Criando IA com responsabilidade na AWS
O rápido crescimento da inteligência artificial (IA) generativa traz inovações promissoras e, ao mesmo tempo, apresenta novos desafios. Na AWS, estamos comprometidos em desenvolver a IA de forma responsável, adotando uma abordagem centrada nas pessoas que prioriza a educação, a ciência e nossos clientes, para integrar a IA responsável em todo seu ciclo de vida.
Aspectos fundamentais da IA responsável
Imparcialidade
Consideração dos impactos em diferentes grupos de partes interessadas
Explicabilidade
Compreensão e avaliação de resultados do sistema
Privacidade e segurança
Obtenção, uso e proteção de dados e modelos da forma adequada
Segurança
Prevenção da saída prejudicial do sistema e do uso indevido
Controlabilidade
Existência de mecanismos para monitorar e orientar o comportamento do sistema de IA
Veracidade e robustez
Obtenção de saídas corretas do sistema, mesmo com entradas inesperadas ou adversárias
Governança
Incorporação das práticas recomendadas na cadeia de suprimentos de IA, incluindo provedores e responsáveis pela implantação
Transparência
Capacitação das partes interessadas para a tomada de decisões informadas sobre seu envolvimento com um sistema de IA
Aspectos fundamentais da IA responsável
Imparcialidade
Consideração dos impactos em diferentes grupos de partes interessadas
Explicabilidade
Compreensão e avaliação de resultados do sistema
Privacidade e segurança
Obtenção, uso e proteção de dados e modelos da forma adequada
Segurança
Prevenção da saída prejudicial do sistema e do uso indevido
Controlabilidade
Existência de mecanismos para monitorar e orientar o comportamento do sistema de IA
Veracidade e robustez
Obtenção de saídas corretas do sistema, mesmo com entradas inesperadas ou adversárias
Governança
Incorporação das práticas recomendadas na cadeia de suprimentos de IA, incluindo provedores e responsáveis pela implantação
Transparência
Capacitação das partes interessadas para a tomada de decisões informadas sobre seu envolvimento com um sistema de IA
Serviços e ferramentas
A AWS oferece serviços e ferramentas para ajudar a projetar, criar e operar sistemas de IA com responsabilidade.
Implementação de proteções na IA generativa
As barreiras de proteção do Amazon Bedrock ajudam a implementar proteções personalizadas para suas aplicações de IA generativa e alinhadas às políticas de IA responsável. As barreiras de proteção fornecem proteções adicionais personalizáveis, além das proteções nativas dos FMs, oferecendo recursos de segurança que estão entre os melhores do setor ao:
- Bloquear até 85% mais conteúdo prejudicial
- Filtrar mais de 75% das respostas alucinadas para RAG e workloads de resumo
- Permitir que os clientes personalizem e apliquem proteções de segurança, privacidade e veracidade em uma única solução
Avaliações do modelo de base (FM)
A avaliação de modelos no Amazon Bedrock ajuda a avaliar, comparar e selecionar os melhores FMs para seu caso de uso específico com base em métricas personalizadas, como precisão, robustez e toxicidade. Você também pode usar o Amazon SageMaker Clarify e o fmeval para avaliação de modelos.
Detecção de vieses e explicação de previsões
Vieses são desequilíbrios nos dados ou disparidades na performance de um modelo em grupos diferentes. O Amazon SageMaker Clarify ajuda a reduzir os vieses detectando sua possível ocorrência durante a preparação dos dados, após o treinamento de modelo e no modelo implantado, examinando atributos específicos.
Compreender o comportamento de um modelo é importante para desenvolver modelos mais precisos e tomar decisões melhores. O Amazon SageMaker Clarify fornece maior visibilidade do comportamento do modelo, para que você possa oferecer transparência às partes interessadas, informar as pessoas que tomam decisões e acompanhar se um modelo está funcionando conforme o esperado.
Monitoramento e revisão humana
O monitoramento é importante para manter modelos de machine learning (ML) de alta qualidade e ajudar a garantir previsões precisas. O Amazon SageMaker Model Monitor detecta automaticamente e alerta sobre previsões imprecisas de modelos implantados. Com o Amazon SageMaker Ground Truth, você pode aplicar feedback humano em todo o ciclo de vida do ML para melhorar a precisão e a relevância dos modelos.
Aprimoramento da governança
A governança de ML do Amazon SageMaker fornece ferramentas específicas para melhorar a governança de projetos de ML, oferecendo maior controle e visibilidade sobre os modelos de ML. Você pode capturar e compartilhar facilmente as informações do modelo e se manter informado sobre o comportamento dele, como viés, tudo em um só lugar.
Cartões de serviço de IA da AWS
Os cartões de serviço de IA são um recurso para aumentar a transparência, fornecendo a você um único local para encontrar informações sobre os casos de uso e limitações pretendidos, escolhas de design de IA responsável e práticas recomendáveis de otimização de desempenho para nossos serviços e modelos de IA.
