A medida que os modelos de IA se tornam mais poderosos, as questoes de governanca se tornam criticas. AIP-C01 avalia como implementar principios de IA responsavel usando servicos AWS.
Principios de IA responsavel da AWS
A AWS define seis principios: Equidade, Explicabilidade, Privacidade, Seguranca, Transparencia e Seguranca. Cada um mapeia para servicos especificos da AWS.
!Os 6 princípios centrais do AWS Responsible AI
Tipos de vies
: Dados de treinamento nao representam a populacao de implantacao : Dados coletados de forma diferente entre grupos : Rotulos de decisoes historicamente discriminatorias : Modelo implantado em contexto diferente do treinamento
SageMaker Clarify
Clarify mede vies em dados pre-treinamento e vies do modelo pos-treinamento. Metricas-chave: CI (desequilibrio de classes), DPL, DI (impacto disparado). Para explicabilidade, usa valores SHAP — explicacoes globais do modelo e explicacoes locais por predicao.
SageMaker Model Cards e Amazon A2I
Model Cards documentam proposito, dados de treinamento, metricas, avaliacao de vies, usos pretendidos e proibidos. O Amazon A2I fornece fluxos de trabalho Human-in-the-Loop gerenciados com condicoes de ativacao configuraveis, equipes de trabalho e interfaces de tarefa personalizadas.
Governanca de conformidade
AWS Config rastreia alteracoes de configuracao do SageMaker. AWS Audit Manager coleta evidencias automaticamente para frameworks de conformidade. SageMaker ML Lineage Tracking registra a cadeia completa desde dados de treinamento ate o endpoint.
Resumo para o exame
"Deteccao de vies em dados" → SageMaker Clarify "Documentacao do modelo" → SageMaker Model Cards "Revisao humana de predicoes" → Amazon A2I "Rastreamento de dados ao modelo" → SageMaker ML Lineage Tracking