AWS conferma il suo impegno verso l’IA generativa responsabile

AWS conferma impegno IA generativa responsabile

Come pioniere nell’intelligenza artificiale e nell’apprendimento automatico, AWS si impegna a sviluppare e implementare in modo responsabile l’IA generativa

Come una delle innovazioni più trasformazionali dei nostri tempi, l’IA generativa continua a catturare l’immaginazione del mondo e rimaniamo impegnati come sempre nel sfruttarla in modo responsabile. Con un team di esperti dedicati all’IA responsabile, affiancati dalla nostra organizzazione di ingegneria e sviluppo, testiamo e valutiamo continuamente i nostri prodotti e servizi per definire, misurare e mitigare preoccupazioni riguardanti accuratezza, equità, proprietà intellettuale, uso appropriato, tossicità e privacy. E sebbene non abbiamo tutte le risposte oggi, stiamo lavorando insieme ad altri per sviluppare nuovi approcci e soluzioni per affrontare queste sfide emergenti. Crediamo di poter guidare l’innovazione nell’IA, continuando a implementare le necessarie salvaguardie per proteggere i nostri clienti e i consumatori.

Presso AWS, sappiamo che la tecnologia dell’IA generativa e il suo utilizzo continueranno a evolversi, presentando nuove sfide che richiederanno attenzione e mitigazione aggiuntive. Ecco perché Amazon collabora attivamente con organizzazioni e organismi di standardizzazione focalizzati sullo sviluppo responsabile dei sistemi AI di prossima generazione, tra cui NIST, ISO, il Responsible AI Institute e il Partnership on AI. Infatti, la scorsa settimana presso la Casa Bianca, Amazon ha firmato impegni volontari per favorire lo sviluppo sicuro, responsabile ed efficace della tecnologia AI. Siamo desiderosi di condividere conoscenze con policymaker, accademici e società civile, riconoscendo che le sfide uniche poste dall’IA generativa richiederanno una collaborazione continua.

Questo impegno è coerente con il nostro approccio allo sviluppo dei nostri stessi servizi di IA generativa, incluso la costruzione di modelli di base (FMs) con l’IA responsabile in mente in ogni fase del nostro processo di sviluppo completo. Durante il design, lo sviluppo, la distribuzione e le operazioni, consideriamo una serie di fattori, tra cui 1/ accuratezza, ad esempio quanto una sintesi corrisponde al documento sottostante; se una biografia è corretta dal punto di vista dei fatti; 2/ equità, ad esempio se gli output trattano in modo simile i gruppi demografici; 3/ considerazioni di proprietà intellettuale e copyright; 4/ uso appropriato, ad esempio filtrare le richieste degli utenti per consigli legali, diagnosi mediche o attività illegali; 5/ tossicità, ad esempio discorsi di odio, volgarità e insulti; e 6/ privacy, ad esempio proteggere informazioni personali e sollecitazioni dei clienti. Costruiamo soluzioni per affrontare questi problemi nei nostri processi di acquisizione dei dati di addestramento, nei FMs stessi e nella tecnologia che utilizziamo per preelaborare le sollecitazioni degli utenti e postelaborare gli output. Per tutti i nostri FMs, investiamo attivamente per migliorare le nostre funzionalità e imparare dai clienti mentre sperimentano nuovi casi d’uso.

• Le didascalie sintetiche sono utili per l’addestramento multimodale? Questo articolo scientifico dimostra l’efficacia delle didascalie sintetiche nel migliorare la qualità delle didascalie per l’addestramento multimodale
• Questa libreria Python ‘Imitation’ fornisce implementazioni open source degli algoritmi di apprendimento per imitazione e ricompense in PyTorch.
• E se potessi trasformare il tuo modello basato solo sulla visione in un VLM allenando solo uno strato lineare usando una modesta quantità di immagini non etichettate? Scopri Text-to-Concept (e ritorno) tramite l’allineamento tra modelli incrociati.

Ad esempio, i Titan FMs di Amazon sono progettati per rilevare e rimuovere contenuti dannosi nei dati forniti dai clienti per la personalizzazione, rifiutare contenuti inappropriati nell’input dell’utente e filtrare gli output del modello contenenti contenuti inappropriati (come discorsi di odio, volgarità e violenza).

Per aiutare gli sviluppatori a creare applicazioni in modo responsabile, Amazon CodeWhisperer fornisce un tracker di riferimento che mostra le informazioni sulla licenza per una raccomandazione di codice e fornisce il link al repository open-source corrispondente quando necessario. Questo rende più facile per gli sviluppatori decidere se utilizzare il codice nel loro progetto e fare le attribuzioni del codice sorgente pertinenti come ritengono opportuno. Inoltre, Amazon CodeWhisperer filtra le raccomandazioni di codice che includono frasi tossiche e raccomandazioni che indicano un bias.

Attraverso servizi innovativi come questi, continueremo ad aiutare i nostri clienti a realizzare i vantaggi dell’IA generativa, collaborando sia nel settore pubblico che privato per assicurarci di farlo in modo responsabile. Insieme, costruiremo fiducia tra i clienti e il pubblico in generale, sfruttando questa nuova tecnologia trasformativa come una forza positiva.