인공 지능 및 기계 학습의 책임감 있는 사용
AI 및 ML 기술의 개발 및 적용 과정을 안내하는 리소스 및 도구
기계 학습(ML)을 통해 적용된 인공 지능(AI)은 인류의 가장 어려운 문제를 해결하고, 인간의 성과를 높이고, 생산성을 극대화하는 우리 세대의 가장 혁신적인 기술 중 하나가 될 것입니다. 이러한 기술을 책임감 있게 사용하는 것이 지속적인 혁신을 촉진하는 핵심입니다. AWS는 공정하고 정확한 AI 및 ML 서비스를 개발하고 AI 및 ML 애플리케이션의 책임감 있는 구축에 필요한 도구와 지침을 고객에게 제공하고자 최선을 다하고 있습니다.
리소스
고객이 AI와 ML을 도입하고 사용을 확대하는 과정에서 AWS는 풍부한 경험을 바탕으로 고객이 AI와 ML을 책임감 있게 개발하고 사용할 수 있도록 몇 가지 리소스를
제공합니다.
기계 학습의 책임감 있는 사용 가이드에서는 (1) 설계 및 개발, (2) 배포, (3) 지속적인 사용의 세 가지 주요 단계에서 ML 시스템을 책임 있게 개발하고 사용하기 위한 고려 사항과 권장 사항을 제시합니다.
책임 있는 ML 전문가와 협력하여 이점을 극대화하고 위험을 최소화하는 인력, 프로세스 및 기술을 아우르는 운영 방식을 구축합니다. 이 운영 방식에는 책임감 있는 ML 원칙의 개발, 배포 및 운영이 포함됩니다.
최신 ML 기술에 대한 지속적인 교육은 책임감 있는 사용의 중요한 부분입니다. AWS는 AWS Machine Learning University(편향 및 공정성 과정), 교육 및 자격증 프로그램, AWS ML Embark 등의 프로그램을 통해 학습 여정 전반에 걸쳐 최신 ML 교육을 제공합니다.
새로운 소식
책임감 있는 AI에 대한 접근 방식
책임감 있는 방식으로 AI를 개발하는 것이 중요한 이유와 인간 중심적이고 포용적인 AI를 만드는 것이 무엇을 의미하는지 AWS의 선임 실무 관리자인 Diya Wynn에게서 들어보세요.
책임감 있는 AI에 관한 테크 톡
AWS의 기술 에반젤리스트인 Nashlie Sephus가 진행하는 책임감 있는 AI 및 안면 인식 기술에 대한 테크 톡을 통해 책임감 있는 AI를 전체 ML 수명 주기의 일부로 만드는 방법을 알아보세요.
편향 및 공정성 과정
책임감 있는 AI에 대한 Machine Learning University의 실습 과정을 통해 공정성 기준을 사용하여 ML 수명 주기에서 원치 않는 편향을 식별하고 완화하는 방법을 알아보세요.
도구
AWS 서비스는 데이터 세트 및 모델의 편향을 보다 잘 감지하고, 모델 예측에 대한 인사이트를 제공하며, 자동화 및 인적 감시를 통해 모델 예측을 보다 효과적으로 모니터링하고 검토할 수 있도록 지원합니다.
편향 감지
편향은 여러 그룹 간 데이터의 불균형 또는 모델의 성능 차이를 의미합니다. Amazon SageMaker Clarify는 데이터 준비 작업 동안, 모델 훈련 직후 그리고 특정 속성을 조사하여 배포된 모델에서 잠재적인 편향을 감지함으로써 편향을 완화하는 데 도움이 됩니다.
모델 예측 설명
모델의 동작을 이해하는 것은 더 정확한 모델을 개발하고 모델 예측을 통해 더 나은 결정을 내리는 데 중요합니다. Amazon SageMaker Clarify는 전체 예측과 개별 예측 모두에서 모델 동작에 대한 가시성을 높여 이해 관계자에게 투명성을 제공하고, 의사 결정권자에게 보다 심층적인 정보를 제공하며, 모델이 의도한 대로 작동하는지 추적할 수 있습니다.
모니터링 및 인적 검토
모니터링은 고품질 ML 모델을 유지하고 정확한 예측을 보장하는 데 있어서 중요합니다. Amazon SageMaker Model Monitor는 프로덕션 환경에 배포된 모델에서 부정확한 예측을 자동으로 감지하고 알려줍니다. 또한 Amazon Augmented AI를 사용하면 인적 감시가 필요할 경우 ML 예측에 대한 인적 검토를 구현할 수 있습니다.
