Παρουσιάζοντας τις κάρτες υπηρεσιών AWS AI: Ένας νέος πόρος για τη βελτίωση της διαφάνειας και την προώθηση της υπεύθυνης τεχνητής νοημοσύνης

Η τεχνητή νοημοσύνη (AI) και η μηχανική μάθηση (ML) είναι μερικές από τις πιο μεταμορφωτικές τεχνολογίες που θα συναντήσουμε στη γενιά μας—για την αντιμετώπιση επιχειρηματικών και κοινωνικών προβλημάτων, τη βελτίωση των εμπειριών των πελατών και την τόνωση της καινοτομίας. Μαζί με την ευρεία χρήση και την αυξανόμενη κλίμακα της τεχνητής νοημοσύνης έρχεται η αναγνώριση ότι πρέπει όλοι να οικοδομήσουμε με υπευθυνότητα. Στην AWS, πιστεύουμε ότι η υπεύθυνη τεχνητή νοημοσύνη περιλαμβάνει μια σειρά από βασικές διαστάσεις, όπως:

• Δικαιοσύνη και προκατάληψη– Πώς ένα σύστημα επηρεάζει διαφορετικούς υποπληθυσμούς χρηστών (π.χ. ανά φύλο, εθνικότητα)
• Επεξήγηση– Μηχανισμοί για την κατανόηση και την αξιολόγηση των αποτελεσμάτων ενός συστήματος AI
• Απορρήτου και Ασφάλεια– Τα δεδομένα προστατεύονται από κλοπή και έκθεση
• Ευρωστία– Μηχανισμοί που διασφαλίζουν ότι ένα σύστημα AI λειτουργεί αξιόπιστα
• Διακυβέρνηση– Διαδικασίες για τον καθορισμό, την εφαρμογή και την επιβολή υπεύθυνων πρακτικών τεχνητής νοημοσύνης σε έναν οργανισμό
• Διαφάνεια– Κοινοποίηση πληροφοριών σχετικά με ένα σύστημα τεχνητής νοημοσύνης, ώστε οι ενδιαφερόμενοι να μπορούν να κάνουν ενημερωμένες επιλογές σχετικά με τη χρήση του συστήματος

Η δέσμευσή μας να αναπτύξουμε την τεχνητή νοημοσύνη και την ML με υπεύθυνο τρόπο είναι αναπόσπαστο μέρος του τρόπου με τον οποίο χτίζουμε τις υπηρεσίες μας, αλληλεπιδρούμε με τους πελάτες και προωθούμε την καινοτομία. Δεσμευόμαστε επίσης να παρέχουμε στους πελάτες εργαλεία και πόρους για να αναπτύξουν και να χρησιμοποιήσουν υπεύθυνα AI/ML, από την παροχή δυνατοτήτων σε κατασκευαστές ML με ένα πλήρως διαχειριζόμενο περιβάλλον ανάπτυξης μέχρι να βοηθήσουμε τους πελάτες να ενσωματώσουν υπηρεσίες AI σε κοινές περιπτώσεις επιχειρηματικής χρήσης.

Παροχή στους πελάτες μεγαλύτερης διαφάνειας

Οι πελάτες μας θέλουν να γνωρίζουν ότι η τεχνολογία που χρησιμοποιούν αναπτύχθηκε με υπεύθυνο τρόπο. Θέλουν πόρους και καθοδήγηση για να εφαρμόσουν αυτή την τεχνολογία υπεύθυνα στον οργανισμό τους. Και το πιο σημαντικό, θέλουν να διασφαλίσουν ότι η τεχνολογία που παρουσιάζουν είναι προς όφελος όλων, ειδικά των τελικών χρηστών τους. Στην AWS, θέλουμε να τους βοηθήσουμε να ζωντανέψουν αυτό το όραμα.

