Ansvarsfull maskininlärning (ansvarsfull ML)

Azure Machine Learning-funktioner som gör att dataforskare och utvecklare kan förnya på ett ansvarsfullt sätt.

Förstå, skydda och kontrollera dina data, modeller och processer för att bygga betrodda lösningar.

Den senaste tekniken som möjliggör en ansvarsfull ML-utveckling, -distribution och -användning. Sätt till ansvarsfulla AI-principer i verket och skapa förtroende under hela ML-livscykeln.

Förstå

Få insyn i dina modeller, förklara modellbeteende och identifiera och minimera orättvisor – allt med färdiga visualiseringar.

Skydda

Tillämpa differentiella sekretessmetoder för att skydda känsliga data och förhindra läckor. Kryptera data och bygg modeller i en säker miljö för att upprätthålla sekretessen.

Kontroll

Använd inbyggda funktioner för ursprung och möjliggör en ansvarsfull process genom att dokumentera modellens metadata för att uppfylla regelkraven.

Förstå dina modeller och bygg för rättvisa

Förklara modellbeteende och få ut funktioner som påverkar förutsägelserna. Använd inbyggda förklaringar för både glaslådemodeller och ”svart låda”-modeller under modellträning och slutsatsdragning. Använd interaktiva visualiseringar för att jämföra modeller och utföra konsekvensanalyser för att förbättra modellnoggrannheten. Testa rättvisan i dina modeller med avancerade algoritmer. Minska orättvisan i hela ML-livscykeln, jämför åtgärdade modeller och gör avsiktliga kompromisser för rättvisa och noggrannhet som du önskar.

Skydda datasekretess och konfidentialitet

Bygg modeller som bevarar sekretess med de senaste nyheterna inom differentiell sekretess, som medför exakta nivåer av statistiskt brus i data för att begränsa utlämnandet av känslig information. Identifiera dataläckor och begränsa upprepade frågor intelligent för att hantera exponeringsrisker.

Använd teknik för kryptering och konfidentiell maskininlärning (kommer snart) som är särskilt utformad för maskininlärning för att på ett säkert sätt bygga modeller med konfidentiella data.

Kontrollera och styr varje steg i ML-processen

Få åtkomst till inbyggda funktioner för att automatiskt spåra ursprung och skapa en spårningslogg över ML-livscykeln. Få fullständig insyn i ML-processen genom att spåra datauppsättningar, modeller, experiment, kod med mera. Använd anpassade taggar för att implementera modelldatablad, dokumentera metadatanyckelmodell, öka ansvarstagande och säkerställa en ansvarsfull process.

Se ansvarsfull ML i praktiken

Få bättre insyn i modeller för att förklara hur de fungerar

Få bättre insyn i modeller för att förklara hur de fungerar

Fatta viktiga beslut med modeller utan dold bias

Fatta viktiga beslut med modeller utan dold bias

Använda differentiella sekretessmetoder för att skydda känsliga datauppsättningar

Använda differentiella sekretessmetoder för att skydda känsliga datauppsättningar

Kunder som använder ansvarsfull ML

"Azure Machine Learning and its Fairlean capabilities offer advanced fairness and explainability that have helped us deploy trustworthy AI solutions for our customers, while enabling stakeholder confidence and regulatory compliance."

Alex Mohelsky, partner och dataanalysledare på EY Canada
Ernst & Young

"Azure Machine Learning helps us build AI responsibly and build trust with our customers. Using the interpretability capabilities in the fraud detection efforts for our loyalty program, we are able to understand models better, identify genuine cases of fraud, and reduce the possibility of erroneous results."

Daniel Engberg, Head of Data Analytics and Artificial Intelligence, Scandinavian Airlines
Scandinavian Airlines

Vi är klara när du är det – låt oss konfigurera ditt kostnadsfria Azure-konto