Freigeben von Erkenntnissen der verantwortungsvollen KI mithilfe der Scorecard für verantwortungsvolle KI (Vorschau)

Unser Dashboard für verantwortungsvolle KI wurde für Machine Learning-Experten und wissenschaftliche Fachkräfte für Daten entwickelt, um Modellerkenntnisse zu untersuchen und zu bewerten und ihre datengesteuerten Entscheidungen zu treffen. Obwohl es Ihnen dabei helfen kann, die verantwortungsvolle KI praktisch in Ihrem Machine-Learning-Lebenszyklus zu implementieren, bleiben einige Anforderungen unberücksichtigt:

• Die Kluft zwischen den technischen KI-Tools für verantwortungsvolle Anwendungen (entwickelt für Machine-Learning-Experten) und den ethischen, regulatorischen und geschäftlichen Anforderungen, die die Produktionsumgebung festlegen, ist beträchtlich.
• Die Notwendigkeit einer effektiven Ausrichtung von Multi-Stakeholdern in einem End-to-End-Machine-Learning-Lebenszyklus, um sicherzustellen, dass technische Experten zeitnah Feedback und Anleitung von nicht-technischen Stakeholdern erhalten.
• Die Möglichkeit, Modell- und Datenerkenntnisse mit Auditoren und Risikobeauftragten für Auditierbarkeitszwecke zu teilen, wie dies durch KI-Vorschriften erforderlich ist.

Einer der größten Vorteile der Verwendung des Azure Machine Learning-Ökosystems ist die Möglichkeit, Modell- und Dateneinblicke im Azure Machine Learning Run History für eine kurze Referenz in zukunft zu archivieren. Als Teil dieser Infrastruktur und zur Ergänzung von Machine Learning-Modellen und ihren entsprechenden Verantwortlichen KI-Dashboards stellen wir die Verantwortliche KI-Bewertungsskala vor. Diese Scorecard ermöglicht es Machine-Learning-Experten, auf einfache Weise ihre Daten und Modellgesundheitsdatensätze zu generieren und freizugeben.

Wer sollte eine Scorecard für verantwortungsbewusste KI verwenden?

• Data Scientists und Machine Learning Professionals: Nachdem Sie Ihr Modell trainiert und das entsprechende Verantwortliche KI-Dashboard für Bewertungs- und Entscheidungszwecke generiert haben, können Sie diese Erkenntnisse über unsere PDF-Scorecard extrahieren. Auf diese Weise können Sie den Bericht ganz einfach mit Ihren technischen und nicht technischen Projektbeteiligten teilen, vertrauen und ihre Genehmigung für die Bereitstellung gewinnen.
• Produktmanager, Führungskräfte und verantwortliche Projektbeteiligte in einem KI-Produkt: Sie können Ihrem Data Science-Team Ihre gewünschten Zielwerte zur Modellleistung und Fairness bereitstellen, z. B. Zielgenauigkeit und Zielfehlerrate. Anschließend können sie die Scorecard basierend auf diesen Zielwerten generieren, um zu bestimmen, ob das Modell sie erfüllt. Dies hilft Bei der Entscheidung, ob das Modell bereitgestellt oder weiter verbessert werden soll.

Nächste Schritte

• Erfahren Sie, wie Sie das Dashboard und die Scorecard für verantwortungsvolle KI über CLI und SDK oder die Azure Machine Learning Studio-Benutzeroberfläche generieren.
• Erfahren Sie mehr darüber, wie das Dashboard und die Scorecard für verantwortungsvolle KI in diesem Blogbeitrag der Tech Community funktionieren.