Guardrail-suojaukset (eli turvarajat) ovat joukko rajoituksia, suodattimia ja sääntöjä, joita sovelletaan tekoälyjärjestelmään sen toiminnan rajaamiseksi ja haitallisten, laittomien tai sopimattomien vastausten estämiseksi. Ne toimivat ohjauskerroksena, joka määrittelee mallin sallitut ja kielletyt toiminnot sekä syötteiden että tulosteiden osalta.
Niiden tärkeys perustuu siihen, että generatiiviset mallit eivät itse erota toisistaan turvallista ja vaarallista käyttöä. Guardrail-suojaukset auttamaan lieventämään riskejä, kuten:
- Väkivaltaisen, syrjivän tai laittoman sisällön tuottamista.
- Arkaluonteisten tietojen tai henkilötietojen vuotamista.
- Manipulointiyrityksiä prompt injection- tai jailbreaking-menetelmillä.
Käytännössä niitä toteutetaan useilla eri tasoilla: mallin koulutuksen hienosäädöllä, käyttäjien pyyntöjen suodattuksella ja tulosteiden validoinnilla ennen niiden näyttämistä. On hyvä muistaa, että mikään guardrail ei ole erehtymätön: ne ovat riskinvähennyskeino, eivät ehdoton takuu, ja niitä on tarkastettava ja päivitettävä jatkuvasti.