معرفی کارت‌های خدمات هوش مصنوعی AWS: منبعی جدید برای افزایش شفافیت و پیشبرد هوش مصنوعی مسئول

هوش مصنوعی (AI) و یادگیری ماشین (ML) برخی از متحول‌کننده‌ترین فناوری‌هایی هستند که در نسل خود با آن‌ها مواجه خواهیم شد – برای مقابله با مشکلات تجاری و اجتماعی، بهبود تجربیات مشتری و تشویق نوآوری. همراه با استفاده گسترده و مقیاس رو به رشد هوش مصنوعی، این شناخت به وجود می آید که همه ما باید مسئولانه بسازیم. در AWS، ما فکر می کنیم هوش مصنوعی مسئول تعدادی از ابعاد اصلی را در بر می گیرد از جمله:

• انصاف و تعصب- چگونه یک سیستم بر خرده‌جمعیت‌های مختلف کاربران تأثیر می‌گذارد (مثلاً بر اساس جنسیت، قومیت)
• قابل توضیح- مکانیسم هایی برای درک و ارزیابی خروجی های یک سیستم هوش مصنوعی
• حریم خصوصی و امنیت- داده ها از سرقت و قرار گرفتن در معرض محافظت می شوند
• نیرومندی- مکانیسم هایی برای اطمینان از عملکرد قابل اعتماد یک سیستم هوش مصنوعی
• حکومت- فرآیندهایی برای تعریف، پیاده سازی و اجرای شیوه های هوش مصنوعی مسئول در یک سازمان
• شفافیت- انتقال اطلاعات در مورد یک سیستم هوش مصنوعی تا ذینفعان بتوانند انتخاب های آگاهانه ای در مورد استفاده خود از سیستم داشته باشند.

تعهد ما به توسعه هوش مصنوعی و ML به روشی مسئولانه در نحوه ایجاد خدمات، تعامل با مشتریان و هدایت نوآوری ضروری است. ما همچنین متعهد به ارائه ابزارها و منابع به مشتریان برای توسعه و استفاده مسئولانه از AI/ML هستیم، از فعال کردن سازندگان ML با یک محیط توسعه کاملاً مدیریت شده تا کمک به مشتریان برای جاسازی خدمات هوش مصنوعی در موارد استفاده تجاری رایج.

ارائه شفافیت بیشتر به مشتریان

مشتریان ما می خواهند بدانند که فناوری مورد استفاده آنها به شیوه ای مسئولانه توسعه یافته است. آنها منابع و راهنمایی می خواهند تا آن فناوری را به طور مسئولانه در سازمان خود پیاده سازی کنند. و مهمتر از همه، آنها می خواهند اطمینان حاصل کنند که فناوری ای که به کار می برند به نفع همه، به ویژه کاربران نهایی آنهاست. در AWS، ما می خواهیم به آنها کمک کنیم تا این چشم انداز را زنده کنند.

برای ارائه شفافیتی که مشتریان درخواست می‌کنند، ما برای راه‌اندازی هیجان‌زده هستیم کارت های خدمات هوش مصنوعی AWS، منبعی جدید برای کمک به مشتریان برای درک بهتر خدمات AWS AI ما. کارت‌های خدمات هوش مصنوعی شکلی از مستندات هوش مصنوعی مسئول هستند که مکانی واحد را برای مشتریان فراهم می‌کنند تا اطلاعاتی در مورد موارد استفاده و محدودیت‌های مورد نظر، انتخاب‌های طراحی هوش مصنوعی مسئولانه، و بهترین شیوه‌های بهینه‌سازی و استقرار برای خدمات هوش مصنوعی ما پیدا کنند. آنها بخشی از فرآیند توسعه جامعی هستند که ما متعهد می شویم خدمات خود را به شیوه ای مسئولانه بسازیم که به انصاف و تعصب، توضیح پذیری، استحکام، حاکمیت، شفافیت، حریم خصوصی و امنیت رسیدگی کند. در AWS re:Invent 2022، سه کارت خدمات هوش مصنوعی اولیه را در دسترس قرار می دهیم: تشخیص آمازون – تطبیق چهره, متن آمازون – AnalyzeIDو رونویسی آمازون – دسته ای (انگلیسی-آمریکایی).

