Bemutatkozik az AWS AI Service Cards: Új erőforrás az átláthatóság növelésére és a felelős AI előmozdítására

A mesterséges intelligencia (AI) és a gépi tanulás (ML) a legátalakítóbb technológiák egyike, amelyekkel generációnk során találkozni fogunk – az üzleti és társadalmi problémák kezelésére, az ügyfelek élményének javítására és az innováció ösztönzésére. A mesterséges intelligencia széleskörű elterjedésével és egyre növekvő méretével együtt jár az a felismerés, hogy mindannyiunknak felelősségteljesen kell építeni. Az AWS-nél úgy gondoljuk, hogy a felelős AI számos alapvető dimenziót ölel fel, többek között:

• Méltányosság és elfogultság– Hogyan hat egy rendszer a felhasználók különböző alpopulációira (pl. nem, etnikai hovatartozás szerint)
• Magyarázatosság– Mechanizmusok egy MI-rendszer kimeneteinek megértéséhez és értékeléséhez
• Adatvédelem és biztonság– Az adatok lopás és leleplezés ellen védettek
• robusztusság– Mechanizmusok, amelyek biztosítják az AI-rendszer megbízható működését
• kormányzási – A felelős mesterséges intelligencia gyakorlatok meghatározására, megvalósítására és érvényesítésére szolgáló folyamatok egy szervezeten belül
• Átláthatóság– Információ közlése egy mesterséges intelligencia rendszerről, hogy az érdekelt felek tájékozottan dönthessenek a rendszer használatáról

Az AI és az ML felelősségteljes fejlesztése iránti elkötelezettségünk szerves része annak, ahogyan szolgáltatásainkat építjük, ügyfeleinkkel kapcsolatba lépünk, és hogyan ösztönözzük az innovációt. Elkötelezettek vagyunk aziránt is, hogy eszközöket és erőforrásokat biztosítsunk ügyfeleinknek az AI/ML felelősségteljes fejlesztéséhez és használatához, a teljes körűen felügyelt fejlesztői környezet lehetővé tételétől az ML-készítők számára az AI-szolgáltatások általános üzleti felhasználási esetekbe való beágyazásának segítéséig.

Nagyobb átláthatóság biztosítása az ügyfelek számára

Ügyfeleink szeretnék tudni, hogy az általuk használt technológiát felelősségteljes módon fejlesztették ki. Erőforrásokat és útmutatást szeretnének a technológia felelősségteljes megvalósításához saját szervezetükben. És ami a legfontosabb: biztosítani akarják, hogy az általuk kifejlesztett technológia mindenki javára szolgáljon, különösen a végfelhasználóik számára. Az AWS-nél szeretnénk segíteni nekik, hogy életre keltsék ezt a jövőképet.

Az ügyfelek által kért átláthatóság biztosítása érdekében izgatottan várjuk a bevezetést AWS AI szervizkártyák, egy új erőforrás, amely segít az ügyfeleknek jobban megérteni AWS AI szolgáltatásainkat. Az AI-szolgáltatási kártyák a felelős mesterségesintelligencia-dokumentáció egy formája, amely az ügyfelek számára egyetlen helyen nyújt információt a tervezett felhasználási esetekről és korlátozásokról, a felelős AI-tervezési döntésekről, valamint a mesterségesintelligencia-szolgáltatásaink telepítésének és teljesítményoptimalizálásának bevált gyakorlatairól. Ezek egy átfogó fejlesztési folyamat részét képezik, amelynek célja, hogy szolgáltatásainkat felelősségteljes módon építsük fel, figyelembe véve a méltányosságot és az elfogultságot, a magyarázhatóságot, a robusztusságot, az irányítást, az átláthatóságot, az adatvédelmet és a biztonságot. Az AWS re:Invent 2022 rendezvényen elérhetővé tesszük az első három mesterségesintelligencia-szolgáltatási kártyát: Amazon Rekognition – Arcfelismerés, Amazon Textract – AnalyzeIDés Amazon Transcribe – Batch (angol-USA).

