ขอแนะนำการ์ดบริการ AWS AI: ทรัพยากรใหม่เพื่อเพิ่มความโปร่งใสและพัฒนา AI ที่มีความรับผิดชอบ

ปัญญาประดิษฐ์ (AI) และแมชชีนเลิร์นนิง (ML) เป็นเทคโนโลยีที่เปลี่ยนแปลงมากที่สุดที่เราจะพบในยุคของเรา เพื่อจัดการกับปัญหาทางธุรกิจและสังคม ปรับปรุงประสบการณ์ของลูกค้า และกระตุ้นนวัตกรรม ควบคู่ไปกับการใช้งานอย่างแพร่หลายและขนาดที่เพิ่มขึ้นของ AI ทำให้เราทุกคนต้องสร้างอย่างมีความรับผิดชอบ ที่ AWS เราคิดว่า AI ที่มีความรับผิดชอบครอบคลุมมิติหลักหลายประการ ได้แก่:

• ความเป็นธรรมและความลำเอียง– ระบบส่งผลกระทบต่อผู้ใช้กลุ่มย่อยต่างๆ อย่างไร (เช่น ตามเพศ เชื้อชาติ)
• คำอธิบาย– กลไกในการทำความเข้าใจและประเมินผลลัพธ์ของระบบ AI
• ความเป็นส่วนตัวและความปลอดภัย– ข้อมูลได้รับการปกป้องจากการโจรกรรมและการเปิดเผย
• ความแข็งแรง– กลไกเพื่อให้แน่ใจว่าระบบ AI ทำงานได้อย่างน่าเชื่อถือ
• การกำกับดูแลกิจการ– กระบวนการกำหนด นำไปใช้ และบังคับใช้แนวทางปฏิบัติด้าน AI ที่มีความรับผิดชอบภายในองค์กร
• ความโปร่งใส– สื่อสารข้อมูลเกี่ยวกับระบบ AI เพื่อให้ผู้มีส่วนได้ส่วนเสียสามารถเลือกได้อย่างมีข้อมูลเกี่ยวกับการใช้ระบบของพวกเขา

ความมุ่งมั่นของเราในการพัฒนา AI และ ML ด้วยวิธีการที่มีความรับผิดชอบนั้นเป็นส่วนสำคัญในการสร้างบริการของเรา มีส่วนร่วมกับลูกค้า และขับเคลื่อนนวัตกรรม นอกจากนี้ เรายังมุ่งมั่นที่จะจัดหาเครื่องมือและทรัพยากรแก่ลูกค้าเพื่อพัฒนาและใช้ AI/ML อย่างมีความรับผิดชอบ ตั้งแต่การเปิดใช้งานผู้สร้าง ML ด้วยสภาพแวดล้อมการพัฒนาที่มีการจัดการเต็มรูปแบบ ไปจนถึงการช่วยลูกค้าฝังบริการ AI ลงในกรณีการใช้งานทั่วไปทางธุรกิจ

ให้ลูกค้าด้วยความโปร่งใสมากขึ้น

ลูกค้าของเราต้องการทราบว่าเทคโนโลยีที่พวกเขาใช้ได้รับการพัฒนาด้วยความรับผิดชอบ พวกเขาต้องการทรัพยากรและคำแนะนำในการนำเทคโนโลยีนั้นไปใช้อย่างมีความรับผิดชอบในองค์กรของตนเอง และที่สำคัญที่สุด พวกเขาต้องการให้แน่ใจว่าเทคโนโลยีที่พวกเขาเปิดตัวนั้นเป็นประโยชน์สำหรับทุกคน โดยเฉพาะผู้ใช้ปลายทางของพวกเขา ที่ AWS เราต้องการช่วยให้วิสัยทัศน์นี้เป็นจริง

