Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Das Responsible AI-Dashboard ist für Machine Learning-Experten und Data Scientists konzipiert, um Modellerkenntnisse zu untersuchen und auszuwerten und ihre datengesteuerten Entscheidungen zu informieren. Obwohl es Ihnen dabei helfen kann, die verantwortungsvolle KI praktisch in Ihrem Machine-Learning-Lebenszyklus zu implementieren, bleiben einige Anforderungen unberücksichtigt:
- Die Kluft zwischen den technischen KI-Tools für verantwortungsvolle Anwendungen (entwickelt für Machine-Learning-Experten) und den ethischen, regulatorischen und geschäftlichen Anforderungen, die die Produktionsumgebung festlegen, ist beträchtlich.
- Die Notwendigkeit einer effektiven Ausrichtung von Multi-Stakeholdern in einem End-to-End-Machine-Learning-Lebenszyklus, um sicherzustellen, dass technische Experten zeitnah Feedback und Anleitung von nicht-technischen Stakeholdern erhalten.
- Die Möglichkeit, Modell- und Datenerkenntnisse mit Auditoren und Risikobeauftragten für Auditierbarkeitszwecke zu teilen, wie dies durch KI-Vorschriften erforderlich ist.
Einer der größten Vorteile der Verwendung des Azure Machine Learning-Ökosystems ist die Möglichkeit, Modell- und Dateneinblicke im Azure Machine Learning Run History für eine kurze Referenz in zukunft zu archivieren. Als Element dieser Infrastruktur und als Ergänzung zu maschinellen Lernmodellen und den entsprechenden Responsible AI Dashboards unterstützt die Responsible AI Scorecard maschinelles Lernen dabei, ihre Datensätze und Zustandsdaten einfach zu generieren und zu teilen.
Wichtig
Dieses Feature ist zurzeit als öffentliche Preview verfügbar. Diese Vorschauversion wird ohne Vereinbarung zum Servicelevel bereitgestellt und ist nicht für Produktionsworkloads vorgesehen. Manche Features werden möglicherweise nicht unterstützt oder sind nur eingeschränkt verwendbar.
Weitere Informationen finden Sie unter Zusätzliche Nutzungsbestimmungen für Microsoft Azure-Vorschauen.
Wer sollte eine Scorecard für verantwortungsbewusste KI verwenden?
- Data Scientists und Machine Learning Professionals: Nachdem Sie Ihr Modell trainiert und das entsprechende Verantwortliche KI-Dashboard für Bewertungs- und Entscheidungszwecke generiert haben, können Sie diese Erkenntnisse über unsere PDF-Scorecard extrahieren. Auf diese Weise können Sie den Bericht ganz einfach mit Ihren technischen und nicht technischen Projektbeteiligten teilen, vertrauen und ihre Genehmigung für die Bereitstellung gewinnen.
- Produktmanager, Führungskräfte und verantwortliche Projektbeteiligte in einem KI-Produkt: Sie können Ihrem Data Science-Team Ihre gewünschten Zielwerte zur Modellleistung und Fairness bereitstellen, z. B. Zielgenauigkeit und Zielfehlerrate. Anschließend können sie die Scorecard basierend auf diesen Zielwerten generieren, um zu bestimmen, ob das Modell sie erfüllt. Dies hilft Bei der Entscheidung, ob das Modell bereitgestellt oder weiter verbessert werden soll.
Nächste Schritte
- Erfahren Sie, wie Sie das Dashboard und die Scorecard für verantwortungsvolle KI über CLI und SDK oder die Azure Machine Learning Studio-Benutzeroberfläche generieren.
- Erfahren Sie mehr über das Responsible AI Dashboard und die Scorecard in Responsible AI Dashboard und Scorecard in Azure Machine Learning.