एडब्ल्यूएस एआई सेवा कार्ड पेश करना: पारदर्शिता बढ़ाने और जिम्मेदार एआई को आगे बढ़ाने के लिए एक नया संसाधन

आर्टिफिशियल इंटेलिजेंस (एआई) और मशीन लर्निंग (एमएल) कुछ सबसे परिवर्तनकारी प्रौद्योगिकियां हैं जिनका हम अपनी पीढ़ी में सामना करेंगे - व्यापार और सामाजिक समस्याओं से निपटने, ग्राहकों के अनुभव में सुधार करने और नवाचार को बढ़ावा देने के लिए। एआई के व्यापक उपयोग और बढ़ते पैमाने के साथ मान्यता प्राप्त होती है कि हम सभी को जिम्मेदारी से निर्माण करना चाहिए। एडब्ल्यूएस में, हमें लगता है कि जिम्मेदार एआई में कई मुख्य आयाम शामिल हैं जिनमें शामिल हैं:

• निष्पक्षता और पक्षपात- कैसे एक प्रणाली उपयोगकर्ताओं के विभिन्न उप-जनसंख्या को प्रभावित करती है (उदाहरण के लिए, लिंग, जातीयता द्वारा)
• व्याख्या करने योग्य- एआई प्रणाली के आउटपुट को समझने और मूल्यांकन करने के लिए तंत्र
• गोपनीयता और सुरक्षा- डेटा चोरी और जोखिम से सुरक्षित है
• मजबूती- एआई प्रणाली को मज़बूती से संचालित करने के लिए तंत्र सुनिश्चित करना
• शासन- एक संगठन के भीतर जिम्मेदार एआई प्रथाओं को परिभाषित करने, लागू करने और लागू करने की प्रक्रियाएं
• ट्रांसपेरेंसी- एआई प्रणाली के बारे में जानकारी का संचार करना ताकि हितधारक सिस्टम के उपयोग के बारे में सूचित विकल्प बना सकें

एआई और एमएल को एक जिम्मेदार तरीके से विकसित करने की हमारी प्रतिबद्धता इस बात का अभिन्न अंग है कि हम अपनी सेवाओं का निर्माण कैसे करते हैं, ग्राहकों के साथ जुड़ते हैं और नवाचार करते हैं। हम एआई/एमएल को जिम्मेदारी से विकसित करने और उपयोग करने के लिए ग्राहकों को उपकरण और संसाधन प्रदान करने के लिए भी प्रतिबद्ध हैं, एमएल बिल्डरों को पूरी तरह से प्रबंधित विकास वातावरण के साथ सक्षम करने से लेकर ग्राहकों को एआई सेवाओं को आम व्यावसायिक उपयोग के मामलों में एम्बेड करने में मदद करने के लिए।

ग्राहकों को अधिक पारदर्शिता प्रदान करना

हमारे ग्राहक जानना चाहते हैं कि वे जिस तकनीक का उपयोग कर रहे हैं, उसे एक जिम्मेदार तरीके से विकसित किया गया है। वे उस तकनीक को अपने संगठन में जिम्मेदारी से लागू करने के लिए संसाधन और मार्गदर्शन चाहते हैं। और सबसे महत्वपूर्ण बात यह है कि वे यह सुनिश्चित करना चाहते हैं कि उनके द्वारा शुरू की गई तकनीक सभी के लाभ के लिए हो, विशेष रूप से उनके अंतिम उपयोगकर्ताओं के लिए। AWS में, हम इस विजन को साकार करने में उनकी मदद करना चाहते हैं।

