Innovations en matière de Machine Learning responsable dans Azure Machine Learning

Alors que les organisations cherchent à adopter l’intelligence artificielle, elles sont confrontées à des défis importants en ce qui concerne le développement et l’utilisation de l’intelligence artificielle de manière responsable. Pour aider les organisations à relever ces défis, nous apportons les dernières recherches en matière d’IA responsable dans Azure, en collaboration avec le Comité Aether et ses groupes de travail. Les nouvelles fonctionnalités de Machine Learning responsable dans Azure Machine Learning et nos kits de ressources open source permettent aux scientifiques des données et aux développeurs de comprendre les modèles Machine Learning, de protéger les personnes et leurs données et de contrôler le processus Machine Learning de bout en bout. 

• Comprendre : Les fonctionnalités d’interprétabilité de modèle dans Azure Machine Learning et les fonctionnalités d'évaluation et d'atténuation de la partialité avec Fairlearn permettent de développer des modèles plus précis et plus équitables. 
• Protéger : Le nouveau kit de ressources WhiteNoise de confidentialité différentielle peut être utilisé avec Azure Machine Learning pour permettre aux clients de créer des modèles Machine Learning à l’aide de données sensibles tout en préservant la confidentialité des individus. Il est le fruit d'un partenariat entre Microsoft et des chercheurs de l’Institut pour les sciences sociales quantitatives (IQSS) et de l’école d’ingénierie de Harvard. Les fonctionnalités de Machine Learning confidentiel permettent également aux équipes de science des données de Microsoft de créer des modèles s’appuyant sur des données confidentielles dans un environnement sécurisé, sans que les données soient visibles. Nous proposerons ces fonctionnalités de Machine Learning confidentiel aux développeurs et scientifiques des données plus tard cette année. 
• Contrôler : Azure Machine Learning offre des fonctionnalités permettant de suivre automatiquement la traçabilité et de conserver une piste d’audit des ressources ML pour répondre aux exigences réglementaires. Les feuilles de données offrent un moyen normalisé de documenter les ressources ML et sont sources de transparence pour les scientifiques des données, les auditeurs et les décideurs. Les développeurs et les scientifiques des données peuvent utiliser des balises personnalisées dans Azure Machine Learning pour implémenter des feuilles de données pour les modèles actuels.

Ces innovations liées à Azure Machine Learning au kit de ressources open source sont le fruit de décennies de recherche et offrent aux organisations un ensemble complet de fonctionnalités permettant de développer des solutions IA de manière responsable.

En savoir plus.