Verantwortungsvoller Einsatz von künstlicher Intelligenz und Machine Learning
Ressourcen und Tools für die Anleitung Ihrer Entwicklung und Anwendung von KI- und ML-Technologien
Künstliche Intelligenz (KI), angewandt durch Machine Learning (ML) wird eine der stärksten Transformationstechnologien unserer Generation sein und einige der herausforderndsten Probleme der Menschheit angehen, die menschliche Leistungsfähigkeit erhöhen und die Produktivität maximieren. Verantwortungsvoller Einsatz dieser Technologien ist der Schlüssel zur Förderung kontinuierlicher Innovation. AWS ist bestrebt, faire und genaue KI- und ML-Services zu entwickeln und Ihnen die Tools und Anleitungen zur Verfügung zu stellen, die zum verantwortungsbewussten Erstellen von KI- und ML-Anwendungen erforderlich sind.
Ressourcen
Wenn Sie Ihren Einsatz von KI und ML anpassen und verstärken, bietet AWS verschiedene Ressourcen, basierend auf unserer Erfahrung, um Sie bei der verantwortungsvollen Entwicklung und Verwendung von KI
und ML zu unterstützen.
Der Leitfaden zum verantwortungsvollen Einsatz von Machine Learning bietet Betrachtungen und Empfehlungen für verantwortungsbewusste Entwicklung und Verwendung von ML-Systemen über drei Hauptphasen ihrer Lebenszyklen: (1) Design und Entwicklung; (2) Anwendung; und (3) laufende Nutzung.
Mit Experten für verantwortungsvolles ML zusammenarbeiten, um einen machbaren Ansatz zu kreieren, der Menschen, Prozesse und Technologie umfasst, der den Nutzen maximiert und die Risiken minimiert. Das Engagement beinhaltet Entwicklung, Anwendung und Operationalisierung verantwortungsvoller ML-Prinzipien.
Kontinuierliche Ausbildung über die neuesten Entwicklungen im ML ist ein wichtiger Teil verantwortungsvoller Verwendung. AWS bietet mit Programmen wie der AWS Machine Learning University (Kurs Voreingenommenheit und Fairness), dem Schulungs- und Zertifizierungsprogramm und AWS ML Embark den neuesten Stand der ML-Ausbildung über Ihren gesamten Lernweg hinweg.
Neuigkeiten
Ansatz für verantwortungsvolle KI
Erfahren Sie von Diya Wynn, Senior Practice Manager bei AWS, warum es wichtig ist, KI auf verantwortungsvolle Weise zu entwickeln, und was es bedeutet, eine menschenorientierte, integrative KI zu entwickeln
Tech Talk über verantwortungsvolle KI
Hören Sie sich einen Tech-Talk von Nashlie Sephus, einer Tech-Evangelistin bei AWS, über verantwortungsvolle KI und Face-Matching-Technologien an, in dem Sie lernen, wie Sie verantwortungsvolle KI zu einem Teil des gesamten ML-Lebenszyklus machen können.
Kurs Voreingenommenheit und Fairness
Nehmen Sie am praxisnahen Kurs der Machine Learning University zum Thema verantwortungsvolle KI teil, um zu lernen, wie Sie Fairness-Kriterien verwenden können, um unerwünschte Vorurteile im ML-Lebenszyklus zu erkennen und zu mindern.
Tools
AWS Services helfen Ihnen, Abweichungen in Datensätzen und -modellen besser zu verfolgen, Einsichten in Modellvoraussagen zu gewinnen und Modellvorhersagen durch Automatisierung und menschliche Erkenntnisse besser zu beobachten und zu prüfen.
Abweichungen verfolgen
Abweichungen sind Ungleichgewichte oder Disparitäten in der Leistung eines Modells für verschiedene Gruppen. Amazon SageMaker Clarify erkennt potenzielle Abweichungen während der Datenvorbereitung, nach dem Modelltraining und in Ihrem eingesetzten Modell, indem es die von Ihnen angegebenen Eigenschaften untersucht.
Modellvoraussagen erklären
Das Verständnis des Verhaltens eines Modells ist wichtig, um genauere Modelle zu entwickeln und bessere Entscheidungen auf der Grundlage von Modellvorhersagen zu treffen. Amazon SageMaker Clarify bietet größere Sichtbarkeit des Modellverhaltens, sowohl für übergreifende als auch für individuelle Voraussagen, damit Sie den Beteiligten Transparenz liefern, menschlichen Entscheidern weiterreichende Informationen bieten und verfolgen können, ob ein Modell die beabsichtigte Leistung erbringt.
