Condividere informazioni dettagliate sull'intelligenza artificiale responsabile usando la scorecard di intelligenza artificiale responsabile (anteprima)

Il dashboard dell'intelligenza artificiale responsabile è progettato per professionisti e data scientist di Machine Learning per esplorare e valutare le informazioni dettagliate del modello e informare le decisioni basate sui dati. Anche se può essere utile per implementare l'intelligenza artificiale responsabile praticamente nel ciclo di vita di Machine Learning, esistono alcune esigenze che non sono state risolte:

• Il divario tra gli strumenti tecnici di IA responsabile (progettati per i professionisti di Machine Learning) e i requisiti etici, normativi e aziendali che definiscono l'ambiente di produzione.
• La necessità di un effettivo allineamento multi-stakeholder in un ciclo di vita di Machine Learning end-to-end, assicurando agli esperti tecnici un feedback tempestivo e una direzione da parte degli stakeholder non tecnici.
• La possibilità di condividere dati e modelli con revisori e responsabili del rischio per scopi di verificabilità, come richiesto dalle normative di IA.

Uno dei principali vantaggi dell'uso dell'ecosistema di Azure Machine Learning è la possibilità di archiviare informazioni dettagliate sui modelli e sui dati nella cronologia di esecuzione Azure Machine Learning per riferimento rapido in futuro. Nell'ambito di questa infrastruttura e per integrare modelli di Machine Learning e i rispettivi dashboard di intelligenza artificiale responsabile, la scorecard di intelligenza artificiale responsabile consente ai professionisti di Machine Learning di generare e condividere facilmente i dati e i record di integrità del modello.

Chi deve usare una scorecard di intelligenza artificiale responsabile?

• Data scientist e professionisti di Machine Learning: dopo aver eseguito il training del modello e aver generato il dashboard di intelligenza artificiale responsabile corrispondente ai fini della valutazione e del processo decisionale, è possibile estrarre tali apprendimento tramite la scorecard PDF. In questo modo è possibile condividere facilmente il report con gli stakeholder tecnici e non tecnici, creando fiducia e ottenendo l'approvazione per la distribuzione.
• Responsabili dei prodotti, responsabili aziendali e stakeholder responsabili di un prodotto di intelligenza artificiale: è possibile fornire ai team di data science i valori di destinazione desiderati per le prestazioni del modello e l'equità, ad esempio la precisione di destinazione e la frequenza degli errori di destinazione. Possono quindi generare la scorecard in base a questi valori di destinazione per determinare se il modello li soddisfa. Ciò consente di determinare se il modello deve essere distribuito o migliorato ulteriormente.

Passaggi successivi

• Scopri come generare il dashboard dell'intelligenza artificiale responsabile e la scorecard tramite CLI e SDK o Azure Machine Learning Studio UI.
• Altre informazioni sul dashboard di intelligenza artificiale responsabile e sulla scorecard in Dashboard di intelligenza artificiale responsabile e scorecard in Azure Machine Learning.