熱血漢誌 - 技術新鮮人到技術經理人，必懂的事

金管會對機器人理財進行法規加強管理，主要目的是為了降低投資風險和保護投資者。由於機器人理財的資產管理規模和客戶數逐年增長，金管會認為有必要對此類金融服務進行更嚴格的監管。文章並未提及防止洗錢或避免利益過度膨脹作為加強管理的主要原因。 戰AI！金管會對機器人理財開第一槍 違規最重處1,500萬元 金管會希望將目前仍屬於「自律規範」的機器人理財納入《投信顧法》，提升法律位階。這樣做的目的是要確保機器人理財的演算法合理、有效並防止人為修改。為此，金管會將成立專家小組，對各業者的機器人理財演算法進行審查。 此外，金管會還計劃修訂《投信顧法》的子法──投顧事業管理規則，將「自動化顧問服務（機器人理財）」規範納入。這意味著違反相關法規的機器人理財業者將面臨更嚴厲的罰款，從而提高業者遵守法規的動力。 綜上所述，金管會加強機器人理財管理的主要目的是降低投資風險、保護投資者利益，並確保機器人理財演算法的合理性和有效性。 2023/04/19 發表新聞稿， 8月金融科技發展2.0納入AI 金管會：擬定指導原則 金管會所提及的擔憂和害怕，主要集中在以下幾個方面： AI技術的合規性和道德倫理：金管會主委提到了新加坡、韓國、和日本等國家對金融業使用AI技術都有一些抽象性原則，如公平、倫理道德、課責性、透明度等。這些原則旨在確保金融業在使用AI時遵循相應的道德和法律規定，防止不公平競爭和損害消費者利益。 資料安全和個資外洩問題：金管會擔心在金融業使用AI技術時，用戶的個人資料可能被泄露或遭受損害。在使用像ChatGPT這樣的人工智能技術時，金融業需要確保客戶資料的保密性和安全性。 自律規範和法律位階的調整：黃天牧提到，金管會將評估銀行公會新興科技的自律規範，並參考國際上的最佳實踐（如歐盟的規範）。如果現行的自律規範無法滿足未來AI發展的需求，金管會將考慮提升相關法律規定的位階。 綜上所述，金管會主要擔憂AI技術在金融業的應用可能帶來合規性、道德倫理、資料安全和個資外洩等方面的風險。為了確保金融業在使用AI時遵循相應的道德和法律規定，金管會將密切關注國際上的最佳實踐，並在必要時對相關法規和自律規範進行調整。 反面的思考 如果AI在金融領域的應用不合規或不符合道德倫理，可能會帶來以下問題： 金融機構信譽受損：金融機構使用不合規或不道德的AI技...

半夜裡，無聊的翻找照片， 看到，以往的過去！ 應該也沒有太多人知道，當年 JSDC 2018 ，起心動念只是想要讓兒子兩歲多屁顛屁顛的時候可以跟著爸爸一起看看研討會長什麼樣子！ 沒想到，就這樣的堅持又一年！ Ryan Dahl 答應參加這場活動，也真的來到！  JSDC 2012 沒有答應的那場約，終於到 2018 的那年還是等到 等待的是這不長不短的六年，每一次舉辦年會的那年，都是在討論這是否就是最後一年！ 什麼是社群？有人的地方就是社群。 什麼是技術？只要你願意鑽研，那就是技術。 寫程式能不能寫到老，我的答案會是，『可以！』直到你老到你不能寫為止！ 所有的語言戰爭，框架戰爭，瀏覽器戰爭永遠都會在，它永遠都在，就只是換個地方換個方式呈現而已，但它始終在那邊，不是因為它不好，而是因為人！ 但過了兩三天，兩三週，兩三年，誰還記得誰？！ 也許直到今天， 兒子應該還是以為照片裡的這些人都是英文老師吧！ 沒關係，就 ... 英文老師吧！ 希望有一天兒子能夠了解 - 能夠完成一次次的饗宴，是多麽開心的一件事情！ 希望有一天能夠了解 - 這世界上有許多事情總是要靠失敗來累積，靠得罪來獲得經驗，能夠支持下來的是朋友，不能夠支持也不一定是敵人，很多是是非非當下總會過不去。 但，前輩跟我說！ 沒有過去不的事情， 只有過不去的心情！ 有一天，我們的長輩會老， 有一天，我們的朋友會老， 有一天，我們都會逝去 那一天，誰又還記得誰？ 不一定要走技術這條路，也不一定要做個什麼大風大浪，對得起自己，勇敢追求自己，找到自己所愛，和愛自己的，比什麼都重要！ 每個時代都是最壞的時代，每個時代都是有機會的時代，多想，多看，多聽，多學習，勇敢表達自己，讓自己活得像個人！

