采购与外部审计要求并降低责任暴露。 (Source) 03-07-2026 21:25 |