Cas d'utilisation IBM watsonx.governance
Pour générer des flux de travaux d'intelligence artificielle responsables, transparents et explicables, votre entreprise a besoin d'un système intégré pour le suivi, la surveillance et le recyclage des modèles d'intelligence artificielle. Watsonx.governance fournit les processus et les technologies permettant à votre entreprise de surveiller, de gérer, d'automatiser et de gouverner les modèles d'apprentissage automatique et d'IA générative en production.
Défis
Watsonx.governance vous aide à relever les défis suivants pour votre entreprise:
- Garantie de la gouvernance et de la conformité pour le modèle d'apprentissage automatique et les actifs d'IA générative
- Les organisations doivent évaluer, suivre et documenter l'historique détaillé des modèles d'apprentissage automatique et des actifs d'IA générative pour assurer la conformité et fournir une visibilité à toutes les parties prenantes.
- Gestion des risques et garantie d'une intelligence artificielle responsable
- Les organisations doivent surveiller les modèles en production pour s'assurer que les modèles sont valides et précis et qu'ils n'introduisent pas de biais ou ne s'éloignent pas des objectifs prévus.
- Surveillance et réentraînement des modèles d'apprentissage automatique
- Les organisations doivent automatiser la surveillance et le recyclage des modèles d'apprentissage automatique en fonction des commentaires en retour sur la production.
Exemple: Les défis de la Golden Bank
Suivez l'histoire de Golden Bank qui utilise watsonx.governance pour gouverner ses actifs d'intelligence artificielle alors qu'elle implémente un processus d'analyse des anomalies de stock afin de stimuler la productivité et d'augmenter la précision d'un analyste de stock dans la banque d'investissement. L'équipe doit:
- Suivez leurs modèles d'apprentissage automatique et leurs actifs d'IA générative tout au long du cycle de vie ; pour capturer et partager des faits sur les actifs ; pour aider à atteindre les objectifs de gouvernance et de conformité.
- Surveillez leurs modèles déployés pour l'équité, l'exactitude, l'explicabilité et la dérive.
- Evaluer leurs modèles d'invite de synthèse et de réponse aux questions pour mesurer l'efficacité avec laquelle les modèles de base génèrent des réponses.
- Créez un pipeline pour simplifier le processus de nouvel entraînement.
Processus
Pour implémenter watsonx.governance pour votre entreprise, votre organisation peut suivre ce processus:
- Suivi des modèles d'apprentissage automatique et des modèles d'invite
- Evaluer les modèles d'apprentissage automatique et les modèles d'invite
- Surveillance des modèles d'apprentissage automatique déployés et des modèles d'invite
Watsonx.ai et watsonx.governance fournissent les outils et les processus dont votre organisation a besoin pour gouverner les actifs d'intelligence artificielle.
1. Suivi des modèles d'apprentissage automatique et des modèles d'invite
Votre équipe peut suivre vos modèles d'apprentissage automatique et vos modèles d'invite de la demande à la production et évaluer s'ils sont conformes aux réglementations et aux exigences de votre organisation.
| Ce que vous pouvez utiliser | Ce que vous pouvez faire | A utiliser de préférence lorsque |
|---|---|---|
| Fiches techniques | Créez un cas d'utilisation d'IA pour suivre et gouverner les actifs d'IA depuis la demande jusqu'à la production. Afficher le statut du cycle de vie de tous les actifs enregistrés et explorer en aval jusqu'aux fiches de données détaillées pour les modèles, les déploiements ou les modèles d'invite enregistrés dans le cas d'utilisation du modèle. Passez en revue les détails qui sont capturés pour chaque actif suivi dans une fiche de données associée à un cas d'utilisation d'IA. Afficher les détails d'évaluation, les métriques de qualité, les détails d'équité, et les détails de la dérive. |
Vous devez demander un nouveau modèle ou modèle d'invite à votre équipe de science des données. Vous souhaitez vous assurer que votre modèle ou votre modèle d'invite est conforme et fonctionne comme prévu. Vous souhaitez déterminer si vous devez mettre à jour un modèle ou un modèle d'invite en fonction des données de suivi. Vous souhaitez exécuter des rapports sur les actifs suivis afin de partager ou de préserver les détails. |
Exemple: suivi du modèle de Golden Bank
Les analystes métier de Golden Bank ont demandé un modèle de prévision des anomalies des actions. Ils peuvent ensuite suivre le modèle à travers toutes les étapes du cycle de vie de l'IA à mesure que les spécialistes des données ou les ingénieurs d'apprentissage automatique le construisent et l'entraînent et que les ingénieurs ModelOps le déploient et l'évaluent. Les fiches de renseignements fournissent des détails sur l'historique du modèle et génèrent des indicateurs qui montrent ses performances.
