تقديم بطاقات خدمة AWS AI: مورد جديد لتعزيز الشفافية وتعزيز الذكاء الاصطناعي المسؤول

يعد الذكاء الاصطناعي (AI) والتعلم الآلي (ML) من أكثر التقنيات التحويلية التي سنواجهها في جيلنا - لمعالجة المشكلات التجارية والمجتمعية ، وتحسين تجارب العملاء ، وتحفيز الابتكار. إلى جانب الاستخدام الواسع النطاق والنطاق المتزايد للذكاء الاصطناعي ، يأتي الاعتراف بأنه يجب علينا جميعًا البناء بمسؤولية. في AWS ، نعتقد أن الذكاء الاصطناعي المسؤول يشمل عددًا من الأبعاد الأساسية بما في ذلك:

• الإنصاف والتحيز- كيف يؤثر النظام على مجموعات سكانية فرعية مختلفة من المستخدمين (على سبيل المثال ، حسب الجنس والعرق)
• شرح- آليات فهم وتقييم مخرجات نظام الذكاء الاصطناعي
• الخصوصية والأمن- حماية البيانات من السرقة والتعرض
• متانة- آليات لضمان عمل نظام الذكاء الاصطناعي بشكل موثوق
• الحكم- عمليات لتحديد وتنفيذ وإنفاذ ممارسات الذكاء الاصطناعي المسؤولة داخل المنظمة
• الشفافية- توصيل المعلومات حول نظام الذكاء الاصطناعي حتى يتمكن أصحاب المصلحة من اتخاذ خيارات مستنيرة حول استخدامهم للنظام

يعد التزامنا بتطوير الذكاء الاصطناعي والتعلم الآلي بطريقة مسؤولة جزءًا لا يتجزأ من كيفية بناء خدماتنا والتفاعل مع العملاء ودفع الابتكار. نحن ملتزمون أيضًا بتزويد العملاء بالأدوات والموارد لتطوير واستخدام الذكاء الاصطناعي / تعلم الآلة بشكل مسؤول ، بدءًا من تمكين بناة التعلم الآلي من خلال بيئة تطوير مُدارة بالكامل إلى مساعدة العملاء على تضمين خدمات الذكاء الاصطناعي في حالات استخدام الأعمال الشائعة.

تزويد العملاء بمزيد من الشفافية

يريد عملاؤنا معرفة أن التكنولوجيا التي يستخدمونها قد تم تطويرها بطريقة مسؤولة. إنهم يريدون موارد وإرشادات لتنفيذ تلك التكنولوجيا بمسؤولية في مؤسستهم. والأهم من ذلك أنهم يريدون التأكد من أن التكنولوجيا التي يطرحونها تعود بالفائدة على الجميع ، وخاصة مستخدميهم النهائيين. في AWS ، نريد مساعدتهم على تحقيق هذه الرؤية في الحياة.

لتقديم الشفافية التي يطلبها العملاء ، نحن متحمسون لإطلاقها بطاقات خدمة AWS AI، مورد جديد لمساعدة العملاء على فهم خدمات AWS AI الخاصة بنا بشكل أفضل. تعد بطاقات خدمات الذكاء الاصطناعي شكلاً من أشكال وثائق الذكاء الاصطناعي المسؤولة التي توفر للعملاء مكانًا واحدًا للعثور على معلومات حول حالات الاستخدام المقصود والقيود ، وخيارات تصميم الذكاء الاصطناعي المسؤولة ، وأفضل ممارسات النشر وتحسين الأداء لخدمات الذكاء الاصطناعي الخاصة بنا. إنها جزء من عملية تطوير شاملة نتعهد بها لبناء خدماتنا بطريقة مسؤولة تتناول الإنصاف والتحيز وإمكانية الشرح والقوة والحوكمة والشفافية والخصوصية والأمن. في AWS re: Invent 2022 ، نوفر بطاقات خدمة AI الثلاث الأولى: Amazon Rekognition - مطابقة الوجه, Amazon Textract - AnalyzeIDو Amazon Transcribe - Batch (الإنجليزية-الولايات المتحدة).