เพื่อมอบความโปร่งใสตามที่ลูกค้าต้องการ เรารู้สึกตื่นเต้นที่จะเปิดตัว การ์ดบริการ AWS AIซึ่งเป็นแหล่งข้อมูลใหม่ที่จะช่วยให้ลูกค้าเข้าใจบริการ AWS AI ของเราได้ดียิ่งขึ้น การ์ดบริการ AI เป็นรูปแบบหนึ่งของเอกสาร AI ที่มีความรับผิดชอบซึ่งช่วยให้ลูกค้ามีที่เดียวในการค้นหาข้อมูลเกี่ยวกับกรณีการใช้งานและข้อจำกัดที่ตั้งใจไว้ ตัวเลือกการออกแบบ AI ที่รับผิดชอบ และแนวทางปฏิบัติที่ดีที่สุดในการปรับใช้และการเพิ่มประสิทธิภาพสำหรับบริการ AI ของเรา สิ่งเหล่านี้เป็นส่วนหนึ่งของกระบวนการพัฒนาที่ครอบคลุมที่เราดำเนินการเพื่อสร้างบริการของเราด้วยวิธีการที่มีความรับผิดชอบซึ่งระบุถึงความยุติธรรมและความลำเอียง ความสามารถในการอธิบาย ความทนทาน การกำกับดูแล ความโปร่งใส ความเป็นส่วนตัว และความปลอดภัย ที่ AWS re:Invent 2022 เรากำลังทำให้การ์ดบริการ AI สามใบแรกพร้อมใช้งาน: Amazon Rekognition – การจับคู่ใบหน้า, ข้อความของ Amazon – AnalyseIDและ Amazon Transcribe – ชุด (อังกฤษ-สหรัฐอเมริกา)

ส่วนประกอบของการ์ดบริการ AI

การ์ดบริการ AI แต่ละใบมีสี่ส่วนที่ครอบคลุม:

• แนวคิดพื้นฐานเพื่อช่วยให้ลูกค้าเข้าใจบริการหรือคุณสมบัติของบริการได้ดียิ่งขึ้น
• กรณีการใช้งานที่ตั้งใจไว้และข้อจำกัด
• ข้อควรพิจารณาในการออกแบบ AI อย่างมีความรับผิดชอบ
• คำแนะนำเกี่ยวกับการปรับใช้และการเพิ่มประสิทธิภาพการทำงาน

เนื้อหาของการ์ดบริการ AI กล่าวถึงลูกค้า นักเทคโนโลยี นักวิจัย และผู้มีส่วนได้ส่วนเสียอื่นๆ ในวงกว้างที่ต้องการทำความเข้าใจข้อควรพิจารณาที่สำคัญในการออกแบบและใช้บริการ AI อย่างมีความรับผิดชอบ

ลูกค้าของเราใช้ AI ในชุดแอปพลิเคชันที่หลากหลายมากขึ้น เดอะ กรณีการใช้งานที่ตั้งใจไว้และส่วนข้อจำกัด ให้ข้อมูลเกี่ยวกับการใช้งานทั่วไปสำหรับบริการ และช่วยลูกค้าประเมินว่าบริการนั้นเหมาะสมกับแอปพลิเคชันของตนหรือไม่ ตัวอย่างเช่น ในการ์ด Amazon Transcribe – Batch (อังกฤษ-สหรัฐอเมริกา) เราจะอธิบายกรณีการใช้บริการในการถอดเสียงคำศัพท์ที่ใช้ทั่วไปซึ่งพูดเป็นภาษาอังกฤษแบบสหรัฐอเมริกาจากไฟล์เสียง หากบริษัทต้องการโซลูชันที่ถอดความเหตุการณ์เฉพาะโดเมนโดยอัตโนมัติ เช่น การประชุมด้านประสาทวิทยาศาสตร์ระดับนานาชาติ บริษัทสามารถเพิ่มคำศัพท์และรูปแบบภาษาที่กำหนดเองเพื่อรวมคำศัพท์ทางวิทยาศาสตร์เพื่อเพิ่มความแม่นยำในการถอดความ

ตัว Vortex Indicator ได้ถูกนำเสนอลงในนิตยสาร ส่วนการออกแบบ ของการ์ดบริการ AI แต่ละใบ เราจะอธิบายข้อควรพิจารณาหลักในการออกแบบ AI ที่รับผิดชอบในประเด็นสำคัญต่างๆ เช่น วิธีการที่ขับเคลื่อนด้วยการทดสอบ ความยุติธรรมและความลำเอียง ความสามารถในการอธิบาย และความคาดหวังด้านประสิทธิภาพ เราให้ตัวอย่างผลการปฏิบัติงานในชุดข้อมูลการประเมินซึ่งเป็นตัวแทนของกรณีการใช้งานทั่วไป ตัวอย่างนี้เป็นเพียงจุดเริ่มต้น เนื่องจากเราสนับสนุนให้ลูกค้าทดสอบชุดข้อมูลของตนเองเพื่อทำความเข้าใจให้ดียิ่งขึ้นว่าบริการจะทำงานอย่างไรกับเนื้อหาและกรณีการใช้งานของตนเอง เพื่อมอบประสบการณ์ที่ดีที่สุดให้กับลูกค้าปลายทาง และนี่ไม่ใช่การประเมินเพียงครั้งเดียว เพื่อสร้างแนวทางที่มีความรับผิดชอบ เราขอแนะนำวิธีการทำซ้ำที่ลูกค้าทดสอบและประเมินแอปพลิเคชันของตนเป็นระยะๆ เพื่อความถูกต้องหรือความลำเอียงที่อาจเกิดขึ้น