Για να προσφέρουμε τη διαφάνεια που ζητούν οι πελάτες, είμαστε ενθουσιασμένοι που κυκλοφορούμε Κάρτες υπηρεσιών AWS AI, ένας νέος πόρος που βοηθά τους πελάτες να κατανοήσουν καλύτερα τις υπηρεσίες AWS AI. Οι κάρτες υπηρεσιών AI είναι μια μορφή υπεύθυνης τεκμηρίωσης τεχνητής νοημοσύνης που παρέχει στους πελάτες ένα ενιαίο μέρος για να βρουν πληροφορίες σχετικά με τις περιπτώσεις χρήσης και περιορισμούς που προορίζονται, τις υπεύθυνες επιλογές σχεδίασης τεχνητής νοημοσύνης και τις βέλτιστες πρακτικές ανάπτυξης και βελτιστοποίησης απόδοσης για τις υπηρεσίες τεχνητής νοημοσύνης. Αποτελούν μέρος μιας ολοκληρωμένης διαδικασίας ανάπτυξης που αναλαμβάνουμε να δημιουργήσουμε τις υπηρεσίες μας με υπεύθυνο τρόπο που αντιμετωπίζει τη δικαιοσύνη και την προκατάληψη, την επεξήγηση, την ευρωστία, τη διακυβέρνηση, τη διαφάνεια, το απόρρητο και την ασφάλεια. Στο AWS re:Invent 2022, διαθέτουμε τις τρεις πρώτες κάρτες υπηρεσιών AI: Αναγνώριση Amazon – Αντιστοίχιση προσώπου, Amazon Textract – AnalyzeID, να Amazon Transcribe – Batch (Αγγλικά-ΗΠΑ).

Στοιχεία των καρτών υπηρεσιών AI

Κάθε κάρτα υπηρεσίας AI περιλαμβάνει τέσσερις ενότητες που καλύπτουν:

• Βασικές έννοιες που βοηθούν τους πελάτες να κατανοήσουν καλύτερα τις υπηρεσίες ή τα χαρακτηριστικά της υπηρεσίας
• Προβλεπόμενες περιπτώσεις και περιορισμοί χρήσης
• Υπεύθυνοι σχεδιασμοί AI
• Οδηγίες για την ανάπτυξη και τη βελτιστοποίηση απόδοσης

Το περιεχόμενο των καρτών υπηρεσιών τεχνητής νοημοσύνης απευθύνεται σε ένα ευρύ κοινό πελατών, τεχνολόγων, ερευνητών και άλλων ενδιαφερομένων που επιδιώκουν να κατανοήσουν καλύτερα βασικά ζητήματα στον υπεύθυνο σχεδιασμό και χρήση μιας υπηρεσίας τεχνητής νοημοσύνης.

Οι πελάτες μας χρησιμοποιούν τεχνητή νοημοσύνη σε ένα ολοένα και πιο ποικίλο σύνολο εφαρμογών. ο περιπτώσεων προβλεπόμενης χρήσης και περιορισμών παρέχει πληροφορίες σχετικά με τις κοινές χρήσεις μιας υπηρεσίας και βοηθά τους πελάτες να εκτιμήσουν εάν μια υπηρεσία είναι κατάλληλη για την εφαρμογή τους. Για παράδειγμα, στην Κάρτα Amazon Transcribe – Batch (Αγγλικά-ΗΠΑ) περιγράφουμε την περίπτωση χρήσης υπηρεσίας της μεταγραφής λεξιλογίου γενικού σκοπού που εκφωνείται στα Αγγλικά των ΗΠΑ από ένα αρχείο ήχου. Εάν μια εταιρεία θέλει μια λύση που μεταγράφει αυτόματα ένα συμβάν για συγκεκριμένο τομέα, όπως ένα διεθνές συνέδριο νευροεπιστήμης, μπορεί να προσθέσει προσαρμοσμένα λεξιλόγια και μοντέλα γλώσσας για να συμπεριλάβει επιστημονικό λεξιλόγιο προκειμένου να αυξηθεί η ακρίβεια της μεταγραφής.

