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

O painel de IA Responsável foi projetado para que profissionais de machine learning e cientistas de dados explorem e avaliem insights de modelo e informem suas decisões controladas por dados. Embora possa ajudá-lo a implementar a IA responsável de forma prática em seu ciclo de vida de aprendizado de máquina, há algumas necessidades que não são 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 de Azure Machine Learning é a capacidade de arquivar o modelo e os insights de dados no Azure Machine Learning Run History para referência rápida no futuro. Como parte dessa infraestrutura e para complementar os modelos de aprendizado de máquina e seus correspondentes painéis de IA responsável, o scorecard de IA responsável capacita os profissionais de aprendizado de máquina a facilmente gerar e compartilhar seus dados e registros de saúde do modelo.

Quem deve usar um cartão de avaliação 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 seus valores desejados de desempenho e imparcialidade do modelo, como precisão e taxa de erro almejadas, para sua equipe de ciência de dados. Em seguida, eles podem gerar o scorecard com base nesses valores-alvo para determinar se o modelo os cumpre. 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 quadro de pontuação por meio de CLI e SDK ou interface do usuário do Azure Machine Learning Studio.
• Saiba mais sobre o Painel de IA Responsável e o Quadro de Pontuação em Painel de IA Responsável e Quadro de Pontuação no Azure Machine Learning.