ตัว Vortex Indicator ได้ถูกนำเสนอลงในนิตยสาร แนวทางปฏิบัติที่ดีที่สุดสำหรับการปรับใช้และการเพิ่มประสิทธิภาพส่วนเราวางกลไกสำคัญที่ลูกค้าควรพิจารณาเพื่อเพิ่มประสิทธิภาพการทำงานของแอปพลิเคชันสำหรับการปรับใช้ในโลกแห่งความเป็นจริง สิ่งสำคัญคือต้องอธิบายว่าลูกค้าสามารถเพิ่มประสิทธิภาพการทำงานของระบบ AI ที่ทำหน้าที่เป็นส่วนประกอบของแอปพลิเคชันหรือเวิร์กโฟลว์โดยรวมของพวกเขาอย่างไรจึงจะได้รับประโยชน์สูงสุด ตัวอย่างเช่น ในการ์ดจับคู่ใบหน้าของ Amazon Rekognition ที่ครอบคลุมการเพิ่มความสามารถการจดจำใบหน้าให้กับแอปพลิเคชันการยืนยันตัวตน เราแบ่งปันขั้นตอนที่ลูกค้าสามารถทำได้เพื่อเพิ่มคุณภาพของการคาดคะเนการจับคู่ใบหน้าที่รวมอยู่ในเวิร์กโฟลว์ของพวกเขา

ส่งมอบทรัพยากรและความสามารถด้าน AI ที่มีความรับผิดชอบ

การเสนอทรัพยากรและเครื่องมือแก่ลูกค้าของเราที่พวกเขาต้องการเพื่อเปลี่ยน AI ที่มีความรับผิดชอบจากทฤษฎีไปสู่การปฏิบัติคือลำดับความสำคัญอย่างต่อเนื่องสำหรับ AWS เมื่อต้นปีที่ผ่านมาเราได้เปิดตัว คู่มือการใช้การเรียนรู้ของเครื่องอย่างมีความรับผิดชอบ ที่ให้ข้อควรพิจารณาและคำแนะนำสำหรับการใช้ ML อย่างมีความรับผิดชอบในทุกขั้นตอนของวงจรชีวิต ML การ์ดบริการ AI ช่วยเสริมคู่มือนักพัฒนาที่มีอยู่ของเราและบล็อกโพสต์ ซึ่งให้คำอธิบายคุณสมบัติบริการแก่ผู้สร้างและคำแนะนำโดยละเอียดสำหรับการใช้ API บริการของเรา และด้วย Amazon SageMaker ชี้แจง และ การตรวจสอบโมเดล Amazon SageMakerเรานำเสนอความสามารถในการช่วยตรวจจับความเอนเอียงในชุดข้อมูลและแบบจำลอง ตลอดจนตรวจสอบและทบทวนการคาดการณ์แบบจำลองได้ดีขึ้นผ่านระบบอัตโนมัติและการกำกับดูแลโดยมนุษย์

ในขณะเดียวกัน เรายังคงพัฒนา AI ที่มีความรับผิดชอบในมิติสำคัญอื่นๆ เช่น การกำกับดูแล ที่ re:Invent วันนี้ เราได้เปิดตัวชุดเครื่องมือใหม่ที่สร้างขึ้นตามวัตถุประสงค์เพื่อช่วยลูกค้าปรับปรุงการกำกับดูแลโครงการ ML ด้วย Amazon SageMaker Role Manager, Amazon SageMaker Model Cards และ Amazon SageMaker Model Dashboard เรียนรู้เพิ่มเติมเกี่ยวกับ บล็อกข่าว AWS และ เว็บไซต์ เกี่ยวกับวิธีที่เครื่องมือเหล่านี้ช่วยปรับปรุงกระบวนการกำกับดูแล ML

