負責任地使用人工智慧和機器學習
引導您開發和應用 AI 和 ML 技術的資源和工具
透過機器學習 (ML) 應用的人工智慧 (AI) 是當代最具顛覆性的技術之一，可處理一些人類面臨最具挑戰性的問題、增強人類表現並最大化生產力。負責任地使用這些技術是促進持續創新的關鍵。AWS 致力於開發公平、準確的 AI 和 ML 服務，並為您提供以負責任的方式建置 AI 和 ML 應用程式所需的工具和指引。
資源
在您採用並增加對 AI 和 ML 的使用時，AWS 會根據我們的經驗提供數個資源，來協助您負責任地開發和使用 AI
和 ML。
針對 ML 的最新發展提供持續的教育，是負責地使用的重要部分。AWS 透過 AWS Machine Learning 大學 (偏差性與公平性課程)、培訓和認證計畫和 AWS ML Embark 等計畫，在您的學習之旅提供最新的 ML 教育。
工具
AWS 服務可協助您更全面地偵測資料集和模型中的偏差、提供對模型預測的洞察，以及透過自動化和人工監督，更完善地監控和審查模型預測。
偵測偏差
偏差是指資料中的不平衡，或模型在不同群體中的效能差異。Amazon SageMaker Clarify 會透過檢查特定屬性來偵測資料準備期間、模型培訓後，以及您部署模型中的潛在偏差，協助您消除偏差。
說明模型預測
了解模型的行為，對於開發更準確的模型，以及基於模型預測做出更完善決策非常重要。Amazon SageMaker Clarify 提供對模型行為更深入的可見性，包括整體和個別預測，如此您就可以向利害關係人保持開誠佈公的態度、為人類決策提供更深入的資訊，並追蹤模型的表現是否如預期。
監控和人工審查
監控對於維護高品質 ML 模型和確保預測的準確性非常重要。Amazon SageMaker Model Monitor 會自動偵測來自生產中部署模型的不準確預測，並向您發出提醒。而有了 Amazon Augmented AI，您也就可以在需要人工監督時，對 ML 預測進行人工審查。
AWS AI 服務卡
AI 服務卡提供透明度，並記錄 AWS AI 服務的預期使用案例和公平性考量。我們致力於以負責任的方式建置我們的服務，服務卡正是其中的一部分，同時考慮到公平性、穩健性、可解釋性、治理性、隱私性和安全性。有了 AI 服務卡，您在單一位置即可找到一系列 AI 服務使用案例的預期使用案例、負責任的 AI 設計選擇、最佳實務和效能等資訊。
.8a22d7dd1d60ee839ae3a337bd7baa00a57a6b11.png "Amazon Transcribe 圖示"){kind=icon}
客戶
請聽聽 ADP 的 Jack Berkowitz 和 Amazon Web Services 的 Diya Wynn 的討論，了解如何將正確的資料、正確的技術和負責任的使用結合起來，以提供可協助加速和增強業務決策的洞察。
一家總部位於英國的數位銀行和網路借貸領導公司，Zopa，正在使用 Amazon SageMaker Clarify 更快速和更流暢地為其詐欺偵測應用產生模型解釋。
Deutsche Fußball Liga (DFL) 使用 Amazon SageMaker Clarify，來說明是什麼導致 ML 模型透過其 Bundesliga Match Facts 數位平台來預測某種結果。
NatWest Group 是一家主要金融服務機構，運用 Amazon SageMaker 建置可稽核、可重現和可解釋的 ML 模型。
社群貢獻和協作
AWS 致力於與他人合作，分享最佳實務，加速研究，並以負責任的方式開發 AI 和 ML 技術。產業、學術界、政府和社區團體之間的這種合作將有助於促進所有人進行創新。
合作關係
AWS 透過與包含柏克萊加州大學、麻省理工學院、加州理工學院、華盛頓大學和其他大學的策略合作關係，與學術界和其他利害關係人進行合作。我們也是多方利害關係人組織的活躍成員，例如 OECD AI 工作小組和 Partnership on AI，以及 Responsible AI Institute。
多元化、公平性和包容性
我們推出全新的 AI & ML 獎學金計畫等計畫，透過為所有人 (包含來自科技界中代表性不足背景的人) 提供 ML 技能培訓的機會，來培養下一代的 ML 領導者。 AWS 透過 We Power Tech，與 Girls in Tech 和 National Society of Black Engineers 等專業組織合作。
研究與創新
AI 科學領域正在不斷發展，每天都有新進展的發現和公佈。AWS 在這個社群有充分的代表性，並在此領域持續且嚴謹的科學研究投入大量的資金，數以千計的研究人員和應用科學家在公司各個部門進行創新。