ग्राहक जिस पारदर्शिता की मांग कर रहे हैं, उसे पूरा करने के लिए हम इसे लॉन्च करने को लेकर उत्साहित हैं एडब्ल्यूएस एआई सेवा कार्ड, ग्राहकों को हमारी AWS AI सेवाओं को बेहतर ढंग से समझने में मदद करने के लिए एक नया संसाधन। एआई सेवा कार्ड जिम्मेदार एआई दस्तावेज का एक रूप है जो ग्राहकों को हमारी एआई सेवाओं के लिए इच्छित उपयोग के मामलों और सीमाओं, जिम्मेदार एआई डिजाइन विकल्पों और तैनाती और प्रदर्शन अनुकूलन सर्वोत्तम प्रथाओं के बारे में जानकारी खोजने के लिए एक ही स्थान प्रदान करता है। वे एक व्यापक विकास प्रक्रिया का हिस्सा हैं जो हम अपनी सेवाओं को एक जिम्मेदार तरीके से बनाने के लिए करते हैं जो निष्पक्षता और पूर्वाग्रह, व्याख्यात्मकता, मजबूती, शासन, पारदर्शिता, गोपनीयता और सुरक्षा को संबोधित करती है। AWS re:Invent 2022 में हम पहले तीन AI सर्विस कार्ड उपलब्ध करा रहे हैं: अमेज़न रिकॉग्निशन - फेस मैचिंग, अमेज़ॅन टेक्सट्रैक्ट - एनालिसिसआईडी, तथा Amazon Transcribe - बैच (अंग्रेजी-यूएस)।

एआई सेवा कार्ड के घटक

प्रत्येक एआई सेवा कार्ड में चार खंड शामिल हैं:

• ग्राहकों को सेवा या सेवा सुविधाओं को बेहतर ढंग से समझने में मदद करने के लिए बुनियादी अवधारणाएँ
• इरादा उपयोग मामलों और सीमाओं
• जिम्मेदार एआई डिजाइन विचार
• परिनियोजन और प्रदर्शन अनुकूलन पर मार्गदर्शन

एआई सेवा कार्ड की सामग्री ग्राहकों, प्रौद्योगिकीविदों, शोधकर्ताओं और अन्य हितधारकों के व्यापक दर्शकों को संबोधित करती है जो एआई सेवा के जिम्मेदार डिजाइन और उपयोग में महत्वपूर्ण विचारों को बेहतर ढंग से समझने की कोशिश करते हैं।

हमारे ग्राहक तेजी से विविध अनुप्रयोगों के सेट में एआई का उपयोग करते हैं। इच्छित उपयोग के मामले और सीमाएं अनुभाग सेवा के लिए सामान्य उपयोगों के बारे में जानकारी प्रदान करता है, और ग्राहकों को यह आकलन करने में सहायता करता है कि सेवा उनके आवेदन के लिए उपयुक्त है या नहीं। उदाहरण के लिए, Amazon Transcribe - Batch (English-US) कार्ड में हम एक ऑडियो फ़ाइल से US अंग्रेज़ी में बोली जाने वाली सामान्य-उद्देश्य शब्दावली को ट्रांसक्राइब करने के सेवा उपयोग के मामले का वर्णन करते हैं। यदि कोई कंपनी एक ऐसा समाधान चाहती है जो स्वचालित रूप से एक डोमेन-विशिष्ट घटना का प्रतिलेखन करती है, जैसे कि एक अंतरराष्ट्रीय न्यूरोसाइंस सम्मेलन, तो वे प्रतिलेखन की सटीकता बढ़ाने के लिए वैज्ञानिक शब्दावली को शामिल करने के लिए कस्टम शब्दावली और भाषा मॉडल जोड़ सकते हैं।

में डिजाइन अनुभाग प्रत्येक एआई सेवा कार्ड के लिए, हम महत्वपूर्ण क्षेत्रों में प्रमुख जिम्मेदार एआई डिजाइन विचारों की व्याख्या करते हैं, जैसे कि हमारी परीक्षण-संचालित कार्यप्रणाली, निष्पक्षता और पूर्वाग्रह, व्याख्यात्मकता और प्रदर्शन अपेक्षाएं। हम मूल्यांकन डेटासेट पर उदाहरण प्रदर्शन परिणाम प्रदान करते हैं जो एक सामान्य उपयोग के मामले का प्रतिनिधि है। हालांकि यह उदाहरण केवल एक शुरुआती बिंदु है, क्योंकि हम ग्राहकों को अपने स्वयं के डेटासेट पर परीक्षण करने के लिए प्रोत्साहित करते हैं ताकि यह बेहतर ढंग से समझ सकें कि सेवा उनकी अपनी सामग्री पर कैसा प्रदर्शन करेगी और अपने अंतिम ग्राहकों के लिए सर्वोत्तम अनुभव प्रदान करने के लिए मामलों का उपयोग करेगी। और यह एक बार का मूल्यांकन नहीं है। एक जिम्मेदार तरीके से निर्माण करने के लिए, हम एक पुनरावृत्त दृष्टिकोण की अनुशंसा करते हैं जहां ग्राहक समय-समय पर सटीकता या संभावित पूर्वाग्रह के लिए अपने अनुप्रयोगों का परीक्षण और मूल्यांकन करते हैं।

