Поделитесь аналитическими данными об ответственном ИИ, используя карту показателей ответственного ИИ в предварительном варианте.

Наша информационная панель ответственного искусственного интеллекта предназначена для специалистов по машинному обучению и специалистов по обработке и анализу данных для изучения и оценки аналитических сведений о модели и информировании о своих решениях на основе данных. Хотя это поможет вам реализовать ответственный ИИ практически в жизненном цикле машинного обучения, некоторые потребности остаются без решения:

• Разрыв между техническими инструментами ИИ (предназначенными для специалистов по машинному обучению) и этическими, нормативными и бизнес-требованиями, определяющими рабочую среду.
• Необходимость эффективного согласования с несколькими заинтересованными лицами в комплексном жизненном цикле машинного обучения, обеспечивая своевременное получение технических экспертов обратной связи и направления от нетехнических заинтересованных лиц.
• Возможность совместного использования модели и аналитических сведений с аудиторами и сотрудниками по рискам в целях аудита в соответствии с нормативными требованиями ИИ.

Одним из самых больших преимуществ использования экосистемы Машинного обучения Azure является возможность архивировать модель и аналитические сведения о данных в журнале выполнения машинного обучения Azure для быстрого получения справки в будущем. В рамках этой инфраструктуры и дополнения моделей машинного обучения и соответствующих панелей мониторинга ответственного искусственного интеллекта мы представляем систему показателей ответственного ИИ. Этот инструмент оценки позволяет специалистам по машинному обучению легко создавать и делиться своими данными и информацией о работоспособности моделей.

Для кого предназначена система показателей ответственного применения ИИ?

• Специалисты в области данных и машинного обучения: после обучения вашей модели и создания соответствующей информационной панели ответственного ИИ для оценки и принятия решений вы можете извлечь полученные знания с помощью нашего PDF-отчета. Это позволяет легко поделиться отчетом с техническими и нетехническими заинтересованными лицами, создавать доверие и получать свое утверждение для развертывания.
• Руководители продуктов, руководители бизнеса и подотчетные заинтересованные лица в продукте ИИ: вы можете предоставить вашей команде по обработке и анализу данных желаемые целевые значения производительности и справедливости модели, такие как целевая точность и целевая частота ошибок. Затем они могут создать систему показателей на основе этих целевых значений, чтобы определить, соответствует ли модель их. Это помогает принимать решения о том, следует ли развертывать или дополнительно улучшать модель.

Следующие шаги

• Узнайте, как создать информационную панель и шкалу оценок ответственного искусственного интеллекта с помощью интерфейса командной строки и пакета SDK или пользовательского интерфейса студии Azure Machine Learning.
• Узнайте больше о том, как панель мониторинга и отчет по ответственному ИИ представлены в этой записи блога технического сообщества.