Human-in-the-Loop ist der Prozess, bei dem menschliche Eingaben während des gesamten ML-Lebenszyklus genutzt werden, um die Genauigkeit und Relevanz von Modellen zu verbessern. Menschen können eine Vielzahl von Aufgaben ausführen, von der Datengenerierung und Anmerkung bis hin zur Modellüberprüfung, -anpassung und -bewertung. Das menschliche Eingreifen ist besonders wichtig für generative KI-Anwendungen, bei denen der Mensch in der Regel sowohl der Anforderer als auch der Konsument der Inhalte ist. Es ist daher von entscheidender Bedeutung, dass Menschen Basismodelle (FMs) darin schulen, wie sie genau, sicher und sachdienlich auf die Aufforderungen der Benutzer reagieren können. Menschliches Feedback kann verwendet werden, um Ihnen bei der Erledigung mehrerer Aufgaben zu helfen. Erstens, die Erstellung qualitativ hochwertiger Trainingsdatensätze für generative KI-Anwendungen durch überwachtes Lernen (bei dem ein Mensch den Stil, die Länge und die Genauigkeit simuliert, mit der ein Modell auf Benutzeraufforderungen reagieren sollte) und verstärkendes Lernen mit menschlichem Feedback (bei dem ein Mensch die Modellantworten einstuft und klassifiziert). Zweitens, die Verwendung von Daten, die von Menschen erstellt wurden, um FMs an bestimmte Aufgaben oder an Ihre domain- und bereichsspezifischen Daten anzupassen und die Modellausgabe für Sie relevant zu machen. Und schließlich wählen Sie mithilfe von menschlichen Bewertungen und Vergleichen das FM aus, das für Ihren Anwendungsfall und Ihre Projektanforderungen am besten geeignet ist.
Amazon SageMaker Ground Truth bietet die umfassendste Palette von Human-in-the-Loop-Fähigkeiten. Es gibt zwei Möglichkeiten, Amazon SageMaker Ground Truth zu nutzen: ein Self-Service-Angebot und ein AWS-verwaltetes Angebot. Im Rahmen des Self-Service-Angebots können Ihre Datenannotatoren, Inhaltsersteller und Prompt-Engineers (intern, von Anbietern verwaltet oder unter Nutzung der öffentlichen Crowd) unsere Low-Code-Benutzeroberfläche verwenden, um die „Human-in-the-Loop“-Aufgaben zu beschleunigen, während Sie gleichzeitig die Flexibilität haben, Ihre eigenen benutzerdefinierten Workflows zu erstellen und zu verwalten. Bei dem von AWS verwalteten Angebot (SageMaker Ground Truth Plus) übernehmen wir die schwere Arbeit für Sie, einschließlich der Auswahl und Verwaltung der richtigen Arbeitskräfte für Ihren Anwendungsfall. SageMaker Ground Truth Plus entwirft und passt einen durchgängigen Workflow an (einschließlich detaillierter Mitarbeiterschulungen und Qualitätssicherungsschritte) und stellt ein qualifiziertes, von AWS verwaltetes Team bereit, das für die spezifischen Aufgaben geschult ist und Ihre Anforderungen an Datenqualität, Sicherheit und Compliance erfüllt.
Human-in-the-Loop-Fähigkeiten spielen eine wichtige Rolle bei der Entwicklung und Verbesserung von generativen KI-Anwendungen auf der Grundlage von FMs. Hochqualifiziertes Personal, das in den Leitlinien der Aufgaben geschult ist, kann Feedback, Anleitung, Inputs und Bewertungen bei Aktivitäten wie der Generierung von Demonstrationsdaten zur Schulung von FMs, der Korrektur und Verbesserung von Stichprobenantworten, der Feinabstimmung eines Modells auf der Grundlage von Unternehmens- und Branchendaten, der Absicherung gegen Toxizität und Voreingenommenheit und vielem mehr liefern. Human-in-the-Loop-Fähigkeiten können daher die Genauigkeit und Leistung des Modells verbessern.
Um mit Amazon SageMaker Ground Truth Plus (von AWS verwaltetes Angebot) zu beginnen, füllen Sie bitte das Anforderungsformular für das Projekt aus. Unser Team wird sich mit Ihnen in Verbindung setzen, um Ihr Human-in-the-Loop-Projekt zu besprechen.
Um mit Amazon SageMaker Ground Truth (Self-Service-Angebot) zu beginnen, melden Sie sich einfach bei der AWS-Managementkonsole an und navigieren Sie zur SageMaker-Konsole. Dort wählen Sie unter "Ground Truth" Labeling-Aufträge aus. Und schon können Sie Ihren Labeling-Auftrag erstellen. Zunächst geben Sie als Teil des Auftragserstellungsworkflows einen Pointer auf den S3-Bucket ein, der das zu kennzeichnende Dataset enthält. Ground Truth bietet Vorlagen für gängige Labeling-Aufgaben, in denen Sie nur wenige Einstellungen vornehmen und kaum Anweisungen zur Durchführung des Daten-Labeling eingeben müssen. Alternativ können Sie auch eigene Vorlagen erstellen. Zuletzt wählen Sie dann eine der drei angebotenen menschlichen Workforce-Optionen aus: (1) eine öffentliche Crowdsource-Workforce, (2) einen kuratierten Pool aus Anbietern von Daten-Labeling-Services oder (3) Ihre eigenen Mitarbeiter. Ebenso können Sie auch das automatische Daten-Labeling aktivieren.
Amazon SageMaker Ground Truth verschlüsselt Daten, die in einem Amazon-S3-Bucket gespeichert sind, standardmäßig im Ruhezustand und bei der Übertragung. Zudem wird der Zugriff auf Ihre Daten mit AWS Identity and Access Management (IAM) gesteuert. SageMaker Ground Truth speichert oder kopiert Ihre Daten nicht außerhalb Ihrer AWS-Umgebung (von Ihnen oder über einen von AWS verwalteten Service erstellt) und Ihre Daten bleiben in Ihrer Kontrolle. Darüber hinaus unterstützt Ground Truth Compliance-Standards wie die Datenschutz-Grundverordnung (GSDVO) und protokolliert und überprüft den gesamten Zugriff auf Ihre Daten mithilfe von Amazon CloudWatch und Amazon CloudTrail. Weitere Informationen zu Amazon SageMaker Ground Truth finden Sie in der Dokumentation.
Mit Amazon SageMaker Ground Truth Plus (von AWS verwaltetes Angebot) haben Sie Zugriff auf fachkundige Mitarbeiter auf Abruf, die in Ihren spezifischen KI/ML-Aufgaben geschult sind, Ihre Workflows je nach Projektanforderungen dynamisch nach oben oder unten skalieren können und Ihnen helfen können, Ihre Datenqualitäts-, Sicherheits- und Compliance-Anforderungen zu erfüllen. Unser Team wird mit Ihnen zusammenarbeiten, um zu verstehen, welche Fähigkeiten Ihr Projekt erfordert, und es mit den entsprechenden Mitarbeitern besetzen.
Auf der Preisseite zu SageMaker Ground Truth finden Sie aktuelle Preisinformationen. Die Preise für Projekte mit SageMaker Ground Truth Plus werden individuell berechnet. Unser Team wird die Preisoptionen mit Ihnen besprechen, nachdem Sie ein Projektanforderungsformular eingereicht haben. In der AWS-Regionentabelle finden Sie alle AWS-Regionen, in denen Amazon SageMaker Ground Truth aktuell verfügbar ist.