LangChain 是一個強大的框架，致力於幫助開發人員利用語言模型構建端到端的應用程式。它提供了一整套工具、組件和接口，大大簡化了創建由大型語言模型（LLM）和聊天模型支持的應用程式的過程。LangChain 可以輕鬆地管理與語言模型的互動，將多個組件連接在一起，並集成額外的資源，例如 API 和資料庫。 LangChain https://python.langchain.com/en/latest/index.html 不說廢話，直接開始試著安裝， pip install langchain pip install openai export OPENAI_API_KEY="..." 以下是一些 LangChain 的簡單程式碼： import os os.environ["OPENAI_API_KEY"] = "..." from langchain.llms import OpenAI from langchain import OpenAI, ConversationChain from langchain.agents import initialize_agent from langchain.agents import load_tools from langchain.chains import LLMChain from langchain.prompts import PromptTemplate prompt = PromptTemplate( input_variables=["product"], template="What is a good name for a company that makes {product}?", ) print(prompt.format(product="colorful socks")) # What is a good name for a company that makes colorful socks? 在 LangChain 中，開發人員可以使用 LLM、Chat Model、Agents、Chains、Memory ...

發現了一個超酷的 AI 系統 DeepSpeed-Chat！它能夠讓你更輕鬆地訓練 ChatGPT 等類型的模型，並且支持端到端的基於人工反饋的強化學習（RLHF）！這意味著你可以使用它來執行編程、翻譯、對話式交互等任務，而且它的訓練效率超快、使用也超簡單！如果你是一個數據科學家或研究者，這是一個絕對不能錯過的 AI 工具！🚀 DeepSpeed-Chat https://github.com/microsoft/DeepSpeed/blob/master/blogs/deepspeed-chat/chinese/README.md ChatGPT類型模型以其強大的泛用性和優秀的性能引發了人們的廣泛關注。然而，訓練這樣的模型也面臨著許多挑戰。現在，一個新的工具DeepSpeed-Chat正式上線，能夠幫助數據科學家和研究者更輕鬆地訓練ChatGPT等類型的模型。 DeepSpeed-Chat有著許多優勢。首先，它支持基於人工反饋的強化學習（RLHF），這意味著使用者可以更輕鬆地訓練模型來完成編程、翻譯和對話式交互等任務。其次，DeepSpeed-Chat能夠實現端到端的模型訓練，讓使用者更加輕鬆地進行訓練。最後，DeepSpeed-Chat的訓練效率極高，使用者只需要短短的時間就可以完成訓練。 挑戰和克服點 DeepSpeed-Chat目前還存在一些劣勢。首先，它需要使用GPU集群來進行訓練，而且訓練過程中需要大量的計算資源，因此對於一些資源有限的使用者來說，可能不是一個理想的選擇。其次，DeepSpeed-Chat還處於開發階段，可能還存在一些未知的問題和不穩定性。 結語 總體來說，DeepSpeed-Chat 帶來的優勢是明顯的。通過簡化 ChatGPT 等模型的訓練過程，提供高效的 RLHF 系統，以及支持多節點多 GPU 系統的卓越擴展性，DeepSpeed-Chat 提供了一個全面的解決方案，使得像 ChatGPT 這樣的模型更容易被廣泛應用。 當然，DeepSpeed-Chat 仍然有它的限制和劣勢，例如需要較高的技術門檻和維護成本，以及需要大量的計算資源等，但這些限制也在不斷得到改善和緩解。未來，我們相信 DeepSpeed-Chat 將在 AI 領域扮演著更加重要的角色，並為人工智能的發展做出更多貢獻。 Powe...