随着人工智能在各个行业和应用领域的发展，确保安全、负责任地使用人工智能变得至关重要。由于客户对这些解决方案的透明度、责任性和公平性缺乏信任，人工智能部署受到越来越多的影响。微软致力于人工智能和机器学习（ML）的发展，其驱动力是以人为本的原则，以及实现这一点的工具。在与以太委员会及其工作组的合作下，我们将把负责任人工智能的最新研究成果带到Azure。让我们看看Azure机器学习中新的负责任的ML功能和我们的开源工具包如何使数据科学家和开发人员能够理解ML模型，保护人们及其数据，并控制端到端的ML过程。明白吗随着ML深入融入我们的日常业务流程，透明度至关重要。Azure机器学习不仅可以帮助您理解模型行为，还可以评估和减轻不公平。解释和解释模型行为Azure机器学习中的模型可解释性功能由InterpretML工具包提供支持，使开发人员和数据科学家能够理解模型行为，并向业务涉众和客户提供模型解释。利用模型的可解释性：建立精确的ML模型。了解各种模型的行为，包括深层神经网络，在训练和推理阶段。执行假设分析，以确定特征值更改时对模型预测的影响。"Azure机器学习帮助我们负责任地构建人工智能，并与客户建立信任。利用忠诚计划欺诈检测工作中的可解释性功能，我们能够更好地理解模型，识别真实的欺诈案例，并降低错误结果的可能性。"-Daniel Engberg，斯堪的纳维亚航空公司数据分析和人工智能主管评估和减轻模型不公平今天构建人工智能系统的一个挑战是不能优先考虑公平。通过将Fairlearn与Azure机器学习结合使用，开发人员和数据科学家可以利用专门的算法来确保每个人的结果更加公平。使用公平功能：在模型培训和部署期间评估模型公平性。在优化性能的同时减少不公平。使用交互式可视化来比较一组可减轻不公平的推荐模型。"Azure机器学习及其Fairlearn功能提供了先进的公平性和可解释性，帮助我们为客户部署值得信赖的人工智能解决方案，同时增强利益相关者的信心和法规遵从性。"—Alex Mohelsky，安永加拿大合作伙伴和咨询数据、分析和人工智能领导者保护ML越来越多地用于涉及敏感信息的场景中，如医疗患者或人口普查数据。当前的实践，如编辑或屏蔽数据，可能会限制ML。为了解决这个问题，可以使用差异隐私和机密机器学习技术来帮助组织构建解决方案，同时维护数据隐私和机密性。通过差异隐私防止数据泄露使用新的差分隐私工具包和Azure机器学习，数据科学团队可以构建ML解决方案，保护隐私并帮助防止个人数据的重新识别。这些差异隐私技术是与哈佛大学定量社会科学研究所（IQSS）和工程学院的研究人员合作开发的。差异隐私通过以下方式保护敏感数据：在数据中注入统计噪音，有助于防止私人信息泄露，不会造成严重的准确性损失。通过跟踪单个查询使用的信息预算并根据需要限制进一步查询来管理暴露风险。通过机密机器学习保护数据除了数据隐私之外，组织也在寻求确保所有ML资产的安全性和机密性。为了实现安全模型的培训和部署，azuremachinelerning提供了一组强大的数据和网络保护功能。其中包括对Azure虚拟网络的支持、连接到ML工作区的私有链接、专用计算主机以及用于传输和静止加密的客户管理密钥。在这个安全的基础上，Azure机器学习还使微软的数据科学团队能够在安全环境中建立机密数据模型，而不能够看到数据。在此过程中，所有ML资产都是保密的。这种方法与开源ML框架和广泛的硬件选项完全兼容。我们很高兴在今年晚些时候将这些机密的机器学习功能带给所有开发人员和数据科学家。控制为了负责任地构建，ML开发过程应该是可重复的、可靠的，并且让涉众负责。Azure机器学习使决策者、审计人员和ML生命周期中的每个人都能够支持负责任的流程。使用审计跟踪跟踪跟踪ML资产Azure机器学习提供了自动跟踪沿袭和维护ML资产审计跟踪的功能。运行历史记录、培训环境、数据和模型解释等详细信息都被捕获到一个中央注册表中，从而使组织能够满足各种审计需求。通过模型数据表提高责任感数据表提供了一种标准化的方法来记录ML信息，如动机、预期用途等。在微软，我们领导数据表研究，为数据科学家、审计人员和决策者提供透明度。我们还与人工智能合作伙伴关系以及行业、学术界和政府的领导者合作，开发推荐的实践和一个名为"关于ML"的流程。Azure机器学习中的自定义标记功能可用于实现数据表，随着时间的推移，我们将发布其他功能。开始负责任地创新除了Azure机器学习和我们的开源工具的新功能外，我们还制定了负责任地使用AI的原则。新的负责任的ML创新和资源旨在帮助开发人员和数据科学家构建更可靠、更公平、更值得信赖的ML。今天就加入我们，用负责任的ML开始你的旅程吧！额外资源了解更多关于负责任的ML。开始免费试用Azure机器学习。了解有关Azure机器学习的更多信息，并遵循快速入门指南和教程。这个故事的前一个版本将差异隐私工具包称为白噪声。