内容领域 4： 负责任 AI 准则

确定负责任 AI 的特征（例如，偏见、公平性、包容性、稳健性、安全性、真实性）。

说明如何使用工具识别负责任 AI 的特征（例如，Amazon Bedrock 防护机制）。

定义选择模型的负责任做法（例如，环境考量、可持续性）。

确定使用生成式人工智能的法律风险（例如，知识产权侵权索赔、存在偏见的模型输出、失去客户信任、终端用户风险、幻觉）。

确定数据集的特征（例如，包容性、多样性、数据来源经策管、数据集平衡）。

描述偏差和方差的影响（例如，对人口统计群体的影响、不准确、过拟合、欠拟合）。

描述检测和监控偏见、可信度和真实性的工具（例如，分析标记质量、人工审计、亚组分析、Amazon SageMaker Clarify、SageMaker Model Monitor、Amazon Augmented AI [Amazon A2I]）。

描述透明且可解释的模型与不透明且不可解释的模型之间的区别。

描述用于识别透明且可解释的模型的工具（例如，SageMaker Model Cards、开源模型、数据、许可）。

确定模型安全性和透明度之间的权衡（例如，衡量可解释性和性能）。

描述为实现可解释 AI 而应遵循的以人为本的设计原则。