Translation not up to date
AI Governance to zestaw narzędzi i możliwości do zarządzania zasobami AI zgodnie z przepisami i wymaganiami Twojej organizacji. Użyj funkcji AI Governance, aby śledzić modele uczenia maszynowego od żądania do produkcji i oceny modeli w celu spełnienia progów uczciwości i dokładności. Godna zaufania AI wymaga silnego zarządzania.
Podstawowym produktem rozwiązania AI Governance jest AI Factsheets. Użyj opcji AI Factsheets , aby śledzić modele AI z żądania do produkcji. W poprzednich wersjach produkt AI Factsheets był częścią produktu Watson Knowledge Catalog. Teraz można zainstalować komponent AI Factsheets jako niezależną usługę za pomocą usługi Watson Studio lub Watson Knowledge Catalog. Ponadto użytkownik może wybrać opcję instalacji w oparciu o sposób planowania zarządzania.
Zarządzanie sztuczną inteligencją można skonfigurować w sposób iteracyjny, skalowanie w razie potrzeby. Rozpocznij od prostej implementacji. Następnie można dalej dostosowywać swoje zarządzanie sztuczną inteligencją, aby lepiej śledzić i zarządzać swoimi modelami w miarę ewoluowania potrzeb.
Zalecane usługi dla zarządzania sztuczną inteligencją
Strategię zarządzania sztuczną inteligencją można utworzyć za pomocą opcji Watson Knowledge Catalog lub Watson Studio i AI Factsheets, ale w celu uzyskania pełnego rozwiązania AI Governance, należy skorzystać z następujących usług:
- AI Factsheets
- Watson Knowledge Catalog
- Watson Studio
- Watson Machine Learning
- Watson OpenScale
Najprostsze wdrożenie zarządzania sztuczną inteligencją
W przypadku najprostszych implementacji zarządzania sztuczną inteligencją można użyć Watson Knowledge Catalog do śledzenia i spisywania modeli. Przypadek użycia modelu w katalogu składa się z zestawu arkuszy AI zawierających informacje o pochodzeniu, historii i innych istotnych informacjach dotyczących cyklu życia modelu. Administrator Watson Knowledge Catalog musi utworzyć katalog i dodać naukowców, inżynierów danych i innych użytkowników jako współpracowników.
Współpracownicy katalogu mogą żądać i śledzić modele:
- Użytkownicy biznesowi dodają przypadki użycia modelu do widoku spisu zasobów w katalogu, aby zażądać modeli uczenia maszynowego.
- Analitycy danych wiążą swoje wyszkolone modele z modelami przypadków użycia w celu utworzenia arkuszy AI.
Arkusze produktu AI gromadzą informacje na temat modelu w następujący sposób:
- Wszystkie działania powiązane z monitorowanym modelem są automatycznie zapisywane, w tym wdrożeń i ocen.
- Wszystkie zmiany wprowadzone w zasobach danych wejściowych są zapisywane automatycznie.
- Analitycy danych mogą dodawać znaczniki, terminy biznesowe, dokumentację pomocniczą i inne informacje.
- Analitycy danych mogą powiązać modele pretendentów z przypadkiem użycia modelu w celu porównania wydajności modelu.
Analizatory poprawności i inne zainteresowane strony dokonują przeglądu arkuszy AI, aby zapewnić zgodność i certyfikować model postępu w zakresie rozwoju do produkcji. Mogą one również generować raporty z arkuszy, a także drukować, współużytkować lub archiwizować szczegóły.
Patrz AI governance with AI Factsheets(Zarządzanie sztuczną inteligencją).
Opcje dostosowywania zarządzania sztuczną inteligencją
Te niestandardowe opcje można dodać do implementacji zarządzania sztuczną inteligencją w dowolnym momencie:
- Inżynierowie MLOps mogą rozszerzać śledzenie modelu w celu uwzględnienia modeli zewnętrznych, które są tworzone z modelami uczenia maszynowego innych firm.
- Inżynierowie MLOps mogą dodawać właściwości niestandardowe do arkuszy factsheets, aby śledzić więcej informacji.
- Analitycy zgodności mogą dostosowywać domyślne szablony raportów w celu generowania dostosowanych raportów dla organizacji.
- Zapisz wyniki ocen IBM Watson OpenScale w celu zapewnienia uczciwości i innych metryk w ramach śledzenia modelu.
Więcej informacji na ten temat zawiera sekcja Dodawanie modelu zewnętrznego do spisu zasobów modelu i Dostosowywanie szczegółów użytkownika dla arkusza.