مكونات بطاقات خدمة الذكاء الاصطناعي

تحتوي كل بطاقة خدمة AI على أربعة أقسام تغطي:

• مفاهيم أساسية لمساعدة العملاء على فهم الخدمة أو ميزات الخدمة بشكل أفضل
• حالات وقيود الاستخدام المقصودة
• اعتبارات تصميم مسؤولة للذكاء الاصطناعي
• إرشادات بشأن النشر وتحسين الأداء

يخاطب محتوى بطاقات خدمة الذكاء الاصطناعي جمهورًا عريضًا من العملاء والتقنيين والباحثين وأصحاب المصلحة الآخرين الذين يسعون إلى فهم أفضل للاعتبارات الرئيسية في التصميم والاستخدام المسؤول لخدمة الذكاء الاصطناعي.

يستخدم عملاؤنا الذكاء الاصطناعي في مجموعة متنوعة بشكل متزايد من التطبيقات. ال قسم حالات الاستخدام المقصود والقيود يوفر معلومات حول الاستخدامات الشائعة لإحدى الخدمات ، ويساعد العملاء على تقييم ما إذا كانت الخدمة مناسبة لتطبيقهم أم لا. على سبيل المثال ، في بطاقة Amazon Transcribe - Batch (الإنجليزية-الأمريكية) ، نصف حالة استخدام الخدمة لتدوين مفردات الأغراض العامة المنطوقة باللغة الإنجليزية الأمريكية من ملف صوتي. إذا كانت إحدى الشركات تريد حلاً يقوم تلقائيًا بنسخ حدث خاص بمجال معين ، مثل مؤتمر دولي لعلم الأعصاب ، فيمكنها إضافة مفردات ونماذج لغوية مخصصة لتضمين المفردات العلمية من أجل زيادة دقة النسخ.

في مجلة قسم التصميم في كل بطاقة خدمة للذكاء الاصطناعي ، نشرح اعتبارات تصميم الذكاء الاصطناعي الرئيسية المسؤولة عبر المجالات المهمة ، مثل المنهجية المعتمدة على الاختبار ، والإنصاف والتحيز ، وإمكانية الشرح ، وتوقعات الأداء. نقدم أمثلة على نتائج الأداء في مجموعة بيانات تقييم تمثل حالة استخدام شائع. هذا المثال هو مجرد نقطة بداية ، حيث نشجع العملاء على الاختبار على مجموعات البيانات الخاصة بهم لفهم كيفية أداء الخدمة على المحتوى الخاص بهم وحالات الاستخدام بشكل أفضل من أجل تقديم أفضل تجربة لعملائهم النهائيين. وهذا ليس تقييمًا لمرة واحدة. للبناء بطريقة مسؤولة ، نوصي باتباع نهج تكراري حيث يقوم العملاء بشكل دوري باختبار وتقييم تطبيقاتهم للتأكد من دقتها أو تحيزها المحتمل.

في مجلة أفضل الممارسات للنشر وتحسين الأداء القسم، نضع الأدوات الرئيسية التي يجب على العملاء وضعها في الاعتبار لتحسين أداء تطبيقاتهم للنشر في العالم الحقيقي. من المهم شرح كيف يمكن للعملاء تحسين أداء نظام ذكاء اصطناعي يعمل كمكون لتطبيقهم العام أو سير العمل للحصول على أقصى فائدة. على سبيل المثال ، في بطاقة Amazon Rekognition Face Matching Card التي تغطي إضافة إمكانات التعرف على الوجوه إلى تطبيقات التحقق من الهوية ، نشارك الخطوات التي يمكن للعملاء اتخاذها لزيادة جودة توقعات مطابقة الوجه المدمجة في سير عملهم.

توفير موارد وقدرات مسؤولة للذكاء الاصطناعي

يُعد تزويد عملائنا بالموارد والأدوات التي يحتاجون إليها لتحويل الذكاء الاصطناعي المسؤول من النظرية إلى التطبيق من أولويات AWS المستمرة. في وقت سابق من هذا العام أطلقنا برنامج دليل الاستخدام المسؤول لتعلم الآلة يوفر اعتبارات وتوصيات للاستخدام المسؤول في تعلم الآلة عبر جميع مراحل دورة حياة تعلم الآلة. تُكمل بطاقات خدمة AI أدلة المطورين الحالية ومنشورات المدونات ، والتي تزود المنشئين بأوصاف لميزات الخدمة وإرشادات مفصلة لاستخدام واجهات برمجة التطبيقات الخاصة بالخدمة. ومع توضيح Amazon SageMaker و الأمازون SageMaker نموذج مراقب، نحن نقدم إمكانات للمساعدة في الكشف عن التحيز في مجموعات البيانات والنماذج ورصد ومراجعة تنبؤات النماذج بشكل أفضل من خلال الأتمتة والرقابة البشرية.

