Przedstawiamy karty usług AWS AI: nowy zasób zwiększający przejrzystość i rozwijający odpowiedzialną sztuczną inteligencję

Sztuczna inteligencja (AI) i uczenie maszynowe (ML) to jedne z najbardziej przełomowych technologii, jakie napotkamy w naszym pokoleniu — aby rozwiązywać problemy biznesowe i społeczne, poprawiać doświadczenia klientów i pobudzać innowacje. Wraz z powszechnym stosowaniem i rosnącą skalą sztucznej inteligencji pojawia się uznanie, że wszyscy musimy budować odpowiedzialnie. W AWS uważamy, że odpowiedzialna sztuczna inteligencja obejmuje szereg podstawowych wymiarów, w tym:

• Uczciwość i stronniczość– Jak system wpływa na różne subpopulacje użytkowników (np. według płci, pochodzenia etnicznego)
• Wyjaśnialność– Mechanizmy umożliwiające zrozumienie i ocenę wyników systemu sztucznej inteligencji
• Prywatność i bezpieczeństwo– Dane chronione przed kradzieżą i ujawnieniem
• Krzepkość– Mechanizmy zapewniające niezawodne działanie systemu AI
• Zarządzanie– Procesy definiowania, wdrażania i egzekwowania odpowiedzialnych praktyk AI w organizacji
• Przezroczystość– Przekazywanie informacji o systemie sztucznej inteligencji, aby interesariusze mogli dokonywać świadomych wyborów dotyczących korzystania z systemu

Nasze zaangażowanie w rozwój sztucznej inteligencji i uczenia maszynowego w odpowiedzialny sposób jest integralną częścią tego, jak tworzymy nasze usługi, angażujemy klientów i napędzamy innowacje. Jesteśmy również zaangażowani w dostarczanie klientom narzędzi i zasobów do odpowiedzialnego opracowywania i używania sztucznej inteligencji/uczenia maszynowego, od udostępniania konstruktorom ML w pełni zarządzanego środowiska programistycznego po pomaganie klientom we włączaniu usług sztucznej inteligencji do typowych przypadków użycia biznesowego.

Zapewnienie klientom większej przejrzystości

Nasi klienci chcą wiedzieć, że technologia, z której korzystają, została opracowana w odpowiedzialny sposób. Chcą zasobów i wskazówek, aby odpowiedzialnie wdrożyć tę technologię we własnej organizacji. A co najważniejsze, chcą mieć pewność, że wdrażana przez nich technologia będzie korzystna dla wszystkich, a zwłaszcza dla ich użytkowników końcowych. W AWS chcemy pomóc im urzeczywistnić tę wizję.

Aby zapewnić przejrzystość, o którą proszą klienci, z radością wprowadzamy na rynek Karty usług AWS AI, nowy zasób, który pomoże klientom lepiej zrozumieć nasze usługi AWS AI. Karty usług sztucznej inteligencji to forma odpowiedzialnej dokumentacji sztucznej inteligencji, która zapewnia klientom jedno miejsce, w którym można znaleźć informacje na temat zamierzonych przypadków użycia i ograniczeń, odpowiedzialnych wyborów projektowych sztucznej inteligencji oraz najlepszych praktyk wdrażania i optymalizacji wydajności naszych usług sztucznej inteligencji. Są częścią kompleksowego procesu rozwoju, który podejmujemy, aby budować nasze usługi w odpowiedzialny sposób, uwzględniający uczciwość i stronniczość, wyjaśnialność, solidność, zarządzanie, przejrzystość, prywatność i bezpieczeństwo. Na AWS re:Invent 2022 udostępniamy pierwsze trzy karty AI Service Card: Amazon Rekognition – Dopasowywanie twarzy, Amazon Text – AnalyzeID, Transkrypcja Amazon – Partia (angielski-USA).

