微軟發布多個建置可信AI的問責機器學習工具

為了提高人工智慧解決方案的透明度，微軟和Aether委員會合作研究，並發布多個工具，在Azure上提供負責任機器學習服務（Responsible ML），微軟提到，由於機器學習開始被深入整合進日常業務流程，因此透明度顯得特別重要，Azure機器學習的問責功能，包含三個部分，理解模型、保護人們和資料以及控制端到端機器學習程序。

微軟提供InterpretML工具包，讓企業可以利用模型可解釋性功能，進一步理解模型行為，並向終端用戶以及業務相關利益人士，解釋機器學習所產生的結果。InterpretML工具包有助於建立精確的機器學習模型，讓開發人員可在模型訓練和預測階段，了解模型的行為，而且還適用深度神經網路，另外，模型可解釋性功能也可以執行假設分析，透過更改特徵值，以確定這些特徵對模型預測的影響。

微軟表示，當前建置人工智慧系統的挑戰之一，便是無法優先考慮公平性，微軟現在提供可以和Azure機器學習結合使用的Fairlearn工具，開發人員和資料科學家，可以利用專門的演算法，確定每個人都能獲得公平的結果。使用者可以在模型訓練和部署期間，利用Fairlearn來評估模型公平性，在減少不公平現象的同時，最佳化模型效能，該工具提供了互動視覺化工具，可以用來和推薦的模型進行比較減少不公平性。

考量到機器學習應用處理越來越多的敏感資料，像是醫療保健以及人口普查等領域，微軟提到，目前用來保護隱私安全的方法，包括校改和遮罩等，可會限制機器學習的效能，而為了解決這個問題，可以應用差分隱私（Differential Privacy）和機密機器學習技術來建構解決方案，在保持機器學習模型效能的同時，還能保有資料隱私和機密性。

因此微軟發布了WhiteNoise差分隱私工具包，用戶可以用於Azure機器學習服務上，保護隱私並且防止個人資料遭到辨識。這個差分隱私技術是微軟跟哈佛大學研究人員合作開發的，會在資料中添加統計雜訊，以防止洩露個人隱私資訊，且不會造成重大準確性損失。

而為了提高模型訓練和部署的安全性，Azure機器學習提供了資料和網路保護功能，包括支援Azure虛擬網路，並且有提供連接到機器學習工作空間的私有連結，用戶也可以在專用機器上執行機器學習工作負載，並且在資料傳輸和靜止時，使用金鑰加密。利用這些基礎，機器學習團隊可以在不用看見資料的情況下，在安全環境以機密資料建置模型。

微軟提到，負責任的機器學習，其開發過程應該是可重複、可靠並且相關利益者可被問責，而Azure機器學習的責任流程涵蓋每個決策者、審核人員，以及機器學習生命周期中的每個參與者。Azure機器學習提供追蹤功能，可自動維護機器學習資產的詳細追蹤資訊，像是執行歷史紀錄、訓練環境和模型說明等，並將這些資料紀錄在中央註冊表中，讓企業可以用於各種審核需求 。