اجزای کارت های خدمات هوش مصنوعی

هر کارت خدمات هوش مصنوعی شامل چهار بخش است که شامل موارد زیر است:

• مفاهیم اولیه برای کمک به مشتریان برای درک بهتر ویژگی های خدمات یا خدمات
• موارد استفاده در نظر گرفته شده و محدودیت ها
• ملاحظات طراحی هوش مصنوعی مسئول
• راهنمایی در مورد استقرار و بهینه سازی عملکرد

محتوای کارت‌های خدمات هوش مصنوعی مخاطبان گسترده‌ای از مشتریان، فن‌آوران، محققان و سایر سهامدارانی را که به دنبال درک بهتر ملاحظات کلیدی در طراحی مسئولانه و استفاده از یک سرویس هوش مصنوعی هستند، مورد توجه قرار می‌دهد.

مشتریان ما از هوش مصنوعی در مجموعه‌ای از برنامه‌های متنوع استفاده می‌کنند. را بخش موارد استفاده مورد نظر و محدودیت ها اطلاعاتی در مورد کاربردهای متداول یک سرویس ارائه می دهد و به مشتریان کمک می کند ارزیابی کنند که آیا یک سرویس برای کاربرد آنها مناسب است یا خیر. به عنوان مثال، در کارت آمازون رونویسی – دسته ای (انگلیسی-آمریکایی) ما مورد استفاده از سرویس رونویسی واژگان همه منظوره گفته شده به انگلیسی ایالات متحده را از یک فایل صوتی توصیف می کنیم. اگر یک شرکت راه حلی را بخواهد که به طور خودکار یک رویداد خاص دامنه را رونویسی کند، مانند یک کنفرانس بین المللی علوم اعصاب، آنها می توانند واژگان و مدل های زبانی سفارشی را برای گنجاندن واژگان علمی به منظور افزایش دقت رونویسی اضافه کنند.

در بخش طراحی در هر کارت خدمات هوش مصنوعی، ما ملاحظات اصلی طراحی هوش مصنوعی مسئول در زمینه های مهم، مانند روش آزمایش محور، انصاف و تعصب، توضیح پذیری، و انتظارات عملکرد را توضیح می دهیم. ما نمونه‌ای از نتایج عملکرد را در یک مجموعه داده ارزیابی ارائه می‌کنیم که نماینده یک مورد استفاده رایج است. اگرچه این مثال فقط یک نقطه شروع است، زیرا ما مشتریان را تشویق می‌کنیم تا روی مجموعه داده‌های خود آزمایش کنند تا بهتر بفهمند که خدمات در محتوای خود و موارد استفاده آنها چگونه عمل می‌کند تا بهترین تجربه را برای مشتریان نهایی خود ارائه دهند. و این یک ارزیابی یک بار نیست. برای ساختن به شیوه ای مسئولانه، ما یک رویکرد تکراری را توصیه می کنیم که در آن مشتریان به طور دوره ای برنامه های خود را از نظر دقت یا سوگیری احتمالی آزمایش و ارزیابی می کنند.

در بهترین شیوه ها برای بخش استقرار و بهینه سازی عملکرد، ما اهرم های کلیدی را ارائه می کنیم که مشتریان باید برای بهینه سازی عملکرد برنامه خود برای استقرار در دنیای واقعی در نظر بگیرند. توضیح اینکه چگونه مشتریان می توانند عملکرد یک سیستم هوش مصنوعی را که به عنوان جزئی از برنامه کلی یا گردش کار آنها عمل می کند تا حداکثر سود را به دست آورند، بهینه کنند، مهم است. برای مثال، در کارت تطبیق چهره آمازون که افزودن قابلیت‌های تشخیص چهره به برنامه‌های تأیید هویت را پوشش می‌دهد، ما مراحلی را که مشتریان می‌توانند برای افزایش کیفیت پیش‌بینی‌های تطبیق چهره در جریان کاری خود انجام دهند، به اشتراک می‌گذاریم.

ارائه منابع و قابلیت های هوش مصنوعی مسئول

ارائه منابع و ابزارهایی که به مشتریان خود برای تبدیل هوش مصنوعی مسئول از تئوری به عمل نیاز دارند، یک اولویت دائمی برای AWS است. اوایل امسال ما راه اندازی شد راهنمای استفاده مسئولانه از یادگیری ماشین که ملاحظات و توصیه هایی را برای استفاده مسئولانه از ML در تمام مراحل چرخه حیات ML ارائه می دهد. کارت‌های خدمات هوش مصنوعی، راهنمای توسعه‌دهنده و پست‌های وبلاگ موجود ما را تکمیل می‌کنند، که توضیحاتی درباره ویژگی‌های سرویس و دستورالعمل‌های دقیق برای استفاده از APIهای سرویس ما در اختیار سازندگان قرار می‌دهد. و با Amazon SageMaker Clarify و مانیتور مدل آمازون SageMaker، ما قابلیت هایی برای کمک به تشخیص سوگیری در مجموعه داده ها و مدل ها و نظارت و بررسی بهتر پیش بینی های مدل از طریق اتوماسیون و نظارت انسانی ارائه می دهیم.

