Slack 人工智能、机器学习和数据使用
本指南是一个补充资源，详细介绍了 Slack 在构建人工智能 (AI) 和机器学习 (ML) 功能时使用的数据实践。
小窍门：我们建议在阅读下面更详细的信息之前，先阅读我们的 AI 和机器学习方法。
数据概述
根据我们的隐私政策中的定义，客户数据包括以下内容：
- 消息数据，例如消息的内容
- 文件数据，例如上传到 Slack 的文件
- 对象数据，例如频道或列表
- 转录数据，例如来自抱团的转录
Slack 不会使用客户数据训练生成式 AI 功能中使用的大型语言模型 (LLM)。如 Slack 隐私政策中的定义，我们的系统会分析 ML 功能的使用情况信息（例如功能的使用或互动频率）和工作区信息（例如工作区中的用户数量或工作区设置）。
模型类型
我们使用各种模型为 Slack 的 AI 和机器学习功能提供支持。了解这些模型及其工作原理是了解数据使用情况的关键。
-
生成式模型
这些模型使用第三方 LLM 生成输出。客户数据不会用于训练这些模型。 -
预测模型
这些模型使用机器学习算法为频道建议和表情建议等功能提供支持。我们的大多数预测模型都是根据来自多个客户的数据进行训练的全局模型。
这些功能如何使用模型和数据
下表概述了为特定 Slack 功能提供支持的数据和模型。
| 功能 | 示例* | 使用的数据 | 是否使用生成式模型？ | 是否使用预测模型？ |
| 汇总 | 频道摘要、文件摘要、抱团笔记、要点回顾 |
客户数据：消息、文件和转录数据 其他信息：工作区、帐户和使用情况信息 |
是，例如生成摘要 注意：此模型从不使用客户数据进行训练 |
是，例如个性化摘要 注意：这是一个全局模型，但不使用客户数据进行训练 |
| 搜索 | 自然语言检索、搜索排名 |
客户数据：消息、文件、转录和 Slack 对象数据 其他信息：工作区、帐户和使用情况信息 |
是，例如生成搜索答案 注意：此模型从不使用客户数据进行训练 |
是，例如对搜索结果进行排名 注意：这是一个全局模型，但不使用客户数据进行训练 |
| 建议 | 用户搜索、频道搜索、频道归档、加入和退出建议、VIP |
客户数据：不适用 其他信息：使用情况信息 |
否 |
是，例如提出建议 注意：这是一个全局模型，但不使用客户数据进行训练 |
| AI 操作 | AI 工作流程建立，总结频道工作流程步骤 |
客户数据：消息、文件、转录和 Slack 对象数据 其他信息：工作区和帐户信息 |
是，例如，通过自然语言查询以及功能强大的摘要和搜索工作流程步骤生成工作流程 注意：此模型从不使用客户数据进行训练 |
否 |
| 自动完成 | @提及推荐、搜索导航建议 |
客户数据：不适用 其他信息：工作区、帐户和使用情况信息 |
否 |
是，例如生成建议 注意：这是一个全局模型，但不使用客户数据进行训练 |
| 垃圾信息 | 可防止滥用平台的垃圾信息检测模型 |
客户数据：不适用 其他信息：工作区、帐户和使用情况信息 |
否 |
是，例如对垃圾邮件进行分类 注意：这是一个全局模型，但在训练过程中不使用客户数据 |
| 翻译 | 语言检测、AI 语言翻译 |
客户数据：消息、文件和转录数据 其他信息：工作区、帐户和使用情况信息 |
是，例如生成翻译 注意：此模型从不使用客户数据进行训练 |
是，例如检测翻译的语言 注意：这不是全局模型 |
*该表的示例列中所含的信息仅作为说明用途，并不构成 Slack 功能的详尽列表。