Partilhe insights de IA responsável usando o scorecard de IA responsável (pré-visualização)

Nosso painel de IA responsável foi projetado para profissionais de aprendizado de máquina e cientistas de dados explorarem e avaliarem insights de modelos e informarem suas decisões baseadas em dados. Embora possa ajudá-lo a implementar a IA Responsável de forma prática no seu ciclo de vida de aprendizagem automática, existem algumas necessidades que não foram abordadas:

• A lacuna entre as ferramentas técnicas de IA responsável (projetadas para profissionais de aprendizado de máquina) e os requisitos éticos, regulatórios e de negócios que definem o ambiente de produção.
• A necessidade de um alinhamento efetivo entre várias partes interessadas em um ciclo de vida de aprendizado de máquina de ponta a ponta, garantindo que os especialistas técnicos recebam feedback e orientação oportunos de partes interessadas não técnicas.
• A capacidade de compartilhar insights de modelos e dados com auditores e oficiais de risco para fins de auditabilidade, conforme exigido pelos regulamentos de IA.

Um dos maiores benefícios de usar o ecossistema do Azure Machine Learning é a capacidade de arquivar informações de modelo e dados no Histórico de Execução do Azure Machine Learning para referência rápida no futuro. Como parte dessa infraestrutura, e para complementar os modelos de aprendizado de máquina e seus painéis de IA responsável correspondentes, apresentamos o scorecard de IA responsável. Esse scorecard permite que os profissionais de aprendizado de máquina gerem e compartilhem facilmente seus dados e modelem registros de saúde.

Quem deve utilizar uma ficha de avaliação de IA responsável?

• Cientistas de dados e profissionais de aprendizado de máquina: 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 em PDF. Isso permite que você compartilhe facilmente o relatório com suas partes interessadas técnicas e não técnicas, criando confiança e obtendo sua aprovação para implantação.
• Gerentes de produto, líderes de negócios e partes interessadas responsáveis em um produto de IA: você pode fornecer o desempenho desejado do modelo e os valores-alvo de justiça, como precisão alvo e taxa de erro alvo, para sua equipa de ciência de dados. Eles podem então gerar o scorecard com base nesses valores-alvo para determinar se o modelo atende a eles. Isso ajuda a orientar as decisões sobre se o modelo deve ser implantado ou melhorado.

Próximos passos

• Saiba como gerar o painel de instrumentos e o scorecard da IA Responsável por meio da CLI e do SDK ou da interface de utilizador do Azure Machine Learning studio.
• Saiba mais sobre como o painel de IA responsável e o cartão de pontuação neste artigo do blog da comunidade de tecnologia.