در عین حال، ما به پیشبرد هوش مصنوعی مسئول در سایر ابعاد کلیدی مانند حکمرانی ادامه می دهیم. در re:Invent امروز مجموعه جدیدی از ابزارهای هدفمند را برای کمک به مشتریان برای بهبود مدیریت پروژه های ML خود با Amazon SageMaker Role Manager، Amazon SageMaker Model Cards و Amazon SageMaker Model Dashboard راه اندازی کردیم. اطلاعات بیشتر در مورد وبلاگ خبری AWS و سایت اینترنتی در مورد اینکه چگونه این ابزارها به ساده‌سازی فرآیندهای حاکمیت ML کمک می‌کنند.

آموزش یکی دیگر از منابع کلیدی است که به پیشرفت هوش مصنوعی مسئول کمک می کند. در AWS ما متعهد به ساختن نسل بعدی توسعه دهندگان و دانشمندان داده در هوش مصنوعی با برنامه بورسیه AI و ML هستیم و دانشگاه یادگیری ماشین AWS (MLU). این هفته در re:Invent یک دوره آموزشی عمومی جدید و عمومی در مورد ملاحظات عادلانه و کاهش تعصب در سراسر چرخه عمر ML راه اندازی کردیم. این دوره رایگان که توسط همان دانشمندان داده آمازون که کارکنان AWS را در ML آموزش می دهند، 9 ساعت سخنرانی و تمرینات عملی ارائه می دهد و آسان است شروع کنید

کارت‌های خدمات هوش مصنوعی: یک منبع جدید و یک تعهد مداوم

ما مشتاق هستیم که منبع شفافیت جدیدی را برای مشتریان خود و جامعه وسیع‌تر ارائه دهیم و اطلاعات بیشتری در مورد استفاده‌های مورد نظر، محدودیت‌ها، طراحی و بهینه‌سازی خدمات هوش مصنوعی خود ارائه دهیم، که از رویکرد دقیق خود برای ایجاد خدمات هوش مصنوعی AWS به روشی مسئولانه مطلع است. . امید ما این است که کارت های خدمات هوش مصنوعی به عنوان یک منبع شفافیت مفید و گامی مهم در چشم انداز در حال تحول هوش مصنوعی مسئول عمل کنند. کارت‌های خدمات هوش مصنوعی همچنان به تکامل و گسترش خود ادامه می‌دهند، زیرا ما با مشتریان خود و جامعه گسترده‌تر تعامل می‌کنیم تا بازخورد جمع‌آوری کنیم و به طور مداوم رویکرد خود را تکرار کنیم.

با گروه کارشناسان مسئول هوش مصنوعی ما تماس بگیرید برای شروع مکالمه

---

درباره نویسندگان

واسی فیلومین در حال حاضر معاون رئیس‌جمهور در تیم هوش مصنوعی AWS برای خدمات در حوزه‌های فن‌آوری زبان و گفتار مانند آمازون لکس، آمازون پولی، ترجمه آمازون، آمازون ترنسکریپ/تران‌نویس پزشکی، آمازون درک، آمازون کندرا، آمازون کد Whisperer، آمازون مونیترون، آمازون است. مراقب تجهیزات و لنز تماسی/شناسه صوتی برای آمازون کانکت و همچنین آزمایشگاه راه حل های یادگیری ماشین و هوش مصنوعی مسئول باشید.

پیتر هالینان ابتکارات را در علم و عمل هوش مصنوعی مسئول در AWS AI، در کنار تیمی از کارشناسان مسئول هوش مصنوعی رهبری می کند. او تخصص عمیقی در هوش مصنوعی (دکتری، هاروارد) و کارآفرینی (Blindsight، فروخته شده به آمازون) دارد. فعالیت های داوطلبانه او شامل خدمت به عنوان استاد مشاور در دانشکده پزشکی دانشگاه استنفورد و رئیس اتاق بازرگانی آمریکا در ماداگاسکار بوده است. در صورت امکان، او با فرزندانش در کوهستان می رود: اسکی، کوهنوردی، پیاده روی و رفتینگ.