Überwachung und menschliche Prüfung
Überwachung ist wichtig, um ML-Modelle auf hoher Qualität zu halten und genaue Voraussagen zu sichern. Amazon SageMaker Model Monitor erkennt automatisch ungenaue Vorhersagen von Modellen, die in der Produktion eingesetzt werden, und warnt Sie davor. Und mit Amazon Augmented AI können Sie auch leicht eine menschliche Überprüfung von ML-Vorhersagen implementieren, wenn eine menschliche Kontrolle erforderlich ist.
AWS KI-Servicekarten
KI-Servicekarten sorgen für Transparenz und dokumentieren die beabsichtigten Anwendungsfälle und Überlegungen zur Fairness unserer AWS-KI-Services. Sie sind Teil eines umfassenden Entwicklungsprozesses, den wir durchlaufen, um unsere Services auf verantwortungsvolle Weise unter Berücksichtigung von Fairness, Stabilität, Verständlichkeit, Governance, Datenschutz und Sicherheit aufzubauen. KI-Servicekarten bieten einen zentralen Ort, an dem Sie Informationen zu den vorgesehenen Anwendungsfällen, verantwortungsvollen KI-Designentscheidungen, bewährten Verfahren und der Leistung für eine Reihe von Anwendungsfällen von KI-Services finden.
.8a22d7dd1d60ee839ae3a337bd7baa00a57a6b11.png "Amazon-Transcribe-Symbol"){kind=icon}
Kunden
Hören Sie zu, wie Jack Berkowitz, ADP, und Diya Wynn, Amazon Web Sevices, diskutieren, wie die richtigen Daten, die richtige Technologie und verantwortungsvoller Einsatz zusammenkommen, um Einsichten zu liefern, die unternehmerische Entscheidungen beschleunigen und verstärken können.
Zopa, eine UK-basierte Digitalbank und Peer-to-peer-Kreditgeber, verwendet Amazon SageMaker Clarify, um Modellerklärungen für seine betrügerische Aufdeckungsanwendung schneller und nahtloser einzusetzen.
Die Deutsche Fußball Liga (DFL) verwendet Amazon SageMaker Clarify, um zu erklären, was ein ML-Modell dazu brachte, ein bestimmtes Ergebnis mit ihrer digitalen Plattform Bundesliga Match Facts vorauszusagen.
NatWest Group, eine bedeutende Finanzservice-Institution, konstruierte prüfbare, reproduzierbare und erklärbare ML-Modelle mit Amazon SageMaker.
Gemeinschaftsbeitrag und Zusammenarbeit
AWS ist bestrebt, mit anderen zusammenzuarbeiten, um bewährte Verfahren auszutauschen, die Forschung zu beschleunigen und KI- und ML-Technologie verantwortungsvoll zu entwickeln. Diese branchenübergreifende Zusammenarbeit der Wirtschaft mit Bildungseinrichtungen, Behörden und Gemeinden hilft, die Innovation für alle voranzutreiben.
Partnerschaften
AWS arbeitet mit akademischen und anderen Beteiligten zusammen, durch strategische Partnerschaften mit Universitäten, zum Beispiel der University of California, Berkeley, dem MIT, dem California Institute of Technology, der University of Washington und anderen. Wir sind auch aktive Mitglieder von Organisationen mit vielen Beteiligten wie den OECD AI Arbeitsgruppen, The Partnership on AI und dem Responsible AI Institute.
Forschungsstipendien
Um den verantwortungsvollen Einsatz von Forschung voranzutreiben, vergibt AWS Forschungssubventionen durch Amazon Research Awards und das gemeinsame Amazon and National Science Foundation Fairness in AI Grants Program.
Vielfalt, Gleichberechtigung und Inklusion
Wir bilden die nächste Generation von ML-Führungskrften durch schnelleren Zugang zum ML-Qualifizierungstraining für alle, einschließlich derer aus Milieus, die technisch unterrepräsentiert sind, mit Programmen wie dem neuen AI & ML Scholarship Programm. Durch We Power Tech arbeitet AWS mit professionellen Organisationen wie Girls In Tech und der National Society of Black Engineers zusammen.
Forschung und Innovation
Das wissenschaftliche Feld von KI wird konstant weiterentwickelt, mit neuen Fortschritten, die jeden Tag entdeckt und veröffentlicht werden. AWS ist in dieser Gemeinschaft gut vertreten und tief integriert in die laufende und strikte wissenschaftliche Forschung in diesem Feld, mit Tausenden Forschern und Anwendungswissenschaftlern, die jeden Teil des Unternehmens erneuern.
Blogs
Jüngste Veröffentlichungen
Positive Auswirkungen von Machine Learning auf die Gesellschaft
Bei verantwortungsvollem Einsatz hat ML das Potenzial, jeden Branchen- und Unternehmensprozess positiv zu beeinflussen. Heute hilft ML auch bei der Lösung der größten Probleme unsere Welt, von der besseren Diagnose von Krankheiten bis zum Schutz gefährdeter Arten.