Autodesk 可信 AI

我们的 AI 透明度卡提供有关我们产品中使用的人工智能特性的功能、数据源以及隐私和安全保障措施的详细信息。

Autodesk 产品的名称和 AI 功能的名称显示在卡顶部，位于“AI 透明度卡”字样下方。

• Autodesk 产品名称（例如 Autodesk Forma）
• 产品中的 AI 功能（例如隐含碳分析）

卡描述总结了在产品中使用 AI 功能时应执行的操作。

特征功能描述了 AI 和/或机器学习 (ML) 技术的功能，这些功能使用以下三个术语之一来增强 AI 功能：

• 自动化：Autodesk AI 通过自动执行过去需要手动操作或大量开销的步骤，减少了重复性工作，更大限度地减少了错误并腾出更多时间进行创造性工作和创新。
• 分析：当最终用户面对海量复杂数据时，Autodesk AI 可为他们提供可操作的见解，帮助他们实时了解重要的内容，从而创建智能的解决方案。
• 增强：Autodesk AI 通过上下文理解提高思考的速度、质量和广度，从而增强创造性探索和解决问题的能力。  

模型源描述了根据其开发模型从而为 AI 功能提供支持的源类型：

• 专有：AI/ML 模型由 Autodesk 内部开发。
• 开源：Autodesk 使用由第三方开发并提供给公众的 AI/ML 模型。
• 许可：Autodesk 拥有使用第三方开发的 AI/ML 模型的许可。
• 组合：AI/ML 模型的一部分由 Autodesk 内部开发，其余部分由第三方开发（开源和/或许可）。

每个 AI 功能背后的模型都使用各种方法、途径和技术来从数据中学习、查找模式、执行任务并生成结果。我们使用的技术将为客户提高产品质量和价值。技术在不断发展，在某些情况下会使用多种技术，其中一些技术可能未在此处列出。此字段描述了用于开发 AI 功能的主要技术：

• 变换器：一种机器学习技术，旨在处理和理解数据，以便更高效地执行顺序任务，例如语言翻译。
• 编码：将数据转换为可由机器学习模型高效处理的特定格式的过程。
• 分类：一种监督学习技术，可将项目归入预定义的类别，并根据历史数据预测新观察结果的类别。
• 前馈神经网络 (NN)：一种深度学习技术，信息从输入到输出单向流动，没有任何循环或回路。
• 预测器：从数据中学习，根据历史数据和模式对未来事件或结果做出明智预测的 AI 技术，例如预测结果、做出决策和提供见解。
• 遗传算法：一种基于自然选择概念的求解约束和无约束优化问题的方法。
  • 约束优化问题使用解决问题时必须考虑的逻辑限制或条件。它们反映了现实世界在生产能力、库存、可用空间等方面的限制。
  • 无约束优化问题处理的是没有预定义的限制或条件供求解时考虑的情况。
• 变换器扩散：一种变换器技术（请参见上文的“变换器”），它通过逐渐向数据添加噪波，逆转扩散过程来创建数据。

用“是”或“否”表示，说明在采取任何最终操作之前，用户是否可以查看和/或进一步更新生成的输出。这就是所谓的“人机回环”。

本部分说明用于开发此功能的训练、测试或验证数据集中是否存在个人数据。 

该卡中列出的数据源名称标识了用于开发此功能的数据源类型。这包括用于训练模型从而为 AI 功能提供支持的数据。数据源类型分类如下：

• 开源：在开放许可下可免费使用、修改和分发的数据。
• 客户内容：客户或其授权用户提交或上传至产品的数据，在 Autodesk 使用条款中进一步定义为“您的内容”。
• 合成数据：由系统或模型生成的数据，可以模仿和模拟真实数据的结构和统计属性。
• 商业：根据限制性许可从第三方购买和/或获取的数据。
• 混合：使用了多个数据源类别。
• 客户培训：客户进行培训，并使用自己的专有数据。

选择格式分为选择加入/选择退出、否或不适用。这些标签标识了当客户和/或其用户的数据用于 AI 功能的开发/改进时可供其选择的形式。

• 选择加入/选择退出：客户可以选择是否使用他们的数据进行功能开发/改进。
• 否：不提供选择。
• 不适用：选择不适用，因为没有客户内容用于功能开发/改进。

我们提供两种加密类型的信息：静态加密和传输中加密。这两种加密类型都标有是或否名称。

• 静态加密：指示数据是否在保存数据的数据库中加密。所有静态加密都使用高级加密标准 (AES) 256 位密钥长度，也称为 AES-256。
• 传输中加密：指示数据是否在从一个点传输到另一个点时加密。Autodesk 通过 HTTPS 标准加密、采用 AES-256 的 RSA、最低使用 TLS 1.2 来执行传输中加密。

卡的这一部分说明了（如适用），除了我们的标准安全机制外，还采用了哪些其他值得注意的机制来保护数据的机密性。这些保障措施同时适用于个人数据和公司数据。

• 代币化：数据中的信息序列被分解成称为“代币”的较小单元。
• 去标识化：标识符从数据中删除，并替换为占位符值。
• 匿名化：数据集不包含任何可识别信息，也无法将信息链接回可识别信息。