AWS AI سروس کارڈز کا تعارف: شفافیت کو بڑھانے اور ذمہ دار AI کو آگے بڑھانے کے لیے ایک نیا وسیلہ

آرٹیفیشل انٹیلی جنس (AI) اور مشین لرننگ (ML) کچھ ایسی سب سے زیادہ تبدیلی کی ٹیکنالوجیز ہیں جن کا ہم اپنی نسل میں سامنا کریں گے — کاروبار اور سماجی مسائل سے نمٹنے، کسٹمر کے تجربات کو بہتر بنانے، اور اختراع کو فروغ دینے کے لیے۔ AI کے وسیع پیمانے پر استعمال اور بڑھتے ہوئے پیمانے کے ساتھ یہ پہچان بھی آتی ہے کہ ہم سب کو ذمہ داری سے تعمیر کرنا چاہیے۔ AWS میں، ہمارے خیال میں ذمہ دار AI متعدد بنیادی جہتوں پر مشتمل ہے بشمول:

• انصاف پسندی اور تعصب- کس طرح ایک نظام صارفین کی مختلف ذیلی آبادیوں کو متاثر کرتا ہے (مثال کے طور پر، جنس، نسل کے لحاظ سے)
• وضاحت کی صلاحیت- AI نظام کے نتائج کو سمجھنے اور جانچنے کے طریقہ کار
• پرائیویسی اور سیکورٹی- ڈیٹا چوری اور نمائش سے محفوظ ہے۔
• سختی- AI نظام کو قابل اعتماد طریقے سے چلانے کو یقینی بنانے کے طریقہ کار
• گورننس- کسی تنظیم کے اندر ذمہ دار AI طریقوں کی وضاحت، نفاذ اور ان کو نافذ کرنے کے عمل
• شفافیت- ایک AI سسٹم کے بارے میں معلومات کا تبادلہ کرنا تاکہ اسٹیک ہولڈرز اپنے سسٹم کے استعمال کے بارے میں باخبر انتخاب کر سکیں

AI اور ML کو ذمہ دارانہ انداز میں تیار کرنے کے لیے ہماری وابستگی اس بات کے لیے لازمی ہے کہ ہم اپنی خدمات کیسے بناتے ہیں، صارفین کے ساتھ مشغول ہوتے ہیں، اور جدت طرازی کو آگے بڑھاتے ہیں۔ ہم صارفین کو AI/ML کو ذمہ داری سے تیار کرنے اور استعمال کرنے کے لیے ٹولز اور وسائل فراہم کرنے کے لیے بھی پرعزم ہیں، ML بلڈرز کو مکمل طور پر منظم ترقیاتی ماحول کے ساتھ فعال کرنے سے لے کر صارفین کو AI سروسز کو عام کاروباری استعمال کے معاملات میں شامل کرنے میں مدد کرنے کے لیے۔

صارفین کو زیادہ شفافیت فراہم کرنا

ہمارے صارفین جاننا چاہتے ہیں کہ وہ جو ٹیکنالوجی استعمال کر رہے ہیں اسے ذمہ دارانہ طریقے سے تیار کیا گیا ہے۔ وہ اس ٹیکنالوجی کو اپنی تنظیم میں ذمہ داری کے ساتھ نافذ کرنے کے لیے وسائل اور رہنمائی چاہتے ہیں۔ اور سب سے اہم بات، وہ اس بات کو یقینی بنانا چاہتے ہیں کہ وہ جو ٹیکنالوجی متعارف کراتے ہیں وہ سب کے فائدے کے لیے ہے، خاص طور پر ان کے آخری صارفین کے لیے۔ AWS میں، ہم اس وژن کو زندہ کرنے میں ان کی مدد کرنا چاہتے ہیں۔

