Microsoft анонсувала інновації для відповідального використання машинного навчання
Microsoft анонсувала інновації для відповідального використання машинного навчання
Microsoft анонсувала інновації для відповідального використання машинного навчання, які допоможуть краще розуміти поведінку моделей машинного навчання, контролювати їх, а також забезпечувати конфіденційність даних протягом усього циклу роботи з ними. Новий функціонал буде доступний у Azure Machine Learning та у вигляді відкритого коду на GitHub.
Здатність розуміти поведінку моделі включає можливості інтерпретованості, які забезпечує інструмент InterpretML — саме його використовує SAS для розпізнавання випадків шахрайства у програмі лояльності EuroBonus.
Крім того, Microsoft оголосила, що набір інструментів Fairlearn, що включає можливості оцінки та підвищення об'єктивності ІІ-систем, у червні буде інтегрований з Azure Machine Learning.
Microsoft також анонсувала доступність для розробників набору інструментів для забезпечення диференціальної приватності White Noise. Вони можуть експериментувати з відкритим кодом GitHub або використовувати його в Azure Machine Learning. Функціонал диференціальних режимів конфіденційності був розроблений у співпраці з дослідниками Гарвардського інституту кількісної соціології та Школи проектування.Техніки диференціальної приватності дають можливість отримувати висновки з приватних даних, надаючи статистичні гарантії, що конфіденційні відомості, наприклад, імена та дні народження, залишаться під захистом.
Наприклад, завдяки технології диференціальної приватності кілька лікарень разом зможуть створити більш точну прогностичну модель ефективності лікування раку, водночас дотримуючись вимог законодавства щодо захист конфіденційності медичної інформації та гарантуючи, що жодні особисті дані пацієнтів не вийдуть за межі моделі.
У Azure Machine Learning також є вбудовані інструменти контролю, що дозволяють розробникам відстежувати та автоматизувати весь процес створення, навчання та розгортання моделі. Ця система, відома як «машинне навчання та операції» (machine learning and operations, MLOps), допомагає організаціям відповідати різним нормам та вимогам.
«Система MLOps пов'язана з операційними, повторюваними процесами машинного навчання, вона дозволяє вести облік різноманітних експериментів, які я проводив, встановлених у них параметрів і наборів даних, які використовувалися при цьому, і потім використовувати їх для відтворення тих самих процесів».
