IA responsabile: dai principi alla pratica
Accelera l’implementazione di soluzioni IA affidabili con l’aiuto di esperti e strumenti pratici
Sviluppo responsabile dell’IA
La rapida crescita dell’IA e degli agenti intelligenti sta generando innovazioni promettenti, ma comporta anche nuove sfide. In AWS, l’IA responsabile diventa un’opzione pratica e scalabile, permettendoti di accelerare la ricerca di soluzioni innovative e affidabili basate sull’IA. Adottiamo un approccio incentrato sulle persone che dà la priorità all’istruzione, alla scienza e ai nostri clienti, per integrare l’IA responsabile in tutte le fasi del ciclo di vita dell’IA. Le nostre best practice basate sulla scienza, i sistemi di protezione integrati e vari altri strumenti ti aiuteranno a creare e utilizzare l’IA in modo responsabile nei diversi casi d’uso. Sviluppa soluzioni con procedure basate sull’IA responsabile fin dal primo giorno per muoverti più rapidamente e con consapevolezza e ottenere la fiducia dei tuoi clienti.
Cos’è l’IA responsabile?
AWS definisce l’IA responsabile utilizzando una serie di parametri di base che vengono valutati e aggiornati nel tempo in linea con l’evoluzione dell’IA.
Equità
Valutare gli impatti sui diversi gruppi di stakeholder
Spiegabilità
Comprendere e valutare i risultati del sistema
Privacy e sicurezza
Ottenere, utilizzare e proteggere dati e modelli in modo adeguato
Sicurezza
Prevenire l'output dannoso e l'uso improprio del sistema
Controllabilità
Disporre di meccanismi per monitorare e guidare il comportamento del sistema di IA
Veridicità e robustezza
Ottenere output di sistema corretti, anche con input imprevisti o contraddittori
Governance
Incorporare le best practice nella catena di approvvigionamento dell'IA, inclusi fornitori e implementatori
Trasparenza
Consentire alle parti interessate di fare scelte informate sul loro coinvolgimento con un sistema di IA
Best practice per l’IA responsabile
I parametri fondamentali dell’IA responsabile rappresentano le proprietà tecniche caratteristiche di ogni sistema IA: il tuo compito è compiere le scelte di progettazione più indicate per il caso d’uso specifico. La nuova funzione AWS Well-Architected Responsible AI Lens offre una serie di best practice e indicazioni pratiche per aiutarti a effettuare le valutazioni necessarie in fase di progettazione, sviluppo e utilizzo. Applica queste indicazioni per prendere decisioni informate trovando l’equilibrio ideale tra requisiti tecnici e aziendali e accelerando l’implementazione di sistemi IA affidabili.
Servizi e strumenti
AWS offre servizi e strumenti per aiutarti a progettare, creare e gestire sistemi IA in modo responsabile.
Realizza soluzioni con protezioni configurabili
Amazon Bedrock Guardrails ti aiuta a implementare protezioni personalizzate in base ai requisiti delle tue applicazioni e alle politiche in materia di IA responsabile. Con protezioni di sicurezza leader del settore che bloccano fino all’88% dei contenuti dannosi e forniscono spiegazioni accertabili e matematicamente verificabili per le decisioni di convalida con una precisione del 99%, Bedrock Guardrails offre protezioni configurabili per aiutare a rilevare e filtrare contenuti di testo e immagini dannosi, oscurare le informazioni sensibili e rilevare allucinazioni dei modelli. Usa Bedrock Guardrails con qualsiasi modello di fondazione, in Amazon Bedrock o con hosting autonomo, per assicurare l’uniformità dei controlli di sicurezza e della privacy in tutte le applicazioni.
Valutazioni dei modelli di fondazione (FM)
La valutazione del modello su Amazon Bedrock ti aiuta a valutare, confrontare e selezionare i migliori FM per il tuo caso d'uso specifico in base a metriche personalizzate, come precisione, robustezza e tossicità. Puoi anche utilizzare Amazon SageMaker Clarify e fmeval per la valutazione del modello.
