Представляємо сервісні картки AWS AI: новий ресурс для підвищення прозорості та розвитку відповідального ШІ

Штучний інтелект (AI) і машинне навчання (ML) є одними з найбільш трансформаційних технологій, з якими ми зустрінемося в нашому поколінні, щоб вирішувати проблеми бізнесу та суспільства, покращувати взаємодію з клієнтами та стимулювати інновації. Разом із широким використанням і зростаючим масштабом штучного інтелекту приходить визнання того, що ми всі повинні будувати відповідально. Ми в AWS вважаємо, що відповідальний штучний інтелект включає в себе низку основних аспектів, зокрема:

• Справедливість і упередженість– Як система впливає на різні підгрупи користувачів (наприклад, за статтю, етнічною приналежністю)
• Пояснюваність– Механізми для розуміння та оцінки результатів системи ШІ
• Конфіденційність та безпека– Дані захищені від крадіжки та викриття
• Надійність– Механізми для забезпечення надійної роботи системи ШІ
• Управління– Процеси визначення, впровадження та впровадження відповідальних практик ШІ в організації
• прозорість– Передача інформації про систему штучного інтелекту, щоб зацікавлені сторони могли зробити усвідомлений вибір щодо використання системи.

Наше зобов’язання щодо відповідального розвитку штучного інтелекту та машинного навчання є невід’ємною частиною того, як ми створюємо наші послуги, взаємодіємо з клієнтами та стимулюємо інновації. Ми також прагнемо надавати клієнтам інструменти та ресурси для відповідального розвитку та використання штучного інтелекту та ML, починаючи від надання повністю керованого середовища розробки розробникам машинного навчання та допомагаючи клієнтам вбудовувати сервіси штучного інтелекту в звичайні бізнес-випадки використання.

Надання клієнтам більшої прозорості

Наші клієнти хочуть знати, що технологія, яку вони використовують, розроблена відповідально. Їм потрібні ресурси та вказівки для відповідального впровадження цієї технології у власній організації. І що найважливіше, вони хочуть переконатися, що технологія, яку вони розгортають, принесе користь усім, особливо їхнім кінцевим користувачам. Ми в AWS хочемо допомогти їм втілити це бачення в життя.

Щоб забезпечити прозорість, яку вимагають клієнти, ми раді запустити Сервісні картки AWS AI, новий ресурс, який допоможе клієнтам краще зрозуміти наші послуги AWS AI. Сервісні картки штучного інтелекту – це форма відповідальної документації штучного інтелекту, яка надає клієнтам єдине місце для пошуку інформації про передбачувані варіанти використання та обмеження, вибір відповідального дизайну штучного інтелекту, а також найкращі методи розгортання та оптимізації продуктивності наших сервісів штучного інтелекту. Вони є частиною всеосяжного процесу розробки, який ми беремо на себе, щоб створювати наші послуги відповідальним способом, який стосується справедливості та упередженості, пояснюваності, надійності, управління, прозорості, конфіденційності та безпеки. На AWS re:Invent 2022 ми робимо доступними перші три картки AI Service Card: Amazon Rekognition – Face Matching, Amazon Texttract – AnalyzeID та Amazon Transcribe – Batch (англійська-США).

Компоненти сервісних карт AI

Кожна сервісна картка AI містить чотири розділи, які охоплюють:

• Основні поняття, які допомагають клієнтам краще зрозуміти послугу або її функції
• Випадки використання та обмеження
• Відповідальний дизайн ШІ
• Інструкції щодо розгортання та оптимізації продуктивності

Вміст карток послуг штучного інтелекту адресований широкій аудиторії клієнтів, технологів, дослідників та інших зацікавлених сторін, які прагнуть краще зрозуміти ключові аспекти відповідального проектування та використання послуг штучного інтелекту.

Наші клієнти використовують штучний інтелект у різноманітних програмах. The розділ про випадки використання та обмеження надає інформацію про загальне використання послуги та допомагає клієнтам оцінити, чи підходить послуга для їх програми. Наприклад, у картці Amazon Transcribe – Batch (English-US) Card ми описуємо випадок використання послуги транскрибування лексики загального призначення англійською мовою США з аудіофайлу. Якщо компанія хоче отримати рішення, яке автоматично транскрибує предметно-спеціальну подію, наприклад міжнародну конференцію з нейронаук, вона може додати власні словники та мовні моделі, щоб включити науковий словник, щоб підвищити точність транскрипції.