Στο τμήμα σχεδιασμού για κάθε Κάρτα Υπηρεσίας AI, εξηγούμε βασικά ζητήματα σχεδιασμού της τεχνητής νοημοσύνης σε σημαντικούς τομείς, όπως η μεθοδολογία που βασίζεται σε δοκιμές, η δικαιοσύνη και η προκατάληψη, η επεξήγηση και οι προσδοκίες απόδοσης. Παρέχουμε παραδείγματα αποτελεσμάτων απόδοσης σε ένα σύνολο δεδομένων αξιολόγησης που είναι αντιπροσωπευτικό μιας κοινής περίπτωσης χρήσης. Αυτό το παράδειγμα είναι απλώς ένα σημείο εκκίνησης, καθώς ενθαρρύνουμε τους πελάτες να κάνουν δοκιμές στα δικά τους σύνολα δεδομένων για να κατανοήσουν καλύτερα την απόδοση της υπηρεσίας στο δικό τους περιεχόμενο και περιπτώσεις χρήσης, προκειμένου να προσφέρουν την καλύτερη εμπειρία στους τελικούς πελάτες τους. Και αυτό δεν είναι μια εφάπαξ αξιολόγηση. Για να δημιουργήσουμε με υπεύθυνο τρόπο, προτείνουμε μια επαναληπτική προσέγγιση όπου οι πελάτες δοκιμάζουν και αξιολογούν περιοδικά τις εφαρμογές τους για ακρίβεια ή πιθανή μεροληψία.

Στο βέλτιστες πρακτικές για την ανάπτυξη και την ενότητα βελτιστοποίησης απόδοσης, διαμορφώνουμε βασικούς μοχλούς που πρέπει να λάβουν υπόψη οι πελάτες για να βελτιστοποιήσουν την απόδοση της εφαρμογής τους για ανάπτυξη σε πραγματικό κόσμο. Είναι σημαντικό να εξηγήσουμε πώς οι πελάτες μπορούν να βελτιστοποιήσουν την απόδοση ενός συστήματος τεχνητής νοημοσύνης που λειτουργεί ως στοιχείο της συνολικής εφαρμογής ή της ροής εργασίας τους για να αποκομίσουν το μέγιστο όφελος. Για παράδειγμα, στην Κάρτα αντιστοίχισης προσώπου αναγνώρισης του Amazon που καλύπτει την προσθήκη δυνατοτήτων αναγνώρισης προσώπου σε εφαρμογές επαλήθευσης ταυτότητας, κοινοποιούμε τα βήματα που μπορούν να κάνουν οι πελάτες για να βελτιώσουν την ποιότητα των προβλέψεων αντιστοίχισης προσώπων που ενσωματώνονται στη ροή εργασίας τους.

Παροχή υπεύθυνων πόρων και δυνατοτήτων AI

Το να προσφέρουμε στους πελάτες μας τους πόρους και τα εργαλεία που χρειάζονται για να μετατρέψουν την υπεύθυνη τεχνητή νοημοσύνη από τη θεωρία στην πράξη αποτελεί διαρκή προτεραιότητα για το AWS. Νωρίτερα φέτος παρουσιάσαμε το δικό μας Οδηγός Υπεύθυνης Χρήσης Μηχανικής Μάθησης που παρέχει σκέψεις και συστάσεις για την υπεύθυνη χρήση της ML σε όλες τις φάσεις του κύκλου ζωής της ML. Οι κάρτες υπηρεσιών AI συμπληρώνουν τους υπάρχοντες οδηγούς προγραμματιστών και τις αναρτήσεις ιστολογίου, οι οποίες παρέχουν στους κατασκευαστές περιγραφές λειτουργιών υπηρεσίας και λεπτομερείς οδηγίες για τη χρήση των API υπηρεσιών μας. Και με Amazon SageMaker Clerify και Παρακολούθηση μοντέλου Amazon SageMaker, προσφέρουμε δυνατότητες που βοηθούν στην ανίχνευση προκατάληψης σε σύνολα δεδομένων και μοντέλα και καλύτερη παρακολούθηση και επανεξέταση προβλέψεων μοντέλων μέσω αυτοματισμού και ανθρώπινης επίβλεψης.

Ταυτόχρονα, συνεχίζουμε να προάγουμε την υπεύθυνη τεχνητή νοημοσύνη σε άλλες βασικές διαστάσεις, όπως η διακυβέρνηση. Στη re:Invent σήμερα παρουσιάσαμε ένα νέο σύνολο εργαλείων ειδικά σχεδιασμένων για να βοηθήσουμε τους πελάτες να βελτιώσουν τη διακυβέρνηση των έργων τους ML με το Amazon SageMaker Role Manager, το Amazon SageMaker Model Cards και το Amazon SageMaker Model Dashboard. Μάθετε περισσότερα για το Ιστολόγιο AWS News και σχετικά με το πώς αυτά τα εργαλεία βοηθούν στον εξορθολογισμό των διαδικασιών διακυβέρνησης ML.

