MediaSelección múltiple

Pregunta de práctica de AIF-C01

Una empresa va a implementar un sistema de diagnóstico basado en inteligencia artificial en el sector de la salud. ¿Cuáles TRES prácticas se alinean con las directrices de AWS sobre IA responsable? (Elija TRES.)

Elige todas las respuestas correctas.

Respuestas correctas

  • BMonitorear continuamente el rendimiento del modelo en busca de deriva utilizando SageMaker Model Monitor.
  • DDocumentar el uso previsto y las limitaciones del modelo mediante tarjetas de modelo.
  • EImplementar un proceso con intervención humana (human-in-the-loop) para predicciones de alto riesgo utilizando Amazon A2I.

Explicación

Las directrices de AWS sobre IA responsable enfatizan varias prácticas para sistemas de alto riesgo, como los diagnósticos de salud. El monitoreo continuo con SageMaker Model Monitor ayuda a detectar la calidad de los datos, el sesgo y la deriva en la atribución de características, respaldando la confiabilidad y la seguridad (B). Documentar el uso previsto del modelo, sus limitaciones y su rendimiento mediante tarjetas de modelo (model cards) promueve la transparencia y la rendición de cuentas (D). La implementación de un proceso de revisión con intervención humana (human-in-the-loop) utilizando Amazon Augmented AI (A2I) garantiza una supervisión humana significativa para las predicciones de alto riesgo (E). Por el contrario, implementar el modelo sin una revisión manual (A) y depender únicamente de decisiones automatizadas (C) infringe los principios de IA responsable que exigen supervisión y validación humana.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Implementar el modelo en producción inmediatamente después del entrenamiento sin revisión manual.

Omite la revisión, lo que incrementa el riesgo de implementar un modelo sesgado o inseguro.

B

Correcta

Monitorear continuamente el rendimiento del modelo en busca de deriva utilizando SageMaker Model Monitor.

El monitoreo garantiza la confiabilidad y la seguridad continuas.

C

Incorrecta

Utilizar exclusivamente la toma de decisiones automatizada sin ninguna supervisión humana.

La automatización completa sin revisión humana puede generar resultados poco éticos.

D

Correcta

Documentar el uso previsto y las limitaciones del modelo mediante tarjetas de modelo.

Las tarjetas de modelo promueven la transparencia y la rendición de cuentas.

E

Correcta

Implementar un proceso con intervención humana (human-in-the-loop) para predicciones de alto riesgo utilizando Amazon A2I.

La supervisión humana es fundamental para las decisiones de alta trascendencia.

Para profundizar

La orientación de AWS sobre IA responsable enfatiza el monitoreo, la documentación y la supervisión humana para sistemas de alta trascendencia. SageMaker Model Monitor detecta la deriva de datos y conceptos mediante la comparación del tráfico de inferencia en vivo con una línea base, emitiendo métricas y alarmas de CloudWatch para que la degradación se detecte antes de que cause daños. Las tarjetas de modelo documentan el uso previsto, las limitaciones, los datos de entrenamiento y los resultados de evaluación, proporcionando transparencia a los usuarios posteriores. Amazon Augmented AI (A2I) inserta flujos de trabajo de revisión humana para predicciones de baja confianza o alto riesgo, lo cual es esencial en el cuidado de la salud, donde los errores conllevan consecuencias clínicas. Una sutileza es que los ciclos de revisión de A2I añaden latencia y costo, por lo que los umbrales deben equilibrar la seguridad frente al rendimiento. Juntas, estas prácticas respaldan la auditabilidad y una implementación segura en lugar de un despliegue totalmente automatizado y sin revisión.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de AIF-C01 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.