اس شفافیت کو فراہم کرنے کے لیے جو صارفین مانگ رہے ہیں، ہم لانچ کرنے کے لیے پرجوش ہیں۔ AWS AI سروس کارڈز، صارفین کو ہماری AWS AI سروسز کو بہتر طور پر سمجھنے میں مدد کرنے کے لیے ایک نیا وسیلہ۔ AI سروس کارڈز ذمہ دار AI دستاویزات کی ایک شکل ہے جو صارفین کو مطلوبہ استعمال کے معاملات اور حدود، ذمہ دار AI ڈیزائن کے انتخاب، اور ہماری AI سروسز کے لیے تعیناتی اور کارکردگی کو بہتر بنانے کے بہترین طریقوں کے بارے میں معلومات حاصل کرنے کے لیے ایک جگہ فراہم کرتی ہے۔ یہ ایک جامع ترقیاتی عمل کا حصہ ہیں جو ہم اپنی خدمات کو ایک ذمہ دارانہ انداز میں تیار کرنے کے لیے شروع کرتے ہیں جس میں انصاف اور تعصب، وضاحت کی اہلیت، مضبوطی، گورننس، شفافیت، رازداری، اور سلامتی کو حل کیا جاتا ہے۔ AWS re:Invent 2022 میں ہم پہلے تین AI سروس کارڈز دستیاب کر رہے ہیں: Amazon Recognition – Face Matching, Amazon Textract - AnalyzeID، اور ایمیزون ٹرانسکرائب - بیچ (انگریزی-یو ایس)۔

AI سروس کارڈز کے اجزاء

ہر AI سروس کارڈ میں چار حصے ہوتے ہیں:

• سروس یا سروس کی خصوصیات کو بہتر طور پر سمجھنے میں صارفین کی مدد کرنے کے لیے بنیادی تصورات
• مطلوبہ استعمال کے معاملات اور حدود
• ذمہ دار AI ڈیزائن کے تحفظات
• تعیناتی اور کارکردگی کی اصلاح پر رہنمائی

AI سروس کارڈز کا مواد صارفین، تکنیکی ماہرین، محققین، اور دیگر اسٹیک ہولڈرز کے وسیع سامعین کو مخاطب کرتا ہے جو AI سروس کے ذمہ دارانہ ڈیزائن اور استعمال میں کلیدی تحفظات کو بہتر طور پر سمجھنے کی کوشش کرتے ہیں۔

ہمارے صارفین ایپلی کیشنز کے تیزی سے متنوع سیٹ میں AI استعمال کرتے ہیں۔ دی مطلوبہ استعمال کے معاملات اور حدود سیکشن کسی سروس کے عام استعمال کے بارے میں معلومات فراہم کرتا ہے، اور صارفین کو یہ اندازہ لگانے میں مدد کرتا ہے کہ آیا کوئی سروس ان کی درخواست کے لیے موزوں ہے یا نہیں۔ مثال کے طور پر، Amazon Transcribe – Batch (انگریزی-US) کارڈ میں ہم ایک آڈیو فائل سے امریکی انگریزی میں بولی جانے والی عام مقصد کے الفاظ کو نقل کرنے کے سروس استعمال کیس کی وضاحت کرتے ہیں۔ اگر کوئی کمپنی ایسا حل چاہتی ہے جو ڈومین کے لیے مخصوص ایونٹ کو خود بخود نقل کرے، جیسے کہ بین الاقوامی نیورو سائنس کانفرنس، تو وہ اپنی مرضی کے الفاظ اور زبان کے ماڈلز کو شامل کر سکتے ہیں تاکہ ٹرانسکرپشن کی درستگی کو بڑھانے کے لیے سائنسی الفاظ کو شامل کیا جا سکے۔

میں ڈیزائن سیکشن ہر AI سروس کارڈ کے بارے میں، ہم اہم شعبوں میں اہم ذمہ دار AI ڈیزائن کے تحفظات کی وضاحت کرتے ہیں، جیسے کہ ہمارے ٹیسٹ پر مبنی طریقہ کار، انصاف اور تعصب، وضاحت کی اہلیت، اور کارکردگی کی توقعات۔ ہم ایک تشخیصی ڈیٹاسیٹ پر کارکردگی کے نتائج کی مثال فراہم کرتے ہیں جو عام استعمال کے معاملے کا نمائندہ ہے۔ اگرچہ یہ مثال صرف ایک نقطہ آغاز ہے، جیسا کہ ہم گاہکوں کو حوصلہ دیتے ہیں کہ وہ اپنے ڈیٹا سیٹس پر جانچ کریں تاکہ یہ بہتر طور پر سمجھ سکیں کہ سروس ان کے اپنے مواد پر کس طرح کارکردگی دکھائے گی اور اپنے آخری صارفین کو بہترین تجربہ فراہم کرنے کے لیے کیسز کا استعمال کرے گی۔ اور یہ ایک بار کی تشخیص نہیں ہے۔ ذمہ دارانہ انداز میں تعمیر کرنے کے لیے، ہم ایک تکراری نقطہ نظر کی تجویز کرتے ہیں جہاں گاہک وقتاً فوقتاً درستگی یا ممکنہ تعصب کے لیے اپنی درخواستوں کی جانچ اور جانچ کرتے ہیں۔