में परिनियोजन और प्रदर्शन अनुकूलन अनुभाग के लिए सर्वोत्तम अभ्यास, हम प्रमुख उत्तोलक निर्धारित करते हैं जिन पर ग्राहकों को वास्तविक दुनिया में परिनियोजन के लिए अपने एप्लिकेशन के प्रदर्शन को अनुकूलित करने पर विचार करना चाहिए। यह समझाना महत्वपूर्ण है कि ग्राहक अधिकतम लाभ प्राप्त करने के लिए अपने समग्र अनुप्रयोग या वर्कफ़्लो के घटक के रूप में कार्य करने वाले AI सिस्टम के प्रदर्शन को कैसे अनुकूलित कर सकते हैं। उदाहरण के लिए, Amazon रिकॉग्निशन फेस मैचिंग कार्ड में, जो पहचान सत्यापन अनुप्रयोगों में चेहरे की पहचान क्षमताओं को शामिल करता है, हम उन कदमों को साझा करते हैं जो ग्राहक अपने वर्कफ़्लो में शामिल चेहरे के मिलान की भविष्यवाणियों की गुणवत्ता बढ़ाने के लिए उठा सकते हैं।

जिम्मेदार एआई संसाधनों और क्षमताओं को वितरित करना

हमारे ग्राहकों को जिम्मेदार एआई को सिद्धांत से अभ्यास में बदलने के लिए आवश्यक संसाधनों और उपकरणों की पेशकश करना एडब्ल्यूएस के लिए एक सतत प्राथमिकता है। इस साल की शुरुआत में हमने अपना लॉन्च किया मशीन लर्निंग गाइड का ज़िम्मेदारी से इस्तेमाल जो एमएल जीवनचक्र के सभी चरणों में जिम्मेदारी से एमएल का उपयोग करने के लिए विचार और सिफारिशें प्रदान करता है। एआई सेवा कार्ड हमारे मौजूदा डेवलपर गाइड और ब्लॉग पोस्ट के पूरक हैं, जो बिल्डरों को सेवा सुविधाओं के विवरण और हमारी सेवा एपीआई का उपयोग करने के लिए विस्तृत निर्देश प्रदान करते हैं। और साथ अमेज़न SageMaker स्पष्ट करें और अमेज़ॅन सैजमेकर मॉडल मॉनिटर, हम डेटासेट और मॉडल में पक्षपात का पता लगाने में मदद करने की क्षमता प्रदान करते हैं और ऑटोमेशन और मानव निरीक्षण के माध्यम से बेहतर निगरानी और समीक्षा मॉडल की भविष्यवाणी करते हैं।

साथ ही, हम शासन जैसे अन्य प्रमुख आयामों में जिम्मेदार एआई को आगे बढ़ाना जारी रखते हैं। Re:Invent आज हमने Amazon SageMaker Role Manager, Amazon SageMaker Model Cards, और Amazon SageMaker Model Dashboard के साथ अपने ML प्रोजेक्ट्स के गवर्नेंस को बेहतर बनाने में ग्राहकों की मदद करने के लिए उद्देश्य-निर्मित टूल का एक नया सेट लॉन्च किया। पर और जानें एडब्ल्यूएस न्यूज ब्लॉग और वेबसाइट कैसे ये उपकरण एमएल शासन प्रक्रियाओं को कारगर बनाने में मदद करते हैं।

