Anta ansvarsfulla och betrodda AI-principer
De sex huvudprinciperna för ansvarsfull AI på Microsoft är rättvisa, tillförlitlighet och säkerhet, sekretess och säkerhet, inkludering, transparens och ansvarsskyldighet. Använd dessa principer för att skapa ansvarsfull och tillförlitlig AI när du integrerar den i vanliga produkter och tjänster under hela ai-implementeringsresan.
Ansvarsfulla AI-principer
Microsoft åtar sig att stärka ansvarsfulla AI-metoder.
Sex viktiga principer definierar ansvarsfull AI:
Rättvisa: AI-system bör behandla alla lika och ge samma rekommendationer till alla individer. Rättvisa i AI-system förhindrar diskriminering baserat på personliga egenskaper.
Tillförlitlighet och säkerhet: AI-system måste fungera tillförlitligt, säkert och konsekvent under olika förhållanden för att skapa förtroende.
Sekretess och säkerhet: AI-system bör respektera sekretess och upprätthålla säkerhet genom att skydda privat och konfidentiell information. De bör också motstå attacker och försök att skada eller kompromettera systemet.
Inkludering: AI-system bör stärka och engagera alla. Inkluderande designmetoder kan hjälpa AI-systemutvecklare att förstå och åtgärda potentiella exkluderingsbarriärer i en produkt eller tjänst. Inkludering främjar innovation och hjälper till att utforma upplevelser som gynnar alla.
Transparens: AI-system bör vara transparenta och begripliga. AI-system kan ligga till grund för beslut som djupt kan påverka människors liv, så det är viktigt för individer att förstå hur systemet fattar dessa beslut.
Ansvarstagande: AI-system och deras utvecklare bör vara ansvariga och ansvariga.
Införliva ansvarsfulla AI-principer under hela ai-implementeringsresan, från strategi och planering till implementering. Se till att du tillämpar dessa principer när du skyddar, hanterar och styr dina AI-initiativ.
Den här AI-implementeringsvägledningen innehåller exempel på hur du kan använda Cloud Adoption Framework för Azure för att implementera ansvarsfulla AI-metoder. Principerna för ansvarsfull AI är integrerade i vägledningen och rekommendationerna under hela den här AI-implementeringsresan.
Vikten av ansvarsfull AI
Ansvarsfull AI hjälper till att minska följande risker:
Oavsiktliga konsekvenser: Planera och övervaka din ansvarsfulla AI-implementering för att minska risken för oförutsedda effekter som har etiska konsekvenser.
Hot som utvecklas: Nya hot uppstår regelbundet när AI-tekniken utvecklas. För att minimera och ligga steget före dessa hot följer du principerna för ansvarsfull AI.
Bias: Bias mitigation in AI can be challenging but is necessary to ensure that AI systems are fair and unbiased( Bias mitigation in AI can be challenging but is necessary to ensure that AI systems are fair and unbiased. Använd de ansvarsfulla AI-principerna för att hjälpa dig.
Känslig teknik: Tekniker som ansiktsigenkänning kan betraktas som känslig teknik på grund av risken för grundläggande friheter och mänskliga rättigheter. Överväg konsekvenserna av dessa tekniker för att se till att du använder dem på ett ansvarsfullt sätt.
Azure-underlättande
Microsoft Azure tillhandahåller en rad verktyg, tjänster och resurser som hjälper dig att skapa ansvarsfulla AI-system.
Använda Microsoft Azure AI Content Safety för att skapa säkra system
Använd Microsoft Azure AI Content Safety för att identifiera skadligt användargenererat och AI-genererat innehåll i program och tjänster. Content Safety hjälper dig att analysera genererat innehåll i dina AI-program, inklusive text och bilder, för att säkerställa att det är säkert och lämpligt för dina användare. Innehållssäkerhet tillhandahåller följande funktioner:
Prompt shields söker igenom text och dokument efter risken för en användarinmatningsattack, eller jailbreak, på en stor språkmodell (LLM).
Markavkänning identifierar om textsvaren för en LLM är jordade i det källmaterial som användarna tillhandahåller.
Skyddad materialidentifiering identifierar om textsvaren från en LLM innehåller skyddat material, till exempel upphovsrättsskyddad text, låttexter, artiklar och webbinnehåll.
API:et Anpassade kategorier (snabb) definierar nya skadliga innehållsmönster och söker igenom text och bilder efter matchningar.
API:et Analysera text analyserar potentiellt skadligt textinnehåll. Den identifierar vanligtvis kategorier som hat, självskadebeteende och sexuellt eller våldsamt innehåll.
API:et Analysera bild analyserar potentiellt skadligt bildinnehåll. Den identifierar vanligtvis kategorier som hat, självskadebeteende och sexuellt eller våldsamt innehåll.
Använda AI på ett ansvarsfullt sätt i Azure AI-tjänster
Microsoft tillhandahåller en lista med transparensanteckningar för AI-relevanta Azure-tjänster. Listan innehåller tjänster i Azure AI-tjänstepaketet. Mer information finns i Ansvarsfull användning av AI med Azure AI-tjänster.
Använda instrumentpanelen ansvarsfull AI för Azure Machine Learning
Om du skapar system med Azure Machine Learning kan du använda instrumentpanelen Ansvarsfull AI för att utvärdera dina AI-system. Instrumentpanelen ansvarsfull AI innehåller ett enda gränssnitt som hjälper dig att implementera ansvarsfulla AI-principer. Några av de ansvarsfulla AI-funktionerna är:
Dataanalys: Förstå och utforska dina datamängdsdistributioner och statistik.
Modellöversikt och rättvisebedömning: Utvärdera modellens prestanda och modellens gruppkonsekvensproblem.
Felanalys: Visa och förstå hur fel distribueras i din datauppsättning.
Modelltolkning: Förstå modellens förutsägelser och hur din modell gör individuella och övergripande förutsägelser.
Kontrafaktisk konsekvensanalys: Observera hur ändringar i funktioner kan påverka dina modellförutsägelser.
Orsaksanalys: Använd historiska data för att visa orsakssambanden av behandlingsfunktioner på verkliga resultat.
Utveckla AI på ett ansvarsfullt sätt
| Resurs | beskrivning |
|---|---|
| Praktiska verktyg för att skapa effektiva HAX-upplevelser (human-AI) | Använd HAX Toolkit tidigt i din designprocess för att hjälpa dig att konceptualisera vad AI-systemet gör och hur det beter sig. Använd HAX Toolkit för användarriktade AI-produkter. |
| Riktlinjer för konversations-AI | Utforma robotar på ett sätt som tjänar andras förtroende för att hjälpa människor och samhället att förverkliga sin fulla potential. Använd dessa riktlinjer för att skapa en robot som skapar förtroende för företaget och tjänsten som den representerar. |
| Riktlinjer för inkluderande AI-design | Använd dessa riktlinjer för att hjälpa dig att utforma AI som är inkluderande och tillgängligt för alla. |
| Checklista för AI-rättvisa | Använd checklistan ai-rättvisa för att avgöra om ditt AI-system är rättvist och opartiskt. |
| Ansvarsfull AI i Machine Learning | Granska dessa ansvarsfulla AI-resurser om du använder Machine Learning för att skapa AI-system. |