Transformasikan AI yang bertanggung jawab dari teori menjadi praktik
Mempromosikan pengembangan AI yang aman dan bertanggung jawab sebagai kekuatan untuk kebaikan
Membangun AI secara bertanggung jawab di AWS
Perkembangan AI generatif yang pesat membawa inovasi baru yang menjanjikan, dan pada saat yang sama menimbulkan tantangan baru. Di AWS, kami berkomitmen untuk mengembangkan AI secara bertanggung jawab, dengan mengambil pendekatan yang berpusat pada orang-orang yang memprioritaskan pendidikan, sains, dan pelanggan agar dapat mengintegrasikan AI yang bertanggung jawab di seluruh siklus hidup AI secara menyeluruh.

Dimensi inti AI yang bertanggung jawab
Keadilan
Mempertimbangkan dampak terhadap berbagai kelompok pemangku kepentingan
Keterjelasan
Memahami dan mengevaluasi output sistem
Privasi dan keamanan
Mendapatkan, menggunakan, dan melindungi data dan model dengan tepat
Keselamatan
Mencegah output sistem yang berbahaya dan penyalahgunaan
Pengendalian
Memiliki mekanisme untuk memantau dan mengarahkan perilaku sistem AI
Kebenaran dan kekokohan
Mencapai output sistem yang benar, bahkan dengan masukan yang tidak terduga atau berlawanan
Tata Kelola
Menyertakan praktik terbaik ke dalam rantai pasokan AI, termasuk penyedia dan deployer
Transparansi
Memungkinkan pemangku kepentingan untuk membuat pilihan berdasarkan informasi tentang keterlibatan mereka dengan sistem AI
Layanan dan alat
AWS menawarkan layanan dan alat untuk membantu Anda merancang, membangun, dan mengoperasikan sistem AI secara bertanggung jawab.
Menerapkan pengamanan dalam AI generatif
Pagar Pembatas Amazon Bedrock membantu Anda menerapkan perlindungan yang disesuaikan dengan aplikasi AI generatif dan selaras dengan kebijakan AI yang bertanggung jawab. Pagar pembatas menyediakan perlindungan tambahan yang dapat disesuaikan di atas perlindungan asli FM, sehingga dapat memberikan perlindungan keselamatan yang terbaik di industri dengan:
- Memblokir 85% lebih banyak konten berbahaya
- Memfilter lebih dari 75% respons halusinasi untuk beban kerja RAG dan ringkasan
- Memungkinkan pelanggan untuk menyesuaikan dan menerapkan perlindungan keamanan, privasi, dan kebenaran dalam satu solusi

Evaluasi model fondasi (FM)
Evaluasi Model di Amazon Bedrock membantu Anda mengevaluasi, membandingkan, dan memilih FM terbaik untuk kasus penggunaan spesifik Anda berdasarkan metrik kustom, seperti akurasi, ketahanan, dan toksisitas. Anda juga dapat menggunakan Amazon SageMaker Clarify dan fmeval untuk evaluasi model.

Mendeteksi bias dan menjelaskan prediksi
Bias merupakan ketidakseimbangan pada data atau perbedaan pada performa suatu model di berbagai grup. Amazon SageMaker Clarify membantu Anda memitigasi bias dengan cara mendeteksi potensi bias selama persiapan data, setelah pelatihan model, dan dalam model yang di-deploy dengan memeriksa atribut tertentu.
Memahami perilaku model penting untuk mengembangkan model yang lebih akurat dan membuat keputusan yang lebih baik. Amazon SageMaker Clarify memberikan visibilitas yang lebih besar terhadap perilaku model, sehingga Anda dapat memberikan transparansi kepada pemangku kepentingan, menyediakan informasi sebagai dasar untuk pembuat keputusan, dan melacak apakah model berjalan seperti yang diinginkan.

Pemantauan dan peninjauan manusia
Pemantauan penting untuk mempertahankan model machine learning (ML) berkualitas tinggi dan membantu memastikan prediksi yang akurat. Amazon SageMaker Model Monitor akan secara otomatis mendeteksi dan memberi tahu Anda jika ada prediksi yang tidak akurat dari model yang di-deploy. Selain itu, dengan Amazon SageMaker Ground Truth, Anda dapat menerapkan umpan balik dari manusia di seluruh siklus hidup ML untuk meningkatkan akurasi dan relevansi model.

Meningkatkan tata kelola
Tata Kelola ML dari Amazon SageMaker menyediakan alat yang dibuat khusus untuk meningkatkan tata kelola proyek ML Anda dengan memberikan kontrol dan visibilitas yang lebih ketat atas model ML Anda. Anda dapat dengan mudah menangkap serta berbagi informasi model dan tetap mendapat informasi tentang perilaku model, seperti bias, semuanya di satu tempat.

Kartu Layanan AWS AI
Kartu Layanan AI adalah sumber daya untuk meningkatkan transparansi dengan memberi Anda satu tempat untuk menemukan informasi tentang kasus dan batasan penggunaan yang dimaksudkan, pilihan desain AI yang bertanggung jawab, dan praktik terbaik optimisasi performa untuk layanan dan model AI kami.

Kontribusi dan kolaborasi komunitas
Kemitraan
Keterlibatan yang mendalam dengan organisasi multipemangku kepentingan seperti kelompok kerja OECD AI, Partnership on AI, dan Responsible AI Institute serta kemitraan strategis dengan universitas dalam skala global, kami berkomitmen untuk bekerja bersama mengembangkan teknologi AI dan ML secara bertanggung jawab serta membangun kepercayaan.
Keanekaragaman, kesetaraan, dan inklusi
Kami mengambil pendekatan yang berpusat pada manusia untuk mendidik generasi pemimpin AI berikutnya dengan berbagai program, seperti program Beasiswa AI & ML serta We Power Tech, untuk meningkatkan akses ke pembelajaran langsung, beasiswa, dan bimbingan bagi mereka yang kurang mendapatkan layanan atau kurang terwakili dalam teknologi.
Kebijakan publik
Investasi kami dalam AI generatif yang aman, transparan, dan bertanggung jawab mencakup kolaborasi dengan komunitas global dan pembuat kebijakan termasuk Pedoman Perilaku Proses G7 AI Hiroshima, AI Safety Summit di Inggris Raya, serta dukungan untuk ISO 42001, standar dasar baru untuk meningkatkan AI yang bertanggung jawab. Kami mendukung pengembangan kerangka kerja peraturan berbasis risiko yang efektif untuk AI yang melindungi hak-hak sipil, sekaligus memungkinkan inovasi berkelanjutan.
Penelitian
AI yang bertanggung jawab adalah area aktif penelitian dan pengembangan di Amazon. Kami memiliki kemitraan strategis dengan akademisi, seperti California Institute of Technology dan dengan Amazon Scholars, termasuk ahli terkemuka yang menerapkan penelitian akademis mereka untuk membantu membentuk aliran kerja AI yang bertanggung jawab di Amazon.
Kami berinovasi bersama pelanggan—agar tetap berada di garis depan tren dan penelitian baru untuk memberikan nilai—dengan hibah penelitian berkelanjutan melalui Amazon Research Awards serta publikasi ilmiah dengan Amazon Science. Pelajari selengkapnya tentang ilmu untuk membangun AI generatif secara bertanggung jawab di blog Amazon Science ini yang membongkar tantangan dan solusi utama yang muncul.