Dominio del contenuto 4: Linee guida per un'IA responsabile

Identificare le caratteristiche dell'IA responsabile (ad esempio, bias, equità, inclusività, robustezza, sicurezza e veridicità).

Spiegare come utilizzare gli strumenti per identificare le caratteristiche dell'IA responsabile (ad esempio, Guardrail per Amazon Bedrock).

Definire pratiche responsabili per selezionare un modello (ad esempio, considerazioni ambientali e sostenibilità).

Identificare i rischi legali correlati all'utilizzo di soluzioni di GenAI (ad esempio, reclami per violazioni della proprietà intellettuale, output di modelli con bias, perdita di fiducia dei clienti, rischi per l'utente finale e allucinazioni).

Identificare le caratteristiche dei set di dati (ad esempio, inclusività, varietà, origini dati curate e set di dati bilanciati).

Descrivere gli effetti dei bias e della varianza (ad esempio, effetti sui gruppi demografici, imprecisione, overfitting e underfitting).

Descrivere gli strumenti per rilevare e monitorare i bias, l'affidabilità e la veridicità, ad esempio analisi della qualità delle etichette, verifiche condotte da umani, analisi dei sottogruppi, Amazon SageMaker Clarify, SageMaker Model Monitor e IA augmentée d'Amazon (Amazon A2I).

Descrivere le differenze tra i modelli che sono trasparenti e spiegabili e quelli che non lo sono.

Descrivere gli strumenti per identificare modelli trasparenti e spiegabili (ad esempio, Schede dei modelli SageMaker, modelli open source, dati e licenze).

Identificare i compromessi tra sicurezza e trasparenza dei modelli (ad esempio, misurazione di interpretabilità e prestazioni).

Descrivere i principi della progettazione umanocentrica per un'IA spiegabile.