Presentazione di AWS AI Service Cards: una nuova risorsa per migliorare la trasparenza e far progredire l'IA responsabile

L'intelligenza artificiale (AI) e l'apprendimento automatico (ML) sono alcune delle tecnologie più trasformative che incontreremo nella nostra generazione, per affrontare i problemi aziendali e sociali, migliorare le esperienze dei clienti e stimolare l'innovazione. Insieme all'uso diffuso e alla scala crescente dell'intelligenza artificiale, arriva il riconoscimento che tutti dobbiamo costruire in modo responsabile. In AWS, pensiamo che l'IA responsabile comprenda una serie di dimensioni fondamentali, tra cui:

• Correttezza e parzialità– In che modo un sistema influisce su diverse sottopopolazioni di utenti (ad esempio, per genere, etnia)
• Spiegabilità– Meccanismi per comprendere e valutare i risultati di un sistema di IA
• Privacy e sicurezza– Dati protetti da furto ed esposizione
• Robustezza– Meccanismi per garantire che un sistema di IA funzioni in modo affidabile
• Governance LPI– Processi per definire, implementare e applicare pratiche di IA responsabili all'interno di un'organizzazione
• Trasparenza– Comunicare informazioni su un sistema di IA in modo che le parti interessate possano fare scelte informate sul loro utilizzo del sistema

Il nostro impegno a sviluppare AI e ML in modo responsabile è parte integrante del modo in cui costruiamo i nostri servizi, interagiamo con i clienti e promuoviamo l'innovazione. Ci impegniamo inoltre a fornire ai clienti strumenti e risorse per sviluppare e utilizzare AI/ML in modo responsabile, dall'abilitare i costruttori di ML con un ambiente di sviluppo completamente gestito all'aiutare i clienti a integrare i servizi AI in casi d'uso aziendali comuni.

Fornire ai clienti maggiore trasparenza

I nostri clienti vogliono sapere che la tecnologia che stanno utilizzando è stata sviluppata in modo responsabile. Vogliono risorse e guida per implementare quella tecnologia in modo responsabile nella propria organizzazione. E, soprattutto, vogliono garantire che la tecnologia che implementano sia a vantaggio di tutti, in particolare degli utenti finali. In AWS, vogliamo aiutarli a dare vita a questa visione.

Per offrire la trasparenza richiesta dai clienti, siamo entusiasti di lanciare Schede di servizio AWS AI, una nuova risorsa per aiutare i clienti a comprendere meglio i nostri servizi AWS AI. Le schede di servizio AI sono una forma di documentazione IA responsabile che fornisce ai clienti un unico luogo in cui trovare informazioni sui casi d'uso previsti e sui limiti, sulle scelte di progettazione IA responsabile e sulle migliori pratiche di ottimizzazione delle prestazioni e dell'implementazione per i nostri servizi IA. Fanno parte di un processo di sviluppo completo che ci impegniamo a costruire i nostri servizi in modo responsabile che affronti l'equità e il pregiudizio, la spiegabilità, la solidità, la governance, la trasparenza, la privacy e la sicurezza. Ad AWS re:Invent 2022 renderemo disponibili le prime tre AI Service Card: Amazon Rekognition – Corrispondenza del volto, Amazon Textract – AnalyseIDe Amazon Transcribe – Batch (inglese-USA).

Componenti delle Carte dei Servizi AI

Ogni Carta dei Servizi AI contiene quattro sezioni che riguardano:

• Concetti di base per aiutare i clienti a comprendere meglio il servizio o le caratteristiche del servizio
• Casi d'uso previsti e limitazioni
• Considerazioni sulla progettazione responsabile dell'IA
• Linee guida per l'implementazione e l'ottimizzazione delle prestazioni

Il contenuto delle AI Service Card si rivolge a un vasto pubblico di clienti, tecnologi, ricercatori e altre parti interessate che cercano di comprendere meglio le considerazioni chiave nella progettazione e nell'uso responsabile di un servizio AI.

I nostri clienti utilizzano l'intelligenza artificiale in un insieme sempre più diversificato di applicazioni. Il casi d'uso previsti e sezione limitazioni fornisce informazioni sugli usi comuni di un servizio e aiuta i clienti a valutare se un servizio è adatto alla loro applicazione. Ad esempio, nella Amazon Transcribe – Batch (English-US) Card descriviamo il caso d'uso del servizio di trascrizione di vocabolario generico parlato in inglese americano da un file audio. Se un'azienda desidera una soluzione che trascriva automaticamente un evento specifico di un dominio, come una conferenza internazionale di neuroscienze, può aggiungere vocabolari e modelli linguistici personalizzati per includere il vocabolario scientifico al fine di aumentare l'accuratezza della trascrizione.

Nel sezione disegno di ogni carta dei servizi AI, spieghiamo le principali considerazioni sulla progettazione responsabile dell'IA in aree importanti, come la nostra metodologia basata sui test, l'equità e il pregiudizio, la spiegabilità e le aspettative sulle prestazioni. Forniamo risultati di prestazioni di esempio su un set di dati di valutazione rappresentativo di un caso d'uso comune. Questo esempio è solo un punto di partenza, poiché incoraggiamo i clienti a testare i propri set di dati per comprendere meglio come si comporterà il servizio sui propri contenuti e casi d'uso al fine di offrire la migliore esperienza ai propri clienti finali. E questa non è una valutazione una tantum. Per creare in modo responsabile, consigliamo un approccio iterativo in cui i clienti testano e valutano periodicamente le loro applicazioni per verificarne l'accuratezza o potenziali distorsioni.

