인공 지능(AI)과 머신 러닝(ML)은 비즈니스 및 사회적 문제를 해결하고 고객 경험을 개선하며 혁신을 촉진하기 위해 우리 세대에 접하게 될 가장 혁신적인 기술 중 일부입니다. AI의 광범위한 사용과 성장하는 규모와 함께 우리 모두가 책임감 있게 구축해야 한다는 인식이 생깁니다. AWS에서는 책임 있는 AI가 다음과 같은 여러 핵심 차원을 포함한다고 생각합니다.

• 공정성과 편견– 시스템이 사용자의 다양한 하위 집단에 미치는 영향(예: 성별, 민족)
• 설명 가능성– AI 시스템의 출력을 이해하고 평가하는 메커니즘
• 개인 정보 및 보안– 도난 및 노출로부터 데이터 보호
• 견고성– AI 시스템이 안정적으로 작동하도록 보장하는 메커니즘
• 통치– 조직 내에서 책임 있는 AI 관행을 정의, 구현 및 시행하는 프로세스
• 투명도– 이해 관계자가 시스템 사용에 대해 정보에 입각한 선택을 할 수 있도록 AI 시스템에 대한 정보 전달

책임감 있는 방식으로 AI 및 ML을 개발하겠다는 우리의 약속은 우리가 서비스를 구축하고, 고객과 소통하고, 혁신을 추진하는 방법에 필수적입니다. 또한 완전히 관리되는 개발 환경에서 ML 빌더를 지원하는 것부터 고객이 AI 서비스를 일반적인 비즈니스 사용 사례에 포함하도록 지원하는 것까지 AI/ML을 책임감 있게 개발하고 사용할 수 있는 도구와 리소스를 고객에게 제공하기 위해 최선을 다하고 있습니다.

고객에게 더 많은 투명성 제공

고객은 자신이 사용하는 기술이 책임 있는 방식으로 개발되었음을 알고 싶어합니다. 그들은 자신의 조직에서 해당 기술을 책임감 있게 구현하기 위한 리소스와 지침을 원합니다. 그리고 가장 중요한 것은 롤아웃하는 기술이 모든 사람, 특히 최종 사용자의 이익을 위한 것인지 확인하기를 원한다는 것입니다. AWS에서는 그들이 이러한 비전을 실현할 수 있도록 돕고 싶습니다.

고객이 요구하는 투명성을 제공하기 위해 AWS AI 서비스 카드, 고객이 AWS AI 서비스를 더 잘 이해하는 데 도움이 되는 새로운 리소스입니다. AI 서비스 카드는 AI 서비스에 대한 의도된 사용 사례 및 제한, 책임 있는 AI 설계 선택, 배포 및 성능 최적화 모범 사례에 대한 정보를 찾을 수 있는 단일 위치를 고객에게 제공하는 책임 있는 AI 문서의 한 형태입니다. 이는 공정성과 편견, 설명 가능성, 견고성, 거버넌스, 투명성, 개인 정보 보호 및 보안을 다루는 책임감 있는 방식으로 서비스를 구축하기 위해 수행하는 포괄적인 개발 프로세스의 일부입니다. AWS re:Invent 2022에서 처음 세 가지 AI 서비스 카드를 사용할 수 있습니다. Amazon Rekognition – 얼굴 매칭, Amazon Textract – AnalyzeID및 Amazon Transcribe – 배치(영어-미국).

AI 서비스 카드의 구성 요소

각 AI 서비스 카드에는 다음을 다루는 XNUMX개의 섹션이 포함되어 있습니다.

• 고객이 서비스 또는 서비스 기능을 더 잘 이해하는 데 도움이 되는 기본 개념
• 의도된 사용 사례 및 제한 사항
• 책임 있는 AI 설계 고려 사항
• 배포 및 성능 최적화에 대한 지침

AI 서비스 카드의 내용은 AI 서비스의 책임 있는 설계 및 사용에 있어 주요 고려 사항을 더 잘 이해하고자 하는 광범위한 고객, 기술자, 연구원 및 기타 이해 관계자를 대상으로 합니다.

고객은 점점 더 다양한 애플리케이션 세트에서 AI를 사용합니다. 그만큼 의도된 사용 사례 및 제한 섹션 서비스의 일반적인 용도에 대한 정보를 제공하고 고객이 서비스가 자신의 애플리케이션에 적합한지 평가하는 데 도움을 줍니다. 예를 들어 Amazon Transcribe – Batch(영어-미국) 카드에서는 오디오 파일에서 미국 영어로 말하는 범용 어휘를 전사하는 서비스 사용 사례를 설명합니다. 회사에서 국제 신경과학 회의와 같은 도메인별 이벤트를 자동으로 기록하는 솔루션을 원하는 경우 기록의 정확성을 높이기 위해 과학적 어휘를 포함하도록 사용자 지정 어휘 및 언어 모델을 추가할 수 있습니다.

. 디자인 섹션 각 AI 서비스 카드의 테스트 기반 방법론, 공정성 및 편향, 설명 가능성 및 성능 기대치와 같은 중요한 영역에 걸쳐 책임 있는 주요 AI 설계 고려 사항을 설명합니다. 일반적인 사용 사례를 대표하는 평가 데이터 세트에 대한 예제 성능 결과를 제공합니다. 하지만 이 예는 시작점에 불과합니다. 최종 고객에게 최상의 경험을 제공하기 위해 고객이 자신의 콘텐츠 및 사용 사례에서 서비스가 어떻게 수행되는지 더 잘 이해하기 위해 자신의 데이터 세트에서 테스트하도록 권장하기 때문입니다. 그리고 이것은 일회성 평가가 아닙니다. 책임 있는 방식으로 구축하려면 고객이 주기적으로 응용 프로그램의 정확성 또는 잠재적 편향을 테스트하고 평가하는 반복적인 접근 방식을 권장합니다.

