Compartilhe insights de IA responsável usando o scorecard de IA responsável (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:

• Muitas vezes existe uma 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.
• Embora um ciclo de vida de aprendizado de máquina de ponta a ponta inclua partes interessadas técnicas e não técnicas no ciclo, há pouco suporte para permitir um alinhamento eficaz entre várias partes interessadas, ajudando os especialistas técnicos a obter feedback e orientação oportunos das partes interessadas não técnicas.
• As regulamentações de IA tornam essencial ser capaz de compartilhar insights de modelos e dados com auditores e oficiais de risco para fins de auditabilidade.

Um dos maiores benefícios de usar o ecossistema do Azure Machine Learning está relacionado ao arquivamento de informações de modelo e dados no Histórico de Execução do Azure Machine Learning (para referência rápida no futuro). Como parte dessa infraestrutura e para acompanhar os modelos de aprendizado de máquina e seus painéis de IA responsável correspondentes, apresentamos o scorecard de IA Responsável para capacitar os profissionais de ML a gerar e compartilhar seus dados e registros de saúde de modelo facilmente.

Quem deve usar um scorecard de IA responsável?

• Se você é um cientista de dados ou um profissional de aprendizado de máquina, depois de treinar seu modelo e gerar o(s) correspondente(s) painel(es) de IA responsável para fins de avaliação e tomada de decisão, você pode extrair esses aprendizados por meio de nosso scorecard PDF e compartilhar o relatório facilmente com suas partes interessadas técnicas e não técnicas para construir confiança e obter sua aprovação para implantação.

• Se você é um gerente de produto, líder de negócios ou uma parte interessada responsável em um produto de IA, você pode passar o desempenho desejado do modelo e os valores-alvo de equidade, como precisão do alvo, taxa de erro alvo, etc., para sua equipe de ciência de dados, pedindo-lhes para gerar esse scorecard em relação aos seus valores-alvo identificados e se seu modelo atende a eles. Isso pode fornecer orientação sobre se o modelo deve ser implantado ou melhorado.

Próximos passos

• Saiba como gerar o painel e o scorecard da IA Responsável por meio da CLI e do SDK ou da interface do usuário do estúdio do Azure Machine Learning.
• Saiba mais sobre como o painel de IA responsável e o scorecard nesta postagem do blog da comunidade de tecnologia.