Xây dựng AI một cách có trách nhiệm tại AWS
Sự phát triển nhanh chóng của AI tạo sinh mang lại sự đổi mới đầy hứa hẹn và đồng thời đặt ra những thách thức mới. Tại AWS, chúng tôi cam kết phát triển AI một cách có trách nhiệm, áp dụng phương pháp tiếp cận lấy con người làm trung tâm ưu tiên giáo dục, khoa học và khách hàng của chúng tôi để tích hợp AI có trách nhiệm trong vòng đời AI toàn diện.
Thước đo cốt lõi của AI có trách nhiệm
Công bằng
Xem xét tác động đến nhiều nhóm bên liên quan khác nhau
Khả năng giải thích
Hiểu và đánh giá kết quả đầu ra của hệ thống
Quyền riêng tư và bảo mật
Thu thập, sử dụng và bảo vệ dữ liệu cũng như mô hình một cách thích hợp
An toàn
Ngăn chặn hành vi lạm dụng và tạo kết quả đầu ra gây hại cho hệ thống
Khả năng kiểm soát
Có cơ chế giám sát và điều khiển hành vi của hệ thống AI
Chính xác và mạnh mẽ
Đạt được kết quả đầu ra chính xác từ hệ thống, ngay cả với đầu vào không mong muốn và đối nghịch
Quản trị
Kết hợp biện pháp thực hành tốt nhất vào chuỗi cung ứng AI, trong đó có nhà cung cấp và người triển khai
Tính minh bạch
Cho phép các bên liên quan đưa ra lựa chọn có đủ cơ sở thông tin về mức độ tương tác với hệ thống AI
Thước đo cốt lõi của AI có trách nhiệm
Công bằng
Xem xét tác động đến nhiều nhóm bên liên quan khác nhau
Khả năng giải thích
Hiểu và đánh giá kết quả đầu ra của hệ thống
Quyền riêng tư và bảo mật
Thu thập, sử dụng và bảo vệ dữ liệu cũng như mô hình một cách thích hợp
An toàn
Ngăn chặn hành vi lạm dụng và tạo kết quả đầu ra gây hại cho hệ thống
Khả năng kiểm soát
Có cơ chế giám sát và điều khiển hành vi của hệ thống AI
Chính xác và mạnh mẽ
Đạt được kết quả đầu ra chính xác từ hệ thống, ngay cả với đầu vào không mong muốn và đối nghịch
Quản trị
Kết hợp biện pháp thực hành tốt nhất vào chuỗi cung ứng AI, trong đó có nhà cung cấp và người triển khai
Tính minh bạch
Cho phép các bên liên quan đưa ra lựa chọn có đủ cơ sở thông tin về mức độ tương tác với hệ thống AI
Dịch vụ và công cụ
AWS cung cấp các dịch vụ và công cụ giúp bạn thiết kế, xây dựng và vận hành các hệ thống AI một cách có trách nhiệm.
Thực hiện các biện pháp bảo vệ trong AI tạo sinh
Quy tắc bảo vệc của Amazon Bedrock giúp bạn triển khai các biện pháp bảo vệ phù hợp với các ứng dụng AI tạo sinh và phù hợp với các chính sách AI có trách nhiệm. Quy tắc bảo vệ cung cấp các biện pháp bảo vệ tùy chỉnh bổ sung bên cạnh các biện pháp bảo vệ gốc của FM, mang lại các biện pháp bảo vệ an toàn hàng đầu trong ngành bằng cách:
- Chặn hơn 85% nội dung gây hại
- Lọc hơn 75% phản hồi ảo giác cho khối lượng công việc RAG và tóm tắt
- Cho phép khách hàng tùy chỉnh và áp dụng các biện pháp bảo vệ an toàn, riêng tư và trung thực trong một giải pháp duy nhất
Đánh giá mô hình nền tảng (FM)
Đánh giá mô hình trên Amazon Bedrock giúp bạn đánh giá, so sánh và chọn mô hình nền tảng tốt nhất cho trường hợp sử dụng của bạn dựa trên các số liệu tùy chỉnh như độ chính xác, độ mạnh mẽ và độ độc hại. Bạn cũng có thể sử dụng Amazon SageMaker Clarify và fmeval để đánh giá mô hình.
Phát hiện sai lệch và giải thích dự đoán
Thiên kiến là sự mất cân bằng trong dữ liệu hoặc sự chênh lệch trong hiệu suất của một mô hình giữa các nhóm khác nhau. Amazon SageMaker Clarify giúp bạn giảm thiểu thiên kiến bằng cách phát hiện sớm thiên kiến tiềm ẩn trong quá trình chuẩn bị dữ liệu, sau khi đào tạo mô hình và trong mô hình đã triển khai bằng cách kiểm tra các thuộc tính cụ thể.
Hiểu hành vi của mô hình là rất quan trọng để phát triển các mô hình chính xác hơn và đưa ra quyết định tốt hơn. Amazon SageMaker Clarify cung cấp khả năng hiển thị hành vi của mô hình tốt hơn, do đó bạn có thể chứng minh tính minh bạch cho các bên liên quan, đưa ra các quyết định có yếu tố con người và theo dõi xem mô hình có hoạt động như dự định hay không.
Giám sát và đánh giá do con người thực hiện
Công tác giám sát rất quan trọng để duy trì các mô hình máy học (ML) chất lượng cao và giúp đảm bảo dự đoán chính xác. Trình giám sát mẫu của Amazon SageMaker tự động phát hiện và cảnh báo bạn về các dự đoán không chính xác từ các mô hình được triển khai. Và với Amazon SageMaker Ground Truth, bạn có thể áp dụng phản hồi do con người cung cấp trong suốt vòng đời máy học để cải thiện độ chính xác và mức độ phù hợp của các mô hình.
Cải thiện quản trị
Quản trị máy học từ Amazon SageMaker cung cấp các công cụ được xây dựng theo mục đích để cải thiện quản trị các dự án máy học bằng cách cho phép bạn kiểm soát chặt chẽ hơn và hiển thị các mô hình máy học của mình. Bạn có thể dễ dàng nắm bắt và chia sẻ thông tin mô hình và cập nhật thông tin về hành vi của mô hình, như thiên kiến, ở một nơi duy nhất.
AWS AI Service Cards
Thẻ dịch vụ AI là một tài nguyên để tăng cường tính minh bạch bằng cách cung cấp cho bạn một nơi duy nhất để tìm thông tin về các trường hợp sử dụng và hạn chế dự định, các lựa chọn thiết kế AI có trách nhiệm và các phương pháp tốt nhất tối ưu hóa hiệu suất cho các dịch vụ và mô hình AI của chúng tôi.