Tenere traccia dei modelli di machine learning o dei modelli di prompt nei casi di utilizzo AI per acquisire i relativi dettagli nei factsheet. Utilizzare le informazioni raccolte nel caso d'uso AI per monitorare l'avanzamento degli asset attraverso il ciclo di vita AI, dalla richiesta alla produzione.
Definire un caso di utilizzo AI per identificare un problema aziendale e richiedere una soluzione. Una soluzione potrebbe essere costituita da uno o più modelli per affrontare il problema aziendale. Quando un asset viene sviluppato, associarlo al caso di utilizzo per acquisire i dettagli relativi all'asset nei fogli di calcolo. Mentre l'asset passa attraverso il ciclo di vita dell'IA, dallo sviluppo al test e quindi alla produzione, i factsheet raccolgono i dati per supportare gli obiettivi di governance o di conformità.
Creazione di approcci per confrontare i modi per risolvere un problema
Ogni caso di utilizzo AI può contenere almeno un approccio. Un approccio è uno degli aspetti della soluzione al problema di business rappresentato dal caso di utilizzo AI. Ad esempio, è possibile creare due approcci da confrontare utilizzando diversi framework per i modelli predittivi per vedere quale si comporta meglio.
Gli approcci acquisiscono anche informazioni sulla versione. Lo stesso numero di versione viene applicato a tutti gli asset in un approccio. Se si dispone di una versione stabile di un asset, è possibile mantenere tale versione in un approccio e creare un nuovo approccio per il successivo ciclo di iterazione e sperimentazione.
Questo caso di uso include tre approcci per organizzare tre modelli di prompt per un caso di utilizzo di elaborazione delle richieste di indennizzo assicurativo:
Aggiunta di asset a un caso di utilizzo
È possibile tracciare questi asset in un caso di utilizzo AI:
- I modelli di prompt includono l'input del prompt per un foundation model e le variabili definite per rendere il prompt riutilizzabile per generare nuovi output.
- Modelli di apprendimento automatico creati utilizzando uno strumento watsonx.ai Runtime come AutoAI o SPSS Modeler.
- I modelli esterni sono modelli creati in Jupyter Notebooks o modelli creati utilizzando un provider di machine learning di terze parti.
Ulteriori informazioni
Utilizza un progetto di esempio per provare le funzioni watsonx.governance con l'esercitazione Quick start: Evaluate and track a prompt template.
Argomento principale: Asset di gestione nei casi di utilizzo AI