في الوقت نفسه ، نواصل تطوير الذكاء الاصطناعي المسؤول عبر أبعاد رئيسية أخرى ، مثل الحوكمة. في re: Invent اليوم ، أطلقنا مجموعة جديدة من الأدوات المصممة لهذا الغرض لمساعدة العملاء على تحسين حوكمة مشاريع التعلم الآلي الخاصة بهم باستخدام Amazon SageMaker Role Manager و Amazon SageMaker Model Cards و Amazon SageMaker Model Dashboard. تعرف على المزيد حول مدونة أخبار AWS و موقع الكتروني حول كيفية مساعدة هذه الأدوات في تبسيط عمليات حوكمة غسل الأموال.

التعليم هو مورد رئيسي آخر يساعد على تطوير الذكاء الاصطناعي المسؤول. في AWS ، نحن ملتزمون ببناء الجيل القادم من المطورين وعلماء البيانات في الذكاء الاصطناعي باستخدام برنامج منح الذكاء الاصطناعي والتعلم الآلي و جامعة AWS للتعلم الآلي (MLU). هذا الأسبوع في re: Invent ، أطلقنا دورة MLU جديدة عامة حول اعتبارات الإنصاف وتخفيف التحيز عبر دورة حياة ML. يتم تدريس هذه الدورة المجانية بواسطة نفس علماء بيانات أمازون الذين يدربون موظفي AWS على تعلم الآلة ، وتتميز بـ 9 ساعات من المحاضرات والتمارين العملية ومن السهل القيام بها البدء.

بطاقات خدمة AI: مورد جديد - والتزام مستمر

نحن متحمسون لتقديم مورد شفافية جديد لعملائنا والمجتمع الأوسع وتقديم معلومات إضافية حول الاستخدامات المقصودة والقيود والتصميمات والتحسين لخدمات الذكاء الاصطناعي لدينا ، مستنيرًا بنهجنا الصارم لبناء خدمات AWS AI بطريقة مسؤولة . نأمل أن تعمل بطاقات خدمة AI كمورد مفيد للشفافية وخطوة مهمة في المشهد المتطور للذكاء الاصطناعي المسؤول. ستستمر بطاقات خدمة الذكاء الاصطناعي في التطور والتوسع مع تفاعلنا مع عملائنا والمجتمع الأوسع لجمع الملاحظات والتكرار باستمرار في نهجنا.

اتصل بمجموعتنا من خبراء الذكاء الاصطناعي المسؤولين لبدء محادثة.

---

عن المؤلفين

فاسي فيلومين يشغل حاليًا منصب نائب الرئيس في فريق AWS AI للخدمات في مجالات تقنيات اللغة والكلام مثل Amazon Lex و Amazon Polly و Amazon Translate و Amazon Transcribe / Transcribe Medical و Amazon Comprehend و Amazon Kendra و Amazon Code Whisperer و Amazon Monitron و Amazon ابحث عن المعدات والعدسات اللاصقة / معرف الصوت لـ Amazon Connect بالإضافة إلى مختبر حلول التعلم الآلي والذكاء الاصطناعي المسؤول.

بيتر هالينان يقود المبادرات في علم وممارسة الذكاء الاصطناعي المسؤول في AWS AI ، جنبًا إلى جنب مع فريق من خبراء الذكاء الاصطناعي المسؤولين. لديه خبرة عميقة في مجال الذكاء الاصطناعي (دكتوراه ، جامعة هارفارد) وريادة الأعمال (Blindsight ، تم بيعه إلى Amazon). تضمنت أنشطته التطوعية العمل كأستاذ استشاري في كلية الطب بجامعة ستانفورد ، ورئيس غرفة التجارة الأمريكية في مدغشقر. عندما يكون ذلك ممكنًا ، يكون في الجبال مع أطفاله: التزلج والتسلق والمشي لمسافات طويلة وركوب الرمث