ZDNet至顶网软件频道消息:美国政府将允许医疗保险公司在亚马逊AWS里存储敏感数据,那些已经购买了内部部署设施的公司对此举大为不满。
美国医疗保险和医疗补助服务中心(Centers for Medicare and Medicaid Services,缩写为CMS)在上周的一个电话会议上宣布,医疗保险公司可以通过AWS及内部部署服务器将医疗数据传回CMS。
对于那些透过平价医疗法案(又称奥巴马医疗法案)获得保险的人,保险公司可以利用云来存储和传输其“风险调整和再保”的数据。
尽管这些数据不像个人健康文件那样详尽,但仍然处于各种隐私法规条列规管的范畴。因此,CMS授权亚马逊之举对一些针对云的反营销说法无异于当头一棒。有些针对云的反营销说法指,许多公司以不使用云技术为招牌:医疗保健一类行业的数据总是会存在由个别公司拥有和运行的服务器上,因为严格的规管条例意味着必须这样做。
CMS发言人Aaron Albrigh告诉记者,“基于来自利益相关者的反馈,CMS对于在风险调整和再保险计划下提交数据的方法为保险公司提供了一个新的选项。保险公司可以选择最适合他们的提交方法,新选项可望在今年晚些时候生效。”根据我们的了解,AWS是唯一的云选项。
但有些保险公司已经购买了服务器,用于将有关数据送交CMS,对这些公司而言,购买基础设施的费用有可能比使用云技术的费用更高一些。
记者参访的一位保险业IT人士表示,“不幸的是……这一招出得太迟了。”
CMS会在6月份举办研讨会,帮助保险公司了解基于亚马逊的技术和基于内部部署的技术之间的差异。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。