# 內容領域 4： 負責任 AI 的指南
<a name="ai-practitioner-01-domain4"></a>

領域 4 涵蓋負責任 AI 的指南，佔考試計分內容的 14%。

**Topics**
+ [任務説明 4.1： 說明負責任 AI 系統的開發。](#ai-practitioner-01-task4.1)
+ [任務説明 4.2： 認識透明且可解釋的模型的重要性。](#ai-practitioner-01-task4.2)

## 任務説明 4.1： 說明負責任 AI 系統的開發。
<a name="ai-practitioner-01-task4.1"></a>

目標：
+ 識別負責任 AI 的特徵 (例如：偏差、公平、包容性、穩健性、安全性、真實性)。
+ 說明如何使用工具來識別負責任 AI 的特徵 (例如：Amazon Bedrock 防護機制)。
+ 定義選擇模型的負責任做法（例如：環境考量、永續性）。
+ 識別使用生成式 AI (GenAI) 的法律風險（例如：知識產權侵權索賠、模型輸出偏見、客戶信任流失、終端使用者風險、幻覺）。
+ 識別資料集的特性 (例如：包容性、多樣性、策管資料來源、平衡資料集)。
+ 描述偏差和差異的影響 (例如：對人口統計群組的影響、不準確、過度擬合、擬合度不足)。
+ 描述用於偵測和監控偏差、可信度和真實性的工具 (例如：分析標籤品質、人力稽核、子群組分析、Amazon SageMaker Clarify、SageMaker Model Monitor、Amazon Augmented AI [Amazon A2I])。

## 任務説明 4.2： 認識透明且可解釋的模型的重要性。
<a name="ai-practitioner-01-task4.2"></a>

目標：
+ 描述透明且可解釋的模型，與不透明但可解釋的模型之間的差異。
+ 描述用於識別透明且可解釋模型的工具（例如：Amazon SageMaker Model Cards、SageMaker Clarify、Amazon Bedrock Model Evaluations、開源模型、數據、授權）。
+ 識別模型安全性與透明度之間的權衡 (例如：測量可解釋性和效能)。
+ 描述可解釋 AI 的以人為本設計原則（例如：使用者回饋機制、AI 決策透明度）。