Az AI szolgáltatási kártyák összetevői

Minden mesterséges intelligencia szolgáltatási kártya négy részből áll, amelyek lefedik:

• Alapvető fogalmak, amelyek segítenek az ügyfeleknek jobban megérteni a szolgáltatást vagy a szolgáltatás jellemzőit
• Rendeltetésszerű felhasználási esetek és korlátozások
• Felelős mesterséges intelligencia tervezési szempontok
• Útmutató a telepítéshez és a teljesítmény optimalizálásához

Az AI szolgáltatási kártyák tartalma az ügyfelek, technológusok, kutatók és más érdekelt felek széles közönségét szólítja meg, akik igyekeznek jobban megérteni az AI-szolgáltatás felelős tervezésének és használatának kulcsfontosságú szempontjait.

Ügyfeleink az AI-t egyre változatosabb alkalmazásokban használják. Az a rendeltetésszerű felhasználási esetek és korlátozások szakaszt információkat nyújt egy szolgáltatás általános felhasználásáról, és segít az ügyfeleknek felmérni, hogy egy szolgáltatás megfelelő-e az alkalmazásukhoz. Például az Amazon Transcribe – Batch (angol-USA) kártyán leírjuk az amerikai angol nyelven beszélt általános célú szókincs hangfájlból történő átírásának szolgáltatáshasználati esetét. Ha egy vállalat olyan megoldást szeretne, amely automatikusan átír egy tartományspecifikus eseményt, például egy nemzetközi idegtudományi konferenciát, akkor egyéni szókincseket és nyelvi modelleket adhat hozzá a tudományos szókincshez, hogy növelje az átírás pontosságát.

A tervezési rész Minden egyes mesterségesintelligencia-szolgáltatási kártyán elmagyarázzuk a kulcsfontosságú felelős AI-tervezési szempontokat olyan fontos területeken, mint például a tesztvezérelt módszertanunk, a méltányosság és az elfogultság, a magyarázhatóság és a teljesítményelvárások. Példateljesítmény-eredményeket biztosítunk egy kiértékelési adatkészleten, amely egy általános használati esetet reprezentál. Ez a példa azonban csak egy kiindulópont, mivel arra biztatjuk az ügyfeleket, hogy teszteljék saját adatkészleteiket, hogy jobban megértsék, hogyan teljesít a szolgáltatás saját tartalmukon és használati eseteiken annak érdekében, hogy a legjobb élményt nyújtsák végfelhasználóik számára. És ez nem egyszeri értékelés. A felelősségteljes építkezés érdekében iteratív megközelítést javasolunk, amelyben az ügyfelek rendszeresen tesztelik és értékelik alkalmazásaikat a pontosság vagy az esetleges torzítás szempontjából.

A bevált gyakorlatok a telepítéshez és a teljesítmény optimalizálásához, olyan kulcsfontosságú eszközöket fektetünk le, amelyeket az ügyfeleknek figyelembe kell venniük, hogy optimalizálják alkalmazásaik teljesítményét a valós telepítéshez. Fontos elmagyarázni, hogyan optimalizálhatják az ügyfelek egy olyan mesterséges intelligencia-rendszer teljesítményét, amely az általános alkalmazásuk vagy munkafolyamatuk összetevőjeként működik, hogy a lehető legnagyobb előnyt élvezhessék. Például az Amazon Rekognition Face Matching Card-ban, amely az arcfelismerési képességek személyazonosság-ellenőrző alkalmazásokhoz való hozzáadását takarja, megosztjuk azokat a lépéseket, amelyeket az ügyfelek tehetnek a munkafolyamatukba beépített arcegyeztetési előrejelzések minőségének javítása érdekében.

Felelős mesterséges intelligencia erőforrások és képességek biztosítása

Az AWS folyamatos prioritása, hogy ügyfeleink számára biztosítsuk azokat az erőforrásokat és eszközöket, amelyekre szükségük van a felelős mesterséges intelligencia elméletből a gyakorlatba való átalakításához. Az év elején elindítottuk a mi Útmutató a gépi tanulás felelősségteljes használatához amely megfontolásokat és ajánlásokat tartalmaz az ML felelősségteljes használatához az ML életciklusának minden szakaszában. Az AI-szolgáltatási kártyák kiegészítik meglévő fejlesztői útmutatóinkat és blogbejegyzéseinket, amelyek a szolgáltatási funkciók leírását és részletes útmutatást nyújtanak az építőknek a szolgáltatási API-ink használatához. És vele Amazon SageMaker Clarify és a Amazon SageMaker Model Monitor, olyan képességeket kínálunk, amelyek segítik az adatkészletek és modellek torzításainak észlelését, valamint az automatizálás és az emberi felügyelet révén jobban nyomon követik és felülvizsgálják a modell előrejelzéseit.

