Nova inovação de ML Responsável no Azure Machine Learning
Data de publicação: 19 maio, 2020
À medida que as organizações procuram adotar a inteligência artificial (IA), enfrentam desafios significativos no desenvolvimento e utilização da IA de forma responsável. Para as ajudar a ultrapassar essas barreiras, vamos disponibilizar as últimas investigações em IA responsável no Azure, em colaboração com o Aether Committee e respetivos grupos de trabalho. As novas capacidades do ML Responsável no Azure Machine Learning e os nossos conjuntos de ferramentas open source permitem aos cientistas de dados e programadores compreender modelos de machine Learning, proteger as pessoas e respetivos dados e controlar o processo de machine learning completo.
- Compreender: as capacidades de interpretação de modelos no Azure Machine Learning e de avaliação de equidade e mitigação, mediante a utilização do Fairlearn, permitem o desenvolvimento de modelos mais precisos e equitativos.
- Proteger: o novo conjunto de ferramentas de privacidade diferencial do WhiteNoise pode ser utilizado com o Azure Machine Learning para possibilitar aos clientes criar modelos de machine learning com dados confidenciais e proteger, ao mesmo tempo, a privacidade das pessoas. Este é o resultado da parceria entre a Microsoft e os investigadores do Institute for Quantitative Social Science (IQSS) e da Escola de Engenharia de Harvard. Com as capacidades de machine learning confidencial, as equipas de ciência de dados da Microsoft podem criar modelos com base em dados confidenciais num ambiente seguro sem que consigam ver esses dados. Disponibilizaremos estas capacidades de machine learning confidencial aos programadores e cientistas de dados ainda este ano.
- Controlar: o Azure Machine Learning proporciona capacidades para monitorizar automaticamente a linhagem e manter um registo de auditoria dos ativos de ML, de modo a cumprir os requisitos regulamentares. As fichas técnicas permitem uma forma padronizada de documentar os ativos de ML e proporcionam transparência aos cientistas de dados, auditores e decisores. Os programadores e cientistas de dados podem utilizar etiquetas personalizadas no Azure Machine Learning para implementar fichas técnicas de modelos já hoje.
Estas novas inovações ao Azure Machine Learning e ao conjunto de ferramentas open source têm por base décadas de investigação e oferecem às organizações uma abrangente panóplia de capacidades para o desenvolvimento responsável de soluções de IA.