У розділ дизайну кожної сервісної картки штучного інтелекту ми пояснюємо ключові міркування щодо відповідального дизайну штучного інтелекту у важливих сферах, таких як наша методологія, заснована на тестуванні, справедливість і упередженість, можливість пояснення та очікувана продуктивність. Ми надаємо приклади результатів продуктивності в наборі даних для оцінки, який є репрезентативним для звичайного випадку використання. Однак цей приклад є лише відправною точкою, оскільки ми заохочуємо клієнтів тестувати на власних наборах даних, щоб краще зрозуміти, як служба працюватиме на їх власному вмісті та сценаріях використання, щоб забезпечити найкращий досвід для своїх кінцевих клієнтів. І це не одноразова оцінка. Щоб створювати відповідально, ми рекомендуємо ітераційний підхід, коли клієнти періодично тестують і оцінюють свої програми на точність або потенційну упередженість.

У найкращі практики для розгортання та розділ оптимізації продуктивності, ми викладаємо ключові важелі, які клієнти повинні враховувати, щоб оптимізувати продуктивність своєї програми для розгортання в реальному світі. Важливо пояснити, як клієнти можуть оптимізувати продуктивність системи штучного інтелекту, яка діє як компонент їх загальної програми або робочого процесу, щоб отримати максимальну вигоду. Наприклад, у картці Amazon Rekognition Face Matching Card, яка описує додавання можливостей розпізнавання облич до програм перевірки особи, ми ділимося кроками, які клієнти можуть зробити, щоб підвищити якість прогнозів зіставлення облич, включених у їхній робочий процес.

Надання відповідальних ресурсів і можливостей ШІ

Пропонувати нашим клієнтам ресурси та інструменти, необхідні для перетворення відповідального ШІ з теорії на практику, є постійним пріоритетом для AWS. На початку цього року ми запустили наш Посібник з відповідального використання машинного навчання містить міркування та рекомендації щодо відповідального використання ML на всіх етапах життєвого циклу ML. Сервісні картки штучного інтелекту доповнюють наші існуючі посібники для розробників і публікації в блогах, які надають розробникам описи функцій сервісу та докладні інструкції щодо використання API наших сервісів. І с Роз'яснити Amazon SageMaker та Монітор моделі Amazon SageMaker, ми пропонуємо можливості, які допомагають виявляти зміщення в наборах даних і моделях, а також краще відстежувати та переглядати прогнози моделей за допомогою автоматизації та людського контролю.

У той же час ми продовжуємо просувати відповідальний ШІ в інших ключових вимірах, таких як управління. У re:Invent сьогодні ми запустили новий набір спеціально розроблених інструментів, щоб допомогти клієнтам покращити керування своїми проектами машинного навчання за допомогою Amazon SageMaker Role Manager, Amazon SageMaker Model Cards і Amazon SageMaker Model Dashboard. Дізнайтеся більше на Блог новин AWS та сайт про те, як ці інструменти допомагають оптимізувати процеси управління ML.

Освіта є ще одним ключовим ресурсом, який сприяє розвитку відповідального ШІ. В AWS ми прагнемо створювати наступне покоління розробників і науковців із обробки даних у сфері штучного інтелекту за допомогою програми стипендій AI та ML та Університет машинного навчання AWS (MLU). Цього тижня в re:Invent ми запустили новий загальнодоступний курс MLU про міркування справедливості та пом’якшення упередженості протягом життєвого циклу машинного навчання. Цей безкоштовний курс, який викладають ті ж спеціалісти з обробки даних Amazon, які навчають працівників AWS щодо машинного навчання, складається з 9 годин лекцій і практичних вправ. почати.

Сервісні картки AI: новий ресурс і постійне зобов’язання

Ми раді представити новий ресурс прозорості нашим клієнтам і ширшій спільноті та надати додаткову інформацію про передбачуване використання, обмеження, дизайн і оптимізацію наших служб штучного інтелекту на основі нашого суворого підходу до відповідального створення служб AWS AI. . Ми сподіваємося, що сервісні картки штучного інтелекту стануть корисним ресурсом прозорості та важливим кроком у розвитку відповідального ШІ. Сервісні картки штучного інтелекту продовжуватимуть розвиватися та розширюватися, оскільки ми співпрацюватимемо з нашими клієнтами та широкою спільнотою, щоб збирати відгуки та постійно вдосконалювати наш підхід.

Зверніться до нашої групи відповідальних експертів зі штучного інтелекту щоб почати розмову.

---

Про авторів

Васі Філомін наразі є віце-президентом команди AWS AI із надання послуг у сферах мовних і мовленнєвих технологій, таких як 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 для Amazon Connect, а також Machine Learning Solutions Lab і Responsible AI.

Пітер Халлінан очолює ініціативи в галузі науки та практики відповідального штучного інтелекту в AWS AI разом із командою відповідальних експертів зі штучного інтелекту. Він має глибокий досвід у галузі штучного інтелекту (PhD, Гарвард) і підприємництва (Blindsight, проданий Amazon). Його волонтерська діяльність включала роботу в якості професора-консультанта в Школі медицини Стенфордського університету та в якості президента Американської торгової палати на Мадагаскарі. Коли є можливість, він вирушає в гори з дітьми: катається на лижах, скелелазіння, походи та рафтинг