Ugyanakkor folytatjuk a felelős mesterséges intelligencia előmozdítását más kulcsfontosságú dimenziókban, például az irányításban. A ma re:Inventnél új célirányos eszközöket indítottunk el, amelyek segítségével az ügyfelek javíthatják ML-projektjeik irányítását az Amazon SageMaker Role Manager, az Amazon SageMaker Model Cards és az Amazon SageMaker Model Dashboard segítségével. Tudjon meg többet a AWS News blog és a arról, hogyan segítenek ezek az eszközök az ML irányítási folyamatok egyszerűsítésében.

Az oktatás egy másik kulcsfontosságú erőforrás, amely elősegíti a felelős mesterséges intelligencia fejlődését. Az AWS-nél elkötelezettek vagyunk a fejlesztők és adattudósok következő generációjának felépítése mellett a mesterséges intelligencia területén az AI és ML Ösztöndíjprogram és AWS Machine Learning University (MLU). Ezen a héten a re:Inventnél elindítottunk egy új, nyilvános MLU-tanfolyamot a méltányossági szempontokról és az elfogultság enyhítéséről az ML életciklusa során. Ezt az ingyenes tanfolyamot ugyanazok az Amazon adattudósai tanítják, akik az AWS alkalmazottait oktatják az ML-re. Ez az ingyenes tanfolyam 9 órányi előadást és gyakorlati gyakorlatokat tartalmaz, és könnyen fogj neki.

AI szolgáltatási kártyák: Új erőforrás – és folyamatos elkötelezettség

Izgatottan várjuk, hogy egy új átláthatósági forrást nyújthassunk ügyfeleinknek és a szélesebb közösségnek, és további információkkal szolgálhassunk mesterségesintelligencia-szolgáltatásaink tervezett felhasználásáról, korlátairól, tervezéséről és optimalizálásáról, az AWS AI-szolgáltatások felelősségteljes kiépítésének szigorú megközelítése alapján. . Reméljük, hogy az AI-szolgáltatási kártyák hasznos átláthatósági forrásként és fontos lépésként szolgálnak majd a felelős mesterséges intelligencia fejlődő világában. Az AI szolgáltatási kártyák folyamatosan fejlődnek és bővülnek, ahogy ügyfeleinkkel és a szélesebb közösséggel kapcsolatba lépünk, hogy visszajelzéseket gyűjtsünk, és folyamatosan megismételjük megközelítésünket.

Lépjen kapcsolatba felelős AI-szakértőinkből álló csoportunkkal beszélgetést indítani.

---

A szerzőkről

Vasi Philomin jelenleg az AWS AI csapatának alelnöke a nyelvi és beszédtechnológiai szolgáltatásokért, mint például az Amazon Lex, Amazon Polly, Amazon Translate, Amazon Transcribe/Transcribe Medical, Amazon Comprehend, Amazon Kendra, Amazon Code Whisperer, Amazon Monitron, Amazon Keressen berendezéseket és kontaktlencsét/hangazonosítót az Amazon Connect, valamint a Machine Learning Solutions Lab és a Responsible AI számára.

Peter Hallinan felelős AI-szakértőkből álló csapat mellett vezeti a kezdeményezéseket a Responsible AI tudományában és gyakorlatában az AWS AI-nál. Mély szakértelemmel rendelkezik a mesterséges intelligencia (PhD, Harvard) és a vállalkozói szellem (Blindsight, Amazonnak eladva) területén. Önkéntes tevékenységei között szerepelt tanácsadó professzorként a Stanford Egyetem Orvostudományi Karán, valamint a Madagaszkári Amerikai Kereskedelmi Kamara elnökeként. Lehetőség szerint a hegyekben jár a gyerekeivel: síel, mászik, túrázik és raftingol