การศึกษาเป็นอีกหนึ่งทรัพยากรสำคัญที่ช่วยพัฒนา AI ที่มีความรับผิดชอบ ที่ AWS เรามุ่งมั่นที่จะสร้างนักพัฒนาและนักวิทยาศาสตร์ข้อมูลรุ่นต่อไปใน AI ด้วยโครงการทุนการศึกษา AI และ ML และ มหาวิทยาลัยการเรียนรู้ของเครื่อง AWS (ม.ป.ป). สัปดาห์นี้ที่ re:Invent เราได้เปิดตัวหลักสูตร MLU สาธารณะใหม่เกี่ยวกับการพิจารณาความเป็นธรรมและการลดอคติตลอดวงจรชีวิตของ ML สอนโดยนักวิทยาศาสตร์ข้อมูลของ Amazon คนเดียวกับที่ฝึกอบรมพนักงาน AWS เกี่ยวกับ ML หลักสูตรฟรีนี้มีการบรรยาย 9 ชั่วโมงและแบบฝึกหัดภาคปฏิบัติ และง่ายต่อการ เริ่ม.

การ์ดบริการ AI: ทรัพยากรใหม่—และความมุ่งมั่นอย่างต่อเนื่อง

เรารู้สึกตื่นเต้นที่จะนำเสนอทรัพยากรความโปร่งใสใหม่แก่ลูกค้าและชุมชนที่กว้างขึ้น และให้ข้อมูลเพิ่มเติมเกี่ยวกับวัตถุประสงค์การใช้งาน ข้อจำกัด การออกแบบ และการเพิ่มประสิทธิภาพของบริการ AI ของเรา โดยได้รับการแจ้งจากแนวทางที่เข้มงวดของเราในการสร้างบริการ AWS AI ด้วยวิธีการที่มีความรับผิดชอบ ความหวังของเราคือ AI Service Cards จะทำหน้าที่เป็นแหล่งข้อมูลความโปร่งใสที่มีประโยชน์และเป็นขั้นตอนสำคัญในการพัฒนาภูมิทัศน์ของ AI ที่มีความรับผิดชอบ การ์ดบริการ AI จะยังคงพัฒนาและขยายต่อไปเมื่อเรามีส่วนร่วมกับลูกค้าและชุมชนที่กว้างขึ้นเพื่อรวบรวมข้อเสนอแนะและทำซ้ำอย่างต่อเนื่องเกี่ยวกับแนวทางของเรา

ติดต่อกลุ่มผู้เชี่ยวชาญด้าน AI ที่รับผิดชอบของเรา เพื่อเริ่มการสนทนา

---

เกี่ยวกับผู้แต่ง

วาสี ฟิโลมินทร์ ปัจจุบันดำรงตำแหน่งรองประธานในทีม AWS AI สำหรับบริการด้านเทคโนโลยีภาษาและคำพูด เช่น Amazon Lex, Amazon Polly, Amazon Translate, Amazon Transcribe/Transcribe Medical, Amazon Comprehend, Amazon Kendra, Amazon Code Whisperer, Amazon Monitron, Amazon Lookout for Equipment and Contact Lens/Voice ID for Amazon Connect ตลอดจน Machine Learning Solutions Lab และ AI ที่มีความรับผิดชอบ

ปีเตอร์ ฮัลลิแนน เป็นผู้นำในการริเริ่มด้านวิทยาศาสตร์และการปฏิบัติของ AI ที่มีความรับผิดชอบที่ AWS AI ควบคู่ไปกับทีมผู้เชี่ยวชาญด้าน AI ที่มีความรับผิดชอบ เขามีความเชี่ยวชาญอย่างลึกซึ้งในด้าน AI (PhD, Harvard) และการเป็นผู้ประกอบการ (Blindsight ขายให้กับ Amazon) กิจกรรมอาสาสมัครของเขารวมถึงการทำหน้าที่เป็นศาสตราจารย์ที่ปรึกษาที่ Stanford University School of Medicine และเป็นประธานหอการค้าอเมริกันในมาดากัสการ์ เมื่อเป็นไปได้ เขาจะไปเที่ยวภูเขากับลูกๆ เล่นสกี ปีนเขา เดินป่า และล่องแก่ง