میں تعیناتی اور کارکردگی کی اصلاح کے سیکشن کے لیے بہترین طریقے، ہم کلیدی لیور ترتیب دیتے ہیں جن پر صارفین کو حقیقی دنیا کی تعیناتی کے لیے اپنی درخواست کی کارکردگی کو بہتر بنانے پر غور کرنا چاہیے۔ یہ بتانا ضروری ہے کہ کس طرح گاہک AI سسٹم کی کارکردگی کو بہتر بنا سکتے ہیں جو زیادہ سے زیادہ فائدہ حاصل کرنے کے لیے ان کی مجموعی ایپلی کیشن یا ورک فلو کے جزو کے طور پر کام کرتا ہے۔ مثال کے طور پر، Amazon Recognition Face Matching Card میں جو شناخت کی توثیق کی ایپلی کیشنز میں چہرے کی شناخت کی صلاحیتوں کو شامل کرنے کا احاطہ کرتا ہے، ہم ان اقدامات کا اشتراک کرتے ہیں جو صارفین اپنے ورک فلو میں شامل چہرے سے ملنے والی پیشین گوئیوں کے معیار کو بڑھانے کے لیے اٹھا سکتے ہیں۔

ذمہ دار AI وسائل اور صلاحیتوں کی فراہمی

اپنے صارفین کو ذمہ دار AI کو تھیوری سے پریکٹس میں تبدیل کرنے کے لیے درکار وسائل اور ٹولز کی پیشکش کرنا AWS کے لیے ایک جاری ترجیح ہے۔ اس سال کے شروع میں ہم نے اپنا آغاز کیا۔ مشین لرننگ گائیڈ کا ذمہ دارانہ استعمال جو ML لائف سائیکل کے تمام مراحل میں ML کو ذمہ داری کے ساتھ استعمال کرنے کے لیے تحفظات اور سفارشات فراہم کرتا ہے۔ AI سروس کارڈز ہمارے موجودہ ڈویلپر گائیڈز اور بلاگ پوسٹس کی تکمیل کرتے ہیں، جو بلڈرز کو سروس کی خصوصیات کی تفصیل اور ہماری سروس APIs کو استعمال کرنے کے لیے تفصیلی ہدایات فراہم کرتے ہیں۔ اور ساتھ ایمیزون سیج میکر واضح کریں۔ اور ایمیزون سیج میکر ماڈل مانیٹر، ہم ڈیٹاسیٹس اور ماڈلز میں تعصب کا پتہ لگانے اور آٹومیشن اور انسانی نگرانی کے ذریعے ماڈل کی پیشین گوئیوں کی بہتر نگرانی اور جائزہ لینے میں مدد کرنے کی صلاحیتیں پیش کرتے ہیں۔

ایک ہی وقت میں، ہم ذمہ دار AI کو دیگر اہم جہتوں، جیسے کہ گورننس میں آگے بڑھاتے رہتے ہیں۔ دوبارہ: ایجاد آج ہم نے مقصد سے تیار کردہ ٹولز کا ایک نیا سیٹ لانچ کیا تاکہ صارفین کو Amazon SageMaker رول مینیجر، Amazon SageMaker ماڈل کارڈز، اور Amazon SageMaker ماڈل ڈیش بورڈ کے ساتھ ان کے ML پروجیکٹس کی حکمرانی کو بہتر بنانے میں مدد ملے۔ پر مزید جانیں۔ AWS نیوز بلاگ اور ویب سائٹ اس بارے میں کہ یہ ٹولز ایم ایل گورننس کے عمل کو ہموار کرنے میں کس طرح مدد کرتے ہیں۔