2. Evaluer les modèles d'apprentissage automatique et les modèles d'invite
Vous pouvez évaluer les modèles d'apprentissage automatique et les modèles d'invite dans les projets ou les espaces de déploiement afin de mesurer leurs performances. Pour les modèles d'apprentissage automatique, évaluez la qualité, l'équité et la précision du modèle. Pour les modèles de base, évaluez les tâches de modèle de base et comprenez comment votre modèle génère des réponses.
| Ce que vous pouvez utiliser | Ce que vous pouvez faire | A utiliser de préférence lorsque |
|---|---|---|
| Projets | Utilisez un projet en tant qu'espace de travail collaboratif pour générer des modèles d'apprentissage automatique, des modèles de base d'invite, sauvegarder des modèles d'apprentissage automatique et des modèles d'invite, et évaluer des modèles d'apprentissage automatique et des modèles d'invite. Par défaut, votre projet de bac à sable est créé automatiquement lorsque vous vous inscrivez à watsonx. | Vous souhaitez collaborer sur des modèles d'apprentissage automatique et des modèles d'invite. |
| Interface utilisateur Espaces | Utilisez l'interface utilisateur Espaces pour déployer et évaluer des modèles d'apprentissage automatique, des modèles d'invite et d'autres actifs depuis des projets vers des espaces. | Vous souhaitez déployer et évaluer des modèles d'apprentissage automatique et des modèles d'invite et afficher les informations de déploiement dans un espace de travail collaboratif. |
Exemple: évaluation d'invite de Golden Bank
Les spécialistes des données de Golden Bank et les équipes d'ingénierie des invites travaillent ensemble pour évaluer les modèles d'invite de récapitulation et de réponse aux questions à l'aide de données de test. Ils veulent mesurer les performances du modèle de base et comprendre comment le modèle génère des réponses. Les évaluations sont suivies dans des AI Factsheets, de sorte que toute l'équipe puisse les surveiller tout au long du cycle de vie, de la phase de développement jusqu'à la phase de production.
3. Surveillance des modèles d'apprentissage automatique déployés et des modèles d'invite
Après le déploiement des modèles, il est important de les gouverner et de les surveiller pour s'assurer qu'ils sont explicables et transparents. Les spécialistes des données doivent être en mesure d'expliquer comment les modèles arrivent à certaines prévisions afin qu'ils puissent déterminer si les prévisions ont un biais implicite ou explicite. Vous pouvez configurer des évaluations de dérive pour mesurer les changements dans vos données au fil du temps afin de garantir des résultats cohérents pour votre modèle. Utilisez les évaluations de dérive pour identifier les changements dans la sortie de votre modèle, la précision de vos prévisions et la distribution de vos données d'entrée.
| Ce que vous pouvez utiliser | Ce que vous pouvez faire | A utiliser de préférence lorsque |
|---|---|---|
| Watson OpenScale | Problèmes d'équité du modèle de contrôle sur plusieurs fonctions. Performances du modèle de contrôle et cohérence des données dans le temps. Expliquez comment le modèle est arrivé à certaines prévisions avec des facteurs pondérés. Gestion de la gouvernance et du cycle de vie du modèle et génération de rapports sur cette gouvernance et ce cycle de vie dans l'ensemble de votre organisation. |
Vous disposez de fonctions qui sont protégées ou qui peuvent contribuer à l'équité des prévisions. Vous souhaitez tracer les performances du modèle et la cohérence des données dans le temps. Vous voulez savoir pourquoi le modèle fournit certaines prévisions. |
Exemple: surveillance du modèle de Golden Bank
Les spécialistes des données de Golden Bank utilisent Watson OpenScale pour surveiller le modèle de prévision des anomalies du stock déployé afin de s'assurer qu'il est exact, équitable et explicable. Ils exécutent un bloc-notes afin de configurer des moniteurs pour le modèle, puis de modifier la configuration à l'aide de l'interface utilisateur Watson OpenScale . A l'aide des métriques du moniteur de qualité et du moniteur d'équité Watson OpenScale , les spécialistes des données déterminent la façon dont le modèle prévoit les résultats et s'il produit des résultats biaisés. Ils obtiennent également des informations sur la façon dont le modèle est appliqué aux décisions afin que les décisions puissent être expliquées aux analystes boursiers.
Tutoriels pour watsonx.governance
| Tutoriel | Descriptif | Expertise pour le tutoriel |
|---|---|---|
| Evaluer et suivre un modèle d'invite | Evaluer un modèle d'invite pour mesurer les performances du modèle de base et suivre le modèle d'invite tout au long de son cycle de vie. | Utilisez l'outil d'évaluation et un cas d'utilisation d'IA pour suivre le modèle d'invite. |
| Evaluer un modèle d'apprentissage automatique | Déployez un modèle, configurez les moniteurs pour le modèle déployé et évaluez le modèle. | Exécutez un bloc-notes pour configurer les modèles et utilisez Watson OpenScale pour évaluer. |
Les prochaines étapes
- Générez des modèles d'apprentissage automatique et d'IA générative avec watsonx.ai
- Mettez à l'échelle les charges de travail de l'intelligence artificielle, pour toutes vos données, n'importe où avec watsonx.data
En savoir plus
- IBM watsonx
- Présentation de Watson Studio
- Présentation de Watson Machine Learning
- Présentation deWatson OpenScale
- Vidéos
- Essayez différents cas d'utilisation sur un site en libre-service. Sélectionnez un cas d'utilisation pour expérimenter une application opérationnelle générée avec watsonx. Développeurs, accédez à des conseils de sélection d'invite et de construction, ainsi qu'à un exemple de code d'application, pour accélérer votre projet.
Rubrique parent: Cas d'utilisation