Nel best practice per la distribuzione e l'ottimizzazione delle prestazioni, esponiamo le leve chiave che i clienti dovrebbero prendere in considerazione per ottimizzare le prestazioni della loro applicazione per l'implementazione nel mondo reale. È importante spiegare in che modo i clienti possono ottimizzare le prestazioni di un sistema di intelligenza artificiale che funge da componente della loro applicazione o flusso di lavoro complessivo per ottenere il massimo vantaggio. Ad esempio, nella Amazon Rekognition Face Matching Card che copre l'aggiunta di funzionalità di riconoscimento facciale alle applicazioni di verifica dell'identità, condividiamo i passaggi che i clienti possono intraprendere per aumentare la qualità delle previsioni di corrispondenza facciale incorporate nel loro flusso di lavoro.

Fornire risorse e capacità di IA responsabile

Offrire ai nostri clienti le risorse e gli strumenti di cui hanno bisogno per trasformare l'IA responsabile dalla teoria alla pratica è una priorità costante per AWS. All'inizio di quest'anno abbiamo lanciato il nostro Guida sull'uso responsabile dell'apprendimento automatico che fornisce considerazioni e raccomandazioni per l'utilizzo responsabile del machine learning in tutte le fasi del ciclo di vita del machine learning. Le schede di servizio AI completano le nostre guide per sviluppatori e post di blog esistenti, che forniscono ai costruttori descrizioni delle funzionalità del servizio e istruzioni dettagliate per l'utilizzo delle nostre API di servizio. E con Amazon SageMaker Chiarire ed Monitor modello Amazon SageMaker, offriamo funzionalità per aiutare a rilevare i bias nei set di dati e nei modelli e monitorare e rivedere meglio le previsioni del modello attraverso l'automazione e la supervisione umana.

Allo stesso tempo, continuiamo a promuovere l'IA responsabile in altre dimensioni chiave, come la governance. In re:Invent oggi abbiamo lanciato un nuovo set di strumenti appositamente creati per aiutare i clienti a migliorare la governance dei loro progetti ML con Amazon SageMaker Role Manager, Amazon SageMaker Model Cards e Amazon SageMaker Model Dashboard. Scopri di più su Blog di notizie AWS ed sito web su come questi strumenti aiutano a semplificare i processi di governance ML.

L'istruzione è un'altra risorsa chiave che aiuta a far progredire l'IA responsabile. In AWS ci impegniamo a costruire la prossima generazione di sviluppatori e data scientist nell'IA con il programma di borse di studio AI e ML e Università di apprendimento automatico AWS (MLU). Questa settimana in re:Invent abbiamo lanciato un nuovo corso MLU pubblico sulle considerazioni sull'equità e la mitigazione dei bias durante il ciclo di vita del machine learning. Insegnato dagli stessi data scientist di Amazon che formano i dipendenti AWS sul machine learning, questo corso gratuito comprende 9 ore di lezioni ed esercitazioni pratiche ed è facile da iniziare.

Carte di servizio AI: una nuova risorsa e un impegno continuo

Siamo entusiasti di offrire una nuova risorsa per la trasparenza ai nostri clienti e alla comunità più ampia e di fornire ulteriori informazioni sugli usi previsti, i limiti, la progettazione e l'ottimizzazione dei nostri servizi di intelligenza artificiale, sulla base del nostro approccio rigoroso alla creazione di servizi di intelligenza artificiale di AWS in modo responsabile . La nostra speranza è che le AI Service Card fungano da utile risorsa per la trasparenza e un passo importante nel panorama in evoluzione dell'IA responsabile. Le carte di servizio AI continueranno ad evolversi ed espandersi man mano che ci impegniamo con i nostri clienti e la comunità più ampia per raccogliere feedback e ripetere continuamente il nostro approccio.

Contatta il nostro gruppo di esperti di IA responsabili per avviare una conversazione.

---

Circa gli autori

Vasi Filomin è attualmente vicepresidente nel team AWS AI per i servizi nelle aree delle tecnologie linguistiche e vocali come Amazon Lex, Amazon Polly, Amazon Translate, Amazon Transcribe/Transcribe Medical, Amazon Comprehend, Amazon Kendra, Amazon Code Whisperer, Amazon Monitron, Amazon Ricerca di apparecchiature e lenti a contatto/ID vocale per Amazon Connect, oltre a Machine Learning Solutions Lab e Responsible AI.

Pietro Hallinan guida iniziative nella scienza e nella pratica dell'IA responsabile presso AWS AI, insieme a un team di esperti di intelligenza artificiale responsabile. Ha una profonda esperienza in AI (PhD, Harvard) e imprenditorialità (Blindsight, venduto ad Amazon). Le sue attività di volontariato hanno incluso il servizio come professore consulente presso la Stanford University School of Medicine e come presidente della Camera di commercio americana in Madagascar. Quando può, va in montagna con i figli: sci, arrampicata, trekking e rafting