Η εκπαίδευση είναι ένας άλλος βασικός πόρος που βοηθά στην προώθηση της υπεύθυνης τεχνητής νοημοσύνης. Στην AWS δεσμευόμαστε να δημιουργήσουμε την επόμενη γενιά προγραμματιστών και επιστημόνων δεδομένων στο AI με το Πρόγραμμα Υποτροφιών AI και ML και AWS Machine Learning University (MLU). Αυτή την εβδομάδα στο re:Invent ξεκινήσαμε ένα νέο, δημόσιο μάθημα MLU σχετικά με τους λόγους δικαιοσύνης και τον μετριασμό της προκατάληψης σε όλο τον κύκλο ζωής του ML. Διδάσκεται από τους ίδιους επιστήμονες δεδομένων της Amazon που εκπαιδεύουν τους υπαλλήλους της AWS στο ML, αυτό το δωρεάν μάθημα περιλαμβάνει 9 ώρες διαλέξεων και πρακτικές ασκήσεις και είναι εύκολο να ξεκίνα.

Κάρτες υπηρεσιών AI: Ένας νέος πόρος — και μια συνεχής δέσμευση

Είμαστε ενθουσιασμένοι που προσφέρουμε έναν νέο πόρο διαφάνειας στους πελάτες μας και στην ευρύτερη κοινότητα και παρέχουμε πρόσθετες πληροφορίες σχετικά με τις προβλεπόμενες χρήσεις, τους περιορισμούς, το σχεδιασμό και τη βελτιστοποίηση των υπηρεσιών AI μας, ενημερωμένοι από την αυστηρή προσέγγισή μας στη δημιουργία υπηρεσιών AWS AI με υπεύθυνο τρόπο . Ελπίζουμε ότι οι κάρτες υπηρεσιών AI θα λειτουργήσουν ως χρήσιμος πόρος διαφάνειας και ένα σημαντικό βήμα στο εξελισσόμενο τοπίο της υπεύθυνης τεχνητής νοημοσύνης. Οι κάρτες υπηρεσιών AI θα συνεχίσουν να εξελίσσονται και να επεκτείνονται καθώς συνεργαζόμαστε με τους πελάτες μας και την ευρύτερη κοινότητα για να συλλέγουμε σχόλια και να επαναλαμβάνουμε συνεχώς την προσέγγισή μας.

Επικοινωνήστε με την ομάδα υπεύθυνων εμπειρογνωμόνων AI για να ξεκινήσετε μια συνομιλία.

---

Σχετικά με τους συγγραφείς

Βασι Φιλομίν είναι επί του παρόντος Αντιπρόεδρος στην ομάδα AWS AI για υπηρεσίες στους τομείς της γλώσσας και των τεχνολογιών ομιλίας όπως Amazon Lex, Amazon Polly, Amazon Translate, Amazon Transcribe/Transcribe Medical, Amazon Comprehend, Amazon Kendra, Amazon Code Whisperer, Amazon Monitron, Amazon Αναζητήστε εξοπλισμό και φακό επαφής/αναγνωριστικό φωνής για το Amazon Connect, καθώς και το Εργαστήριο λύσεων μηχανικής μάθησης και το Responsible AI.

Πήτερ Χάλιναν ηγείται πρωτοβουλιών στην επιστήμη και την πρακτική του Responsible AI στο AWS AI, μαζί με μια ομάδα υπεύθυνων εμπειρογνωμόνων AI. Έχει βαθιά εξειδίκευση στην τεχνητή νοημοσύνη (PhD, Harvard) και στην επιχειρηματικότητα (Blindsight, που πωλήθηκε στην Amazon). Οι εθελοντικές του δραστηριότητες περιλαμβάνουν τη θητεία ως σύμβουλος καθηγητής στην Ιατρική Σχολή του Πανεπιστημίου του Στάνφορντ και ως πρόεδρος του Αμερικανικού Εμπορικού Επιμελητηρίου στη Μαδαγασκάρη. Όταν είναι δυνατόν, πηγαίνει στα βουνά με τα παιδιά του: σκι, αναρρίχηση, πεζοπορία και ράφτινγκ