Rilevamento dei bias e spiegazione delle previsioni
I bias sono distorsioni nei dati o disparità nelle prestazioni di un modello tra gruppi diversi. Amazon SageMaker Clarify consente di limitare i bias rilevandone l'eventuale presenza durante la preparazione dei dati, dopo l'addestramento dei modelli e nel modello implementato, attraverso l'analisi di attributi specifici.
Conoscere il comportamento di un modello è importante per sviluppare modelli più accurati e prendere decisioni migliori. Amazon SageMaker Clarify offre una maggiore visibilità sul comportamento del modello, in modo da garantire trasparenza alle parti interessate, informare chi prende decisioni e monitorare se un modello funziona come previsto.
Monitoraggio e revisione umana
Il monitoraggio è importante per mantenere modelli di machine learning (ML) di alta qualità e contribuire a garantire previsioni accurate. Amazon SageMaker Model Monitor rileva e segnala automaticamente le previsioni imprecise dei modelli implementati. E con Amazon SageMaker Ground Truth puoi applicare il feedback umano in tutto il ciclo di vita dell'ML per migliorare l'accuratezza e la pertinenza dei modelli.
Miglioramento della governance
La governance dell'ML di Amazon SageMaker fornisce strumenti su misura per migliorare la governance dei tuoi progetti di ML offrendoti un controllo e una visibilità più rigorosi sui tuoi modelli di ML. Puoi acquisire e condividere facilmente le informazioni sul modello e ottenere aggiornamenti sul suo comportamento, come i bias, in un unico posto.
Schede di servizi di IA di AWS
Le Schede di servizi di IA sono una risorsa per migliorare la trasparenza fornendo un unico posto dove trovare informazioni sui casi d'uso e le limitazioni previste, sulle scelte di progettazione dell'IA responsabile e sulle best practice di ottimizzazione delle prestazioni per i nostri servizi e modelli di IA.
Novità sull’IA responsabile
Contributi e collaborazione della community
Grazie a un profondo coinvolgimento con organizzazioni multi-stakeholder come i gruppi di lavoro dell'OECD AI, la Partnership on AI e il Responsible AI Institute, nonché alle partnership strategiche con le università su scala globale, ci impegniamo a collaborare con altri soggetti per sviluppare la tecnologia IA e ML in modo responsabile e a promuovere la fiducia.
Adottiamo un approccio incentrato sulle persone per educare la prossima generazione di leader nel campo dell'IA con programmi come il programma di borse di studio per IA e ML e We Power Tech per aumentare l'accesso all'apprendimento pratico, alle borse di studio e al tutoraggio per le persone meno abbienti o sottorappresentate nel settore tecnologico.
Il nostro impegno per un'IA generativa sicura, trasparente e responsabile prevede la collaborazione con la comunità globale e i decisori politici, inoltre include il Codice di condotta internazionale per i sistemi avanzati di IA del G7 di Hiroshima, l'AI Safety Summit nel Regno Unito e il supporto per la norma ISO 42001, un nuovo standard fondamentale per promuovere l'IA responsabile. Sosteniamo lo sviluppo di quadri normativi efficaci basati sul rischio in materia di IA, in grado di tutelare i diritti civili e di consentire al contempo una innovazione continua.
L'IA responsabile è un'area attiva di ricerca e sviluppo in Amazon. Abbiamo collaborazioni strategiche con il mondo accademico, come il California Institute of Technology e con Amazon Scholars, tra cui esperti di spicco che applicano la loro ricerca accademica per contribuire a creare flussi di lavoro di IA responsabile in Amazon.
Innoviamo insieme ai nostri clienti, rimanendo all'avanguardia nelle nuove tendenze e nella ricerca per fornire valore, con sovvenzioni alla ricerca continue tramite gli Amazon Research Awards e pubblicazioni scientifiche con Amazon Science. Scopri di più sulla scienza per sviluppare l'IA generativa in modo responsabile in questo blog di Amazon Science che descrive le principali sfide e soluzioni emergenti.