शिक्षा एक अन्य महत्वपूर्ण संसाधन है जो जिम्मेदार एआई को आगे बढ़ाने में मदद करता है। AWS में हम AI और ML छात्रवृत्ति कार्यक्रम के साथ AI में डेवलपर्स और डेटा वैज्ञानिकों की अगली पीढ़ी के निर्माण के लिए प्रतिबद्ध हैं AWS मशीन लर्निंग यूनिवर्सिटी (एमएलयू)। इस सप्ताह पुन: आविष्कार पर हमने एमएल जीवनचक्र में निष्पक्षता के विचारों और पूर्वाग्रह शमन पर एक नया, सार्वजनिक एमएलयू पाठ्यक्रम शुरू किया। अमेज़ॅन डेटा वैज्ञानिकों द्वारा सिखाया गया है जो एमएल पर एडब्ल्यूएस कर्मचारियों को प्रशिक्षित करते हैं, इस मुफ्त पाठ्यक्रम में 9 घंटे के व्याख्यान और व्यावहारिक अभ्यास शामिल हैं और यह आसान है शुरू हो जाओ।

एआई सेवा कार्ड: एक नया संसाधन—और एक सतत प्रतिबद्धता

हम अपने ग्राहकों और व्यापक समुदाय के लिए एक नया पारदर्शिता संसाधन लाने के लिए उत्साहित हैं और एडब्ल्यूएस एआई सेवाओं को एक जिम्मेदार तरीके से बनाने के हमारे कठोर दृष्टिकोण से सूचित हमारी एआई सेवाओं के इच्छित उपयोगों, सीमाओं, डिजाइन और अनुकूलन पर अतिरिक्त जानकारी प्रदान करते हैं। . हमारी आशा है कि एआई सर्विस कार्ड एक उपयोगी पारदर्शिता संसाधन के रूप में कार्य करेगा और जिम्मेदार एआई के विकसित परिदृश्य में एक महत्वपूर्ण कदम होगा। एआई सेवा कार्ड विकसित और विस्तारित होते रहेंगे क्योंकि हम अपने ग्राहकों और व्यापक समुदाय के साथ प्रतिक्रिया एकत्र करने और अपने दृष्टिकोण पर लगातार पुनरावृति करने के लिए संलग्न हैं।

जिम्मेदार एआई विशेषज्ञों के हमारे समूह से संपर्क करें बातचीत शुरू करने के लिए।

---

लेखक के बारे में

वासी फिलोमिन वर्तमान में AWS AI टीम में Amazon Lex, Amazon Poly, Amazon Translate, Amazon Transcribe/Transcribe Medical, Amazon Comprehend, Amazon Kendra, Amazon Code Whisperer, Amazon Monitron, Amazon जैसे भाषा और भाषण प्रौद्योगिकी क्षेत्रों में सेवाओं के लिए उपाध्यक्ष हैं। अमेज़ॅन कनेक्ट के साथ-साथ मशीन लर्निंग सॉल्यूशंस लैब और रिस्पॉन्सिबल एआई के लिए उपकरण और कॉन्टैक्ट लेंस/वॉयस आईडी की तलाश करें।

पीटर हॉलिनन जिम्मेदार एआई विशेषज्ञों की एक टीम के साथ एडब्ल्यूएस एआई में रिस्पॉन्सिबल एआई के विज्ञान और अभ्यास में पहल का नेतृत्व करता है। उन्हें एआई (पीएचडी, हार्वर्ड) और उद्यमिता (ब्लाइंडसाइट, अमेज़ॅन को बेचा गया) में गहरी विशेषज्ञता हासिल है। उनकी स्वयंसेवी गतिविधियों में स्टैनफोर्ड यूनिवर्सिटी स्कूल ऑफ मेडिसिन में एक परामर्शदाता प्रोफेसर के रूप में और मेडागास्कर में अमेरिकन चैंबर ऑफ कॉमर्स के अध्यक्ष के रूप में कार्य करना शामिल है। जब संभव हो, वह अपने बच्चों के साथ पहाड़ों में है: स्कीइंग, चढ़ाई, लंबी पैदल यात्रा और राफ्टिंग