人工參與是在整個機器學習生命週期中利用人工輸入來提高模型的準確性和相關性的過程。可以透過人工執行多種任務，從資料產生和註釋，到模型審查、客製化和評估。人工干預對於生成式 AI 應用程式尤其重要，此處的「人」通常是指內容的申請者和消費者。因此，必須人工訓練基礎模型 (FM) 如何準確、安全和相關地回應使用者的提示。您可以套用人工回饋來協助您完成多個任務。首先，透過監督式學習 (人工模擬模型應如何回應使用者提示的風格、長度和準確性)，以及使用人工回饋的強化學習 (人工對模型回應進行排名和分類)，為生成式 AI 應用程式建立高品質的標籤訓練資料集。其次，使用人工產生的資料對特定任務自訂 FM，或使用您公司和領域的特定資料，並使模型輸出與您相關。最後，使用人工評估和比較來選取最適合您的使用案例和項目要求的 FM。

Amazon SageMaker Ground Truth 提供最全面的人工參與功能。您有兩種方法可以使用 Amazon SageMaker Ground Truth：自助服務產品和 AWS 受管產品。在自助服務產品中，您的資料註釋者、內容創作者和提示工程師 (內部、供應商管理或利用公眾人群) 可以使用我們的低程式碼使用者介面來加速人工參與工作，同時可以靈活地建立和管理自己的自訂工作流程。在 AWS 受管產品 (SageMaker Ground Truth Plus) 中，我們會為您處理繁重的工作，其中包括為您的使用案例選擇和管理合適的員工團隊。SageMaker Ground Truth Plus 可設計和客製化端對端工作流程 (包括詳細的員工訓練和品質保證步驟)，提供技術熟練且對特定任務進行過訓練的 AWS 受管團隊，能滿足您對資料品質、安全性和合規的要求。

預設情況下，Amazon SageMaker Ground Truth 會對存放在 Amazon S3 儲存貯體中的靜態和傳輸中資料進行加密。此外，AWS Identity and Access Management (IAM) 也用於控制對資料的存取。SageMaker Ground Truth 不會在 AWS 環境 (由您建立或透過 AWS 受管服務建立) 之外存放資料或製作資料副本，您的資料仍保持在您的控制之中。此外，Ground Truth 支援各種合規標準，例如一般資料保護規範 (GDPR)，並使用 Amazon CloudWatch 和 Amazon CloudTrail 日誌記錄和稽核對您資料的所有存取權。請瀏覽 Amazon SageMaker Ground Truth 文件 以取得詳細資訊。