负责任的机器学习(负责任的 ML)

Azure 机器学习功能,使数据科学家和开发人员能够负责任地进行创新。

了解、保护和控制你的数据、模型和流程,以构建值得信赖的解决方案。

使用尖端技术实现负责任的 ML 开发、部署和使用。将负责任的 AI 原则付诸实践,并在整个 ML 生命周期中建立信任。

了解

利用开箱即用的可视化解决方案,获得对模型的可见性,解释模型行为,并检测和缓解不公平性。

保护

应用差分隐私技术保护敏感数据并防止泄漏。加密数据并在安全环境中构建模型以保持机密性。

控制

使用内置的世系和审核线索功能,并通过记录模型元数据来实现负责任的流程,以满足法规要求。

了解模型并基于公平性进行构建

解释模型行为并揭示对预测影响最大的功能。在模型训练和推理过程中,对玻璃盒和黑盒模型使用内置的解释程序。使用交互式可视化效果比较模型并执行假设分析以提高模型准确度。使用先进的算法测试模型的公平性。在整个 ML 生命周期中缓解不公平性,比较已缓解的模型,并根据需要进行有意的公平性与准确度权衡。

保护数据隐私和机密性

利用差分隐私的最新创新,在数据中注入精确量的统计噪声,以限制敏感信息的披露,建立保护隐私的模型。识别数据泄漏并智能地限制重复查询以管理暴露风险。

通过专门为机器学习设计的加密和机密机器学习(即将推出)技术,使用机密数据安全地构建模型。

控制和治理 ML 过程的每个步骤

访问可自动跟踪世系并跨 ML 生命周期创建审核线索的内置功能。通过跟踪数据集、模型、实验、代码等获得对 ML 过程的完全可见性。使用自定义标记实现模型数据表、记录关键模型元数据、提高责任感并确保负责任的流程。

查看负责任的 ML 发挥的作用

更好地了解模型以解释其行为

更好地了解模型以解释其行为

使用没有隐藏偏见的模型做出关键决策

使用没有隐藏偏见的模型做出关键决策

使用差分隐私技术保护敏感数据集

使用差分隐私技术保护敏感数据集

使用负责任的 ML 的客户

"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."

EY 加拿大合作伙伴兼数据分析主管 Alex Mohelsky

查看案例

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."

Scandinavian Airlines 数据分析与人工智能负责人 Daniel Engberg

查看案例

Scandinavian Airlines

你随时可以开始设置 Azure 免费帐户