. 배포 및 성능 최적화 섹션의 모범 사례, 고객이 실제 배포를 위해 애플리케이션의 성능을 최적화하기 위해 고려해야 하는 주요 수단을 제시합니다. 고객이 최대의 이점을 얻기 위해 전체 애플리케이션 또는 워크플로의 구성 요소 역할을 하는 AI 시스템의 성능을 최적화할 수 있는 방법을 설명하는 것이 중요합니다. 예를 들어 얼굴 인식 기능을 신원 확인 애플리케이션에 추가하는 방법을 다루는 Amazon Rekognition Face Matching Card에서 우리는 고객이 워크플로에 통합된 얼굴 일치 예측의 품질을 높이기 위해 취할 수 있는 단계를 공유합니다.

책임 있는 AI 리소스 및 기능 제공

책임 있는 AI를 이론에서 실습으로 전환하는 데 필요한 리소스와 도구를 고객에게 제공하는 것은 AWS의 지속적인 우선 순위입니다. 올해 초 우리는 기계 학습 가이드의 책임 있는 사용 ML 수명 주기의 모든 단계에서 책임감 있게 ML을 사용하기 위한 고려 사항 및 권장 사항을 제공합니다. AI 서비스 카드는 빌더에게 서비스 기능에 대한 설명과 서비스 API 사용에 대한 자세한 지침을 제공하는 기존 개발자 가이드 및 블로그 게시물을 보완합니다. 그리고 Amazon SageMaker 명확화 과 Amazon SageMaker 모델 모니터, 우리는 데이터 세트 및 모델의 편향을 감지하고 자동화 및 사람의 감독을 통해 모델 예측을 더 잘 모니터링하고 검토하는 데 도움이 되는 기능을 제공합니다.

동시에 우리는 거버넌스와 같은 다른 주요 차원에서 책임 있는 AI를 계속 발전시키고 있습니다. 오늘 re:Invent에서 우리는 고객이 Amazon SageMaker Role Manager, Amazon SageMaker Model Cards 및 Amazon SageMaker Model Dashboard를 통해 ML 프로젝트의 거버넌스를 개선할 수 있도록 특별히 제작된 새로운 도구 세트를 출시했습니다. 더 알아보기 AWS 뉴스 블로그 과 웹 사이트 이러한 도구가 ML 거버넌스 프로세스를 간소화하는 데 어떻게 도움이 되는지에 대해 설명합니다.

교육은 책임 있는 AI를 발전시키는 데 도움이 되는 또 다른 핵심 리소스입니다. AWS에서는 AI 및 ML 장학금 프로그램과 AWS 기계 학습 대학 (MLU). 이번 주 re:Invent에서 우리는 ML 수명 주기 전반에서 공정성 고려 사항 및 편향 완화에 대한 새로운 공개 MLU 과정을 시작했습니다. AWS 직원에게 ML을 교육하는 동일한 Amazon 데이터 과학자가 가르치는 이 무료 과정은 9시간의 강의와 실습을 제공하며 시작하다.

AI 서비스 카드: 새로운 리소스와 지속적인 노력

책임감 있는 방식으로 AWS AI 서비스를 구축하기 위한 엄격한 접근 방식을 바탕으로 고객과 더 넓은 커뮤니티에 새로운 투명성 리소스를 제공하고 AI 서비스의 의도된 용도, 제한 사항, 설계 및 최적화에 대한 추가 정보를 제공하게 되어 기쁩니다. . 우리는 AI 서비스 카드가 유용한 투명성 리소스 역할을 하고 책임감 있는 AI의 진화하는 환경에서 중요한 단계가 되기를 바랍니다. AI 서비스 카드는 고객 및 더 넓은 커뮤니티와 협력하여 피드백을 수집하고 접근 방식을 지속적으로 반복하면서 계속 발전하고 확장할 것입니다.

책임 있는 AI 전문가 그룹에 문의하십시오. 대화를 시작합니다.

저자 소개

바시 필로 민 현재 Amazon Lex, Amazon Polly, Amazon Translate, Amazon Transcribe/Transcribe Medical, Amazon Comprehend, Amazon Kendra, Amazon Code Whisperer, Amazon Monitron, Amazon과 같은 언어 및 음성 기술 영역의 서비스를 담당하는 AWS AI 팀의 부사장입니다. 장비 및 콘택트 렌즈/음성 ID를 위한 Amazon Connect, 머신 러닝 솔루션 랩 및 Responsible AI를 찾아보십시오.

피터 할리넌 책임 있는 AI 전문가 팀과 함께 AWS AI에서 책임 있는 AI의 과학 및 실행 이니셔티브를 주도합니다. 그는 AI(PhD, Harvard) 및 기업가 정신(Blindsight, Amazon에 매각)에 대한 깊은 전문 지식을 보유하고 있습니다. 그의 자원봉사 활동에는 Stanford University School of Medicine의 컨설팅 교수와 Madagascar의 American Chamber of Commerce 회장을 역임하는 것이 포함됩니다. 가능하면 그는 아이들과 함께 산으로 갑니다: 스키, 등산, 하이킹, 래프팅

• 코인스마트. 유럽 ​​최고의 비트코인 ​​및 암호화폐 거래소.Click Here
• 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 출처: https://aws.amazon.com/blogs/machine-learning/introducing-aws-ai-service-cards-a-new-resource-to-enhance-transparency-and-advance-responsible-ai/