本主題提供有關如何將生成式 AI 與 Oracle Analytics 搭配使用的常見問題解答。
Oracle Analytics 生成式 AI 使用多個模型還是相依模型系統？
Oracle Analytics 不會實行鏈結或相依的生成式 AI 模型。每個模型都以獨立元件的形式運作，可簡化效能評估、存取控制及風險管理流程。Oracle 會持續對廣泛的分析使用案例評估最適合的模型和架構，並可能隨時間更新或變更其偏好的模型和架構。
產品中使用的模型類別為何？該模型是內部開發還是由第三方開發？
Oracle Analytics 的生成式 AI 功能運用了來自信譽良好的 AI 提供者，並已針對企業部署進行設定的基礎模型。如需生成式 AI 模型的最新清單，請參閱預先訓練的生成式 AI 模型。
模型是否持續受到監督和測試？頻率是多久？
每次發布新版本時，模型都會重新驗證，並針對發現的效能問題進行處理。在開發期間，Oracle 使用標準機器學習度量，包括查準率、查全率和 F1 分數，在部署前驗證 AI 模型。Oracle Analytics 使用合成資料，結合一組人工整理的資料，進行模型評估。模型評估透過評定模型產生符合所建立正確答案的回應能力，將焦點放在準確性和模型飄移上。系統會將結果與已建立的基準進行比較，以識別不相符項目 (先前成功的語音現在失敗) 和相符項目 (先前失敗的語音現在成功)。任何不相符項目都會歸類為迴歸，並作為任何程式碼變更、模型修訂或部署變更的控制閘門。
Oracle 是否有用以傳達模型和輸出變更的流程？
在 Oracle Analytics 發布程序中，我們會透過 Oracle Analytics Cloud 新功能通知您 AI 模型或輸出的變更。租用戶管理員也可以啟用使用者訂閱，確保該資訊在組織內部廣泛傳播。此外，任何人都可以透過 Oracle Analytics 社群網站訂閱 Oracle Analytics 每週電子郵件，隨時瞭解新功能和即將發布的版本。
Oracle Analytics 也使用 Oracle Cloud 主機代管與傳遞原則中所述的標準 Oracle Cloud 變更管理原則。
Oracle 的 AI 原則是否涵蓋法律與風險部門的審查流程？
Oracle 產品開發團隊遵循全球產品安全部門 (負責維護 Oracle 安全編碼標準 (SCS)) 的指導方針與強制性指令。其中有一部分是專門針對 AI/ML 的標準，並包含多項安全指令。這些指令劃分成下列類別：
作為上述強制安全編碼標準的一部分，Oracle 產品開發團隊會定期評估專案是否存在與 AI 相關的安全風險與漏洞。
模型安全性、Oracle Analytics AI 架構以及與 Oracle Analytics 的整合已經過雲端安全性、標準和架構計畫 (CSSAP) 安全審查。CSSAP 是由企業安全架構、全球資訊安全、全球產品安全、Oracle Global IT 和 Oracle IT 組織所開發的全方位安全審查流程，以提供完整的資訊安全管理評估。如需其他資訊，請參閱企業安全架構監督。
Oracle 是否會收集使用者資料或類似的度量，以便與測試環境進行比較，評估輸入和輸出資料的差異？
目前，Oracle Analytics 不會為此目的擷取或收集明確的使用者意見反應。由於模型未針對客戶資料進行調整或訓練，因此測試僅限於上述的預設模型基準。總結：每次發布新版本時，模型都會重新驗證，並針對發現的效能問題進行處理。在開發期間，Oracle 會套用標準機器學習度量 (例如查準率、查全率及 F1 分數)，在部署前驗證 AI 模型。
Oracle 是否將任何外部輸入或第三方工具與其模型結合？
Oracle Analytics 不會將任何外部輸入納入與模型的互動中。模型互動嚴格限制在 Oracle Analytics 與模型本身之間的直接通訊。
模型是否相依於任何可能使模型難以移轉至不同環境的第三方工具或解決方案？
模型以 Oracle Cloud Infrastructure 服務的形式部署，且多個服務執行處理均使用相同的基礎模型。執行處理之間不需要任何模型移轉。
Oracle 如何回應 AI 系統事件？
Oracle Analytics 使用 Oracle Cloud 主機代管與傳遞原則中「服務層級協議」區段所述的標準 Oracle Cloud 未預期事件回應原則。
Oracle 如何測試系統說明的品質？
Oracle Analytics 會依發布閘門管控所有程式碼變更、模型修訂及部署變更，發布閘門會根據評估基準，評定產生的回應是否符合建立的正確答案。基準的正確答案包含產生回應時所包含的所有系統說明。任何不相符項目皆歸類為迴歸，並作為控制閘門。
Oracle 如何評定系統輸出的可信度和公平性？
Oracle Analytics 依賴 OCI Gen AI 基礎架構所提供的基礎模型，不會對模型進行明確的訓練。OCI Gen AI 使用最佳應用來確保值得信賴，並防止其基礎模型出現偏見。
此外，Oracle Analytics 目前針對一般使用者看到的回應，提供對大型語言模型 (LLM) 貢獻的粗略控制。此機制可確保 LLM 不會直接向一般使用者顯示資訊，從而確保產生的回應完全由 Oracle Analytics 產生，因此值得信賴。此外，Oracle Analytics 服務管理員可以在個別功能層級停用任何或所有 AI 驅動的功能。如需詳細資訊，請參閱 關於生成式 AI 組態。
當模型無法使用時，是否有執行處理的災害復原和應變計畫？
Oracle Analytics 依賴 OCI Gen AI 基礎架構所提供的基礎模型。如需 OCI 基礎架構的復原能力和容錯能力的相關資訊，請參閱 Oracle Cloud 主機代管與傳遞原則。如需有關 OCI Gen AI 專用叢集的詳細資訊，請參閱在生成式 AI 建立專用 AI 叢集以用於代管模型和 Oracle PaaS and IaaS Public Cloud Services 重要說明文件。
Oracle 如何測試模型在不同環境中的一致性？
所有客戶和開發模型都部署在相同的 Oracle Cloud Infrastructure 架構上。內部測試環境 (包括生產前環境和生產測試環境) 會維持與客戶環境相同的組態狀態。
Oracle 是否已為模型建立治理原則？
Oracle Analytics 利用透過 Oracle Cloud Infrastructure 的生成式 AI 服務部署的基礎模型。這些模型以其原生狀態使用，未經修改。Oracle Analytics 不會對基礎模型執行訓練、微調或模型自訂。因此，OCI Gen AI 基礎架構使用的模型治理原則也適用於 Oracle Analytics。
Oracle 是否已建立定義角色與職責的原則與程序，以對已部署的模型進行人為監督？
Oracle Analytics 擁有完善的模型評估處理作業，可使用合成資料作為任何程式碼變更、模型修訂或部署變更的控制閘門。模型評估的執行結合了自動化與人工監督。除此之外，Oracle Analytics 不會對已部署的模型執行人工監督。