Elementy kart usług AI

Każda karta usługi AI zawiera cztery sekcje obejmujące:

• Podstawowe pojęcia pomagające klientom lepiej zrozumieć usługę lub funkcje usługi
• Zamierzone przypadki użycia i ograniczenia
• Odpowiedzialne kwestie związane z projektowaniem sztucznej inteligencji
• Wskazówki dotyczące wdrażania i optymalizacji wydajności

Treść kart usług AI jest skierowana do szerokiego grona klientów, technologów, badaczy i innych interesariuszy, którzy chcą lepiej zrozumieć kluczowe kwestie związane z odpowiedzialnym projektowaniem i użytkowaniem usługi AI.

Nasi klienci wykorzystują sztuczną inteligencję w coraz bardziej zróżnicowanym zestawie aplikacji. The zamierzone przypadki użycia i ograniczenia dostarcza informacji o typowych zastosowaniach usługi i pomaga klientom ocenić, czy usługa dobrze pasuje do ich zastosowania. Na przykład w karcie Amazon Transcribe – Batch (angielski-amerykański) opisujemy przypadek użycia usługi polegającej na transkrypcji słownictwa ogólnego przeznaczenia używanego w języku angielskim (USA) z pliku audio. Jeśli firma potrzebuje rozwiązania, które automatycznie dokonuje transkrypcji wydarzenia w określonej dziedzinie, takiego jak międzynarodowa konferencja neuronaukowa, może dodać niestandardowe słowniki i modele językowe, aby uwzględnić słownictwo naukowe w celu zwiększenia dokładności transkrypcji.

W sekcja projektowa każdej karty usługi AI wyjaśniamy kluczowe kwestie związane z odpowiedzialnym projektowaniem sztucznej inteligencji w ważnych obszarach, takich jak nasza metodologia oparta na testach, uczciwość i stronniczość, możliwość wyjaśnienia i oczekiwania dotyczące wydajności. Dostarczamy przykładowe wyniki wydajności na zbiorze danych oceny, który jest reprezentatywny dla typowego przypadku użycia. Ten przykład to jednak tylko punkt wyjścia, ponieważ zachęcamy klientów do testowania na własnych zestawach danych, aby lepiej zrozumieć, jak usługa będzie działać na ich własnych treściach i przypadkach użycia, aby zapewnić najlepsze wrażenia klientom końcowym. I nie jest to ocena jednorazowa. Aby budować w odpowiedzialny sposób, zalecamy podejście iteracyjne, w ramach którego klienci okresowo testują i oceniają swoje aplikacje pod kątem dokładności lub potencjalnej stronniczości.

W najlepsze praktyki dotyczące wdrażania i optymalizacji wydajnościprzedstawiamy kluczowe dźwignie, które klienci powinni wziąć pod uwagę, aby zoptymalizować wydajność swojej aplikacji do rzeczywistego wdrożenia. Ważne jest, aby wyjaśnić, w jaki sposób klienci mogą zoptymalizować wydajność systemu AI, który działa jako składnik ich ogólnej aplikacji lub przepływu pracy, aby uzyskać maksymalne korzyści. Na przykład w karcie Amazon Rekognition Face Matching Card, która obejmuje dodawanie funkcji rozpoznawania twarzy do aplikacji do weryfikacji tożsamości, dzielimy się krokami, które klienci mogą podjąć, aby poprawić jakość przewidywań dopasowania twarzy włączonych do ich przepływu pracy.

Dostarczanie odpowiedzialnych zasobów i możliwości sztucznej inteligencji

Oferowanie naszym klientom zasobów i narzędzi potrzebnych do przekształcenia odpowiedzialnej sztucznej inteligencji z teorii w praktykę jest stałym priorytetem AWS. Na początku tego roku uruchomiliśmy nasz Przewodnik odpowiedzialnego korzystania z uczenia maszynowego zawiera rozważania i zalecenia dotyczące odpowiedzialnego korzystania z uczenia maszynowego na wszystkich etapach cyklu życia uczenia maszynowego. Karty usług AI uzupełniają nasze istniejące przewodniki dla programistów i posty na blogu, które zawierają opisy funkcji usług i szczegółowe instrukcje dotyczące korzystania z naszych interfejsów API usług. I z Amazon SageMaker Wyjaśnij i Monitor modelu Amazon SageMaker, oferujemy funkcje pomagające wykrywać błędy w zestawach danych i modelach oraz lepiej monitorować i przeglądać prognozy modeli poprzez automatyzację i nadzór ludzki.