AWS AI 서비스 카드
AI 서비스 카드는 투명성을 제공하고 AWS AI 서비스에 대한 의도된 사용 사례와 공정성 고려 사항을 문서화합니다. 이러한 서비스 카드는 AWS가 공정성, 안정성, 설명 가능성, 거버넌스, 개인 정보 보호, 보안을 고려하여 책임감 있는 방식으로 서비스를 구축하기 위해 진행하는 포괄적인 개발 프로세스의 일환으로 제공됩니다. AI 서비스 카드는 일련의 AI 서비스 사용 사례에 대한 의도된 사용 사례, 책임감 있는 AI 설계 선택, 모범 사례 및 성능에 대한 정보를 찾을 수 있는 단일 위치를 제공합니다.
.8a22d7dd1d60ee839ae3a337bd7baa00a57a6b11.png "Amazon Transcribe 아이콘"){kind=icon}
고객
ADP의 Jack Berkowitz와 Amazon Web Services의 Diya Wynn이 올바른 데이터, 올바른 기술 및 책임감 있는 사용을 결합하여, 비즈니스 의사 결정을 가속화하고 강화하는 데 도움이 되는 인사이트를 제공하는 방법을 설명합니다.
영국에 본사를 둔 디지털 은행 및 P2P 대출 기관인 Zopa는 Amazon SageMaker Clarify를 사용하여 부정 행위 탐지 애플리케이션의 모델 설명을 보다 빠르고 원활하게 만들고 있습니다.
Deutsche Fußball Liga(DFL)는 Amazon SageMaker Clarify를 사용하여 ML 모델이 Bundesliga Match Facts 디지털 플랫폼에서 특정 결과가 예측된 이유를 설명합니다.
유력 금융 서비스 기관인 NatWest Group은 Amazon SageMaker를 활용하여 감사, 재현 및 설명이 가능한 ML 모델을 구축했습니다.
커뮤니티의 참여와 협업
AWS는 모범 사례를 공유하고, 연구를 가속화하고, 책임감 있게 AI 및 ML 기술을 개발하기 위해 다른 이들과 열심히 협력하고 있습니다. 산업, 학계, 정부 및 지역사회 단체에 걸친 이러한 협업은 모두가 혁신하는 데 도움이 될 것입니다.
파트너십
AWS는 University of California, Berkeley, MIT, California Institute of Technology, University of Washington을 비롯한 여러 대학과의 전략적 파트너십을 통해 학계 및 기타 이해 관계자들과 협력합니다. 또한 OECD AI 워킹 그룹, Partnership on AI, Responsible AI Institute 등의 여러 이해 관계자들이 참여하는 조직에서 활발하게 활동하고 있습니다.
연구 지원금
책임감 있는 사용에 대한 연구에 박차를 가하기 위해 AWS는 Amazon Research Awards와 공동 Amazon and National Science Foundation Fairness in AI Grants 프로그램을 통해 연구 보조금을 제공합니다.
다양성, 평등, 포용성
새로운 AI & ML Scholarship 프로그램과 같은 프로그램을 통해 기술 분야의 경험이 부족한 사람들을 비롯하여 누구나 참여할 수 있는 ML 기술 교육 과정에 대한 접근성을 높여 차세대 ML 리더를 육성하고 있습니다. AWS는 We Power Tech를 통해 Girls In Tech, National Society of Black Engineers 등의 전문 단체와 협업하고 있습니다.
연구 및 혁신
AI 과학 분야는 매일 새로운 기술이 개발되고 발표되면서 끊임없이 진화하고 있습니다. AWS는 관련 학계를 대표하는 선도 기업으로서, 이 분야에서 지속적이고 철저한 과학 연구에 많이 투자하고 있으며, 수천 명의 연구원과 응용 과학자가 회사의 전 부문에 걸쳐 혁신에 참여하고 있습니다.
블로그
최근 발행물
사회에 긍정적인 영향을 미치는 기계 학습
ML을 책임감 있게 사용하면 모든 산업 및 비즈니스 프로세스에 긍정적인 영향을 미치게 됩니다. 오늘날, ML은 질병의 더 나은 진단법의 개발부터 멸종 위기에 처한 종의 보호에 이르기까지 세계에서 가장 어려운 문제들을 해결하는 데에도 도움을 주고 있습니다.