Compartilhar insights de IA Responsável usando o scorecard de IA Responsável (versão prévia)

Nosso painel de AI Responsável foi projetado para profissionais de machine learning e cientistas de dados explorarem e avaliarem os insights dos modelos e informarem suas decisões controladas por dados. Embora possa ajudar você a implementar a IA Responsável de forma prática no ciclo de vida de machine learning, algumas necessidades não foram atendidas:

• A lacuna entre as ferramentas técnicas de IA responsável (projetadas para profissionais de machine learning) e os requisitos éticos, regulatórios e de negócios que definem o ambiente de produção.
• A necessidade de um alinhamento eficaz de vários stakeholders em um ciclo de vida de aprendizado de máquina de ponta a ponta, garantindo que os especialistas técnicos recebam comentários e direção oportunos de stakeholders não técnicos.
• A capacidade de compartilhar insights de modelo e dados com auditores e oficiais de risco para fins de auditoria, conforme exigido pelos regulamentos de IA.

Um dos maiores benefícios do uso do ecossistema do Azure Machine Learning é a capacidade de arquivar o modelo e os insights de dados no Histórico de Execuções do Azure Machine Learning para referência rápida no futuro. Como parte dessa infraestrutura e para complementar modelos de machine learning e seus painéis de IA responsável correspondentes, apresentamos o scorecard de IA responsável. Esse scorecard capacita os profissionais de machine learning a gerar e compartilhar facilmente os seus dados e registros de integridade do modelo.

Quem deve usar um scorecard de IA responsável?

• Cientistas de dados e profissionais de machine learning: depois de treinar seu modelo e gerar seu painel de IA responsável correspondente para fins de avaliação e tomada de decisão, você pode extrair esses aprendizados por meio de nosso scorecard PDF. Isso permite que você compartilhe facilmente o relatório com seus stakeholders técnicos e não técnicos, criando confiança e obtendo sua aprovação para implantação.
• Gerentes de produto, líderes de negócios e stakeholders responsáveis em um produto de IA: você pode fornecer os seus valores de destino de desempenho e imparcialidade do modelo desejados, como precisão de destino e taxa de erro de destino, para a sua equipe de ciência de dados. Em seguida, eles podem gerar o scorecard com base nesses valores-alvo para determinar se o modelo os atende. Isso ajuda a orientar as decisões sobre se o modelo deve ser implantado ou aprimorado.

Próximas etapas

• Saiba como gerar o painel de IA Responsável e o scorecard por meio de CLI e SDK ou da Interface de usuário do Estúdio do Azure Machine Learning.
• Saiba mais sobre o painel de IA Responsável e o scorecard nesta postagem no blog da Tech Community .