Jednocześnie nadal rozwijamy odpowiedzialną sztuczną inteligencję w innych kluczowych wymiarach, takich jak zarządzanie. W re:Invent uruchomiliśmy dzisiaj nowy zestaw specjalnie zaprojektowanych narzędzi, które pomagają klientom usprawnić zarządzanie ich projektami ML za pomocą Amazon SageMaker Role Manager, Amazon SageMaker Model Cards i Amazon SageMaker Model Dashboard. Dowiedz się więcej na Blog AWS News i o tym, jak te narzędzia pomagają usprawnić procesy ładu ML.

Edukacja to kolejny kluczowy zasób, który pomaga rozwijać odpowiedzialną sztuczną inteligencję. W AWS jesteśmy zaangażowani w budowanie nowej generacji programistów i analityków danych w AI dzięki programowi stypendialnemu AI i ML oraz Uniwersytet uczenia maszynowego AWS (MLU). W tym tygodniu w re:Invent uruchomiliśmy nowy, publiczny kurs MLU dotyczący kwestii uczciwości i łagodzenia uprzedzeń w całym cyklu życia ML. Prowadzony przez tych samych analityków danych Amazon, którzy szkolą pracowników AWS w zakresie ML, ten bezpłatny kurs obejmuje 9 godzin wykładów i ćwiczeń praktycznych i jest łatwy do Zaczynaj.

Karty usług AI: nowy zasób — i stałe zobowiązanie

Cieszymy się, że możemy zapewnić naszym klientom i szerszej społeczności nowe źródło przejrzystości oraz dostarczyć dodatkowe informacje na temat zamierzonych zastosowań, ograniczeń, projektu i optymalizacji naszych usług AI, na podstawie naszego rygorystycznego podejścia do budowania usług AWS AI w odpowiedzialny sposób . Mamy nadzieję, że karty usług AI będą użytecznym źródłem przejrzystości i ważnym krokiem w ewoluującym krajobrazie odpowiedzialnej sztucznej inteligencji. Karty usług AI będą nadal ewoluować i rozszerzać się, gdy będziemy współpracować z naszymi klientami i szerszą społecznością, aby zbierać opinie i stale ulepszać nasze podejście.

Skontaktuj się z naszą grupą odpowiedzialnych ekspertów AI rozpocząć rozmowę.

---

O autorach

Wasi Filomin obecnie jest wiceprezesem zespołu AWS AI ds. usług w obszarach technologii językowych i mowy, takich jak Amazon Lex, Amazon Polly, Amazon Translate, Amazon Transcribe/Transcribe Medical, Amazon Comprehend, Amazon Kendra, Amazon Code Whisperer, Amazon Monitron, Amazon Szukaj sprzętu i soczewek kontaktowych/identyfikatora głosowego dla Amazon Connect, a także laboratorium rozwiązań do uczenia maszynowego i odpowiedzialnej sztucznej inteligencji.

Piotr Halinan prowadzi inicjatywy w zakresie nauki i praktyki Odpowiedzialnej AI w AWS AI wraz z zespołem odpowiedzialnych ekspertów AI. Ma głębokie doświadczenie w sztucznej inteligencji (doktorat, Harvard) i przedsiębiorczości (Blindsight, sprzedany Amazonowi). Jego działalność wolontariacka obejmowała pracę jako profesor-konsultant w Szkole Medycznej Uniwersytetu Stanforda oraz jako prezes Amerykańskiej Izby Handlowej na Madagaskarze. Jeśli to możliwe, wyjeżdża z dziećmi w góry: na narty, wspinaczkę, wędrówki i rafting