本周，我终于开始向人们发出邀请，让他们试用新的Datasette Cloud预览版，这是我为 Datasette 提供的 SaaS 产品。
预览版包括以下功能：
- 在您选择的地理区域中创建新的 Datasette 私有实例
- 通过上传 CSV 文件、通过 URL 导入 CSV 数据或从 Socrata 开放式政府数据门户导入数据，将数据添加到您的实例
- 根据数据中的选定列构建搜索引擎
- 邀请您的团队成员在您的实例上进行协作
- 在地图或条形图或折线图上可视化您的数据
您可以在此处请求预览访问权限– 或在Datasette Discord上与我讨论。
我确定我还没有构建出合适的产品，所以反馈对我来说现在非常有价值！
即将推出的两个最重要的功能是 API 访问（使用 API 密钥）和发布数据的能力——目前该工具是完全私有的，但发布结构化数据是 Datasette 核心 DNA 的重要组成部分，我相信人们会想要的能够使用托管版本。
其他的项目
这周我已经写了很多关于我的其他项目的文章。
我在 Bellingcat Hackathon 中凭借 Action Transcription 获得第二名，这是一种使用 Whisper 和 GitHub Issues/Actions 对在线视频运行字幕提取的工具。
Meta AI 发布了一篇新论文，描述了 Make-A-Video，一种文本到视频的模型。我使用 Datasette 挖掘了训练数据 – 请参阅Exploring 10m scraped Shutterstock videos used to train Meta’s Make-A-Video text-to-video model – 并发现模型背后的主要学术数据集之一完全是从 Shutterstock 中抓取的。
Andy Baio 指出，这是商业 AI 研究团队建立在学术界收集的数据集上的另一个例子。他称之为“AI 数据洗钱”，并在AI Data Laundering：学术和非营利研究人员如何保护科技公司免受问责制中对此进行了描述。
我一直在考虑Prompt Injection ，这是针对基于大型语言模型的软件的攻击，它以“忽略先前的指令并…”开头。我又写了两篇关于这个的文章：
- 我不知道如何解决关于这是一个安全漏洞的即时注入问题，我不知道有什么好的缓解措施！
- 你不能用更多的 AI 来解决 AI 安全问题提出我的论点是，试图通过叠加更多的 AI 来解决 AI 安全问题感觉注定要失败，因为不可预测的黑盒 AI 模型不能提供确定性和保证需要安全解决方案。
我还推出了一个新的 Datasette alpha ，其中包含过去一个月积累的一些小变化。
本周发布
- datasette-publish-fly ： 1.2- （共 8 个版本）- 2022-09-29
使用 Fly 发布数据的 Datasette 插件 - datasette-pretty-json ： 0.2.2 -（共 2 个版本）- 2022-09-28
Datasette 插件，可以漂亮地打印任何作为有效 JSON 对象或数组的列值 - 数据集： 0.63a0 – （总共114 个版本） – 2022-09-26
用于探索和发布数据的开源多功能工具 - ttml-to-json ： 0.2 -（共 2 个版本）- 2022-09-25
将 TTML 转换为 JSON - webvtt-to-json ： 0.2 -（共 2 个版本）- 2022-09-25
将 WebVTT 转换为 JSON，可选择删除重复行 - 图像差异： 0.2.2 -（总共 4 个版本） – 2022-09-19
用于比较图像的 CLI 工具 - datasette-sandstorm-support ： 0.2 -（共 2 个版本）- 2022-09-16
Sandstorm 上 Datasette 的身份验证和权限
直到本周
- 使用 JSON 在单个 SQL 查询中返回相关行
- 在 Python 中使用 DuckDB 访问 Parquet 数据
- 将 Python Web 应用程序部署为 AWS Lambda 函数
- 威士忌酸
- 确保标签存在于 GitHub 存储库中
- Athena 错误：指定的键不存在
- 用户点击播放时加载的 HTML 视频
- GraphQL 片段
原文： http://simonwillison.net/2022/Sep/30/datasette-cloud/#atom-everything