تعلیم ایک اور اہم ذریعہ ہے جو ذمہ دار AI کو آگے بڑھانے میں مدد کرتا ہے۔ AWS میں ہم AI اور ML اسکالرشپ پروگرام کے ساتھ AI میں ڈویلپرز اور ڈیٹا سائنسدانوں کی اگلی نسل کی تعمیر کے لیے پرعزم ہیں اور AWS مشین لرننگ یونیورسٹی (MLU)۔ اس ہفتے دوبارہ: ایجاد پر ہم نے ایم ایل لائف سائیکل میں منصفانہ تحفظات اور تعصب کی تخفیف پر ایک نیا، عوامی MLU کورس شروع کیا۔ ایمیزون کے انہی ڈیٹا سائنسدانوں کے ذریعہ سکھایا گیا جو AWS ملازمین کو ML پر تربیت دیتے ہیں، اس مفت کورس میں 9 گھنٹے کے لیکچرز اور ہینڈ آن مشقیں شامل ہیں اور یہ آسان ہے شروع کرنے کے.

AI سروس کارڈز: ایک نیا وسیلہ — اور ایک جاری وابستگی

ہم اپنے صارفین اور وسیع تر کمیونٹی کے لیے ایک نیا شفافیت کا وسیلہ لانے اور اپنی AI سروسز کے مطلوبہ استعمال، حدود، ڈیزائن اور اصلاح کے بارے میں اضافی معلومات فراہم کرنے کے لیے پرجوش ہیں، جو AWS AI سروسز کو ذمہ دارانہ انداز میں تعمیر کرنے کے لیے ہمارے سخت نقطہ نظر سے مطلع ہے۔ . ہماری امید ہے کہ AI سروس کارڈز شفافیت کے ایک مفید وسیلے کے طور پر کام کریں گے اور ذمہ دار AI کے ارتقاء پذیر منظر نامے میں ایک اہم قدم ہوگا۔ AI سروس کارڈز کی ترقی اور توسیع جاری رہے گی کیونکہ ہم اپنے صارفین اور وسیع تر کمیونٹی کے ساتھ آراء اکٹھا کرنے اور اپنے نقطہ نظر پر مسلسل تکرار کرتے ہیں۔

ہمارے ذمہ دار AI ماہرین کے گروپ سے رابطہ کریں۔ بات چیت شروع کرنے کے لیے۔

---

مصنفین کے بارے میں

واسی فلومین فی الحال زبان اور تقریری ٹیکنالوجی کے شعبوں میں خدمات کے لیے AWS AI ٹیم میں نائب صدر ہیں جیسے Amazon Lex, Amazon Polly, Amazon Translate, Amazon Transcribe/Transcribe Medical, Amazon Comprehend, Amazon Kendra, Amazon Code Whisperer, Amazon Monitron, Amazon ایمیزون کنیکٹ کے لیے آلات اور کانٹیکٹ لینس/وائس آئی ڈی کے ساتھ ساتھ مشین لرننگ سلوشنز لیب اور ذمہ دار AI کی تلاش کریں۔

پیٹر ہیلینن ذمہ دار AI ماہرین کی ایک ٹیم کے ساتھ AWS AI میں ذمہ دار AI کی سائنس اور مشق میں اقدامات کی رہنمائی کرتا ہے۔ اسے AI (پی ایچ ڈی، ہارورڈ) اور انٹرپرینیورشپ (بلائنڈ سائیٹ، ایمیزون کو فروخت) میں گہری مہارت حاصل ہے۔ اس کی رضاکارانہ سرگرمیوں میں اسٹینفورڈ یونیورسٹی اسکول آف میڈیسن میں مشاورتی پروفیسر اور مڈغاسکر میں امریکن چیمبر آف کامرس کے صدر کے طور پر خدمات انجام دینا شامل ہے۔ جب ممکن ہو، وہ اپنے بچوں کے ساتھ پہاڑوں پر جاتا ہے: اسکیئنگ، چڑھنا، پیدل سفر اور رافٹنگ